TEKNIK SIMULASI. Nova Nur Hidayati TI 5F

dokumen-dokumen yang mirip
Sistem, Model dan Simulasi

Karakteristik Model & Struktur Model. Ratih Setyaningrum, MT Hanna Lestari, M.Eng

Analisis Model dan Simulasi. Hanna Lestari, M.Eng

1/14/2010. Riani L. Jurusan Teknik Informatika

6/15/2015. Simulasi dan Pemodelan. Keuntungan dan Kerugian. Elemen Analisis Simulasi. Formulasi Masalah. dan Simulasi

7. LANGKAH PEMODELAN.

SIMULASI SISTEM. Himpunan elemen-elemen yang saling berinteraksi untuk mencapai tujuan tertentu.

SISTEM TRANSPORTASI BUS KAMPUS UNAND

TOOLS SIMULASI INVENTORI PADA SUPERMARKET

BAB III SIMULASI Definisi Simulasi Tahapan Simulasi

Pemodelan dan Simulasi. Dr. Muljono, S.Si, M.Kom

BAB II MODEL Fungsi Model

BAB I. PENDAHULUAN PENGAMBILAN KEPUTUSAN

Teknik Simulasi. Eksperimen pada umumnya menggunakan model yg dapat dilakukan melalui pendekatan model fisik atau model matametika.

7/28/2005 created by Hotniar Siringoringo 1

LABORATORIUM SISTEM PENDUKUNG KEPUTUSAN DAN INTELIGENSIA BISNIS

Pertemuan 14. Teknik Simulasi

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c

Manajemen Sains. Pengenalan Riset Operasi. Eko Prasetyo Teknik Informatika

Simulasi dan Pemodelan. Kuliah I Ricky Maulana Fajri, M.Sc

2 PENGANTAR PEMODELAN & SIMULASI

BAB II LANDASAN TEORI. Dalam Kamus Bahasa Inggris dari Oxford [13] menjelaskan simulasi : The

Hanif Fakhrurroja, MT

Asusmi/Penyederhanaan Sistem

Modul 14. PENELITIAN OPERASIONAL I MODEL SIMULASI. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI

SATUAN ACARA PERKULIAHAN MATA KULIAH : SIMULASI & PERMODELAN ( S1 / TEKNIK INFORMATIKA) KODE / SKS : KK / 3 SKS

Dasar-Dasar Pemodelan Sistem

BAB II LANDASAN TEORI

Pemodelan dalam RO. Sesi XIV PEMODELAN. (Modeling)

PEMODELAN SISTEM. Pemodelan & simulasi TM04

BAB 2 LANDASAN TEORI

BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI

PENGANTAR MODEL STOKASTIK. Teknik Industri 2015

BAB 2 LANDASAN TEORI

1.1 Latar Belakang Masalah

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c

SUMBER: Arwin DW, TEKNOLOGI SIMULATOR PESAWAT TERBANG DARI MASA KE MASA

Mata Kuliah Pemodelan & Simulasi. Universitas Komputer Indonesia

VERIFIKASI DAN VALIDASI MODEL SIMULASI

Pemodelan dan Simulasi

Sesi X ANALISIS KEPUTUSAN

BAB 2 TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI

Model Matematis, Sistem Dinamis dan Sistem Kendali

OPERATION RESEARCH-1

Teknik Riset Operasional Semester Genap Tahun Akademik 2015/2016 Teknik Informatiaka UIGM

VERIFIKASI DAN VALIDASI MODEL SIMULASI

MODEL STATIK DINAMIK. Manequin, Model pesawat ANALITIK SIMULASI NUMERIK NUMERIK

BAB 1 PENDAHULUAN. Hampir semua fenomena di dunia ini memiliki beberapa ketidakpastian,

BAB 2 LANDASAN TEORI

Simulasi adalah proses implementasi model menjadi program komputer (software) atau rangkaian elektronik dan mengeksekusi software tersebut sedemikian

RISET OPERASIONAL MINGGU KE-1. Disusun oleh: Nur Azifah., SE., M.Si. Kosep Dasar Riset Operasional

