Dokumen tersebut membahas tentang simulasi sebagai imitasi cara kerja suatu sistem dengan menggunakan komputer. Simulasi digunakan untuk mempelajari sistem kompleks, membandingkan rancangan alternatif, dan mempelajari pengaruh perubahan terhadap sistem yang ada. Terdapat berbagai jenis simulasi seperti Monte Carlo, trace-driven, dan discrete event simulation. Simulasi memiliki kelebihan seperti fleksibilitas dan kemampuan membandingkan

1. 1

2. 2
SIMULASI
 Simulasi – merupakan imitasi cara kerja facilitas atau
proses, biasanya dengan menggunakan komputer
 Fasilitas yang disimulasikan juga disebut “sistem”
 Dibuat asumsi/aproksimasi, baik secara logika dan
matematika, mengenai bagaimana sistem bekerja
 Asumsi ini membentuk model sistem
 Model memiliki banyak aplikasi dan dapat menjawab
pertanyaan seperti:
 Mengapa kinerja Web di suatu tempat memburuk ketika ada
yang menggunakan koneksi WiFi di dekatnya?
 Bagaimana jalur yang akan ditempuh oleh angin badai? Dsb.

3. 3
Bagaimana cara mempelajari sistem?

4. 4
Kapan simulasi digunakan?
 Simulasi dapat digunakan:
 Untuk mempelajari sistem yang kompleks, misalnya, sistem di
mana solusi analitik tidak dapat digunakan.
 Untuk membandingkan rancangan alternatif untuk sistem
yang tidak ada.
 Untuk mempelajari efek pengubahan pada sistem yang sudah
ada. Mengapa tidak mengganti sistem tersebut??
 Untuk mengusulkan/verifikasi solusi analitik.
 Simulasi tidak dapat digunakan:
 Jika asumsi model cukup sederhana sedemikian sehingga
metode matematik bisa digunakan untuk mendapatkan
jawaban yang tepat (solusi analitik)

5. 5
Area Aplikasi
 Evaluasi rancangan dan kinerja sistem komputer
 Menentukan persyaratan hardware atau protokol untuk jaringan
komunikasi
 Mempelajari algoritma penjadwalan CPU
 Evaluasi aturan Web caching
 Perancangan dan analisis sistem manufaktur
 Operasi jalur produksi
 Evaluasi rancangan organisasi servis
 Studi call center, restoran fast-food, rumah sakit, dan kantor pos
 Evaluasi sistem senjata militer atau persyaratan logistiknya.
 Perancangan dan operasi sistem transportasi seperti bandara,
jalan bebas hambatan, pelabuhan, dan kereta bawah tanah
 Analisis sistem keuangan atau ekonomi

6. 6
Terminologi
 Sistem: Sekumpulan obyek yang bekerja dan berinteraksi
bersama menuju satu akhir yang logis
 Contoh: Menentukan jumlah kasir yang diperlukan untuk memberikan
layanan ekspres pada pelanggan yang membeli 10 barang atau kurang
pada suatu superstore – sistem terdiri dari kasir ekspres dan
pembeli dengan 10 barang atau kurang.
 Status sistem: Sekumpulan variabel dan nilainya, yang
diperlukan untuk mengkarakterisasi sistem pada suatu waktu
tertentu
 Dapat bergantung pada tujuan dan ukuran kinerja yang diinginkan
 SS Example: # kasir ekspres, waktu kedatangan pelanggan dengan
10 barang atau kurang.
 Event: Perubahan status sistem
 Kedatangan pelanggan, start pelayanan, dan kepergian pelanggan.

7. 7
Klasifikasi Model
 Model waktu kontinu vs. waktu diskrit
 Model Continuous-event vs. discrete-event
 Model Deterministik vs. probabilistik
 Model Statik vs. dynamik
 Model Linier vs. non-linier
 Model Terbuka vs. tertutup

8. 8
Model Waktu-Kontinu dan Diskrit
Jumlah
pelanggan
pada
antrian
Waktu
Jumlah
mahasiswa
pada satu
MK
Time
(a) Waktu kontinu (b) Waktu diskrit

9. 9
Model Continuous-event vs. discrete-
event
Jarak
yang
ditempuh
pesawat
Waktu
(a) Continuous-event (b) Discrete-event
Jumlah
pelanggan
pada
antrian
Waktu

10. 10
Model Deterministik dan Stokastik
 Model deterministik memberikan hasil
deterministik
 Model Stokastik atau probabilistik
terpengaruh oleh random effect
 Biasanya, model ini memiliki satu atau lebih input
random (misalnya, kedatangan pelanggan, waktu
servis, dll.).
 Output model stokastik merupakan “estimasi”
karakteristik sistem yang sebenarnya.
 Eksperimen harus diulang beberapa kali
 Harus ada kepercayaan terhadap hasil

