2. Outline
Apa itu sistem?
Apa itu pemodelan?
Apa itu simulasi?
Apa itu pemodelan simulasi dan analisis?
Permasalahan seperti apa yang cocok untuk
disimulasikan?
Bagaimana memilih software untuk simulasi?
Apa manfaat dari pemodelan dan simulasi?
Apa kesalahan yang sering ada di pemodelan dan
simulasi?
3. Sistem
Sesuatu yang mempunyai aksi untuk
dilakukan dan bergantung pada banyak objek
yang disebut entitas
Contoh: kampus
Entitas dari kampus: ruang kelas, mahasiswa,
lab
Komponen dalam sistem: entitas, atribut,
aktivitas
4. Sistem dan komponennya
Sistem Entitas Atribut Aktivitas
Bank Pelanggan Akun Melakukan
deposit
Unit produksi Mesin, pekerja Kecepatan,
kapasitas
Pengelasan,
memproduksi
barang
Kampus Dosen,
mahasiswa
Pendidikan Mengajar
5. Pemodelan adalah proses membuat suatu model
Model adalah representasi yang bekerja pada suatu
sistem.
Suatu model mirip dengan sistem yang
direpresentasikan, tetapi lebih sederhana.
Pemodelan diperlukan untuk proses penganalisaan
sehingga kemudian dapat diprediksi apa yang terjadi jika
terjadi perubahan tertentu pada sistem.
Permasalahan penting dalam pemodelan adalah
kebenaran model tersebut.
Pemodelan
6. Umumnya, model yang digunakan merupakan model
matematis yang kemudian dikembangkan dengan
bantuan perangkat simulasi.
Klasifikasi model matematis merupakan model
deterministik atau stokastik; statis atau dinamis.
Biasanya, model simulasi bersifat stokastik dan
dinamis.
Pemodelan
7. Simulasi pada sistem adalah pengoperasian suatu
model sistem
Model dapat dieksperimentasikan; namun biasanya
sangat sulit atau sangat mahal
Operasi pada model dapat dipelajari untuk kemudian
ditarik kesimpulan mengenai sifat sistem yang
sebenarnya
Simulasi
8. Simulasi dilakukan sebelum suatu sistem diubah atau
suatu sistem baru dibuat.
Simulasi dilakukan untuk mengurangi kemungkinan
gagal dalam penerapan spesifikasi tertentu.
Digunakan juga untuk mengoptimalkan permormansi
sistem.
Simulasi
9. Pertanyaan yang dapat dijawab dengan simulasi:
Apa desain terbaik untuk jaringan telekomunikasi yang
baru?
Bagaimana performansi jaringan telekomunikasi jika
terjadi peningkatan traffic sebesar 50%?
Bagaimana pengaruh algoritma perutean yang baru
terhadap performansinya?
Apa yang mempengaruhi kegagalan jaringan?
Simulasi
12. Permasalahan yang Cocok
Suatu masalah yang tidak mungkin atau sangat mahal
untuk dikaji di dunia nyata; contoh: statistik penderita
kanker tahun depan
Permasalahan yang dapat diformulasikan secara
matematis namun terlalu kompleks untuk diaplikasikan
di dunia nyata; contoh: model antrian skala besar, stock
market
Tidak mungkin atau sangat mahal untuk melakukan
validasi model matematis yang menggambarkan sistem;
contoh: karena kurangnya data
13. Permasalahan yang umum diangkat meliputi area:
Pemerintahan
Komputer dan sistem komunikasi
Transportasi
Kesehatan, ekologi, lingkungan
Sosiologi
Biosciences
Services (penjadwalan bank teller)
Ekonomi dan bisnis
Permasalahan yang Cocok
14. Memilih Software Simulasi
Yang perlu diperhatikan:
Fleksibilitas
Kemudahan penggunaan
Kemampuan penggunaan kembali kode
Hardware and software requirements
Kemampuan statistik
Data keluaran
Pendokumentasian
15. Keuntungan
Meningkatkan pemahaman mengenai sistem
Mengurangi waktu pengobservasian
Mempelajari pengaruh yang terjadi jika ada perubahan
tertentu yang terjadi
Proses pembelajaran dapat dilakukan tanpa
mengganggu sistem asli
Eksperimen dengan situasi baru atau situasi tertentu
yang hanya mempunyai informasi terbatas
Mengidentifikasi variabel apa yang paling mempengaruhi
sistem dan hubungan apa yang ada di antaranya
16. Kesalahan dalam Simulasi
Ketidakjelasan objek
Simulasi dilakukan sedangkan sistem asli telah teruji
optimal
Ketidakbenaran model
Model terlalu kompleks atau terlalu sederhana
Asumsi yang tidak didokumentasikan
Menggunakan distibusi probabilitas yang salah dalam
penginputan
Menggunakan ukuran performansi yang tidak tepat
Bugs pada program simulasi
Hanya mensimulasikan model satu kali
17. Step 1. Indentifikasi masalah
Step 2. Formulasi masalah
Step 3. Mengumpulkan dan memproses data sistem asli
Step 4. Formulasi dan kembangkan model
Step 5. Validasi model
Step 6. Dokumentasi model
Step 7. Memilih desain eksperimen yang tepat
Step 8. Menentukan kondisi simulasi
Step 9. Lakukan simulasi
Step 10. Interpretasi dan representasi hasil
Step 11. Rekomendasi aksi selanjutnya
Langkah yang Diperlukan
18. Membangun Model Simulasi
Step 1. Identifikasi masalah
List permasalahan yang ada pada sistem
yang ada
Tentukan apa saja yang diperlukan untuk
perbaikan sistem
19. Membangun Model Simulasi
Step 2. Formulasi masalah
Tentukan batasan masalah
Tentukan permasalahan spesifik yang akan dipelajari
Tentukan pengukuran performansi; apakah akan
dibandingkan dengan sistem lain, dsb
Berikan hipotesis mengenai performansi sistem
Tentukan ruang waktu yang akan dipelajari
20. Membangun Model Simulasi
Step3. Mengumpulkan dan memproses data sistem
asli
Kumpulkan data mengenai spesifikasi sistem,
variabel yang ada, juga performansi sistem yang
telah ada
Identifikasi kerandoman yang ada di sistem
Pilih distribusi probabilitas yang tepat untuk setiap
variabel stokastik
21. Membangun Model Simulasi
Step 4. Formulasi dan pengembangan model.