3. KLASIFIKASI MODEL.

BAB 2 TINJAUAN PUSTAKA

Formulasi Model dan Parameterisasi

Simulasi. Kholid Fathoni 2013

Mata Kuliah Pemodelan & Simulasi. Riani Lubis. Program Studi Teknik Informatika Universitas Komputer Indonesia

RISET OPERASIONAL. Kosep Dasar Riset Operasional. Disusun oleh: Destianto Anggoro

BAB I PENDAHULUAN. Ilmu kalkulus memiliki aturan aturan penyelesaian fungsi integral untuk

Materi minggu ke-2 r a z I q h a s a n

Sistem berasal dari kata Yunani yaitu systema yang mengandung arti sehimpunan bagian atau komponen yang saling berhubungan secara teratur dan

Pengembangan Model Simulasi, oleh Hotniar Siringoringo 1

BAB II LANDASAN TEORI

MATERI KULIAH PEMODELAN dan SIMULASI NUMERIK

Journal of Informatics and Technology, Vol 1, No 4, Tahun 2012, p 1-8

PEMODELAN DAN SIMULASI SISTEM INVENTORI UNTUK MENDAPATKAN ALTERNATIF DESAIN PERGUDANGAN (STUDI KASUS DI PT. PETROKIMIA GRESIK)

Outline 0 PENDAHULUAN 0 PENTINGNYA VERIFIKASI DAN VALIDASI MODEL 0 VERIFIKASI MODEL 0 VALIDASI MODEL 0 PENGUJIAN SOLUSI 0 ATURAN PENGUJIAN VALIDITAS

SISTEM DAN MODEL Tujuan Instruksional Khusus:

ANALISIS RISIKO FINANSIAL DENGAN METODE SIMULASI MONTE CARLO

Detail Tugas Besar Mata Kuliah Pemodelan dan Simulasi

MATA KULIAH MATEMATIKA SISTEM INFORMASI 2 [KODE/SKS : IT / 2 SKS]

SATUAN ACARA PERKULIAHAN MATA KULIAH SIMULASI (KB) KODE / SKS : KK / 3 SKS

PENYUSUNAN MODEL Elsa Pudji Setiawati

2.1 Pengantar Model Simulasi Sistem Diskrit

BAB IV SIMULASI MONTE CARLO

MATERI KULIAH PEMODELAN dan SIMULASI

Riset Operasi Bobot: 3 SKS

BAB 1 SISTEM DAN MODEL

1/14/2010. Jurusan Informatika

Klasifikasi Model. Teori dan Pemodelan Sistem TIP FTP UB Mas ud Effendi

Dasar-dasar Simulasi

Mendefinisikan arti dari terminologi-terminologi penting dalam statistika Memahami dan menjelaskan peranan statistik dan penerapannya di bidang

SIMULASI PENGENDALIAN PERSEDIAN GAS MENGGUNAKAN METODE MONTE CARLO DAN POLA LCM ( Studi Kasus di PT.PKM Group Cabang Batam )

14. VALIDASI MODEL.

Perkuliahan. Pemodelan dan Simulasi (FI-476 )

BAB II TINJAUAN PUSTAKA. komoditas, model pergerakan harga komoditas, rantai Markov, simulasi Standard

Konsep Pengambilan Keputusan. Tujuan Instruksonal Khusus

Unit 7 PEMODELAN MATEMATIKA. Pendahuluan. Selamat belajar dan tetap bersemangat, Tuhan memberkati. Wahyudi

SIMULASI PROGRAM ANTRIAN BANK

MATA KULIAH RISET OPERASIONAL [KODE/SKS : IT045233/ 2 SKS]

Lecture 1: Pemodelan Sistem Pendahuluan. Hanna Lestari, M.Eng

Linier Programming (LP), Simulasi, Pemrograman Heuristic. Pertemuan 6 (Pemodelan) - Mochammad EKo S,S.T 1

MODUL PRAKTIKUM SIMULASI SISTEM. TIM PENYUSUN Irwan Sukendar, ST., MT Ali Wedo Sarjono, ST Muchamad Maknun, ST

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

TUTORIAL SIMULASI KOMPUTER. Modul PEMODELAN SISTEM 2017/2018. Laboratorium Pemodelan dan Simulasi Industri Universitas Islam Indonesia

Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.

