Konsep Dasar Sistem Simulasi

Oleh: Erma Suryani

Outline
The basic structure of Simulation Model
Several steps in simulation
Model Simulation Example

The basic structure of Simulation Model

Although the system being modeled is very complex,
the basic structure is basically very simple.
The mathematical expression is as follows:
E = f(Xi,Yj)
dimana:
E = efek performansi sistem
Xi= variabel dan parameter yang dapat dikontrol
Yj= variabel dan parameter yang tidak terkontrol
F = hubungan antara Xi dan Yj yang menghasilkan E

The basic structure of Simulation Model

Walaupun model yang akan dibuat sangat kompleks,
pada dasarnya struktur dasarnya sangat sederhana.
Secara matematis dapat dinyatakan sbb:
E = f(Xi,Yj)
dimana:
E = efek performansi sistem
Xi= variabel dan parameter yang dapat dikontrol
Yj= variabel dan parameter yang tidak terkontrol
F = hubungan antara Xi dan Yj yang menghasilkan E

Komponen Model
Entitas yang membentuk model

Entitas?

Objek sistem yang menjadi pokok perhatian

Komponen-Komponen Model
Variabel : nilai yang selalu berubah.
Parameter : nilai yang tetap pada suatu saat, t
api dapat berubah di waktu yang lain.
Hubungan fungsional : memberikan hubungan
antar komponen-komponen model.

Contoh Sistem: Inventory

Beberapa komponen sistem inventory:
Produksi
Kebutuhan (demand)
Inventory awal (beginning inventory)
Inventory akhir (ending inventory)

Hubungan Fungsional (Inventory)

Ending Inventory = Beginning inventory + Productio
n Demand
Hubungan diatas dapat digambarkan dalam bentuk
causatic diagram (diagram sebab akibat) berikut:

Production +

Ending
Inventory

+
Beginning Inventory

Demand

Langkah-Langkah Simulasi
1. Pendefinisian sistem. Langkah ini meliputi : p
enentuan batasan sistem dan identifikasi vari
abel yang significant.
2. Formulasi model: merumuskan hubungan ant
ar komponen-komponen model.
3. Pengambilan data: identifikasi data yang dipe
rlukan oleh model sesuai dengan tujuan pem
buatan model.

Langkah-Langkah Simulasi (Contd)

4. Pembuatan model. Dalam penyusunan model perlu dis
esuaikan dengan jenis bahasa simulasi yang akan digu
nakan
5. Verfikasi model : proses pengecekan terhadap model a
pakah sudah bebas dari error.
6. Validasi model merupakan proses pengujian terhadap
model apakah model yang dibuat sudah sesuai dengan
sistem nyatanya. Yaman Barlas dalam jurnalnya yang b
erjudul Multiple Test for Validation of Systems Dynamic
s Type of Simulation Model, menjelaskan dua cara pen
gujian yaitu:

Validasi Model
a. Perbadingan Rata-Rata (Mean Comparison)

S A
E1
A

S nilai _ rata rata _ hasil _ simulasi

A nilai _ rata rata _ data

Model dianggap valid bila E1 5%

Validasi Model
b. Perbandingan Variasi Amplitudo (% Error
Variance
Ss Sa
E2
Sa

Dimana:
Ss = standard deviasi model
Sa = standard deviasi data
Model dianggap valid bila E2 30%

Langkah-Langkah Simulasi (Contd)

7. Setelah model valid maka langkah selanjutny
a adalah membuat beberapa skenario (ekspe
rimen) untuk memperbaiki kinerja sistem ses
uai dengan keinginan.

Jenis-Jenis Skenario
Skenario parameter dilakukan dengan jalan m
engubah nilai parameter model.
Relatif mudah dilakukan karena kita hanya melakukan per
ubahan terhadap nilai parameter model
Melihat dampaknya terhadap output model.

Jenis-Jenis Skenario (Contd)

Skenario struktur dilakukan dengan jalan men
gubah struktur model.
Skenario jenis ini memerlukan pengetahuan y
ang cukup tentang sistem agar struktur baru y
ang diusulkan/dieksperimenkan dapat mempe
rbaiki kinerja sistem.

Langkah-Langkah Simulasi (Contd)

8. Interpretasi model. Proses ini merupakan pe
narikan kesimpulan dari hasil output model si
mulasi.
9. Implementasi merupakan penerapan model p
ada sistem.
10.Dokumentasi merupakan proses penyimpan
an hasil output model.

Elemen Dasar dlm Model

Dua aspek yang perlu dipertimbangkan:
1. Model harus merepresentasikan sistemnya
2. Tujuan studinya, hasil apa yang diharapkan?

