Model-model Simulasi

Model adalah representasi dari suatu objek, benda, ide dalam bentuk yang lain dari entitasnya. Fungsi
model : 1. Sebagai Alat Bantu Berpikir, menyajikan deskripsi sistematis suatu sistem sehingga mudah
mempelajarinya 2. Sebagai Alat Bantu Komunikasi, mempermudah menjelaskan suatu sistem terhadap
orang lain . Sebagai Alat Bantu !atihan, melatih ketrampilan dari orang yang berhubungan dengan
sistem yang dimodelkan ". Sebagai Alat Bantu #rediksi, untuk menentukan kelakuan sistem yang akan
datang termasuk pengaruh yang ingin diketahui jika ada perubahan sistem dan operasinya $. Sebagai
Alat Bantu #er%obaan, jika tidak mungkin eksperimen langsung maka dapat dilakukan terhadap alat
yang mirip dengan sebenarnya Klasi&ikasi model dapat dibedakan berdasarkan : a. #erubahan keadaan
dengan 'aktu (statik )s dinamik* b. Keteraturan hubungan antara +nput,-utput (deterministik )s
statik* %. Si&at dari perubahan keadaan (kontinu )s diskrit* Model dapat dilihat berdasarkan pengujian :
Model Matematika, Model +konik, Model Analog .ambar 1.1. #roses model 1.2. M/01213
#/04A#A3 B/B/2A#A +!M1A0 3/03A0. M-4/! 5 /msho&& dan Simon (1678* menyatakan
suatu model sistem dimana komponennya direpresentasikan oleh proses aritmatika dan logika yang
dijalankan oleh komputer untuk memperkirakan si&at5si&at dinamis sistem tersebut. 5 Shannon (167$*
menyatakan proses peran%angan model dari sistem nyata yang dia'ali oleh suatu eksperimen untuk
mempelajari perilaku sistem atau e)aluasi strategi 5 Banks and 9arson (16:"* menyatakan model
merupakan tiruan dari sistem nyata yang dikerjakan se%ara manual, komputer kemudian diobser)asi
dan disimpulkan untuk mempelajari karakterisasi sistem 5 ;oo)er dan #erry (1668* menyatakan
adalah proses peran%angan model matematis, logis dari sistem nyata, melakukan eksperimen terhadap
model dengan menggunakan komputer untuk menggambarkan, menjelaskan, dan memprediksi
perilaku sistem 5 !a' dan Kelton (1661* menyatakan adalah sekumpulan metode dan aplikasi untuk
menirukan, merepresentasikan perilaku dari suatu sistem nyata, yang biasanya dilakukan pada
komputer dengan menggunakan so&t'are tertentu 1.. #2-S/S M/MB1A3 M-4/! 3idak dapat
dijabarkan dengan rumus se%ara pasti akan tetapi lebih berupa seni (art* sebagai pegangan dalam
membuat model, dengan memperhatikan aspek berikut : +. Meme%ahkan masalah melalui
penyederhanaan, seperti : 1. 4e&enisikan sasaran masalah dengan statemen yang menentukan model
sistem 2. 9ari analogi sistem (sebelumnya jika ada* untuk mempermudah konstruksinya . 3entukan
komponen5komponen yang akan dimodelkan ". 3entukan )ariabel, parameter konstruksi, hubungan
&ungsional diantara konstruksi dengan &ungsi kriteria $. Buat model matematik dan pikirkan
permasalahan tersebut se%ara numerik jika ingin disimulasikan dengan komputer <. 0yatakan dalam
simbol5simbol untuk menginterpretasikan sesuatu 7. 3ulis parameter matematiknya :. =ika dianggap
terlalu rumit lakukan penyederhanaan atau sebaliknya. ++. 9ara menyederhanakan model, sebagai
berikut : 1. Buat harga )ariabel menjadi parameter 2. /liminasi, kombinasikan )ariabel5)ariabel .
Asumsikan linearitas ". 3ambahkan asumsi $. #erjelas batasan sistem. 3ools untuk mempelajari sistem
antara lain menggunakan : 1. Flo' %hart (Bagan alur* 2. Flo' diagram (diagram alur* . Multiple
a%ti)ity %hart (Bagan akti)itas jamak* ". #ro%ess %hart (Bagan proses* 1ntuk menilai model apakah
baik atau tidak, terdapat beberapa kriteria : 1. ;arus mudah dimengerti user, 2. Memiliki tujuan yang
jelas, . 4inyatakan dalam deskripsi yang jelas dan lengkap, ". Mudah dikontrol dan dimanipulasi
user, $. Mengandung pe%ahan masalah penting dan jelas, <. Mudah diubah serta memiliki prosedur
modi&ikasi, update, 7. 4apat berkembang dari sederhana menjadi kompleks. BAB 2 S+S3/M
S+M1!AS+ 2.1. S+M1!AS+ #roses meran%ang sistem yang sebenarnya dari suatu model yang
diambil, mengadakan per%obaan, menge)aluasi hasil per%obaan dengan suatu proses yang mendekati
keadaan sebenarnya. #endapat lainnya menyatakan proses aplikasi dengan membangun model dari
sistem nyata atau usulan sistem, melakukan eksperimen terhadap model tersebut. 1ntuk menjelaskan
perilaku sistem, mempelajari kinerja sistem, membangun sistem baru sesuai kinerja yang diinginkan.
4alam proses simulasi dibutuhkan : 1. #ende&enisian sistem 2. Analisis Sistem #erbedaan pokok pada
bahasa simulasi, sebagai berikut : 1. -rganisasi 'aktu dan akti)itas 2. #enamaan dan struktur entitas
. /&ekti)itas kondisi pengetesan ". >ariansi jenis uji statistik $. Kemudahan mengubah struktur model
Kesimpulan de&enisi : Simulasi bukanlah suatu teori melainkan suatu metodologi untuk meme%ahkan
masalah, dimana hanya satu %ara yang dipakai untuk analisis serta men%oba menyelesaikan masalah.
Masalah5masalah yang sering ditimbulkan oleh simulasi : ? 4apat mengganggu operasi sistem ?
Manusia yang diamati %enderung bertingkah laku lain dari biasanya (e&&e%t ;a'thorn* ? Sulit
membuat kondisi yang sama untuk setiap per%obaan yang berulang ? 1ntuk memperoleh sampel yang
sama dibutuhkan 'aktu dan biaya ? Sulit menggali banyak alternati& Keuntungan : 4apat mendidik
dan melatih bakat,potensi pengembangan, serta dapat memberikan kesempatan bagi para pembuat
model dan pelaku simulasi dalam membuat, melihat, bermain dengan sistemnya. 2.2. 3+#/53+#/
S+M1!AS+ 1. Simulasi Statik Merupakan proses yang bersi&at random (sto%hasti%* dimana 'aktu
statik dan )ariasi 'aktu dinamik menggambarkan stokastik, se%ara statistik untuk mengestimasi nilai
yang tidak mudah diturunkan se%ara matematik, %ontohnya simulasi Monte 9arlo. Misalnya : ?
Mengestimasi ukuran shaded area 1ntuk mengestimasi se%ara numerik digunakan simulasi statistik,
misal : shape int #anjang 188 unit, 3inggi $8, Areanya @ $88 unit 4igambarkan dalam koordinat
sumbu A dan y (sudut kiri ba'ah (8,8* dimana A @ 85188, dan y @ 85$8 ? =ika pasangan koordinat
dipilih random maka sukses (dalam area* dan gagal (di luar area* dapat diprediksi =ika A @ siBe tune
pada area shaded dan M @ bilangan sukses dan 0 @ generalisasi dari pasangan random Maka : @
sebagai n trend untuk in&inity (tak terbatas* >ariabel random dengan nilai 1 jika sukses dan nilai 8 jika
gagal. .unakan 4istribusi Bernouli, parameternya p dilestimasi dengan sebagai n trend ke in&initi
umumnya simulasi statik sample bilangan random dan menurunkan hasil berdasarkan nilai bilangan
yang disample. 2. Simulasi Kontinu 4igunakan model sistem kontinu dengan 'aktu non
deterministik, non stokastik. 9ontoh model operasi dari /le%tri% Kettle, Setrika (gosokan*, saat s'it%h
on elemen pamanas air bergerak pada temperatur tertentu. Beberapa model simulasi kontinu
dikomposisi pada nilai loop pembalik dan ratusan persamaan di&&erential untuk C ? Mekanikal ?
#roduksi ? /le%tri%al . Simulasi 4iskrit 1ntuk kasus kettle, bah'a aksi kettle didasarkan 2 e)ent yaitu
: ? S'it%h kettle on. ? S'it%h kettle o&& 9ontoh : Model akti)itas dapur pada penggunaan kettle yaitu
4is%rete e)ent simulation : simulasi ini menggambarkan masing5masing e)ent diskrit pemindahan dari
satu ke yang lain sebagaimana progress, 'aktu sapat dimodelkan dinamis, dan hampir in)ariably,
sto%hasti%. ? =ika permintaan pada item dan 'aktu pada setiap order sampai tiba dari supplier diasumsi
deterministik maka ukuran setiap order dapat dikalkulasikan se%ara analitis. ? =ika )ariabel stokastik
masalah lebih komplikasi dan simulasi des%rible e)ent dapat menentukan ukuran order terbaik dalam
sistem stokastik menurunkan sample distribusi ? operasi sistem. ? #anjang 'aktu akti)itas. Man&aat
Simulasi : 5 4iperoleh 3ool set yang &leksibel, biasanya meme%ahkan masalah yang sulit untuk
dipe%ahkan dengan model matematis biasa (D , A , : , 5* 5 Model ini menjadi e&ekti& bila digunakan
untuk sistem yang relati& kompleks untuk peme%ahan analitis 5 Simulasi akan memberikan 'a'asan
yang lebih luas, dengan berbagai tool set bagi seorang peran%ang sistem akan men%apai men%apai
kinerja maksimum baik dalam tahapan peran%angan sistem maupun tahap operasional Klasi&ikasi
simulasi model 1. Menurut Eaktu a. Simulasi statis, output modelnya tidak mempengaruhi 'aktu b.
Simulasi dinamis, output modelnya dipengaruhi 'aktu 2. Menurut #erubahan Status >ariable a.
Simulasi kontinu, bah'a status )ariable berubah berkesinambungan b. Simulasi diskrit, bah'a status
)ariablenya berubah5ubah pada saat tertentu, %ontoh : in)estasi . Menurut 4erajat Ketidakpastian a.
Simulasi deterministik, bah'a outputnya bisa ditentukan se%ara pasti 9ontoh : aF2 D bF D % @ 8 b.
Simulasi stokastik, bah'a outputnya tidak bisa ditentukan se%ara pasti, %ontoh : perilaku manusia
Keuntungan Simulasi : 1. 9ompress 3ime : menghemat 'aktu, misalnya : integral dalam kalkulus 2.
/Apand 3ime : ekspansi 'aktu misalnya : dalam statistik, digunakan menunjukkan perubahan 'aktu
sistem real . 9ontrol Sour%es o& >ariation : e)aluasi sour%e ber)ariasi, misalnya )ariable bebas dan
tidak bebas ". /rror in Measurement 9orre%tion : koreksi kesalahan dalam perhitungan, misalnya : y @
aA2 D b dalam komputer maupun manual $. Stop Simulation and 2estart : dapat distop dan dijalankan
kembali, misalnya pen%atatan semua keadaan yang rele)an tanpa akibat buruk pada program simulasi.
#er%obaan ini tidak dapat dihentikan begitu saja pada sistem nyata <. /asy to 2epli%ate : mudah
diperbanyak, misalnya : dalam program, dapat diulang dalam perhitungan dengan menggunakan
pengulangan (loop* untuk mengubah berbagai komponen dan )ariabelnya Kekurangan Simulasi : 1.
Kualitas dan analisis model tergantung si pembuat model ;anya mengestimasi karakteristik sistem
berdasarkan masukan tertentu 2.. =/0+S5=/0+S S+M1!AS+ 1. +dentity Simulation Merupakan suatu
kegiatan yang memberikan pernyataan se%ara representati& dengan model simbolik yang dapat
dimanipulasi dengan mudah untuk menghasilkan angka5angka atau bilangan5bilangan numerik.
#enggunaan identity simulasi dapat dilihat se%ara langsung. #endekatannya pun %ukup sederhana dan
pada umumnya banyak meniadakan berbagai hal &undamental dari aturan pemodelan. 2. Simulasi
-uasi (simulasi identitas semu* Simulasi identitas semu ini memodelkan berbagai aspek yang terkait
dari sistem yang sebenarnya serta menghasilkan unsur5unsur yang dapat membuat setiap identitas
simulasi tidak ber&ungsi dengan baik . Simulasi !aboratory (simulasi laboratorium* Simulasi ini
dapat memberikan ja'aban lebih esensial pada masa akan datang, dan biasanya memerlukan berbagai
komponen, seperti : 5 -perating #lanning, menggunakan komputer untuk mengumpulkan data dan
mengelola in&ormasi dari para user. Komputer memainkan peran penting untuk menjalankan berbagai
aksi se%ara random yang merupakan ja'aban dari para user 5 Main ma%hine simulation, menyelidiki
berbagai konsep teknik dengan tujuan tertentu ". 9omputer Simulation (simulasi komputer*
Menggunakan komputer meme%ahkan masalah sesuai kebutuhan dalam bentuk program komputer.
