Analisis Model

dan Simulasi

Hanna Lestari, M.Eng

Simulasi dan Pemodelan
Klasifikasi Model
 preskriptif – deskriptif
 diskret – kontinu
 probabilistik – deterministik
 statik – dinamik
 loop terbuka - tertutup
Simulasi sebagai alat Pemecahan
Masalah
 Fungsional  Setting
 Analisis Inventori  Pabrik
 Sistem Distribusi  Kesehatan
 Penjadualan  Pemerintahan
 Sistem Antrian  Administrasi Publik
 Perencanaan  Pendidikan
 Sistem Penanganan  Industri
Material
 Permainan
Keuntungan dan Kerugian
Model Analitik Model Simulasi
Keuntungan  keringkasan dan  relatif mudah untuk
closed-form sistem yg kompleks
 kemudahan  sarana pelatihan
evaluasi menuju
solusi optimal

Kerugian  asumsi tidak  tidak ada (sulit)

realistis mencari solusi optimal
 formula yang  model simulasi yang
kompleks baik mungkin mahal
Elemen Analisis Simulasi
 Formulasi Masalah
 Pengumpulan Data dan Analisis
 Pengembangan Model
 Verifikasi dan Validasi Model
 Eksperimentasi dan Optimisasi
 Implementasi
Formulasi Masalah
 mengidentifikasi variabel keputusan dan variabel
tak- terkendali (uncontrollable)
 menspesifikasikan variabel Kendala (constraint)
pada variabel keputusan
 menentukan ukuran performansi sistem dan fungsi
obyektif
 mengembangkan model awal
Pengumpulan Data dan Analisis
 Pengumpulan data pada sistem yang diamati
 Rancangan
 Teknis (manual, otomatis)
 Mencari model (probabilitas) yang sesuai dengan
sistem
Pengembangan Model
 Memahami sistem
 Konstruksi model
 Diagram alur (flowchart)
 Pemilihan bahasa pemrograman
 Bilangan random dan statistik
 Pemrograman dan debugging
Verifikasi dan Validasi Model
 Model: konseptual, logika, komputer
 Verifikasi: internal model (debugging)
 Validasi: kecocokan model dengan sistem
(kenyataan)
Eksperimentasi dan Optimisasi
 “What-if” experimentation
 Rancangan percobaan
 Analisis output
Implementasi
 Penggunaan model simulasi untuk pemecahan
masalah pada sistem yang dimodelkan
 Komunikasi antara pengguna dan analis
Bilangan Random
 Digunakan oleh hampir semua model simulasi
 Bilangan random fisik
 Pseudo-random – Bilangan random uniform
 Simulasi Statik atau Monte Carlo
Representasi Kejadian
Event graph

i Kejadian i

Hubungan tak bersyarat

Hubungan bersyarat
 Representasi Kejadian
Contoh:
Kejadian i akan menuju ke kejadian j, dalam waktu t,
asalkan kondisi C1 dipenuhi
t
C1
j
i
Antrian Layanan Tunggal
Variabel status
n: banyaknya pengunjung dalam sistem (sedang
menunggu maupun dilayani)
Kejadian ts
1: kedatangan pengunjung 3
2: pelayanan dimulai ta
2
3: pelayanan selesai
1 C2
Kondisi
C1: n=0 C1
C2: n>0
Tundaan (interval waktu dari satu kejadian ke
kejadian yang lain)
ta: waktu antar kedatangan
ts: lama pelayanan
Antrian Layanan Tunggal
Peng- Waktu ke- Durasi antar Durasi Waktu Kejadian n
antri datangan kedatangan pelayan-
(Ai) an 0 ----- (inisialisasi) ----- 0

1 4 6 3 4 A1 datang 1
4 A1: pelayanan mulai 1
2 10 3 5 7 A1: pelayanan selesai 0

3 13 6 6 10 A2: datang 1
10 A2: pelayanan mulai 1
4 19 1 4 13 A3: datang 2

5 20 9 7 15 A2: pelayanan selesai 1

15 A3: pelayanan mulai 1
6 29 2 3
19 A4: datang 2
7 31 3 6 20 A5: datang 3
… dst…. …
Antrian Layanan Tunggal
n(t)

10 20 30 40 50 60

Waktu (t)
Model Inventori
Variabel status
Inv: Tingkat inventori
O : status penempatan pesanan t(pesan)
1 = pesanan sudah datang 3
0 = pesanan belum datang t=1
2
Kejadian 1
1: permintaan barang
C1
2: pemesanan barang
3: barang pesanan datang
Kondisi
C1: Inv < S dan O=0
Tundaan
T(pesan): lama waktu pesanan datang
Model Inventori
Variabel Keputusan
S : batas inventori dimana perlu pemesanan kembali
Q : Banyaknya barang yang dipesan
Kriteria (fungsi obyektif)
Meminimumkan
Ci : biaya inventori
CR : biaya pemesanan
Cp : biaya penalti
Model Inventori

