Simulasi merupakan teknik untuk membuat model matematika dari suatu proses atau situasi di dunia nyata untuk memprediksi karakteristiknya atau memecahkan masalah terkait dengan menggunakan model yang dibuat. Simulasi digunakan untuk mempelajari sistem yang sulit diamati secara langsung atau kompleks, serta untuk menguji berbagai skenario tanpa menghadapi risiko di dunia nyata.

1. ANALISIS & SISTEM KEPUTUSAN
BM185242
Mata Kuliah

2. REV. PENILAIAN (GRADING)
A. Pembobotan :
1. Keaktifan di Kelas : 5 %
2. Tugas : 10 %
3. Quis : 15 %
4. UTS : 20 %
B. Nilai :
1. 86 – 100 : A (Istimewa)
2. 76 – 85 : AB (Baik Sekali)
3. 66 – 75 : B (Baik)
4. 61 -65 : BC (Cukup Baik)
5. 56 – 60 : C (Cukup)
6. 41 – 55 : D (Kurang)
7. 0 – 40 : E (Kurang Sekali)

3. PENGANTAR MODEL SIMULASI
Pertemuan Ke-1
Mata Kuliah Analisis & Sistem Keputusan BM185242
Program Studi Magister Manajemen Teknologi
Dosen Pengampu:

4. OUTLINE
PENDAHULUAN
SIMULASI UNTUK MANAJEMEN/BISNIS
CONTOH PENERAPAN SIMULASI
PENUTUP

5. OUTLINE
PENDAHULUAN
SIMULASI UNTUK MANAJEMEN/BISNIS
CONTOH PENERAPAN SIMULASI
PENUTUP

6. PENGERTIAN SIMULASI
• Simulasi adalah tiruan dari proses atau sistem dunia nyata
dari waktu ke waktu (Simulation is the imitation of the
operation of a real-world process or system over time) (Banks,
1998 & 1999). Simulasi menyangkut pembangkitan proses
serta pengamatan dari proses untuk menarik kesimpulan dari
sistem yang diwakili (Banks, 1998).
• Simulasi adalah penerapan suatu model dengan tujuan untuk
memperoleh strategi yang membantu memecahkan suatu
masalah atau menjawab pertanyaan yang berkaitan dengan
suatu sistem.(Velten, 2009)

7. SIMULASI
 Simulasi merupakan suatu tiruan berbentuk penerapan
suatu model komputer, dengan tujuan utama
merumuskan strategi untuk membantu memecahkan
suatu masalah atau menjawab pertanyaan terkait
dengan suatu sistem dunia nyata.

8. BEBERAPA ALASAN PEMANFAATAN SIMULASI
1. Pendekatan trial-and-error biasanya sangat mahal.
Contoh:
– Flight simulator: untuk meminimasikan risiko kerugian
yang besar dan kesalahan fatal dalam kehidupan
nyata;
– Manufacturing and service systems: untuk
mengurangi resiko inefficiency atau kegagalan untuk
mencapai kinerja minimum yang ditetapkan
2. Solusi biasa sering sangat berbahaya (berisiko tinggi)
jika diimplementasikan secara langsung.

9. BEBERAPA ALASAN PEMANFAATAN SIMULASI
3. Persoalan dunia nyata seringkali sangat sulit (kompleks), sehingga
solusinya tidak mudah diimplementasikan atau sering diperlukan
biaya sangat besar jika langsung diimplementasikan.
a. Model sangat rumit dengan banyak variabel dan komponen
yang saling berinteraksi.
b. Hubungan antar variabel tidak linear; model memiliki variate
acak
c. Dalam memecahkan persoalan sering diperlukan data dalam
jumlah yang sangat besar (sulit dan mahal untuk memperoleh
data).
d. Perlu waktu yang lama untuk menyelesaikan suatu persoalan.
4. Output dari model dapat divisualisasikan sebagai animasi
komputer.

10. OUTLINE
PENDAHULUAN
SIMULASI UNTUK MANAJEMEN/BISNIS
CONTOH PENERAPAN SIMULASI
PENUTUP

11. CONTOH SIMULASI
Lihat mis. Burkardt (2009):
• A Traffic Simulation
• Game Theory: Duels
• Gambler's Ruin
• Brownian Motion
• Random Walks
• Coding a Three-Way Duel
• A Model of Epidemics

12. MANAJEMEN  MEMPELAJARI “SISTEM”
SISTEM
Eksperimen dengan
sistem sebenarnya
Eksperimen
dengan model
Model Matematik
Model Fisik
SIMULASI
Solusi Analitis
Ingat: System thinking dalam The Fifth
Discipline ~ Learning Organization
(Peter Senge)