Pertimbangan Umum dlm Simulasi

Time Handling
Hal yang paling krusial dlm simulasi:
perubahan status variabel sistem

waktu

Time Handling (Contd)

I. Time Slicing (Time Interval) = dt

t

Contoh:

t+dt

dt

Perubahan status di suatu terminal mkn terjadi dalam

tiap jam
Di tempat lain spt di airport mkn terjadi dalam tiap me
nit

Contoh Contoh Model Simulasi:

1. Dalam sebuah workshop terdapat:
- 2 buah mesin: Mesin A dan B.
- Misalkan waktu yg diperlukan u/ penyelesaian
pekerjaaan tergantung pada ukuran job.
- Job time yang diperlukan u/ masing-masing mesin:
Mesin A : ((batch size/50) + 1) hari
Mesin B : ((batch size/100) + 3) hari
- Tiap Job harus diproses oleh kedua mesin dengan
urutan mesin A terlebih dahulu, baru kemudian
diproses oleh mesin B

Contoh Contoh Model Simulasi (Contd):

- Workshop menerima 4 job order dengan batch size dan
day order sbb:
Job
Number

Batch Size

Day Order
Expected

200

400

100

14

200

18

Job Arrival
Rate

Contoh Contoh Model Simulasi (Contd):

- Job time (waktu pelaksanaan pekerjaan) u/ tiap job sbb:
Job 1 : Mesin A = ((200/50)+1) = 5 hari
Mesin B = ((200/100)+3) = 5 hari
- Untuk job-job lainnya diberikan dlm tabel berikut:
Job
Number

Mesin A

Mesin B

Contoh Contoh Model Simulasi (Contd):

Proses simulasinya ditunjukkan pada tabel berikut:
Day

Job Queueing

Jobs in Progress

MA

MB

MA

MB

10

Job
Number

Contoh Contoh Model Simulasi (Contd):

Day

Job Queueing

Jobs in Progress

MA

MB

MA

MB

11

12

13

14

15

16

17

18

19

20

Contoh Contoh Model Simulasi (Cont

d):
Day

Job Queueing

Jobs in Progress

MA

MB

MA

MB

21

22

23

24

25

26

27

28

29

30

Contoh Contoh Model Simulasi (Cont

d):
Day

Job Queueing

Jobs in Progress

MA

MB

MA

MB

31

32

Time Handling (Contd)

II. Next-Event Technique
Model di update ketika diketahui ada perubahan.
Metode ini berfokus pada progress tiap event.
Pada contoh no. 1 (workshop) event nya adalah sbb:

Job arrive (datang);

Mesin A mulai bekerja;
Mesin A selesai bekerja;
Mesin B mulai bekerja;
Mesin B selesai bekerja.

Next-Event Technique (Contd)

II. Next-Event Technique
Job Number

Arrival Date

MA

MB

Start

Finis
h

Start

Finish

10

16

17

23

14

17

19

24

27

18

20

24

28

32

Pada Next-Event Technique , hanya diperlukan update 16 kali.

Dgn Time Slicing, diperlukan update 32 kali

Time Slicing or Next Event

Next Event technique memiliki 2 keuntungan jik
a dibandingkan dgn Time Slicing :
1. Time increment secara otomatis akan mengatur
pada aktivitas periode tinggi & rendah, sehingga
terhindar dari pengecekan status yang tidak
diperlukan.
2. Me-record event-event yang significant dlm simulas
i.

Time Slicing or Next Event (Contd)

Ada beberapa sistem yang event-nya berubah pada
saat-saat tertentu (yg sama).
Contoh:
Supermarket mkn mengecek stock-nya pada saat ya
ng sama tiap hari dan penempatan item2-nya mkn ju
ga menggunakan waktu yang sama .
Dlm kasus ini, diperlukan u/ meng-update model pad
a interval yg regular untuk mengakomodasi perubah
an yang terjadi

Contoh Contoh Model Simulasi (Contd):

2.

Arriving Part

Machine
Finish Part

Simple Processing
System

Queue

Part in
Service

Sejumlah part datang pada mesin untuk diproses

Setelah keluar dari mesin, part akan menjadi finish part
Jika part datang pada mesin & mesin dlm keadaan idle
maka part akan diproses oleh mesin.
Jika part datang pada saat mesin busy (memproses part
lain), part akan memasuki antrian (Queue).