Hari Inv Per- Catatan Hari Inv Per- Catatan

mintaan mintaa
1 20 5 Hari ke-1 (Senin) n
2 15 3 13 27 0 Sabtu
3 12 2 Pesan 30 unit 14 27 0 Minggu
4 10 4 15 27 3
5 6 1 16 24 5
6 5 0 Sabtu 17 19 4
7 5 0 Minggu 18 15 2
8 5 2 19 13 4
9 3 2
10 1 3 Permintaan tdk dipenuhi
11 30 2 Pesanan datang
12 28 1
Model Inventori
Inv(t) T
1
rata-rata inventori   inv (t )dt
T 0

30

20

10

5 10 15 20

Waktu (t)
Verifikasi, Validasi, Model
 Tujuan
VERIFIKASI
 Verifikasi adalah proses pemeriksaan kesesuaian antara logika
operasional model (program komputer) dengan logika diagram
alur. Verifikasi model juga meliputi pemeriksaan model untuk
meyakinkan bahwa semua ekspresi matematis dalam model
memiliki dimensi yang konsisten.
TUJUAN VERIFIKASI : “Menjamin kebenaran suatu model
secara matematis dan konsisten secara logika”
VALIDASI
 Proses merepresentasikan keberartian dan keakuratan model
sebagai konseptualisasi atau abstraksi dari sistem nyata.
TUJUAN VALIDASI : “Menjamin kemampuan suatu model
untuk merepresentasikan sistem nyata”
Contoh
 Seorang petani mempunyai luas suatu tanah dengan panjang 5
dan lebar 2, sehingga luasnya 10 m2 ,
 Seorang pemodel mempunyai konsep untuk membuat model
matematis misalnya konsep luas itu panjang di kalikan dengan
lebar, dan modelnya L = p x l.
 model itu kita verifikasi apakah sesuai dengan konsep yang
ingin kita buat ? ternyata sesuai, lalu lanjut ke tahap validasi
dimana kita buktikan system tersebut sesuai dengan kenyataan,
kita gunakan model itu L = p x l jadi 5 x 2 = 10 wah ternyata
sesuai. Berarti model yang kita buat ini telah terverifikasi dan
valid.
Verifikasi

Did i build the model

right ?
Validasi

Did I build the right

model?
Verifikasi dan Validasi
 Langkah terpenting dalam studi simulasi: validasi.
Verifikasi: pengecekan apakah program bekerja
dengan baik.
 –Apakah model diprogram secara benar (input
parameters dan logical structure)?
Validasi: Proses pengujian thd model apakah model
yang dibuat sudah sesuai dengan sistem nyatanya.
Verifikasi Model
Tentukan standar untuk perbandingan:
 Common sense
 Bangunlah sebuah model analitik kemudian sederhanakan model, ujilah
secara analitik

Beberapa teknik verifikasi yang dapat digunakan, antara lain:

 Periksalah kode, variabel, parameter dan hubungan yang ada dalam model
 Periksa untuk keluaran yang masuk akal
 Perhatikan proses, atau kegiatan transformasi yang terjadi
 Lakukan trace (penelusuran) untuk melacak keseluruhan aktivitas yang
terjadi.
Validasi Model
 Validasi model dalam bentuk validasi eksternal
jauh lebih sulit untuk ditetapkan jika dibandingkan
dengan verifikasi model sebagai bentuk validasi
internal.
 Perkiraan secara garis besar mungkin cukup baik
untuk dipakai pada model perencanaan, namun
model yang lebih rinci untuk keputusan harian
seharusnya lebih akurat.
Validasi
Umumnya validasi dimulai dengan uji sederhana seperti
(1) tanda aljabar,
(2) tingkat kepangkatan dari besaran,
(3) format respons (linear, eksponensial, logaritmik, dan
sebagainya,
(4) arah perubahan peubah apabila input atau parameter
diganti-ganti, dan
(5) nilai batas peubah sesuai dengan nilai batas parameter
sistem.
Validasi
 Pengujian Solusi
 Pengujian solusi memiliki tujuan utama untuk menentukan
keuntungan yang diinginkan
 Jika pekerjaan berurusan dengan sistem yang sudah ada,
pengujian dapat dilakukan dengan menjalankan kebijakan yang
sudah ada dan kebijakan yang disarankan untuk dilaksanakan
bersama-sama
 Untuk pekerjaan yang belum dijalankan, tidak perlu
membandingkan dengan sistema yang ada (meskipun
perbandingan antara persaingan alternatif mungkin dibutuhkan).
Pengujian digunakan untuk melihat perilaku sistem yang
diusulkan dan untuk mendapatkan perkiraan potensi keuntungan
Aturan Pengujian Validitas
 Pengevaluasian dari kebijakan yang diusulkan
harus didasarkan pada observasi dari performa
sebenarnya (simulasi).
 Data yang digunakan untuk pengujian harus
terpisah dari data yang digunakan untuk
mendapatkan kebijakan terbaik
 Pengujian seharusnya tidak hanya memberikan
performa yang diinginkan
 Diskusi
 Sebutkan aplikasi simulasi sebagai alat pemecahan
masalah !
 Sebutkan keuntungan model simulasi dan model
analitik
 Jelaskan pengertian dari verifikasi dan validasi