13. BEBERAPA CONTOH BENTUK SIMULASI
1. Simulasi Diskret
Simulasi yang komponen-komponen sistemnya bersifat diskret
Contoh : - simulasi jumlah tabungan
- simulasi kedatangan pembeli
2. Simulasi Kontinu
Simulasi yang komponen-komponen sistemnya bersifat kontinu
Contoh : - simulasi gerakan roket
- simulasi peningkatan suhu udara
3. Simulasi Campuran
Simulasi yang komponen sistemnya ada yang bersifat diskret dan
ada bersifat kontinu
Contoh : - Simulasi proses industri (penggunaan bahan baku
bersifat kontinu sedangkan penambahan bahan baku
bersifat diskret)

14. CONTOH PENERAPAN DI BIDANG MANAJEMEN
• Perencanaan sistem produksi di suatu pabrik
• Manajemen persediaan dan penanganan material
• Manajemen workstations
• Penanganan distribusi barang (sistem logistik)
• Pengaturan lalu-lintas
• Manajemen sistem transportasi
• Perencanaan pelayanan di bank
• Manajemen sistem pelayanan kesehatan di rumah sakit
• Sistem pelayanan order makanan cepat saji
• Studi penyebaran wabah penyakit
• dsb.

15. LANGKAH UMUM SIMULASI
Memformulasikan masalah &
menyusun rencana pemecahan
Mendefinisikan model &
mengumpulkan data
Uji Validitas
Model
Model Komputer
Analisis, Uji, Pengulangan
Implementasi

16. OUTLINE
PENDAHULUAN
SIMULASI UNTUK MANAJEMEN/BISNIS
CONTOH PENERAPAN SIMULASI
PENUTUP

17. CONTOH SOFTWARE KOMPUTER UNTUK SIMULASI SECARA
FISIS
• Promodel: adalah piranti lunak simulasi komersial yang secara khusus
dirancang untuk mencakup perilaku dinamis sistem
(www.promodel.com)
• Anylogic PLE: SW simulasi untuk metode simulasi pada discrete event,
system dynamics, dan agent-based (atau kombinasi) untuk
mensimulasikan beragam sistem atau proses di dunia nyata. Ada paket
edukasional untuk mahasiswa.
• Simio: mirip dengan Anylogic PLE.
• ARENA: adalah sebuah soft ware simulasi general purpose berbasis
graphical user interface (GUI) yang dibuat oleh Systems Modeling
Corporation yang kemudian diakuisisi oleh Rockwell Aut omation pada
tahun 2000.

18. Promodel
Adalah piranti lunak simulasi
komersial yang secara khusus
dirancang untuk mencakup perilaku
dinamis sistem
www.promodel.com
23

19. CONTOH TAMPILAN PROMODEL

20. CONTOH
SIMAN – ARENA 
Tecnomatix® Plant Simulation -
SIEMEN

21. CONTOH SIMIO ®

22. CONTOH ANYLOGIC PLE ®

23. CONTOH ANYLOGIC PLE ®
• https://cloud.anylogic.com/models?public=true&selectedCategory
=Test%20Models

24. OUTLINE
PENDAHULUAN
SIMULASI UNTUK MANAJEMEN/BISNIS
CONTOH PENERAPAN SIMULASI
PENUTUP

25. CATATAN UMUM
• Simulasi merupakan teknologi yang sangat
bermanfaat untuk meningkatkan kinerja sistem
dengan menyediakan cara untuk membuat
rancangan dan keputusan manajemen yang lebih
baik;
• Simulasi adalah alat pendukung pengambilan
keputusan yang tak ternilai;
• Simulasi merangsang pemikiran dan menghasilkan
keputusan rancangan yang lebih baik.

26. KELEBIHAN SIMULASI
1. Simulasi adalah satu-satunya cara yang dapat digunakan untuk
mengatasi masalah, jika :
a. Sistem nyata sulit diamati secara langsung.
Contoh: Jalur penerbangan pesawat ruang angkasa atau
satelit.
b. Solusi Analitik tidak bisa dikembangkan, karena sistem sangat
kompleks.
c. Pengamatan sistem secara langsung tidak dimungkinkan,
karena :
• sangat mahal
• memakan waktu yang terlalu lama
• akan merusak sistem yang sedang berjalan (berisiko jika
langsung bekerja dengan sistem nyata).