Simulasi komputer banyak digunakan dalam berbagai sistem, hanya saja jangan menga%aukan
simulasi komputer dengan studi simulasi dari suatu komputer sistem. Struktur dasar model Simulasi :
/ @ F (Ai, Aj* 4imana : / @ e&ek per&ormansi sistem F @ hubungan antara Ai dan Aj Gyang
menghasilkan / Ai @ )ariable dan parameter yang tidak terkontrol Aj @ )ariable dan parameter yang
terkontrol 2.". !A0.KA;5!A0.KA; S+M1!AS+ #erhatikan diagram berikut ini yang merupakan
bentuk simulasi : .ambar 2.1. 4iagram Alir #roses Simulasi 1. #ende&enisian Sub Sistem Formulasi
masalah yang belum ada solusinya, belum jelas, terutama spesi&ikasi, tujuan, batasan sistem agar
sistem tersebut terde&enisi dengan jelas. 2. Formulasi model Sistem direduksi menjadi diagram aliran,
bentuk5bentuk lain yang tidak terlalu kompleks dan tidak terlalu detail (sudah diperoleh prototype
model* dengan menyertakan aspek5aspek yang rele)an dengan tujuan kajian. . #engumpulan data
Bukan berarti hanya pengumpulan angka5angka se%ara kuantitati&. =ika pengumpulan data stokastik
(data teoritis, empiris*. #emilihan dilakukan dengan : a. Memakai data mentah, yang diperoleh dari
pengamatan : melakukan simulasi sistem yang sebelumnya. b. data berasal dari suatu periode 'aktu
yang hanya memberikan gambaran tentang sistem pada periode tersebut bukan pada masa yang akan
datang %. #emakaian distribusi &rekuensi teoritis untuk menghemat 'aktu dan storage komputer dari
pada membangkitkan harga5harga )ariabel random untuk model tersebut d. 3est sensiti)itas terhadap
input data se%ara implisit atau eksplisit ". #enerjemahan model (skenario* Menerjemahkan model ke
komputer yang sering menimbulkan masalah yaitu untuk simulasi dengan memakai bahasa umum,
khusus (pemilihan bahasa pemograman yang tepat* yang mempunyai batasan yang ketat atau
ketidaktersediaan &ungsi terbatas. #enyusunan skenario terhadap odel setelah model )alid, maka
langkah selanjutnya adalah membuat beberapa skenario untuk memperbaiki kinerja sistem sesuai
dengan keinginan. =enisHjenis skenario dibagi atas 2 yaitu : a. Senario parameter, dapat dilakukan
dengan jalan mengubah nilai parameter model. Skenario jenis ini relati& mudah dilakukan karena
hanya melakukan perubahan pada nilai parameter model dan dampaknya terhadap output model. b.
Skenario terstruktur, dilakukan dengan jalan mengubah struktur model. skenario jenis ini memerlukan
pengetahuan yang %ukup tentang sistem agar struktur baru yang diusulkan dapat memperbaiki kinerja
sistem. $. >alidasi Model #roses menguji dan memperbaiki model sampai ketara& yang dapat diterima
(kesimpulan dari model tersebut benar*. Se%ara kuantitati&, kualitati& diberikan beberapa pokok
)alidasi sebagai berikut : a. Apakah model memberikan ja'aban yang tidak masuk akal bila diberi
harga ekstrim b. Apakah hasil simulasi dengan data per%obaan akan masuk akal jika dibandingkan
dengan hasil simulasi pada pengamatan data sebenarnya. Ada 2 9ara pengujian Imultiple test &or
)alidation o& system dynami%s type o& simulasi modelJ : 1. #erbandingan rataHrata, Mean
9omparrison 2. #erbandingan )ariasi amplitudo (amplitude )ariation %omparison* untuk mendapatkan
)ariasi output, simulasi dan data historis yang tersedia dengan rumus : 4imana : Ss @ standard de)iasi
model SA @ nilai rata H rata data aktual /2 @ per%ent error in the )ariations, /2 K 8L maka dianggap
)alid <. #eren%anaan Strategi Meran%ang eksperimen untuk memperoleh in&ormasi yang diinginkan
baik berupa kombinasi harga parameter yang akan memberikan )ariabel respons optimal serta
menjelaskan hubungan antara )ariabel respons dan &aktor yang dapat dikontrol oleh sistem. 3ujuan
adalah untuk mengurangi jumlah per%obaan serta membuat per%obaan menjadi terstruktur dan e&isien
dari segi 'aktu, usaha dan %ost. 7. #eren%anaan 3aktis Melibatkan pertanyaan tentang e&isiensi khusus
proses 210 per%obaan berdasarkan per%obaan disain. Masalah yang sering timbul : Kondisi a'al dan
pengaruhnya pada keadaan seimbang. Keadaan a'al harus dipilih untuk men%apai keseimbangan
dengan %epat tanpa mengganggu proses simulasi, memiliki ketelitian agar hasil eksperimen %ukup
memadai. :. /ksperimen (per%obaan* 1ntuk mendapatkan in&ormasi aktual biasanya dilakukan analisa
sensiti)itas 6. +mplementasi #emakaian model simulasi untuk mendapatkan proses legitimasi dan
sukses 18. 4okumentasi #roses membukukan dan dapat berupa re&erensi simulasi berikutnya. BAB
S+M1!AS+ 4+S32+B1S+ SAM#!+0. .1. K/B131;A0 4+S32+B1S+ Kebutuhan distribusi dalam
proses simulasi, dapat berupa : 1. #engambilan Sampling, biasanya stokastik. 9ontoh : dalam sistem
antrian, rata5rata kedatangan dan pelayanan 'aktu rata5rata yang terukur, tetapi tidak mungkin
memprediksi kapan orang atau siapa yang akan datang. 4alam simulasi menggambarkan kedatangan
dan akti)itas untuk mendemonstrasikan alam stokastik dalam sistem 2. Membangkitkan Bilangan
2andom, random bila kejadiannya bukan prediksi, tidak terde&enisi. #embangkitan bilangan random
untuk bilangan real dalam range (8,1* se%ara independen paket simulasi yang menggunakan bilangan
pseudo random . Membangkitkan bilangan #seudo 2andom, bilangan yang diperoleh dari hasil suatu
&ormulasi. Standar error rata5rata @ 1kuran sample: .ambar .1. 4istribusi sampling Metode umum
didasarkan pada produksi dari rangkaian integer, dengan proses iterati& : niD1 @ &(ni*C Bilangan niD1
direlasikan pada ni dan pada bilangan sebelumnya serta seMuensi yang mungkin. 4alam order untuk
menghasilkan bilangan real pada range (8,1* integer dibagi lebar range integer m. Bilangan pseudo
random 1i dengan : m @ besar seMuensi bilangan real ui @ hasil sample dari distribusi kontinu. Semua
generator pada tipe ini memiliki %y%le Misalnya : =ika ni @ nj maka &(ni* @ &(nj* oleh karena itu niD1@
njD1 (berarti berada pada order yang sama*. 1ntuk membuat %y%le panjang selama mungkin maka
generation menghasilkan integer berbeda sebelum re%y%le. Fungsi ini di &ormulasikan : &(ni* @ (an D %*
mod m C a, %, m @ konstanta integer. &(ni* @ sisa pada saat trans&ormasi linier dari bilangan ni dibagi m.
+nteger berikutnya berada pada niD1 diset bersama dengan &(ni* C =ika %N8 maka generator disebut
miAed 9ongruential generator Suatu &ormulasi yang dapat menghasil bilangan dalam range tertentu,
misalnya : 85(m51*, dimana m dikatakan panjang %y%le maAimum (sangat besar* tetapi masih lebih
ke%il dari beberapa bilangan integer 9ontoh : =ika semua konstanta dipilih genap maka tidak satu pun
bilangan ganjil dihasilkan untuk menjamin panjang %y%le maAimum yang rumit, dimana : 1. % dan m
adalah relati& premier (tidak memiliki &aktor umum * 2. =ika p adalah &aktor premier dari m, maka pilih
a@1 (mod p* . =ika a adalah &aktor premier dari m maka pilih a @1 (mod a* ". Stream 4alam pas%al
pro%edure make5stream menginisialisasi semua 2 stream dengan setting nilai pada masing5masing
stream point berkisar 1888i D 7 untuk tujuan menyediakan spasi generator 1< bit sampai dengan 2
bit. Array original seeds (benih asli* mengandung bilangan random integer pada setiap stream, dan
se%ara indi)idual stream j dapat di set kembali dengan n, Seed OjP @ orginal Qseed OjP Fungsi ini
menyampel sebuah bilangan 8 dan 1 untuk stream 2 bit sehingga : Fun%tion random (s: stream
Qnum * : real .2. SAM#!+0. Sampling dilakukan pada distribusi probabilisti% diskrit yang
merupakan nilai peluang pengambilan bilangan diantara nilai diskrit tertentu, misalnya :
A1,A2,A,A",A$,...,An dimana Fi@FiD1 dan nilai n@8,1,2,,",...,m sehingga #i adalah : #enggunaan
sampling, umumnya dilakukan terhadap : A. 4istribusi diskrit umum, dimana : 1. 3erdapat simulasi
model sedemikian hingga pemilihan %abang terhadap setiap entitas adalah random serta tidak
terhubung dengan akti)itas sebelumnya, karakteristik entitas 2. Setiap entitas baru harus memiliki si&at
terdistribusi diskrit B. 4istribusi #oisson Merupakan metode sampling yang mirip dengan distribusi
umum, dimana setiap pertengahan bilangan dinotasi Sampling 4istribusi 4engan #arameter -
Kontinu 1ntuk menyampel bilangan real misalnya panjang 'aktu akti)itas digunakan probability
density &un%tion mengambarkan probabilitas A dalam range kontinu. =ika &(A* kontinu dan antara limit
a dan b maka F1 dan F2 berada antara nilai a dan nilai b A. 1ni&orm : 4istribusi uni&orm dengan
&ormula : B. 0egati)e /Aponential Fungsi : F(t*@ eAp(5 * C tN8 maka &ungsi kontinu dengan - -
nilai &(A* antara : 9. 0ormal : Standar &ungsi distribusi normal 4. !og normal 4igunakan pada 'aktu
pelayanan antrian dengan 2 parameter rata5rata m dan standard de)iasi S sehingga !og normal
dihubungkan dengan distribusi normal. Sampling histrogram =ika bilangan random u antara &(A* dan
&(AD1* maka nilai sampel s antara A dan AD" adalah : Bentuk pseudo %ode : Ehile do A :@ AD1 ..
#2-BAB+!+3AS #roses probalibilitas dibedakan dengan : 1. >ariabel Stokastik (>ariabel 2andom*
/)ent yang mengubah state ditentukan oleh input disebut deterministik. =ika terdapat suatu e)ent
dimana outputnya random (a%ak* dan tidak dapat ditentukan oleh input disebut dengan stokastik
dimana )ariabelnya random. 9ontoh : 5 >ariabel random dan diskrit, misalnya me'akili tanggal dalam
1 bulan yaitu bilangan tersebut antara 1 sampai dengan 1 5 >ariabel random kontinu, misalnya
me'akili ke%epatan angin, lamanya pemrosesan, pertambahan penduduk 2. Fungsi #robabilitas, antara
lain : 5 Fungsi probabilitas diskrit 5 Fungsi probabilitas kontinu Fungsi #robabilitas 4iskrit >ariabel
random dengan n buah nilai, misal : Ai C i @ 1,2,R.,n maka probabilitas Ai adalah #(Ai* 9ontoh
)ariabel random dalam simulasi : 5 =enis barang yang akan dibeli oleh pelanggan dalam suatu toko
yang mempunyai n ma%am barang 5 3erminal yang akan dipakai dalam suatu instalasi komputer,
dimana terminal dari : 1..n Fungsi distribusi kumulati& #(Fi* adalah memberi probabilitas bah'a suatu
)ariabel random
S maka #ro&it @ 12 4 H 7,$ S . Misalkan S@<8 unit dan 4@"8 unit dimana jika 4 K S sehingga :
#ro&it @ 12 ("8* H 7,$(<8* D < (<8 5 "8* @ ":8 H "$8 D128 @ 8 D 128 @ 1$8 =ika 4 N S maka #ro&it @
12 ("8* H 7,$ (<8* @ ":8 H "$8 @ 8 ". #erusahaan memesan sebanyak <8 unit maka rin%ian
keuntungan masing5masing data di atas sebagai berikut : 4emand #ro&it "8 1$8 :8 278 <8 278 68 278
"8 1$8 $8 218 A)erage 228 $. 4istribusi &rek'ensi sebagai berikut : #ro&it #robabilitas Frek'ensi 1$8
8,2 2 278 8, 218 8,1 1 # @ &rek'ensi 18 <. .ra&ik .ambar .<. .ra&ik #ro&it #emesanan 3ugas:
Sebuah perusahaan %oklat memberikan pena'aran khusus pada e)ent H e)ent spesial spt: hari
)alentine. 1ntuk keperluan, perusahaan memesan paket spesial pada supplier yaitu %oklat lo)e. ;arga
%oklat <,$,unit, harga jual 1$,unit, jika tidak terjual pada tanggal 1" February maka produk ini akan
dijual dengan harga "8L dari %oklat semua. !akukan simulasi untuk 188 kali trial o& order Muantity
dan demand ber)ariasi se%ara random : 1. 3entukan order Muantity dimana menghasilkan pro&it
maksimum. 2. .ambarkan gra&ik histogram pro&it pada order Muantity yang memberikan a)erage
pro&it maksimal. #enyelesaian: 1. demand (kebutuhan* 4 pesanan (order* S pro&it (keuntungan*
T 2. =ika 4 U S maka #ro&it @ 1$ 4 H <,$ S D < (S 5 4* =ika 4 V S maka #ro&it @ 1$ 4 H <,$ S .