11. 11
Lebih banyak mengenai model
 Model statik dan dinamik
 Model statik – status sistem tidak bergantung pada waktu
 Model dinamik – status sistem bergantung terhadap waktu
 Model linier dan non-linier
 Model linier – output merupakan fungsi linier dari parameter
input
 Model terbuka dan tertutup
(a) Model terbuka (b) Model tertutup

12. 12
Tipe Simulasi (1/2)
 Simulasi Monte Carlo
 Tidak ada elemen waktu (biasanya)
 Digunakan untuk evaluasi ekspresi non-probabilistik
(misalnya, integral) dengan menggunakan metode
probabilistik
 Berbagai variasi soal matematik
 Simulasi Trace-driven
 Secara ekstensif dipakai pada evaluasi kinerja sistem
komputer; misalnya, algoritma paging
 Kelebihan: kredibilitas, validasi yang mudah, lebih sedikit
bilangan acak, beban kerja akurat
 Kekurangan: kompleksitas, hanya merupakan snap-shot,
representatif?, satu titik validasi

13. 13
Tipe Simulasi (2/2)
 Simulasi Monte Carlo
 Simulasi trace-driven
 Simulasi discrete-event: simulasi dengan
menggunakan model discrete-event (disebut
juga discrete-state) dari sistem
 Contoh, banyak digunakan untuk mempelajari
sistem komputer
 Simulasi continuous-event: menggunakan
model continuous-state
 Contoh, banyak digunakan pada studi kimia/farmasi

14. 14
Tahap Studi Simulasi
Pada umumnya simulasi dipandang sebagai aktivitas yang memiliki
tiga fase (Pidd, 1992), yaitu :
1. Pemodelan,
2. Kompetensi
3. Eksperimentasi
1. Formulasi Masalah dan Tujuan Studi.
Formulasi masalah yang sukses membutuhkan penilaian yang akurat terhadap
tujuan-tujuan yang disertai oleh suatu deskripsi dari sistem riil. Hal ini
melibatkan spesifikasi sebagai berikut:
a. Kriteria dimana aturan-aturan keputusan alternatif akan dievaluasi,
b. Semua variabel state yang signifikan,
c. Seluruh parameter sistem yang dibutuhkan
2. Membangun Model Simulasi Langkah penting dalam simulasi adalah membangun
model yang merepresentasikan kondisi riil masalah yang akan disimulasikan.
Setelah membangun model maka dibutuhkan suatu skenario yang akan diterapkan
sesuai dengan tujuan yang ingin dicapai oleh studi simulasi tersebut.

15. 15
Tahap Studi Simulasi
3. Desain Eksperimen.
Dalam kerangka konseptual model simulasi diperlukan suatu desain eksperimen
yang akan menyediakan arahan dalam pengumpulan data, analisis dan bagaimana
hasil simulasi akan digunakan untuk menjawab pertanyaan yang sedang
dipecahkan. Data yang dikumpulkan harus mampu memberikan deskripsi yang
cukup memadai bagi variabel stokastik yang diaplikasikan pada model.
4. Verifikasi dan Validasi Model.
Proses verifikasi dilakukan untuk menentukan apakah model simulasi berjalan
sesuai keinginan pembuat model, misalnya dengan melakukan proses debug
program komputer, sedangkan validasi dilakukan untuk menetukan apakah model
simulasi mampu mewakili sistem riil secara akurat (Nasution & Baihaqi,
2007:19).
5. Mengevaluasi Hasil Simulasi untuk Pengambilan Keputusan.
Dengan memformulasikan dan menguji asumsi yang berbeda pada perilaku sistem
maka kita dapat mengevaluasi kebijakan atau aturan keputusan tertentu sehingga
manajemen dapat memilih satu keputusan terbaikuntuk memenuhi tujuan
organisasi.

16. 16
Kelebihan, kekurangan, dan kesulitan
pada studi simulasi
 Kelebihan
 Simulation memberikan fleksibilitas pada pemodelan sistem
kompleks, sehingga model simulasi bisa sangat valid.
 Alternatif mudah dibandingkan
 Pengendalian kondisi eksperimental
 Dapat mempelajari sistem dengan frame waktu yang sangat
lama
 Kerugian
 Simulasi stokastik hanya menghasilkan estimasi – dengan
noise
 Model simulasi mungkin mahal untuk dikembangkan
 Simulasi biasanya menghasilkan output dengan volume besar –
harus dirangkum, dan dianalisis secara statistik.
 Kesulitan
 Kegagalan untuk mengidentifikasi tujuan pada tahap awal.
 Tingkat detil yang tidak mencukupi (pada dua arah)
 Perancangan dan analisis eksperimen simulasi yang tidak
mencukupi
 Pengajaran dan pelatihan yang tidak cukup