27. KELEBIHAN SIMULASI (lanjutan)
2. Simulasi memungkinkan kita menguji setiap aspek dari
perubahan yang diinginkan tanpa menempatkan objek yang
dipelajari pada posisi dimaksud. Simulasi dapat digunakan untuk
menguji kekuatan rancang bangun gedung. Dalam hal
pembangunan jembatan, misalnya jembatan dapat disimulasikan
sebelum benar-benar memulai pembangunan riil di lapangan.
Hasil simulasi memungkinan kita memilih ukuran yang tepat.
3. Dalam simulasi kita bisa mengatur waktu yaitu mempercepat atau
memperlambat suatu proses yang memungkinkan kita
mengamatinya secara keseluruhan.
4. Melalui simulasi kita dapat melihat mengapa suatu fenomena
muncul. Mengapa suatu proses tidak berjalan sebagaimana
mestinya.

28. KELEBIHAN SIMULASI (lanjutan)
5. Dengan mengatur nilai-nilai dalam simulasi, kita dapat
mempelajari atau mengeksplorasi kemungkinan-
kemungkinan pengembangan tanpa banyak
mengeluarkan biaya  What if scenario
6. Simulasi memungkinkan kita memiliki pemahaman
yang lebih baik tentang hubungan antara variabel-
variabel yang mempengaruhi suatu sistem yang lebih
baik tentang antara variabel yang mempengaruhi suatu
sistem yang kompleks. Simulasi tidak sekedar menduga
bagaimana suatu sistem akan beroperasi, tetapi lebih
menunjukkan bagaimana suatu sistem beroperasi.

29. KEKURANGAN SIMULASI
1. Simulasi tidak akurat.
– Teknik ini bukan proses optimisasi dan tidak
menghasilkan sebuah jawaban tetapi hanya
menghasilkan sekumpulan output dari sistem pada
berbagai kondisi yang berbeda.
– Dalam banyak kasus, ketelitiannya sulit diukur.
2. Model simulasi yang baik bisa jadi sangat mahal, bahkan
sering dibutuhkan waktu yang cukup lama untuk
mengembangkan model yang sesuai.

30. KEKURANGAN SIMULASI (lanjutan)
3. Tidak semua situasi dapat dievaluasi dengan simulasi
Hanya situasi yang mengandung ketidakpastian atau
probabilita yang dapat dievaluasi dengan simulasi.
Karena tanpa komponen acak semua eksperimen
simulasi akan menghasilkan jawaban yang sama.
4. Simulasi menghasilkan cara untuk mengevaluasi solusi,
bukan menghasilkan cara untuk memecahkan masalah.
Jadi sebelumnya perlu diketahui dulu solusi atau
pendekatan solusi yang akan diuji.

31. LAMPIRAN

32. • Simulasi adalah teknik untuk membuat konstruksi model
matematika untuk suatu proses atau situasi, dalam rangka
menduga secara karakteristik atau menyelesaikan
masalah berkaitan dengannya dengan menggunakan
model yang diajukan (Borwein, 1989).

33. Blok-blok Diagram Flowchart

34. Rich Picture Diagram Manual

35. Rich Picture Diagram Dengan Tools Visio

36. BEBERAPA TERMINOLOGI PENTING LAIN
• Pemodelan Sistem (System Modeling) : adalah proses atau
langkah/upaya mengembangkan suatu abstraksi (= yang
disebut model) untuk meniru sistem (dan permasalahannya)
di dunia nyata;
• Analisis Sistem (System Analysis): adalah proses atau
langkah/upaya mengurai/mendokomposisi suatu sistem
kepada beberapa subsistem/komponen untuk ditelaah/
diteliti/dikaji lebih lanjut;
• Perekayasaan sistem (system engineering): adalah proses
atau langkah/upaya membangun atau merekayasa suatu
sistem secara konseptual dan menerapkannya
(menginstalasinya) di dunia nyata.

37. MODEL DAN PEMODELAN
• Model: adalah suatu obyek atau rencana atau konsep (suatu
abstraksi) yang mencerminkan/menggambarkan atau “menirukan”
fitur sifat-sifat suatu sistem di dunia nyata;
• Kegunaan model: terutama untuk membantu memahami sistem
(permasalahan) dan berkomunikasi dengan pihak yang
berkepentingan;
• Pemodelan Sistem (System Modeling): adalah proses atau
langkah/upaya mengembangkan suatu abstraksi (= yang disebut
model) untuk meniru sistem (dan permasalahannya) di dunia nyata;
• Proses Deduksi: proses penalaran logis dari suatu kesimpulan yang
general ke hal yang lebih spesifik;
• Proses Induksi: proses penalaran logis dari suatu fakta atau kasus (-
kasus) individual ke kesimpulan yang bersifat lebih umum.

38. RAGAM MODEL
 Physical models: rumah, jembatan, mobil, dsb.
 Mental models: pandangan seseorang atas suatu negara
asing, kejadian atau obyek tertentu.
 Symbolic models:
•model matematis
•peta
•grafik
•kata-kata (misalnya dalam harian/majalah)
•gambar
 Conceptual (Diagram) models: diagram siklus air, diagram
siklus karbon, dsb.