Misalkan S @ <8 unit, C 4 @ 18 1nit jika 4 K S maka #ro&it @ 1$ (18* H <,$ (<8* D < (<8518* @ 1$8
H 68 D 88 @ <8 Misalkan S @ <8 unitC 4 @ 188 unit jika 4 N S maka #ro&it @ 1$ (<8* H <,$ (<8* @
688 H 68 @ 1$8 ". perusahaan memesan sebanyak <8 unit 4emand #ro&it 18 $8 <8 68 188 <8 "28 $18
$18 $18 A)erage "82 $. 3able Frek'ensi #ro&it #robabilitas Frek'ensi <8 "28 $18 8,1 8,1 8, 1 1 <.
.ra&ik ;istogra& .ambar .7. Bentuk histogram pro&it .$. A032+A0 Antrian berhubungan dengan
pelayanan dimana jumlah yang akan dilayani umumnya jauh lebih besar dari jumlah pelayan (ser)er*.
Karakteristik pelayanan sebagai berikut : a* #ola kedatangan : menjelaskan si&at5statistik dari
kedatangan entitas b* #roses pelayanan : menjelaskan bagaimana suatu entitas dilayani %* 4isplin
antrian : menjelaskan bagaimana entitas berikutnya dipilih #roses pelayanan ada &aktor : 1. Eaktu
pelayanan (time ser)i%e* 2. Kapasitas (%apa%ity* . Ketersediaan (a)ailability* +. #ola kedatangan
Menyangkut 'aktu antar kedatangan yaitu : antar kedatangan yang berurutan, dengan kriteria sebagai
berikut : Bila kedatangan yang tidak ber)ariasi (jarang terjadi * berarti pola kedatangan adalah
konstan Bila kedatangan stokastik (random* maka probabilitasnya 2 atau kedatangan lebih maka
dapat terjadi layanan bersamaan artinya (n51* diantaranya mempunyai 'aktu antar kedatangan nol
dengan notasinya : 3a (time a)erage* @ 'aktu antar kedatangan rata5rata @ laju kedatangan rata5rata
;ubungan kedua )ariabel adalah : #ola kedatangan poisson #ola kedatangan dinyatakan random
(terjadi kapan saja* dimana pembatasnya hanya 'aktu antar kedatangan rata5rata antara satu
kedatangan dengan kedatangan berikutnya yang tidak saling ketergantungan 4istribusi eksponensial
Fungsi distribusi kumulati& dari suatu distribusi eksponensial : Koe&isien )ariasi (derajat keterbatasan*
Salah satu ukuran untuk mengetahui apakah sekelompok data mempunyai distribusi tertentu tentang
koe&isien )ariasi yaitu hasil bagi kedatangan standar de)iasi dari 'aktu antar kedatangan (Sa* terhadap
'aktu antar kedatangan rata5rata 3a sehingga diperoleh sehingga Koe&isien )ariasi @ Sa,3a 4istribusi
/r !ang Khusus untuk pemakaian sistem tetap (m* dimana setiap )ariabel random yang diambil dari
rerata )ariabel random yang tidak bergantungan Fungsi kepadatan (density* sebagai berikut :
4istribusi ;yper eksponensial Sekumpulan data dengan koe&isien )ariasi lebih besar dari 1 .ambar
.:. Bentuk 4istribusi ;yper /ksponensial 3ahap pelayanan yang paralel mempunyai distribusi 'aktu
pelayanan yang eksponensial ++. #roses #elayanan Suatu situasi dimana 'aktu pelayanan tidak random
(hampir konstan* tetapi dapat ber&luktuasi pada distribusi normal, &luktuasi terjadi karena situasi yang
tidak dapat terkontrol. 4isplin pelayanan antrian sebagai berikut : A. F+F- (&irst in &irst out* : urutan
pelayanan sesuai dengan urutan kedatangan entitas. 9ontoh : !oket kar%is B. !+F- (last in &irst out* :
entitas membentuk antrian yang sesuai dengan urutan kedatangan, tetapi pelayanan diberikan kepada
entitas yang terakhir, %ontoh orang masuk kereta api, jumlah orang sangat banyak, yang turun lebih
dahulu adalah orang yang datang terakhir 9. 2andom : entitas yang dilayani dipilih se%ara a%ak
diantara antrian entitas yang sedang menunggu #engukuran antrian Sering disebut dengan Itra&&i%
intensityI (lalu lintas entitas*, adalah perbandingan antar 'aktu pelayanan rata5rata dan 'aktu antar
kedatangan rata5rata. =ika terjadi renaging (penataan ulang* maka akan ada entitas yang tidak
mendapatkan pelayanan (misalnya pada telepon*, bedakan laju kedatangan yang sebenarnya dan laju
kedatangan entitas yang dilayani berdasarkan perbedaan 'aktu se%ara matematis. Mengunakan
simulasi untuk membuat keputusan Mempersiapkan beberapa in&ormasi pada pengambilan keputusan
oleh manajemen, atau siapa saja pengguna simulasi dalam proses serta hasil analisa untuk
memudahkan peran%angan . Beberapa model dalam proses tersebut : 1. Model on5o&& 2. Model
penggunaan jangka panjang . Model %ost BAB " 2A04-M 01MB/2 ./0/2A3-2 ".1.
B+!A0.A0 2A04-M 2andom 0umber .eneration adalah suatu algoritma yang digunakan untuk
menghasilkan urutan, seMuen%e dari angka5angka sebagai hasil perhitungan angka5angka pada
komputer, dan yang diketahui distribusinya sehingga angka5angka tersebut mun%ul se%ara random dan
digunakan terus5menerus. 4apat disimpulkan bah'a : 1. SeMuen%e atau 1rutan SeMuen%e adalah
random number dihasilkan se%ara urut dalam jumlah yang mengikuti algoritma tertentu dan sesuai
dengan distribusi yang akan terjadi. 2. 4istribution Berhubungan dengan probabilitas yang digunakan
untuk meninjau atau terlibat langsung dalam pembangkitan bilangan random tersebut. . Bilangan
random Menghasilkan angka yang akan berperan dalam pemun%ulan angka pada proses pada
komputer. ".2. 4/SK2+#S+ 2A04-M 01MB/2 4alam penentuan random number, pada umumnya
terdapat beberapa sumber yang akan digunakan antara lain : 1. 3able 2andom 0umber : tabel ini
menentukan digit bilangan 2. /le%troni% 2andom 0umber : digunakan untuk per%obaan penelitian .
9ongruential #seudo 20. o Additi)e 20. o Multipli%ate 20. o MiAed 9ongruential 20. Additi)e
2andom 0umber .enerator (A20.* 2umus 20. Wi @ ( a.Wi H 1 D %* mod m dimana : Wi @ angka 20
yang baru Wi H 1 @ angka 20 yang lama , semula % @ angka konstan yang bersyarat m @ angka modulo
syarat : a. Konstanta harus lebih besar yang dinyatakan dengan : atau b. Konstanta % harus bernilai `
ganjil apabila m bernilai pangkat dua, dan tidak boleh berkelipatan m. %. Modulo m harus bilangan
prima, sehingga memudahkan dan melan%arkan perhitungan komputer. d. 1ntuk W8 harus merupakan
angka integer dan ganjil men%akup bilangan yang %ukup besar Multipli%ate 2andom 0umber
.enerator (20.* 20. @ WiD1 @ (a.B* mod m C 4imana : Wi @ angka 20 semula WiD1 @ angka 20
yang baru A N 1 C % @ 8 C m N 1 Syarat sama dengan additi)e 20. : m @ 2n51 : harus lebih ke%il dari
integer. 3iga )ariabel untuk menentukan nilai5nilai 20 yang dapat diperoleh sebagai berikut : a.
#emilihan nilai m (modulo* merupakan suatu angka integer yang %ukup besar dan merupakan satu
kata ('ord* dari yang dipakai komputer. b. #emilihan konstanta multiplier a harus tepat dimana a
harus bilangan ganjil dan a @ 2 b,2 X . %. #emilihan untuk W81 dikenal dengan Seed@W8
mengharuskan relati)e prima terhadap m. Apabila di%ari m adalah angka berpangkat 2 angka
eksponen dari angka 2 untuk W8 adalah setiap angka5angka ganjil (add number* seperti : + seed @ +8 @
12$7 d. Bilangan % yang dipilih bukan merupakan kelipatan dari m juga harus bilangan ganjil
sehingga : WiD1 @ (aWi D% * mod m MiAed #seudo (%ongruential* 2amdom 0umber .enerator (20.*
2umus : Syarat : a. n harus dari sejumlah bilangan integer (bulat* dan lebih besar dari 8 dikenal
dengan I!inear 9ongruential 20.J b. Apabila nilai %@8 maka rumus yang digunakan Jmultipli%ate
%ongruential 20.J. disebabkan storage memory yang dibutuhkan harus e&isien. %. MiAed %ongruential
generator, dengan beberapa kondisi syarat sebagai berikut : ? % adalah bilangan relati& prima terhadap
n ? @ 1 (mod g* untuk setiap &aktor prima g dari m ? @ 1 (mod "* apabila " adalah &aktor prima ` `
dari m d. Kondisi 1 berarti : bah'a pembagi umum yang terbesar dari %, m adalah 1 dan kondisi ini
mudah di%apai. e. Kondisi 2 berarti : Apabila k @ akan diperoleh a @ 1Dgk C dimana g adalah &aktor
prima dari m. &. Kondisi berarti : a @ 1D"k C apabila m," adalah integer artinya m bilangan bulat
dapat dibagi " 9ongruential #seudo 20. mempunyai si&at5si&at yang terpenting sebagai berikut : 1.