Contoh Contoh Model Simulasi (Cont

d):
Langkah-langkah yg perlu dilakukan:
Buat gambaran sistemnya
Spesifikasikan aspek-aspek numerik (pengumpulan
data)
Tentukan periode simulasi (kapan simulasi dimula
i dan kapan simulasi berakhir).
Misal kita lakukan pengamatan terhadap 5 part d
an data-datanya diberikan pada tabel berikut:

Langkah-Langkah yg Perlu Dilakukan (Contd):

Part
Number

Arrival Time

Inter Arrival
Time

Service Time

0.00

6.84

4.58

6.84

2.40

2.96

9.24

2.70

5.86

11.94

2.59

3.21

14.53

0.73

3.11

Langkah-Langkah yg Perlu Dilakukan (Cont

d):
Tentukan tujuan studinya. Misal untuk menghitung:

a.
b.
c.
d.
e.
f.
g.
h.

Total produksi
Average delay in queue
Maximal delay in queue
Average flow time
Max flow time
Busy time
Utilisasi mesin
Maximal number of part in queue

Penyelesaian:
Pertama kita tentukan periode simulasi. Misal ditentu
kan selama 15 menit. Proses perhitungannya dapat
dilihat pada tabel berikut:
Part
No.

Arrival
Time (m)

Inter
Arrival
Time (m)

Service
Time
(m)

Finish Time (m)

Delay in
Queue (m)

0.00

6.84

4.58

0.00+4.58 = 4.58

6.84

2.40

2.96

6.84+2.96 = 9.80

9.24

2.70

5.86

9.80+5.86 = 15.66

9.80-9.24 = 0.56

11.94

2.59

3.21

15.66+3.21 = 18.87 15 - 11.94 = 3.06

14.53

0.73

3.11

18.87+3.11 = 21.98 15 -14.53 = 0.47

Penyelesaian (Contd):

Total produksi = 2 part p1 dan p2

Average delay in queue = (0+0+0.56)/3 = 0.186
Maximal delay in queue = 0.56
Average flow time = (4.58+2.96)/2= 3.77
Max flow time = 4.58
Busy time = B(t) = 4.58 + (9.8-6.84) + (15-9.8) = 12.74
Utilisasi mesin = B(t)/T = 12.74/15 = 0.85
Maximal number of part in queue = 2 part (part yang bel
um diproses)

Diskusi:
Jika periode simulasi diperpanjang = 20 menit bagai
mana dampak terhadap variabel berikut ?
Total produksi
Average delay in queue
Max. delay in queue
Average flow time
Busy time
Utilisasi mesin
Maximal number of part in queue

Pertanyaan:
1. Sebutkan beberapa unsur pembentuk model
2. Apa fungsi diagram kausatik terhadap pembu
atan model ?
3. Jelaskan langkah-langkah yg perlu dilakukan
dalam membuat model simulasi sampai terci
pta model yang valid (gambarkan flow diagra
mnya)
4. Apa fungsi skenarioisasi pada model ?

Simulasi 2-1
1. Di sebuah ATM, ada 10 customer dgn data sbb:
Customer

Arrival Time Inter Arrival Time

Service
Time

1.4

1.4

2.3+RN

2.7

1.3

1.5+RN

7.6

4.9

2.2+RN

11.1

3.5

2.5+RN

11.8

0.7

1.8+RN

14.6

2.8

2.4+RN

16.7

2.1

2.1+RN

17.3

0.6

1.8+RN

19.8

2.5

2.0+RN

10

21.7

1.9

2.3+RN

RN = (Rata-Rata
digit terakhir NRP
kelompok)/10

Simulasi 2-1 (Contd)

Tentukan:
1. Start service time, waiting time, completion
time, time in system untuk tiap customer.
2. Average waiting time
3. Maximum waiting time
4. ATM utilization
Note: Time in System = completion time arrival time

Simulasi 2-1 (Contd)

5. Lakukan simulasi u/ 200 customer dgn
ketentuan sbb:
- Interarrival times berdistribusi normal dgn
mean 2.X dan standard deviasi 0.5X
- Service times berdistribusi normal dgn
mean 2.5X dan standard deviasi 0.7X
Note : X = rata2 dari digit terakhir NRP kelompok
Random dgn Excel = NORMINV(RAND(),mean,stdev)

Simulasi 2-2
2. Simulasi dgn 2 ATM, u/ 10 customer dgn data sbb:
Customer

Arrival Time Inter Arrival Time

Service
Time

1.7

1.7

1.7+RN

2.4

0.7

2.0+RN

4.4

2.0

1.4+RN

4.5

0.1

0.9+RN

9.1

4.6

2.2+RN

10.4

1.3

1.6+RN

11.0

0.6

1.7+RN

11.3

0.3

2.2+RN

14.7

3.4

2.9+RN

10

14.8

0.1

2.8+RN

RN = (Rata-Rata
digit terakhir NRP
kelompok)/5

Simulasi 2-2 (contd)

Tentukan:
1. Start service time, waiting time, completion
time, time in system untuk tiap customer.
2. Average waiting time
3. Maximum waiting time
4. ATM utilization
Note: Time in System = completion time arrival time