39. JENIS MODEL
Models
Mathematical Physical
Dynamic Static Dynamic Static
Non-linear Linear Nonlinear Linear
Unstable
(Constrained)
Stable Unstable
(Nonexistent)
Stable
Unstable
(Explosive)
Stable
Computer
Dynamic Static

40. PERMASALAHAN (PROBLEM)
• Permasalahan (Problem): suatu situasi yang dapat
dijelaskan/terstruktur (well-defined situation) yang
memungkinkan suatu “pemecahan masalah”
• Kekacauan (a Mess): adalah situasi penuh kekacau-
balauan dari gejala-gejala yang mengkhawatirkan, sebab-
sebab, data, tekanan, kekurangan, peluang, dsb.
• Mengidentifikasi suatu masalah (“menstrukturkan”)
merupakan langkah awal dari proses pemecahan masalah
secara kreatif
Masalah = Perbedaan atau  (Delta) antara [ Kondisi Ideal
(yang Diinginkan) dengan Kondisi Faktual (yang Ada
Sekarang) ]

41. CONTOH METODE/TEKNIK KUANTITATIF
• Tujuan utamanya: deskriptif - prediktif: historical data
– Metode Statistika;
• Tujuan utamanya: deskriptif - preskriptif: “imitasi
sistem”
– Metode Simulasi;
• Tujuan utamanya: preskriptif: “solusi terbaik”
– Metode Optimalisasi/Optimasi

42. KELEBIHAN DAN KEKURANGAN METODE KUANTITATIF
Kelebihan Kekurangan
1. Memudahkan pemahaman &
pemecahan atas persoalan dunia nyata
yang kompleks
2. Membantu obyektivitas, validitas, dan
keandalan hasil
3. Model kuantitatif membantu para
pimpinan dalam mengambil keputusan
lebih cepat dan lebih akurat
4. Model kuantitatif dapat menghemat
sumberdaya yang penting (mis. uang &
waktu)
5. Model kuantitatif dapat membantu
komunikasi kepada pemangku
kepentingan dengan penyajian
informasi dan dampak perubahan
kondisi tertentu.
1. Pengembangan dan pengujian model
dalam metode kuantitatif
memerlukan biaya (adakalanya
mahal)
2. Model matematis seringkali rumit
sehingga berpotensi menyebabkan
kesalahan dalam memahami dan
menggunakannya
3. Seringkali mengabaikan informasi
kualitatif, misalnya faktor-faktor yang
intangible
4. Seringkali menggunakan asumsi-
asumsi, yang jika tidak logis atau tidak
sesuai dengan kenyataan dapat
memberikan hasil yang menyesatkan
5. MK hanyalah alat, bukan pengambilan
keputusan yang sempurna.

43. DAFTAR PUSTAKA
1. Banks, Jerry (1999), “Introduction to Simulation”, dalam Farrington, P. A., H. B.
Nembhard, D. T. Sturrock, dan G. W. Evans, eds., Proceedings of the 1999 Winter
Simulation Conference.
2. Banks, Jerry (1998), “Principles of Simulation,” dalam Handbook of Simulation:
Principles, Methodology, Advances, Applications, and Practice, ed. Banks, Jerry,
John Wiley & Sons, Inc., New York.
3. Brailsford, SC, PR Harper, B Patel and M Pitt (2009), “An analysis of the academic
literature onsimulation and modelling in health care”, Journal of Simulation
(2009) 3, 130 – 140.
4. Rosenthal, Kristina,. Benjamin deTernes, and Stefan deStrecker, (2018),
“Business Process Simulation: A Systematic Literature Review”, Research Paper.
Twenty-Sixth European Conference on Information Systems(ECIS2018),
Portsmouth,UK, 2018.
5. Velten, Kai (2009). Mathematical Modeling and Simulation: Introduction for
Scientists and Engineers. Wiley-VCH, Weinheim.

44. DAFTAR PUSTAKA
6. Wang, J., W. Zuo, L. Rhode-Barbarigos, X. Lu, J. Wang, Y. Lin (2019), “Literature
Review on Modeling and Simulation of Energy Infrastructures from a Resilience
Perspective”, Reliability Engineering and System Safety, 183, pp. 360-373. DOI:
310.1016/j.ress.2018.11.029.
7. Zhang, Chen, Thomas Grandits, Karin Pukk Härenstam, Jannicke Baalsrud Hauge,
and Sebastiaan Meije (2018), “A systematic literature review of simulation
models for non-technical skill training inhealthcare logistics”, Advances in
Simulation (2018) 3:15 https://doi.org/10.1186/s41077-018-0072-7.