+ndependent #engertian independent berarti masing5masing komponen atau )ariabelnya harus bebas
dari ketentuan5ketentuan sendiri, seperti Wi51 @ hasil akhir W8 @ angka pertama yang bebas tertentu a @
merupakan angka konstan yang dapat bebas dengan ketentuan tersendiri. 9 @ angka bebas tetapi tidak
ada ada hubungan tertentu dengan m (modulo* 2. 1ni&orm 1ni&orm merupakan distribusi yang umum
yakni distribusi probabilitas diusahakan sama untuk semua besaran yang dikeluarkan, diambil. Berarti
probabilitasnya diusahakan sama untuk setiap penarikan random number tersebut. . 4ense 4ensity
#robabilitas 4istribution yang tentunya harus mengikuti syarat probabilitas yaitu terletak antara a dan
i. +ni berarti dalam penarikan angka5angka yang dibutuhkan 2andom 0umber .enerator (20.* %ukup
banyak dan dibuat sedemikian rupa sehingga 8 K 20 K 1 ". /&&i%ient /&isiensi merupakan 20. yang
dapat dilakukan dengan sederhana dan dalam menggunakan %ara ini terlebih dahulu memilih angka
untuk )ariabel yang %o%ok. +ni berarti dalam penarikan 20 tersebut harus dapat menentukan angka
untuk )ariablenya yang sesuai sehingga dapat berjalan terus menerus. Multipli%ate 20.. 4iketahui:
W8 @ 12$7 a @ 16 m @ 12: % @ 27 9ari -perasi modulo. =a'ab. + @ 8 W8 D 1 @ (16.12$7 D 27*
mod 12: W+ @ 12 2+ @ 12,12: @ 8,867$ 2 @ 1 Wi D 1 @ ( 16.12 D 27* mod 12: W2 @ :1 22 @ :1,12:
@ 8, <2:. !atihan : Bila menggunakan aritmatik additi)e 2andom 0umber .enerator (20.* dengan
mengambil W8 @ 1$7, a@167, m@1:7, dan % @ 27$, uraikan se%ara berurut bagaimana agar random
number 18 kali dihasilkan, %ari multipli%ati)e. 4ik: W8 @ 1$7 WiD1 @ (aWi D %* mod m a @ 167 m @
1:7 % @ 27$ =a'ab. W8 D 1 @ (167.1$7 D 27$* mod 1:7 W1 @ 2<678" mod 1:7 @ <2< 21 @ `
<2<,1:7 @ 8,"$1:1". W1 D 1 @ (167.<2< D 27$* mod 1:7 W2 @ 12$<67 mod 1:7 @ :<7 22 `
@ :<7,1:7 @ 8,<2$868122. W2 D 1 @ (167.1$7 D 27$* mod 1:7 W @ 1717" mod 1:7 @ 11:< `
2 @ 11:<,1:7 @ 8,:$$8:2612 W D 1 @ (167.11:< D 27$* mod 1:7 W" @ 2<817 mod 1:7 @ `
227 2" @ 227,1:7 @ 8,1<<<2$:1 W" D 1 @ (167.227 D 27$* mod 1:7 W$ @ "786" mod 1:7 @ `
12 2$ @ 12,1:7 @ 8,6$:$72"$ W$ D 1 @ (167.12 D 27$* mod 1:7 W< @ 2<88< mod `
1:7 @ :< 2< @ :<,1:7 @ 8,<2228<2. W< D 1 @ (167.:< D 27$* mod 1:7 W7 @ 172:< mod `
1:7 @ 6: 27 @ 6:,1:7 @ 8,2:6$82$2 W7 D 1 @ (167.6: D 27$* mod 1:7 W: @ :87:1 mod `
1:7 @ $ 2: @ $,1:7 @ 8,2"1$2:"7:. W: D 1 @ (167.$D 27$* mod 1:7 W6 @ <:78 mod `
1:7 @ "87 26 @ "87,1:7 @ 8,26"6877. W6D 1 @ (167."87 D 27$* mod 1:7 W18 @ :2$$" mod `
1:7 @ 721 218 @ <2<,1:7 @ 8,$16:2<6<". Additi)e Wi @ (aB D %* mod m Wi @ (167.1$7 D 27$*
mod 1:7 Wi @ 2<678" mod 1:7 @ <2< ".. B+!A0.A0 2A04-M 3/24+S32+B1S+ 10+F-2M
4ikatakan kontinu dan uni&orm jika probabilitas )ariabel random A jatuh pada setiap inter)al pada
suatu daerah tertentu sebanding dengan ukuran daerah tsb,dengan kata lain tiap titik pada daerah tsb
mempunyai kemungkinan yang sama untuk dipilih. Membangkitkan bilangan random dengan
komputer 3abel bilangan random dapat diba%a dan diasumsi ke dalam komputer tetepi kesulitannya
dalam penyiapan data dan memerlukan banyak tempat dalam memori ,maka lebih baik dengan
membangkitkan saat dibatalkan, dengan %ara uni&orm pada range tertentu (8 dan 1* metode yang
sering digunakan adalah %ongruen%e method atau residue method 4engan buah konstanta C prosedur
menurunkan bilangan ke (iD1*dari bilangan ke + adalah : Bilangan ke (iD1* dari bilang ke i adalah :
+denti&ikasi distribusi 1ntuk mengetahui hasil pengamatan sesuai distribusi teori maka harus dianalisis
dengan mengumpulkan data dengan distribusi &rekuensi kemudian diuji dengan : 1. #ermeriksaan
harga rata data )ariansi 2. 1ji5%hi sguere . 1ji Kolmogoro)5Smirno) ;arga rata5rata dan )ariansi
Kesimpulan data diperoleh sesuai dengan distribusi &rekuensi poisson k @ jumlah kelas atau inter)al
Mi @ titik tengah dari inter)al Fi @ &rekuensi pada inter)al ke i BAB $ #/MBA0.K+3 2A04-M
>A2+A3/ $.1. #/MBA0.K+3 2A04-M >A2+A3/ 4+SK2+3 2andom )ariate : 0ilai )aribel _
random yang mempunyai distribusi tertentu untuk mengambil random )ariate dari beberapa distribusi
yang berbeda5beda &ungsinya harus terlebih dahulu mengatur distribusi 94F dari suatu random
)ariabel #engambilan 2andom )ariate melalui 94F biasanya dikenal dengan J in)erse _
tran&ormation method J (method in)ers tran&ormasi* Biasanya metode ini dapat dipergunakan _
untuk membangkitkan random )ariate baik dari data distribusi yang aktual terjadi maupun dari
berbagai teori distribusi probabilitas Apabila suatu &ungsi distribusi itu adalah diskrit, maka _
prosedur yang diperlukan untuk random )ariate dari &(A* adalah sebagai berikut : 1. #lot & (A* maka
%ari 94F dari random )ariate A 2. #ilih, generate, 20 @ 2i dari rumus pseudo random number
generator dar i komputer untuk : 8 U 2i U 1 dimana i @ 1, 2, .... . 3empatkan random number
yang diperoleh pada &(A* aAis dan memotong &ungsi diskrit melalui garis horiBontal ". .aris horiBontal
dari aAis &(A* ini dapat memotong &ungsi &(A* atau pada tempat yang tidak tersambung pada &(A* $.
Menurunkan garis dari titik potong pada &ungsi &(A* yang diskontinue itu pada sumbu A sehingga
diperoleh nilai dari A adalah random )ariate dari &(A* 9ontoh : 4iketahui suatu random )ariabel
dinyatakan dengan &(A* sebagai berikut : F @ demand 8 18 28 8 "8 F(A* @ p (A@A* 1,: 1," Y 1,1<
1,1< 4istribusi kumulati& dari demand #/MBA0.K+3 2A04-M >A2+A3/ K-03+01/ Si&at dari
&ungsi kumulati& ini adalah : Kontinu 3idak menurun Apabila Aa @ 8, dan Ab @ 8,7 maka &(Aa* _ _
@ 2a & (Ab*@ 2b untuk 8 K 2a K 1 Bila 2 berada di antara 2a dan 2b dengan simbol 2a8 berarti
distribusi makin simetris (distribusi normal* $. Kurtosis (lebar sempitnya pun%ak kur)a* 4istribusi
normal memiliki koe&isien kurtosis 5 jika 9k U distribusi datar dengan dispersi yang sangat lebar 5
jika 9k N distribusi lebih tinggi sehingga dispersi yang lebih ke%il <. Korelasi koe&isien korelasi
memiliki range : 51 sampai dengan D1 5 Korelasi @ 8 dua )ariabel tidak berhubungan 5 Korelasi @ 1
dua )ariabel berhubungan 5 Korelasi @ 51 dua )ariabel memiliki hubungan yang berla'anan
BAB < A93+>+3Z S9A00+0. 31=1A0 : 1. Menjelaskan pendekatan akti)itas dalam model
simulasi 2. Melakukan simulasi terhadap sistem in)entory dengan pendekatan akti)itas <.1
A93+>+3Z S9A00+0. #A4A M-4/! +0>/03-2Z A%ti)ity S%anning : Menjelaskan akti)itas5
akti)itas yang terjadi selama inter)al 'aktu tertentu seperti Minggu, ;ari dan =am. Misal : Model
sistem in)entory. 4idalamnya terdapat )ariabel demand, order, sto%k berubah untuk kurun 'aktu
tertentu. Beberapa entitas dalam model sistem in)entory : 1. 4emand Kebutuhan 2. -rdering ne'
sto%k -rder sto%k baru . 2e%ei)ing sto%k #enerimaan sto%k 9ontoh5%ontoh in)entory : a. 2a'
material kapas b. Semi&inished produ%t lembaran plastik %. Finished produ%t kaleng d.
;uman resour%e karya'an e. Finan%ial reAour%e %ash money <.2 K-0S/# 4ASA2 M-4/!
+0>/03-2Z 4ua hal yang perlu ditentukan dalam model in)entory diantaranya yaitu : 1. Berapa
banyak harus diorder 2. Kapan harus mengorder 3ujuan : meminimalkan total in)entory %ost
/%onomi% -rder Suantity (/-S* 4imana : S @ -rder Suantity -9 @ -rder 9ost 4 @ Annual 4emand
;9 @ ;olding 9ost,1nit,3ahun /-S +n)entory #ro%ess .ambar <.1. /-S +n)entory #ro%ess 9ontoh
#erhitungan /-S =ika diasumsikan : 5 Annual demand @ $288 unit 5 ;olding 9ost @ [ 8.2 , unit ,
minggu 5 !ead 3ime @ 2 minggu 5 -rdering 9ost @ [ $8 3entukan order Muantity optimal (S\* supaya
diperoleh total %ost minimal #enyelesaian : Sa&ety Sto%k : +n)entory tambahan untuk menjaga
&luktuasi demand Misal : ? 4emand berdistribusi normal dengan mean @ 288 unit ] )ariasi @ 188 unit
? Manajemen menginginkan 68L jaminan supaya tidak terjadi kekurangan ? 3entukan order Muantity A
#enyelesaian : @ 2 @ 188 @ 18 B @ A 5 @ A H 288 @ B8.6 @ 1.2: (lihat tabel* A @ 12.: D 288 - - -
@ 212.: @ 21 4engan demand rata5rata @ 288, maka 1 unit digunakan untuk sa&ety sto%k Bagaimana
jika demand ber&luktuasi ^ =ika demand ber&luktuasi, perlu sa&ety sto%k. =ika order Muantity S
diperbesar : 5 Biaya shortage %ost rendah 5 Biaya holding %ost mahal Sumulasi +n)entory dengan
!ost Sales 4ata #endukung 5 -rder Suantity @ 22" unit 5 2eorder #oint @ 288 unit 5 +nitial in)entoty @
22" unit 5 !ead 3ime @ 2 minggu 5 -rder 9ost @ [ $8 5 ;olding 9ost @ [ 8.2 , unit 5 !ost Sales @ [
188 .ambar <.2. 4iagram Alur Sistem +n)entory dengan !ost Sale ;asil Simulasi 3entukan pada
reorder point didapat 4iskusi : 1. Bagaiman %ara mendapatkan total in)entory %ost yang minimum^ 2.
Apa permasalahan yang mendasar ada sistem in)entory^ #ertanyaan : 1. Apa yang dimaksud dengan
order point^ 2. Apa man&aat E-S model pada sistem in)entory^ . Sebutkan dan jelaskan jenis5jenis
model sistem in)entory ditinjau dari tipe kebutuhan (demand* 3ugas : !akukan simulasi untuk 18
minggu jika diketahui data berikut : -rder Suantity $88 pada re%order point $88, $$8, <88, <$8, 788
jika diketahui data sebagai berikut : +nitial +n)entory @ $88 unit, !ead 3ime @ 2 minggu, -rder 9ost @
[ 188, ;olding 9ost @ [ 8.$ , unit !ost Sales 9ost @ [ 188 total in)entory %ost yang minimal. BAB 7
M-4/! #2-S/S />/03542+>/0 S1/1/+0. SZS3/M 31=1A0 : 1. Menjelaskan proses 5
dri)en model 2. Menjelaskan konsep Sueueing dan komponen dasarnya . Melakukan simulasi
'aiting line dengan proses dri)en model ". Meminimalkan total biaya ekspektasi dari sistem 'aiting
line 7.1 EA+3+0. !+0/ (S1/1/+0.* Eaiting !ine (Sueueing* merupakan proses yang sering
dijumpai pada operasi bisnis seperti restoran %epat saji, bank, pom bensin, maupun telpon line. Arri)al
time %ustomer dan ser)i%e timenya sangat probabilisti%. Berikut akan diberikan komponen sistem
'aiting line (Mueueing*. 7.2 K-M#-0/0 S+S3/M S1/1/+0. 1. Arri)al (kedatangan* biasanya
berdistribusi poisson, sedangkan 3ime bet'een arri)al (3BA* berdistribusi /Aponensial 2. Sueue :
menggunakan aturan F9FS (Forst 9ome First Ser)e* . Ser)i%e &a%ility : berdistribusi tertentu misal :
/Aponensial 7. A0A!+SA M-4/! S1/1/+0. @ rata5rata kedatangan (dist. #oisson* @ rata5 - -
rata ser)i%e time (dist. /ksponensial* 1. A)erage 'aiting time @ 2. A)erage number in Mueue @ !M @ .
#robabilitas ser)er idle @ #8 @ ". #ersentase busy @ 9ontoh : Sebuah perusahaan mobil memiliki :
2ate kedatangan %ustomer @ 1$ mobil,jam 2ate ser)i%e time @ menit @ <8, mobil,jam @ 28 - -
mobil,jam #erusahaan ingin mengetahui berapa banyak line yang diperlukan agar pekerjaan lebih
%epat. #enyelesaian : A)erage 'aiting time @ A)erage number in Mueue #robabilitas ser)er idle #8 @ 1 _
@ 1 _ @ 8.2$ /Ape%ted )alue di atas tidak representati& jika inter)al 'aktunya pendek. Mekanisme
#ro%ess 4ri)en Simulation #roses pengembangan model didasarkan pada urutan akti)itasnya 1.
9ustomer datang 2. 9ustomer menuggu ser)i%e jika ser)i%e busy . 9ustomer diser)is ". 9ustomer
meniggalkan sistem Flo' 4iagram #ro%ess 4ri)en Simulation .ambar 7.1 4iagram Alur #ro%ss
4ri)en Model 4iskusi : !akukan simulasi untuk 28 %ustomer dengan Format 90 3BA A3 0+S Start
S3 93 E3 +3 9E3 AE3 9+3 A+3 1 2 4imana : 90 @ 9ustomer 0umber 93 @ 9ompletion 3ime
3BA @ 3ime Bet'een Arri)al E3 @ Eait 3ime A3 @ Arri)al 3ime +3 @ +dle 3ime 0+S @ 0o. +n Sueue
9E3 @ 9ummulati)e Eait 3ime Start @ Start 3ime AE3 @ A)erage Eait 3ime @ 9E3 , 93 S3 @
Ser)i%e 3ime 9+3 @ 9ummulati)e idle 3ime A+3 @ A)erage +dle 3ime @ 9+3 , 93 #ertanyaan : 1.