Transkripsi:

TEKNIK SIMULASI Nova Nur Hidayati TI 5F 10530982 PENDAHULUAN TUJUAN MEMPELAJARI SIMULASI Melalui kuliah ini diharapkan kita dapat mempelajari suatu sistem dengan memanfaatkan komputer untuk meniru (to simulate) perilaku sistem tersebut CARA MEMPELAJARI SISTEM Sistem dapat dipelajari dengan pengamatan langsung atau pengamatan pada model dari sistem tersebut. Model dapat diklasifikasikan menjadi model fisik dan model matematik Model matematik ada yang dapat diselesaikan dengan solusi analitis, ada yang tidak. Bila solusi analitis sulit didapatkan maka digunakan SIMULASI CARA MEMPELAJARI SISTEM Sistem dapat dipelajari dengan pengamatan langsung atau pengamatan pada model dari sistem tersebut. Model dapat diklasifikasikan menjadi model fisik dan model matematik Model matematik ada yang dapat diselesaikan dengan solusi analitis, ada yang tidak. Bila solusi analitis sulit didapatkan maka digunakan SIMULASI DEFINISI DEFINISI : SISTEM Sekumpulan obyek yang tergabung dalam suatu interaksi dan inter-dependensi yang teratur. Sistem dibedakan menjadi dua tipe yaitu sistem diskrit dan sistem kontinu.

MODEL Penyederhanaan dari sistem yang akan dipelajari. SIMULASI Suatu prosedur kuantitatif, yang menggambarkan sebuah sistem, dengan mengembangkan sebuah model dari sistem tersebut dan melakukan sederetan uji coba untuk memperkirakan perilaku sistem pada kurun waktu tertentu. Klasifikasi simulasi dalam tiga dimensi: Model Simulasi Statik vs. Dinamik Model statik: representasi sistem pada waktu tertentu. Waktu tidak berperan di sini. Contoh: model Monte Carlo. Model dinamik: merepresentasikan sistem dalam perubahannya terhadap waktu. Contoh: sistem conveyor di pabrik. Model Simulasi Deterministik vs. Stokastik Model deterministik: tidak memiliki komponen probabilistik (random). Model stokastik: memiliki komponen input random, dan menghasilkan output yang random pula. Model Simulasi Kontinu vs. Diskrit Model kontinu: status berubah secara kontinu terhadap waktu, mis. gerakan pesawat terbang. Model diskrit: status berubah secara instan pada titik-titik waktu yang terpisah, mis. jumlah customer di bank. Model yang akan dipelajari selanjutnya adalah diskrit, dinamik, dan stokastik, dan disebut model simulasi discrete-event. Simulasi discrete-event:

pemodelan sistem dalam perubahannya terhadap waktu di mana variabel-variabel status berubah secara instan pada titik-titik waktu yang terpisah. Penggunaan Simulasi : Alternatif terakhir, bila cara lain tak dapat digunakan. Pada kenyataannya, berdasarkan hasil riset di US tahun 1971, dari 1000 perusahaan : 20 % (paling banyak) menggunakan teknik Simulasi, 21% menggunakan Linier Programming, 2% menggunakan Inventori dan sisanya menggunakan berbagai teknik-teknik lain. Mengapa Perlu Simulasi? 1. Simulasi adalah satu-satunya cara yang dapat digunakan untuk mengatasi masalah, jika sistem nyata sulit diamati secara langsung Contoh : Jalur penerbangan pesawat ruang angkasa atau satelit. 2. Solusi Analitik tidak bisa dikembangkan, karena sistem sangat kompleks. 3. Pengamatan sistem secara langsung tidak dimungkinkan, karena : - sangat mahal - memakan waktu yang terlalu lama - akan merusak sistem yang sedang berjalan. 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 bertahun-tahun untuk mengembangkan model yang sesuai. 3. Tidak semua situasi dapat dievaluasi dengan simulasi