Mengembangkan diagram skema dari sistem.
Terjemakan model ke bahasa yang digunakan oleh
software aplikasi
Periksa apakah model dapat bekerja dengan baik
(periksa apakah parameter termasuk dalam
acceptable range, apakah output sesuai dengan
yang diharapkan)
22. Membangun Model Simulasi
Step 5. Validasi model
Bandingkan performansi model dengan
menggunakan kondisi yang telah teruji sebelumnya
dengan sistem asli
Untuk pembelajaran yang major, diperlukan
konsultasi dengan ahli
24. Desain Simulasi
Step 7. Memilih desain simulasi yang tepat
Pilih ukuran performansi, variabel yang akan diinput
yang sepertinya mempengaruhi ukuran performansi
Dokumentasikan desain simulasi yang terpilih
25. Desain Simulasi
Step 8. Menentukan kondisi simulasi
Tentukan apakah sistem stasioner atau tidak
Tentukan batasan waktu simulasi dan kondisi awal yang
tepat
Jika diperlukan, tentukan lamanya pemanasan
Tentukan banyaknya simulasi yang diperlukan dengan
memperhatikan data latih sebelumnya
Ukuran data latih harus cukup untuk meyakinkan
estimasi pengukuran performansi
26. Desain Simulasi
Step 9. Lakukan simulasi
Lakukan simulasi berdasarkan apa yang telah
dilakukan di step 1 ssampai step 8
27. Analisis
Step 10. Interretasi dan representasi hasil
Hitung estimasi numerik dari ukuran performansi yang
dikehendaki
Uji hipotesis mengenai performansi sistem. Gambarkan
grafik dari data output
Dokumentasikan hasil dan kesimpulan
28. Analisis
Step 11. Rekomendasi aksi selanjutnya
Apa yang sebaiknya dilakukan atau diubah
untuk eksperimen selanjutnya agar
menghasilkan hasil yang lebih baik
29. Maria, Anu. 1997. Introduction to Modeling and
Simulation, Proceedings of the 1997 Winter
Simulation Conference.
V.P. Singh. 2009. System Modeling and
Simulation. New Age International (O) Ltd.,
Publishers. New Delhi, India.
Referensi
Editor's Notes
Model harus mendekati sistem asli tetapi tidak terlalu kompleks sehingga dapat dimengerti dan dieksperimenkan.
Model yang baik adalah model yang mendekati sistem asli namun tidak rumit.
Deterministik: terbatas (input and output variables are fixed values)
stochastic (at least one of the input or output variables is probabilistic)
static (time is not taken into account)
dynamic (time-varying interactions among variables are taken into account).
Developing a simulation model, designing a simulation experiment, and performing simulation analysis are:
Although this is a logical ordering of steps in a simulation study, many iterations at various sub-stages may be required before the objectives of a simulation study are achieved. Not all the steps may be possible and/or required. On the other hand, additional steps may have to be performed
Decide the time frame of the study, i.e., will the model be used for a one-time decision (e.g., capital expenditure) or over a period of time on a regular basis (e.g., air traffic scheduling).
Identify the end user of the simulation model, e.g., corporate management versus a production supervisor.
Verification techniques include traces, varying input parameters over their acceptable range and checking the output, substituting constants for random variables and manually checking results, and animation.
This not only ensures that the model assumptions are correct, complete and consistent, but also enhances confidence in the model.
stationary (performance measure does not change over time) or non-stationary (performance measure changes over time)
Decide the number of independent runs - each run uses a different random number stream and the same starting conditions - by considering output data sample size.
Sample size must be large enough (at least 3-5 runs for each configuration)