=elaskan perbedaan antara pro%ess dri)en model dan a%ti)ity s%anning` 2. Sebutkan beberapa
komponen dalam Mueueing sistem` . Bagaiman %ara melakukan analisa kinerja terhadap sistem
'aiting line^ 3ugas : !akukan simulasi terhadap 2 ser)er dengan ketentuan sebagai berikut :
Kedatangan %ustomer berdistribusi #oisson dengan mean @ 18 Ser)i%e time berdistribusi /ksponensial
dengan mean @ 1$ a. .ambar gra&ik a)erage 'ait time tiap %ustomer b. ;itung idle time untuk tiap
ser)er BAB : M-4/! S+M1!AS+ />/03 42+>/0 31=1A0 : a. Menjelaskan perbedaan5
perbedaan model e)en5dri)en dengan a%ti)ity s%anning dan pro%ess dri)en b. Menjelaskan jenis5jenis
e)ent pada model Mueueing dan in)entory %. Melakukan simulasi model Sueueing dengan e)en5dri)en
:.1 />/03542+>/0 M-4/! /)en merupakan kejadian dalam sistem yang dapat mengubah output
sistem. 9ontoh : 4alam sistem antrian, Mueueing merupakan e)ent terjadi saat %ustomer datang atau
meninggalkan sistem. Sedangkan dalam model in)entory e)ent terjadi saat ada kebutuhan (demand*
atau order diterima (order re%ei)ed*. 4iagram Alur untuk Arri)al /)ent .ambar :.1 4iagram Alur
Arri)al /)ent 4iagram Alur 4eparture /)ent .ambar :.2 4iagram Alur 4eparture /)ent 4iagram
Alur !ogika Kontrol .ambar :. 4iagram Alur !ogika Kontrol :.2. Sueueing 4engan /)ent 4ri)en
Model 9ontoh : 9ustomer 3ime Bet'een Arri)al (3BA* Ser)i%e 3ime (S3* 1 8.88" 8.81<7 2 8.117"
8.8<76 8.88<8 8.1867 " 8.66 8.881$ $ 8.82"8 8.88"$ =ika periode simulasi @ 8 menit, maka pada
3 @ 8 /)ent 3ime 9urrent 3ime @ 8 Arri)al 8.88" /ndsim 8 /)ent berikutnya pada 3 @ 8.88"
/)ent 3ime 9urrent 3ime @ 8.88" 4eparture (1* 8.8281 Arri)al (2* 8.128: /ndsim 8 Keterangan :
4eparture time %ustomer 1 @ 8.88" D 8.1<7 @ 8.8281 Arri)al %ustomer 2 @ 8.88" D 8.117" @
8.128: /)ent berikutnya pada 3 @ 8.8281 /)ent 3ime 9urrent 3ime @ 8.8281 Arri)al (2* 8.128:
/ndsim 8 Keterangan : 3idak ada %ustomer yang datangC ser)er idle /)ent berikutnya pada 3 @
8.128: /)ent 3ime 9urrent 3ime @ 8.128: Arri)al (* 8.12<: 4eparture (2* 8.1::7 /ndsim 8
Keterangan : Arri)al (* @ 3BA(1* D 3BA(2* D 3BA(* @ 8.88" D 8.117" D 8.88<8 @ 8.12<:
4eparture (2* @ Start Ser)i%e(2* D S3(2* @ 8.128: D 8.8<7 @ 8.1::< /)ent berikutnya pada 3 @ 8.12<:
/)ent 3ime 9urrent 3ime @ 8.12<: 4eparture (2* 8.1::7 Arri)al ("* 8.2287 /ndsim 8 Keterangan :
4eparture (2* @ Start Ser)i%e(2* D S3(2* @ 8.128: D 8.8<7 @ 8.1::< Arri)al ("* @ 3BA(1* D
3BA(2* D 3BA(* D 3BA("* @ 8.88" D 8.117" D 8.88<8 D 8.866 @ 8.2287 /)ent berikutnya pada 3
@ 8.12<: /)ent 3ime 9urrent 3ime @ 8.12<: 4eparture (2* 8.1::7 Arri)al ("* 8.2287 /ndsim 8
Keterangan : 4eparture (2* @ Start Ser)i%e(2* D S3(2* @ 8.128: D 8.8<7 @ 8.1::< Arri)al ("* @
3BA(1* D 3BA(2* D 3BA(* D 3BA("* @ 8.88" D 8.117" D 8.88<8 D 8.866 @ 8.2287 2ingkasan tiap
e)ent 9ustomer Arri)al 3ime Ser)i%e 3ime (S3* 9ompletion 3ime 3ime in Sueue 1 8.88" 8.81<7
8.8281 5 2 8.128: 8.8<76 8.1::7 5 8.12<: 8.1867 8.26:" 8.8<16 /)ent /)ent 3ype 9lo%k 3ime
0umber in Sistem 0umber in Sueue Ser)er Status +dle 3ime 1 Arri)al 8.88" 1 8 Busy 8.88" 2
4eparture 8.8281 8 8 +dle Arri)al 8.128: 1 8 Busy 8.1887 " Arri)al 8.12<: 2 1 Busy $ 4eparture
8.1::7 1 8 Busy 4iskusi : 1. =elaskan perbedaan antara e)ent dri)en model dengan a%ti)ity s%anning
pada model in)entory^ 2. Sebutkan kelebihan e)ent dri)en model jika dibandingkan dengan a%ti)ity
s%anning #ertanyaan : 1. =elaskan apa yang dimaksud e)ent^ 2. Berilah %ontoh5%ontoh e)ent dalam
sistem manu&a%turing BAB 6 M-4/! S+M1!AS+ K-03+01 31=1A0 : a. Menjelaskan konsep
simulasi kontinu b. Menjelaskan karakteristik model sistem dinamik %. Menjelaskan komponen model
sistem dinamik d. Menjelaskan tahapan pengembangan model sistem dinamik e. Membuat %ausati%
4iagram sistem &. Membuat &lo' diagram simulasi sistem dinamik g. Membuat persamaan &lo'
diagram dengan bahasa simulasi dynamo 6.1 M-4/! S+M1!AS+ K-03+01 >ariabel sistem bersi&at
kontinyu, dan terdapat persamaan hubungan antar state )ariabel sehingga perilaku dinamis sistem
dapat dipelajari. Simulasi sistem dinamik merupakan simulasi kontinyu yang dikembangkan oleh =ay
Forrester (M+3* tahun 16<85an, ber&okus pada struktur dan perlaku sistem yang terdiri dari interaksi
antar )ariabel dan loop &eedba%k (umpan balik*. ;ubungan dan interaksi antar )ariabel dinyatakan
dalam diagram kausatik. #roses umpan balik dapat dikelompokkan menjadi dua bagian yaitu : 1.
1mpan balik positi& =enis umpan balik ini men%iptakan proses pertumbuhan, dimana suatu kejadian
dapat menimbulkan akibat yang akan memperbesar kejadian berikutnya se%ara terus menerus. 1mpan
balik ini dapat menyebabkan ketidakstabilan, ketidakseimbangan, serta pertumbuhan yang kontinyu.
9ontoh : sistem pertumbuhan penduduk. 2. 1mpan balik negati& =enis uman balik ini berusaha
men%iptakan keseimbangan dengan memberikan koreksi agar tujuan dapat di%apai. 9ontoh : sistem
pengatur suhu ruangan. 6.2 KA2AKA32+S3+K M-4/! S+S3/M 4+0AM+K Model sistem dinamik
memiliki beberapa karakteristik seperti berikut : 1. 4inamika sistem yang kompleks 2. #erubahan
prilaku sistem terhadap 'aktu . Adanya sistem umpan balik tertutup ". Adanya umpan balik ini
menggambarkan in&ormasi baru tentang keadaan sistem, yang kemudian akan menghasilkan keputusan
selanjutnya K-032+B1S+ M-4/! S+S3/M 4+0AM+K 4engan karakteristik yang sudah dijelaskan
sebelumnya, model sistem dinamik memiliki beberapa kontribusi diantaranya yaitu : 1. 3ersedianya
kerangka bagi aspek kausalitas, nonlinearitas, dinamika dan perilaku endogen dari sistem. 2.
men%iptakan pengalaman eksperimental bagi para pengambil kebijakan berdasarkan perilaku &aktor5
&aktor pendukung sistem. . Adanya kemudahan untuk mengatur skenario simulasi sesuai dengan yang
dikehendaki. ". 3ersedianya sumber in&ormasi dari yang di&atnya mental, tertulis, maupun numerik
sehingga model yang dihasilkan lebih berisi dan representati&. $. menghasilkan struktur model dari
input5input manajerial dan mensimulasikan le'at prosedur komputasi yang kuantitati&.
K/!/MA;A0 M-4/! S+S3/M 4+0AM+K Setiap model memiliki kelebihan dan kekurangan
tersendiri, demikian juga dengan model sistem dinamik. Beberapa kelemahan model sistem dinamik
diantaranya adalah : 1. Ketetapan model sangat bergantung pada si pembuat model. Makin banyak
pengetahuan dan 'a'asan si pembuat model, maka model yang dibuat akan makin tinggi derajatnya
dan makin banyak permasalahan yang dapat diselesaikan dengan model tersebut. Sebaliknya jika
pengetahuan dan 'a'asan si pembuat model tidak men%ukupi, model yang dibuat akan semakin
dangkal, sehingga masalah yang diselesaikan juga sangat terbatas. 2. Sangat dipengaruhi ketepatan
pembuatan batasan model. Batasan model erat kaitannya dengan penentuan )ariabel sistem. 3erdapat
beberapa )ariabel yang langsung terlebat pada sistem ()ariabel endogen*, adapula )ariabel yang
berada di luar sistem, tetapi memiliki pengaruh pada model ()ariabel eAogen*. 6. 3A;A#A0
#/0./MBA0.A0 M-4/! S+S3/M 4+0AM+K Se%ara skematis, tahapan pengembangan model
sistem dinamik dapat dilihat pada gambar 6.1. Supaya model yang dibuat dapat berhasil dengan baik,
sebaiknya banyak melibatkan para ahli dari sistem yang sedang dipelajari, sehingga pemahaman
sistem akan sangat baik dan rin%i. 1ntuk memudahkan proses pembuatan model, maka model dipe%ah
menjadi beberapa sub model supaya lebih &okus dalam pembuatannya. Setelah membagi model
menjadi beberapa sub model, selanjutnya dilakukan konseptualisasi sistem yang terdiri dari
identi&ikasi masalah serta penentuan batasan model. Batasan model hasrus dide&inisikan terlebih
dahulu dengan jelas sebelum model dibuat. Batas model merupakan suatu garis imajiner yang
memisahkan bagian yang dianggap menyebabkan ke%enderungan intern terhadap bagian5bagian di luat
sistem. 4alam batasan model digambarkan %akupan analitis dan seharusnya didasarkan pada masalah
yang menimbulkan perilaku yang menjadi &okus perhatian. 4alam penentuan batasan sistem sudah
mulai dilakukan penggolongan terhadap )ariabel menjadi )ariabel endogen (internal* dan eksogen
(eksternal*. #ara ahli yang terlibat sebaiknya memiliki persepsi yang sama terhadap tujuan pembuatan
model untuk menyelesaikan masalah yang dihadapi. 3ujuan pembuatan model akan memberikan
gambaran se%ara luas terhadap kerangka sistem yang akan dibentuk. Setelah dilakukan identi&ikasi
)ariabel, langkah berikutnya adalah membentuk keterkaitan antar )ariabel yang dinyatakan dalam
&ormulasi (persamaan*. 1ntuk melihat apakah model yang dibuat sudah sesuai sistem nyatanya maka
perlu dilakukan )alidasi terhadap model dengan membandingkan output model dengan data historis.