Hanya situasi yang mengandung ketidak-pastian 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. Aplikasi Studi Simulasi Design dan analisa sistem manufaktur Mengetahui kebutuhan sofware dan hardware untuk sebuah sistem komputer. Mengevaluasi sistem persenjataan baru, dalam bidaang militer Menentukan pengaturan dalam sistem inventory/persediaan. Mendesign sistem transportasi Mendesign sistem komunikasi Mengevaluasi sistem pelayanan dalam bidang perbankan. Mengevaluasi sistem ekonomi dan finansial. VALIDASI, VERIFIKASI, DAN DISAIN SIMULASI Verifikasi: Menentukan program komputer simulasi bekerja sebagaimana mestinya, yaitu sama dengan men-debug program komputer. Verifikasi memeriksa penerjemahan model simulasi konseptual (mis., flowchart dan asumsi-asumsi) menjadi program yang berjalan dengan benar. Validasi: Berkenaan dengan menentukan apakah model konseptual simulasi (bukan program komputer) merupakan representasi yang akurat dari sistem yang dipelajari.

Jika model simulasi dan hasilnya diterima oleh manajer/client sebagai valid, dan digunakan sebagai alat bantu dalam pengambilan keputusan, berarti model tersebut credible. Prinsip-prinsip Pemodelan Simulasi yang Valid Umumnya tidak diperlukan adanya korespondensi satu-satu antara setiap elemen sistem dengan elemen model. Acuan untuk menentukan tingkat detil model simulasi: - Di awal studi, definisikan dengan hati-hati: 1. isu yang akan diteliti 2. pengukuran kinerja untuk evaluasi 3. konfigurasi sistem alternatif - Gunakan analisis pakar dan analisis sensitifitas untuk membantu menentukan tingkat detil model. - Mulailah dengan detil tingkat menengah, yang dapat diubah jika perlu. Jangan mulai dengan terlalu banyak detil, tetapi model tersebut juga harus punya tingkat detil yang cukup agar credible. - Tingkat detil model harus konsisten dengan jenis data yang tersedia. - Waktu dan biaya merupakan faktor utama dalam menentukan detil model. - Jika jumlah faktor (aspek yang diteliti) pada studi cukup besar, gunakan model simulasi kasar atau model analitik untuk mengidentifikasi faktor-faktor yang penting sebelum mengembangkan moel simulasi yang detil. Verifikasi Program Komputer Simulasi Delapan teknik yang dapat digunakan untuk mendebug program komputer dari model simulasi: Teknik 1:

Dalam mengembangkan model simulasi, tulis dan debug program komputer dalam bentuk modul atau subprogram. Teknik 2: Disarankan agar lebih dari satu orang membaca program komputer jika model simulasi yang dikembangkan besar. Penulis program itu sendiri mungkin tidak dapat memberikan kritik yang baik. Teknik 3: Jalankan simulasi dengan beberapa setting parameter input dan lihat apakah outputnya masuk akal. Teknik 4: Lakukan trace, di mana status sistem yang disimulasi, yaitu: daftar event, variabel status, cacahan statistik, dsb., dicetak setelah masing-masing event terjadi dan dibandingkan dengan perhitungan manual untuk melihat apakah program bekerja sebagaimana mestinya. Teknik 5: Jika mungkin, model harus dijalankan dengan asumsi-asumsi yang disederhanakan di mana karakteristik yang sebenarnya diketahui atau dapat dihitung dengan mudah. Teknik 6: Pada beberapa model simulasi, akan sangat menolong jika ada animasi output simulasi yang dapat diteliti. Teknik 7: Tuliskan mean dan varians sampel untuk setiap distribusi probabilitas input simulasi dan bandingkan dengan mean dan varians yang diinginkan (mis., historikal). Langkah ini menentukan apakah nilai-nilai input dibangkitkan dengan benar dari distribusi-distribusi tsb. Teknik 8: Gunakan paket simulasi untuk memperkecil jumlah baris kode yang dibutuhkan.