Setelah model dinyatakan )alid, barulah dapat dilakukan eksperimen terhadap model (skenarionisasi
model*. .ambar 6.1 3ahapan #engembangan Model Sistem Setiap skenario (alternati)e
kebijakan,keputusan* tentunya memiliki bene&it dan %ost. 4alam analisis kebijakan umumnya dipilih
alternati)e yang memiliki bene&it terbesar dengan %ost terke%il (sesuai yang diinginkan oleh pihak
manajemen*. 3ahap terakhir adalah tahap implementasi. 4alam tahap ini, alternati)e kebijakan yang
dipilih akan diterapkan dalam sistem, untuk kemudian die)aluasi apakah dalam penerapannya sudah
sesuai dengan diren%anakan. 6." >A2+AB/! M-4/! S+S3/M 4+0AM+K Beberapa )ariabel model
sistem dinamik dapat dilihat pada gambar 6.2. >ariabel sistem dinamik dapat dibagi menjadi tiga
bagian diantaranya yaitu : .ambar 6.2 3ahapan #engembangan Model Sistem 1. >ariabel !e)el
>ariabel le)el merupakan akumulasi aliran dari 'aktu. !e)el digambarkan dalam bentuk segi empat
seperti terlihat pada gambar 6.. .ambar 6..>ariabel !e)el 3erdapat 2 jenis le)el : a. Subsistem &isik
material, tenaga kerja, uang, order, dan lain5lain b. Subsistem in&ormasi aliran in&ormasi dalam
sistem !e)el dipengaruhi oleh aliran masuk (input rate* dan aliran keluar (output rate*. 2. 2ate
>ariabel 2ate merupakan laju yang menentukan aliran masuk atau keluar atau ke le)el. Simbol
)ariabel rate dapat dilihat pada gambar 6." .ambar 6.".>ariabel 2ate . AuAiliary >ariabel AuAiliary
merupakan )ariabel bantu untuk menyederhanakan hubungan antar )ariabel. Simbol )ariabel auAiliary
dapat dilihat pada gambar 6.$. .ambar 6.$.>ariabel AuAiliary ". #arameter ] Konstanta #arameter
merupakan input in&ormasi untuk rate maupun auAiliary. Konstanta memiliki nilai tetap sepanjang
periode simulasi, sedangkan parameter merupakan nilai yang tetap pada saat tertentu namun bisa
berubah disaat yang lain. #arameter (konstanta* disimbolkan garis penuh sebagaimana terlihat pada
gambar 6.< .ambar 6.<.#arameter (Konstanta* 4iagram Model Sistem 4inamik 1. 4iagram sebab
akibat (9ausati% diagram* Menggambarkan hubungan kausal antar )ariabel sistem. #olaritas aliran
dibagi dua yaitu polaritas aliran positi& (D* dan negati& (5*. 4isebut positi& bila perubahan )ariabel pada
a'al aliran menyebabkan bertambahnya nilai )ariabel pada akhir aliran. Sebaliknya disebut negati&
bila perubahan )ariabel pada a'al aliran menyebabkan berkurangnya nulai )ariabel pada akhir aliran
(berla'anan*. 2. 4iagram alir (Flo' diagram* Menggambarkan struktur aliran se%ara rin%i sehingga
digunakan untuk menyusun model matematis. 4iagram aliran (simulasi* menggambarkan hubungan
antar )ariabel dan sudah dinyatakan dalam bentuk simbol5simbol. 6.$ BA;ASA S+M1!AS+
4+0AM- 4inamo adalah bahasa simulasi komputer yang khusus diran%ang untuk sistem dinamik.
0ama 4ynamo merupakan singkatan dari 4ynami% Modeling. Model yang disimulasikan dianggap
bersi&at kontinyu sepanjang 'aktu. Semua persamaan ditandai dengan huru&5huru& tertentu sesuai
dengan jenis persamaanya seperti : 5 ! untuk !e)el 5 2 untuk 2ate 5 A untuk AuAiliary 5 9 untuk
Konstanta 5 3 untuk 3abel 1ntuk lebih jelasnya berikut dijelaskan beberapa konsep 4ynamo yang
meliputi selang 'aktu simulasi, #ersamaan !e)el, #ersamaan 2ate, #ersamaan AuAiliary, 3able dan
beberapa &ungsi khusus. 1. Selanga Eaktu Simulasi 4alam perhitungan persamaan dilakukan se%ara
bertahap terhadap 'aktu. #ertambahan 'aktu yang kontinyu, dibagi menjadi selanga 'aktu dengan
inter)al pendek yang besarnya sama yaitu 43. #ersamaan5persamaan sistem memiliki urutan
penyelesaian tertentu berdasarkan urutan 'aktu pada )ariabelnya yang ditandai dengan huru& =, K, !,
=K, K!. Simbol ini diletakkan di belakang )ariabel persamaan. 1ntuk lebih jelasnya urutan 'aktu
simulasi dapat dilihat pada gambar 6.7. .ambar 6.7. 1rutan Simulasi Keterangan gambar : 5 K
menyatakan nilai )ariabel saat ini 5 = menyatakan nilai )ariabel di saat sebelumnya 5 !
menyatakan nilai )ariabel di saat berikutnya (setelah K* 5 =K menyatakan nilai )ariabel selama
inter)al 'aktu = sampai dengan K 5 K! menyatakan nilai )ariabel selama inter)al 'aktu K sampai
dengan ! Simbol 'aktu yang digunakan untuk )ariabel !e)el dan AuAiliary adalah =, K atau !.
Simbol 'aktu yang digunakan untuk )ariabel 2ate adalah =K atau K!. 9ontoh : !e)el saat K
dinyatakan dengan !e)el.K AuAiliary saat ! dinyatakan dengan A1F.! 2ate saat =K dinyatakan
dengan 2A3/.=K 2. #ersamaan Konstanta Suatu konstanta memiliki nilai tetap spanjang 'aktu
simulasi, sehingga memerlukan simbol 'aktu. 9ontoh : 9 @ 12 . #ersamaan !e)el 0ilai )ariabel
le)el menyatakan akumulasi aliran pada suatu saat. 0ilai le)el saat ini tergantung pada nilai le)el
sebelumnya dan rate yang masuk ke le)el atau yang keluar dari le)el. Bentuk persamaannya adalah
sebagai berikut : ! !/>/!.K @ !/>/!.= D 43\(2A3/.=K52A3/2.=K* 4imana : 5 !/>/!.K le)el
pada saat K 5 !/>/!.= le)el pada saat = 5 43 selang 'aktu perhitungan 5 2A3/.=K rate yang
masuk ke le)el ! selama selang 'aktu =K 5 2A3/2.=K rate yang keluar dari le)el ! selama selang
'aktu =K ". #ersamaan 2ate >ariabel rate menunjukkan aliran yang keluar dan masuk ke dalam le)el.
4iasumsikan besar rate konstanta sepanjang 'aktu 43. Beberapa Format 2ate diantaranya yaitu : 5 2
2A3/.K! @ K-0S3A03A \ !/>/!.K \ K-0S3A03A 5 2 2A3/.K! @ (!/>/!.K H !/>/!2.K* ,
K-0S3A03A 5 2 2A3/.K! @ A1F.K \ !/>/!.K 5 2 2A3/.K! @ !/>/!.K , A1F.K $.
#ersamaan AuAiliary AuAiliary merupakan )ariabel bantu yang dihitung pada saat K, bisa dilakukan
setelah perhitungan le)el atau sebelum perhitungan rate. Bentuk persamaan auAiliary diantaranya yaitu
: 5 A A1F.K @ !/>/!.K \ K-S3A03A 5 A A1F.K @ K-0S3A03A D !/>/!.K 5 A A1F.K @
(!/>/!1.K H !/>/!2.K* , !/>/!.K <. #ersamaan Fungsi5&ungsi Khusus #ada dynamo terdapat
beberapa &ungsi khusus, seperti &ungsi delay, &ungsi tabel, &ungsi logika, &ungsi matematika, dan
&ungsi tes input. a. Fungsi 4elay Fungsi ini merupakan penundaan terhadap 'aktu terhadap aliran
in&ormasi atau aliran &isik. 3erdapat beberapa jenis &ungsi delay seperti 4/!AZ1, 4/!AZ,
4/!AZ#. 4/!AZ1 : delay eksponensial orde satu. Format persamaannya dituliskan sebagai berikut :
2 2A3/-.K! @ 4/!AZ (2A3/.K!, 4/!* 4imana : 5 2A3/-.K! @ rate output setelah delay 5
2A3/-.K! @ rate output setelah delay 5 4/! @ delay 'aktu antara +nput dan -utput 4/!AZ : delay
eksponensial orde tiga, artinya terdapat le)el internal 4/!AZ1 dengan nilai masing5masing :
!/>/! , 4/! , *. Format persamaannya dituliskan sebagai berikut : 2 2A3/-.K! @ 4/!AZ
(2A3/+.K!, 4/!* 4/!AZ# : digunakan untukk mengerahui akumulasi tiga le)el internal dalam
4/!AZ. &ormat persamaanya dituliskan sebagai berikut : 2 2A3/-.K! @ 4/!AZ# (2A3/.=K,
4/!, !/>/!.K* b. Fungsi 3abel Fungsi ini memb)entuk hubungan antar dua )ariabel. Format
persamaannya dituliskan sebagai berikut : A 3-13.K @ 3AB!/ (30AMA, +0#13.K, M+0, MAF,
+092* 30AMA @ Z1 , Z2 , ........................... , Zn 4imana : A 3-13 : )ariabel output yang nilainya
tergantung pada )ariabel input (terletak pada sumbu Z* 30AMA : nama tabel +0#13.K : )ariabel
input (terletak pada sumbu F* M+0 : nilai input terke%il MAF : nilai input terbesar +092 : inter)al
nilai input dari M+0 s,d MAF %. Fungsi Matematika Fungsi ini terdiri dari beberapa &ungsi
diantaranya yaitu : 9-S, 4+0, /F#0, !-.0 dan SS23. Formatnya dapat dituliskan sebagai berikut :
5 9-S (F* %osinus F 5 S+0 (F* sinus F 5 /F#0 (F* ekponential natural F 5 !-.0 (F*
logaritma natural F 5 SS23 (F* akar posoti& F d. Fungsi 3es +nput Fungsi ini terdiri dari beberapa
&ungsi diantaranya yaitu &ungsi S3/#, 2AM#, #1!S/. F10.S+ S3/# : mengubah nilai dengan %epat
dan mendadak pada 'aktu tertentu. Format persamaannya dituliskan sebagai berikut : S3/# (A, B*
4imana A : besarnya kenikan B : 'aktu terjadinya step F10.S+ 2AM# : digunakan menyatakan nilai
pertumbuhan atau penurunan linear sebagai &ungsi 'aktu. Format persamaannya dituliskan sebagai
berikut : 2A# (A, B* 4imana A : kemiringan &ungsi linear B : 'aktu mulainya &ungsi 2AM# F10.S+
#1!S/ : digunakan untuk membangkitkan pulsa (kejutan* pada satu )ariabel. Format persamaannya
dituliskan sebagai berikut : #1!S/ (A, B, 9* 4imana A : tinggi pulsa B : 'aktu dimulainya pulsa
a'al 9 : inter)al 'aktu antar pulsa 9ontoh Model Sistem 4inamik : 1. Sistem +n)entory +n)entory
saat ini (%urrent in)entory* dipengaruhi oleh beberapa &aktor seperti : a. +n)entory sebelumnya (+0>
past* b. -rder 2e%ei)ed (-2429>* %. Shipments (S;#M3S* Setelah identi&ikasi beberapa )ariabel
yang signi&i%ant maka langkah berikutnya adalah membentuk diagram kausatik. .ambar 6.:. 4iagram
kausatik sistem in)entory 2. Sistem #opulasi =umlah populasi dipengaruhi oleh beberapa )ariabel
seperti kalahiran dan kematian. Kelahiran dipengaruhi tingkat kesuburan (&ertility rate*, sedangkan
rate kematian dipengaruhi oleh rata5rata umur (a)erage li&e time*. .ambar 6.6. 4iagram kausatik
#opulasi 4engan menggunakan bahasa simulasi 4ynamo, maka model in)entory di atas dapat
dinyatakan dalam persamaan berikut : Misal untuk in)entory di atas nilai untuk )ariabel Shipments
ditentukan @ 188 unit, bln dan -rder 2e%ei)e @ :8 unit, bln. 9urreny +n)entory dapat dihitung dengan
menggunakan persamaan berikut : 9urrent +n) @ +0> past D (inter)ening time*\(%onstant rate o&
%hange* =, K, ! @ time s%ript dalam dynamo +0>.(k* @ +0>.(j* D 43 \ (-2429> 5 S;#M3S.=K*
.ambar 6.18. 4iagram 'aktu bahasa simulasi dinamo 4iskusi : 1. =elaskan perbedaan antara
)ariabel : 5 !e)el 5 2ate 5 AuAiliary 2. Beri %ontoh sistem yang di dalamnya terdiri dari ketiga )ariabel
tersebut. #ertanyaan : 1. =elaskan beberapa komponen model sistem dinamik 2. =elaskan beberapa
tahapan pengembangan model sistem dinamik . =elaskan kontribusi dan keterbatasan model sistem
dinamik ". =elaskan bagaimana proses )alidasi model $. Kapan bisa dilakukan skenario terhadap
model dan jelaskan pula jenis5jenis skenario model 3ugas : 4iketahui sistem berikut : 5 #embangkit
!istrik 3enaga Air 5 Manu&a%turing 5 3elekomunikasi 5 #ertanian 5 #erkebunan 5 Medis 5 So%ial
(%rime, %orruption* 4ari beberapa sistem di atas buatlah : 1. 9ausati% 4iagram 2. Flo' 4iagram BAB
18 S+M1!AS+ >/03A0A 31=1A0 : 1 Menjelaskan berbagai ma%am &ungsi dalam >ensim 2
Membuat persamaan pada model Melakukan simulasi dengan >ensim " Membuat Strip .raph $
Membuat 9ustom .raph 18.1 M-4/! >/03A0A >entana Simulation ()ensim* merupakan bahasa
simulasi yang dapat digunakan sebagai tool untuk membantu menyelesaikan masalah5masalah bisnis
maupun teknis. So&t'are ini dikembangkan oleh >entana Sistems, +n% yang dikembangkan sebagai
respon terhadap kebutuhan dengan mengembangkan model5model simulasi. >ensim terdiri dari : tool
untuk pembuatan model, simulasi, optimisasi, data, serta analisa untuk memahami dan meningkatkan
pengetahuan. #ersamaan dalam >ensim Beberapa persamaan dalam )ensim diantaranya yaitu : 1.
!e)el : persamaan dimana proses akumulasi dihitung 9ontoh kasus simulasi Bentuk umum
persamaannya : #opulation @ +03/. (births5deaths, 188* a. +03/. &ungsi baku dalam le)el b.
Birth ] death 2 rate yang mempengaruhi besar5ke%il nya perubahan le)el populasi %. Angka 188
nilai a'al le)el 2. +nisialisasi : sebuah le)el selalu memerlukan nilai a'al (initial* . 2ate : persamaan
rate dipakai untuk nilai aliran masuk (in&lo'* ataupun aliran keluar (out&lo'* dari sebuah le)el ".
AuAiliary : )ariabel dinamis yang dihitung dari )ariabel lain dalam satu 'aktu tertentu $. Konstanta :
nilai yang selalu tetap Fungsi5&ungsi 4alam >ensim 1. ABS (A* : Menghasilkan nilai absolut dari A 2.
A93+>/Q+0+3+A! (pers. Akti), initial eM* Menghasilkan nilai persamaan akti& sepanjang priode
simulasi, terke%uali jika diperlukan untuk menentukan nilai a'al. Biasanya digunakan untuk
persamaan aloop dengan nilai a'al simultan. . A!!-9Q# (permintaan, prioritas, lebar, mp*
Menghasilkan sejumlah permintaan yang dialokasikan atas permintaan dan prioritas tertentu. !ebar
menentukan skema alokasi yang diperlukan. !ebar menentukan skema alokasi yang diperlukan,
sedangkan mp adalah nilai yang dihasilkan oleh &ungsi MA2K/3Q# untuk jumlah permintaan,
prioritas, dan lebar yang sama. ". 91M1!A3/ (F* : Mengambil input data F untuk kemudian
menghasilkan kumulasi data tersebut. $. 4/!AZQF+F/4 (input, 'aktu delay, niali a'al*
Menghasilkan nilai input yang tertunda (delay* selama 'aktu delay. 0ilai a'al adalah nilai )ariabel di
sisi kiri persamaan pada a'al dimulainya simulasi. Eaktu delay bisa berupa ekspresi <. F-2/9AS
(input, 'aktu rata5rata, horiBon* Menghasilkan suatu peramalan atas nilai input untuk selang 'aktu
horiBon. Fungsi ini dapat meramalkan tren ekstrapolasi sederhana untuk menghasilkan nilai )ariabel di
masa mendatang berdasarkan nilai5niali yang sebelumnya. 7. .AM/ (F* : Menghasilkan nilai F
sepanjang periode simulasi :. +FQ3;/0Q/!S/ (kondisi, nilai benar, nilai salah* Menghasilkan nilai
benar jika kondisi bernilai benar, nilai salah jika kondisi nilai salah. Kondisi haruslah persamaaan
Boolea atau sebuah ekspresi atau )ariabel yang dapat diinterpretasikan sebagai sebuah nilai Boolean 6.
+0+3+A! (A* Menghasilkan nilai A pada a'al simulasi dan bersi&at tetap sepanjang periode simulasi.
Fungsi ini digunakan untuk men%atat nilai a'al sebuah )ariabel. 18. +03/. (rate, nilai a'al*
Merupakan nilai integral dari rate, atau rate yang diintegralkan se%ara numeri%. 0ilai a'al adalah nilai
)ariabel di sisi kiri persamaan pada saat a'al simulasi 11. +03/./2 (F* Menghasilkan nilai integer
terbesar yang lebih ke%il atau sama dengan F. 12. !--K1#QA2/A (lookup, a'al, akhir*
Menghasilkan area di ba'ah table lookup diantara a'al dan akhir. 4apat digunakan untuk
menormalisasi lookup 1. MA2K/3# (permintaan O#/23AMAP, prioritas O#/23AMAP, ukuran,
lebar, supply* Bila digunakan se%ara konjungti& dengan A!!-9Q#, menghasilkan prioritas sedemikian
hingga total alokasi atas sumber daya yang langka dapat dengan tepat memenuhi supply dari sumber
daya tersebut. 1". MAF (A, B* : Menghasilkan nilai terbesar antara A dan B 1$. M+0 (A, B* :
Menghasilkan nilai terke%il dari A dan B 1<. #1!S/ (aeal, lebar* Menghasilkan 1.8, dimulai pada saat
a'al dan berlangsung selama selang inter)al 17. S1A031M (A, B* Menghasilkan nilai bilangan
terke%il atau sama dengan A yang merupakan integer kelipatan B. Kegunaan utama &ungsi ini adalah
untuk menghapus bagian non integer dari sebuah nilai 1:. 2AM# (slope, 'aktu mulai, 'aktu akhir*
Menghasilkan nilai 8 sampai dengan 'aktu mulai , lalu kemudian bertambah dengan kemiringan slope
sampai 'aktu akhir, untuk kemudian menjadi konstan 16. 2A04-MQ8Q1( * Fungsi ini berdistribusi
seragam (uni&orm* dengan range antara 8 sampai 1. user dapat mengganti dengan rentang yang lain
se%ara bebas 28. 2A04-MQ/F#-0/03+A!( * Menghasilkan distribusi eksponensial dengan mean
@ 1. 21. 2A04-MQ0-2MA!( * Menghasilkan distribusi normal dengan mean @ 1 dan )ariansi @ 1.
22. SAM#!/ +F 321/ (kondisi, input, nilai a'ak* Menghasilkan nilai input jika kondisi bernilai
benar, selain itu nilainya akan tetap. #ada a'alnya &ungsi ini akan tetap pada nilai a'al. Fungsi ini
berguna untuk memperoleh in&ormasi perihal perilaku )ariabel 2. SM--3; (input, 'aktu delay*
Menghasilkan sebuah pemulusan eksponensial terhadap input. 2". S3/# (height, 'aktu step* :
Menghasilkan nilai nol sampai dengan 'aktu step, lalu menghasilkan height setelahnya 2$.
3+M/QBAS/ (a'al, slope* Menghasilkan basis 'aktu baru yang memiliki nilai a'al ketika 'aktu
adalah 8 lalu meningkat dengan kemiringan slop relati)e terhadap 2<. 32/04 (input, 'aktu rata5rata,
tren a'al* Menghasilkan laju pertumbuhan pe%ahan rata5rata (pertumbuhan negati&* dalam input 27.
F+4W (A, B, F* : Merupakan operasi pembagian A dengan B. =ika nilai B adalah 8, maka hasil
perhitungan adalah F. F+4W biasanya dipakai untuk mengungkapkan keterbatasan dari A,B jika B
mendekati 8 2:. W+4W (A, B* Membagi A dengan B, jika B @ 8, maka hasil perhitungan adalah 8.
Biasanya digunakan untuk mengekspresikan kasus khusus dimanan keterbatasan A,B adalah ketika B
mendekati 8, hasilnya adalah 8 26. Fungsi tabel dipakai dalam merepresentasikan hubungan non linear
diantara )ariabel model apabila persamaan hubungan ini begitu rumit jika dituliskan se%ara matematis
4alam >ensim, penulisan koordinat tabel dilakukan di pilihan I.raph !ookupJ di pojok kanan atas
'indo'. 9ontoh penulisannya adalah sebagai berikut : /&&e%t o& %ro'ding on deaths FoA (O(8, 8* 5 (18,
28*P, (8, 8.7$*, (1, 1*, (2, 8.2$, ($,2*, (18, 28**. .ambar 18.1. Bentuk Simulasi >entana 9ontoh5%ontoh
Model dalam Simulasi >entana 1. Model #opulasi =umlah populasi dipengaruhi oleh jumlah kelahiran
dan jumlah kematian, seperti terlihat pada gambar 18.2. .ambar 18.2 4iagram simulasi model
populasi #ersamaan diagram populasi di atas adalah sebagai berikut : 5 #opulation @ +03/. (births5
deaths, 188* 5 births @ F/23+!+3Z 2A3/ \ #opulation 5 deaths @ #opulation , A>/2A./ !+F/3+M/
5 F/23+!+3Z 2A3/ @ 8.1 5 A>/2A./ !+F/3+M/ @ 1< 2. Model #ersediaan Barang dan ;arga #ada
model ini terdiri dari 2 sub model yaitu sub model prsediaan (sto%k o& goods* dan sub model harga
(pri%e* seperti terlihat pada gambar 18. dan 18.". .ambar 18.. 4iagram simulasi model persediaan
barang .ambar 18.". 4iagram simulasi model harga #ersamaan diagram simulasi kedua sub model di
atas adalah sebagai berikut : ? A>/2A./ !+F/ .--4S @ : ? A)erage Markup @ +03/. ((markup 5
A)erage Markup* , 3+M/ A>/2A./ MA2K1#, 3A2./3 MA2K1#* ? %ost @ F+F/4 9-S3 D sales
\ MA2.+0A! 9-S3 ? dis%ards @ Sto%k o& .oods , A>/2A./ !+F/ .--4S ? e&&e%t pri%e target @
e&&e%t pri%e target lookup (pri%e , 2/F/2/09/ #2+9/* ? e&&e%t pri%e target lookup (O8, 8*5(", <*P,
(8.2, $*, (8.$, 2*, (1, 1*, (2, 8.$*, (", 8.82** ? F+0A! 3+M/ @ <8 ? F+F/4 9-S3 @ $88888 ? +0+3+A!
#2+9/ @ 1 ? +0+3+A! 3+M/ @ 8 ? MA2.+0A! 9-S3 @ 8.$ ? Markup @ re)enue,%ost ? 0-2MA!
3A2./3 @ 2."e D 887 ? pri%e @ +03/. (pri%e %hange, +0+3+A! #2+9/* ? pri%e %hange @ (target
pri%e5pri%e* , 3+M/ 3- A4=1S3 #2+9/ ? pur%hases @ MAF (8, dis%ards D (3arget Sto%k o& .oods 5
Sto%k o& .oods* , 3+M/ A4=1S3 .--4S* ? 2/F/2/09/ #2+9/ @ 1 ? 2e)enue @ sales \ pri%e ?
sales @ pur%hases ? Sto%k o& .oods @ +03/. (pur%hases H dis%ards, target sto%k o& goods* ? 3A2./3
MA2K1# @ 1.$ ? target pri%e @ pri%e \ 3A2./3 MA2K1# , A)erage Markup ? target sto%k o& goods
@ 0-2MA! 3A2./3 \ e&&e%t pri%e target ? 3+M/ A4=1S3 .--4S @ $ ? 3+M/ A>/2A./
MA2K1# @ " ? 3+M/ S3/# @ 8.2$ ? 3+M/ 3- A4=193 #2+9/ @ . Model =umlah -rder dalam
#roses =umlah order dalam proses dipengaruhi oleh beberapa )ariabel seperti terlihat pada gambar
18.$. .ambar 18.$. 4iagram simulasi model order dalam proses #ersamaan diagram simulasi model
order dalam proses : ? a%ti)ating @ M+0 (A'aiting A%ti)ation , 3+M/ S3/#, a%ti)ating %apa%ity* ?
0e' 9ustomers @ +03/. (a%ti)ating, 8* ? a%ti)ating %apa%ity @ 188 ? A'aiting A%ti)ation @ +03/.
(dispat%hing D testing \ &ra%tion &a%ilities good 5 a%ti)ating, (dispat%hing D testing \ &ra%tion &a%ilities
good* \ target a%ti)ation delay* ? target a%ti)ation delay @ 1 ? dispat%hing @ M+0 (dispat%hing
%apa%ity, -rder 2eMuiring Ser)i%e , 3+M/ S3/#* ? dispat%hing %apa%ity @ "" ? &ra%tion &a%ilities good
@ 8.: ? &ra%tion &a%ilities delay @ 8.7 ? orders @ start orders \ (1 D S3/# (8.1, 18** ? start orders @ 188 ?
-rders in #ro%ess @ +03/. (orders H pro%essing, orders \ target pro%ess delay* ? target pro%ess delay
@ 1 ? -rders 2eMuiring Ser)i%e @ +03/. (pro%essing \ (1 5 &ra%tion &a%ilities ready* D testing \ (1 5
&ra%tion &a%ilities good* 5 dispat%hing, pro%essing \ (1 5 &ra%tion &a%ilities ready* D testing \ (1 5
&ra%tion &a%ilities good** \ target ser)i%e delay* ? target ser)i%e delay @ ? -rders 2eMuiring 3esting @
+03/. (pro%essing \ &ra%tion &a%ilities ready 5 testing, (pro%essing \ &ra%tion &a%ilities ready* \ target
test delay* ? target test delay @ 1 ? pro%essing @ M+0 (-rders in #ro%ess , 3+M/ S3/#, pro%essing
%apa%ity* ? pro%essing %apa%ity @ 188 ? testing @ M+0 (-rders 2eMuiring 3esting , 3+M/ S3/#, testing
%apa%ity* ? testing %apa%ity @ 78 18.2 M/MB1A3 S32+# .2A#; Strip .raph dibuat, untuk
memudahkan kita dalam menganalisa hubungan kausatik diantara beberapa )ariabel model se%ara
gra&is dengan menekan ikon Strip .raph yang terletak di sebelah kiri layar. Seperti pada %ontoh
berikut ditampilkan strip graph model populasi yang dipengaruhi oleh )ariabel births dan deaths, strip
graph model #ersediaan Barang dan ;arga, dan strip graph model =umlah -rder dalam #roses.
.ambar 18.<. Strip .raph Model #opulasi 4ari gambar 18.7 dapat dilihat bah'a populasi memiliki
nilai yang terus bertambah sehingga men%apai jumlah 678 di akhir periode simulasi. .ambar 18.7.
Strip .raph Model #ersediaan Barang dan ;arga 4ari gambar 18.:. dapat dilihat bah'a sto%k barang
memiliki nilai yang tetap yaitu sebesar 2" =uta (2" M*. .ambar 18.:. Strip .raph Model -rder dalam
#roses 4ari gambar 18.6. dapat dilihat bah'a order dalam proses terus meningkat dan men%apai 1888
order di akhir periode simulasi 18. M/MB1A3 91S3-M .2A#; 9ustom .raph dibuat jika
diinginkan untuk menampilkan gra&ik terhadap beberapa )ariabel model sesuai dengan yang
diinginkan. !angkah5langkah pembuatannya a&alah sebagai berikut : ? #ilih .raph, 0e' C akan tampil
kotak dialog berikut : .ambar 18.6. Kotak 4ialog 9ustom .raph ;asil gar&iknya dapat dilihat pa&a
gambar 18.18 .ambar 18.18. .ra&ik kelahiran dan kematian model populasi 4iskusi : 1. Apa saja
yang diperlukan dalam pembuatan model sistem dinamik^ 2. Ambil %ontoh satu sistem, identi&ikasi
)ariabel yang digni&i%ant dalam sistem tersebut. 4ari )ariabel5)ariabel yang ada, kelompokkan dalam
le)el, rate, auAiliary, konstanta. !alu buat diagram simulasinya. #ertanyaan : 1. Sebutkan karakteristik
)ariabel le)el, rate, auAiliary dan konstanta. 2. =elaskan persamaan umum )ariabel le)el. . =elaskan
perbedaan antara konstanta dan parameter. ". Apa yang dimaksud dengan parameterisasi model^
3ugas : !akukan simulasi untuk salah satu sistem berikut dengan menggunakan >entana Simulation.
1. #embangkit !istrik 3enaga Air 2. Manu&a%turing . 3elekomunikasi ". #ertanian, #erkebunan $.
Medis, So%ial (%rime, %orruption*, dan lain5lain Buatlah gra&ik hasil simulasinya (sesuaikan dengan
tujuan pembuatan modelnya*. BAB 11 4Z0AM+9 #2-=/93S 31=1A0 : ? Mengembangkan model
sistem dinamik ? Membuat model dengan menggunakan pendekatan iterati& ? Melakukan simulasi
terhadap model ? Melakukan eksperimen terhadap model ? Menganalisa putput hasil simulasi 11.1.
#2-=/93 1 : #/0Z/!/SA+A0 #/K/2=AA0 (3ASK A99-M#!+S;M/03* 4alam proyek ini
model akan dibangun se%ara gradual, untuk memudahkan pembuatan model. !angkahnya adalah
sebagai berikut : 1. 4imulai dengan 2 le)el : 2. #erlu nama untuk rate. . 3entukan nilai inisialisasi
proje%t. Misal @ 1888 +0+3+A! #2-=/93 4/F+0+3+-0 ". 3entukan nilai 'ork &lo'. Misal @ 188
(#roje%t selesai dalam 18 bulan* $. 3entukan persamaannya ? Eork 2emaining @ +03/. (5'ork &lo',
+0+3+A! #2-=/93 4/F+0+3+-0* ? Eork A%%omplished @ +03/. ('ork &lo', 8* ? +0+3+A!
#2-=/93 4/F+0+3+-0 @ 1888 ? Eork &lo' @ 188 hasil simulasi proje%t 1 dapat dilihat pada gambar
11.1. .ambar 11.1. ;asil simulasi proje%t 1 Analisa hasil simulasi : #roje%t 1 1. Setelah 18 bulan Eork
2emaining @ 8, tapi 'aktu terus berlalu 2. 3idak ada logi% untuk menghentikan proje%t 11.2.
#2-=/93 2 : M/0.;/03+KA0 #/K/2=AA0 (S3-##+0. E-2K* 3erdapat 2 alasan untuk
menghentikan proje%t : 1. Menghentikan simulasi ketika proje%t selesai (Bisa pula ditentukan dari
F+0A! 3+M/* 2. Menghentikan akti)itas saat proje%t selesai 4iagram simulasi Stopping Eork dapat
dilihat pada gambar 11.2 .ambar 11.2 4iagram simulasi Stopping Eork #ersamaan tambahan pada
model ? #roje%t in done @ +F 3;/0 /!S/ (Eork A%%omplish N@ +0+3+A! #2-=/93 4/F+0+3+-0,
1, 8* ? Eork &lo' @ +F 3;/0 /!S/ (proje%t is done, 8, 188* ;asil simulasi #roje%t 2 dapat dilihat
pad&a gambar 11.. Analisa hasil simulasi : #roje%t 2 ? #roje%t selesai pada 'aktunya, sesuai dengan
anggaran (Model ini dapat digunakan untuk so&t'are proje%t manajemen* .ambar 11. ;asil simulasi
proje%t 2 11.. #2-=/93 : /22-2S 4A0 2/E-2K Bebapa penyebab error yang sering terjadi
diantaranya yaitu : 1. Miskomunikasi antar personil 2. Kesalahan teknis Ketika error terjadi, segera
dilakukan perbaikan 4iagram simulasi /rror ] 2e'ork dapat dilihat pada gambar 18." #ersamaan
Model : ? 2e'ork dis%o)ery rate @ undis%o)erd re'ork , 3+M/ 3- 4/3/93 /22-2 ? 3+M/ 3-
4/3/93 /22-2 @ ? 1ndis%o)erd re'ork @ +03/. ('ork &lo' \ E-2K S1A!+3Z H re'ork
dis%o)ery rate, 8* ? Eork A%%omplished @ +03/. ('ork &lo' H re'ork dis%o)ery rate, 8* ? E-2K
S1A!+3Z @ 8.6 ? Eork 2emaining @ +03/. (re'ork dis%o)ery rate5'ork &lo', +0+3+A! #2-=/93
4/F+0+3+-0* .ambar 11.". 4iagram simulasi errpr ] re'ork -utput simulasi proje%t dapat &ilihat
pada gambar 18.$ dan 18.<. .ambar 11.$. -utput Simulasi Eork 2emaining, Eork A%%omplished dan
Eork Flo' .ambar 11.< -utput Simulasi 1ndis%o)ered 2e'ork Analisa hasil simulasi : #roje%t
4ua hal yang perlu diperhatikan : 1. Eaktu penyelesaian pekerjaan lebih lama 2. Setelah " bulan
proje%t berjalan, 1ndis%o)er re'ork menjadi lebih sedikit, dan perlu pengerjaan kembali 11.".
#2-=/93 " : 2/E-2K 4+S9->/2Z 4iagram simulasi re'ork dis%o)ery dapat dilihat pada gambar
11.7 #ersamaan tambahan : ? Fra%tion %omplete @ Eork A%%omplished , +0+3+A! #2-=/93
4/F+0+3+-0 ? #roje%t is done @ +F 3;/0 /!S/ (&ra%tion %omplete N@ 1, 1,8* ? 3+M/ 3- 4/3/93
/22-2 @ time to dete%t error lookup (&ra%tion %omplete* ? 3ime to dete%t error lookup (O(8,8*5
(18,18*P,(8,$*,(8,$,*,(1,8.$** .ambar 11.7 4iagram Simulasi 2e'ork 4is%o)ery -utput simulasi
proje%t " dapat dilihat pada gambar 18.: dan 18.6 .ambar 11.: -uput Simulasi #roje%t " H re'ork
dis%o)ery rate .ambar 11.6 -uput Simulasi #roje%t " H re'ork dis%o)ery rate Analisa hasil simulasi :
#roje%t " 1. 4engan menggunakan &ungsi look5up pada time to dete%t error, maka re'ork dis%o)ery
rate proje%t " akan lebih tinggi nilainya dibandingkan dengan proje%t . 2. Eork 2emaining menjadi
lebih ke%il pada proje%t ". 11.$. #2-=/93 $ : S9;/41!/ 4iagram simulasi proje%t $ dapat dilihat
pada gambar 11.18. #ersamaan model ? 2eMuired 'ork &lo' @ M+0 (MAF E-2K F!-E, F+4W
(Eork 2emaining, S%hedule time remaining, MAF E-2K F!-E** ? S%hedule time remaining @
MAF (8, S9;/41!/ 9-M#!/3+-0 4A3/ H 3ime* ? MAF E-2K F!-E @ $88 ? Eork &lo' @
+F 3;/0 /!S/ (proje%t is done, 8, reMuired 'ork &lo'* .ambar 11.18 4iagram simulasi proje%t $
-utput simulasi proje%t $ dapat dilihat pada gambar 11.11. .ambar 11.11 -utput simulasi proje%t $
Analisa hasil simulasi : #roje%t $ 1. #roje%t selesai pada 'aktunya 2. Eork &lo' pada saat bulan ke518
@ 8 karena sudag selesai 4iskusi : 1. Menurut pendapat anda, keuntungan apa saja yang didapat
dengan membangun model se%ara gradual^ 2. Sebutkan pula kerugian membangun model se%ara
gradual. . Bagaimana sebaiknya membangun model supaya ter%ipta model yang representati&^ ".
Sebutkan langkah yang perlu dilakukan sebelum melakukan eksperimen terhadap model^ #ertanyaan :
1. Sebutkan beberapa %ontoh proje%t yang memiliki karakteristik yang sangat dinamis 2. jelaskan
&ungsi eksperimen simulasi terhadap model . Apa yang dimaksud dengan konseptualisasi model^
BAB 12 A0A!+SA -13#13 S+S3/M S+M1!AS+ 31=1A0 : ? Menjelaskan karakteristik short term
beha)iour ? Menjelaskan karakteristik steady state beha)iour ? Menanalisa output terminating
simulation ? Menganalisa output non terminating simulation ? Menjelaskan prinsip kerja metode bat%h
mean ? Membandingkan beberapa kebijakan dengan +ndependent Sampling ] 9orrelated Sampling
12.1 #/2+!AK1 S+S3/M 4+0AM+S 4A!AM S+S3/M S+M1!AS+ 3erdapat dua perilaku output
dalam sistem dinamis, yaitu short term beha)iour (terminating sistem* dan steady state beha)iour
(non5terminating sistem*. 1. Short 3erm Beha)iour (3erminating Sistem* : Eaktunya dapat ditentukan
dengan pasti (ada start dan stop* 9ontoh : Simulasi terhadap ser)i%e,&asilitas yang start dan stopnya
bisa ditentukan se%ara pasti (bank : buka jam :51<*. 2. Steady State Beha)iour (0onterminating
Sistem* 4ijalankan se%ara kontinyu selama periode 'aktu yang sangat panjang. 9ontoh : A3M di
airport yang selalu penuh dengan %ustomer. 1ntuk aplikasi praktis, sistem dapat dipertimbangkan
mendekati steady state yang akan di%apai setelah periode transient. Earm5up periode digunakan untuk
menghilangkan bias. 12.2 A0A!+SA -13#13 #A4A 3/2M+0A3+0. S+M1!A3+-0 Misal dari
hasil simulasi 'aiting line didapat data berikut : 0umber in Sueue Eaiting 3ime #er%ent +ndle 3ime
Mean 1.86": 8.87$2 2.1" Standard 4e)iasi 1.17"$ 8.87"8 1:.26 Standard /rror 8.871 8.882 8.$:
Analisa -utput #ada 3erminating Simulation ? 4engan inter)al keper%ayaan 6$L ? Standard /rror @
8.871 ? B( , 2* @ B (1 5 , 2* @ B (1 H 8.8$,2* @ B(8.67$* @ 1.6< ? Mean number in Mueue @ A X
B( ,2* \ standard error @ 1.86": X 1.6< (8.871* @ 1.822 atau 1.1<: +nitial 9ondition : " 9ustomer di
Sistem 0umber in Mueue #er%ent +dle 3ime Mean 2.22 2"L Standard 4e)iation 1.67< 11L Standard
/rror 8.8<2 8."L =ika eApe%te )alue !M (0umber in Mueue* @ 2.2$ dan L idle time @ 2$L maka
simulasi dengan nilai %ondition lebih mendekati kondisi yang diharapkan (Mean Arri)al 2ate @ 1$
mobil,jam dan Mean Ser)is 2ate @ 28 mobil,jam*. #erhitungan !M dan +dle 3ime ? A)erage number in
Mueue @ !M @ !M @ (1$*2,28(2851$* @ 22$ , 188 @ 2.2$ ? #robabilitas ser)er idle #8 @ #8 @ 1 H (1$,28*
@ 8.2$ 9ontoh simulasi dengan initial number in sistem @ 2 /)ent 3ype 9lo%k 3ime Sistem Status 0o.
+n Sistem 0o. +n Sueue Ser)er Status +dle 3ime 0eAt Arri)al 0eAt 4eparture 1 +nit 8.88 -pen 2 1
Busy 8 8.8": 8.81: 2 4epart 8.81: -pen 1 8 Busy 8 8.8": 8.82< 4epart 8.82< -pen 8 8 +dle 8
8.8": 5 " Arri)al 8.8": -pen 1 8 Busy 8.822 8.871 8.8:7 12. M/3-4/ BA39; M/A0 Metode ini
merupakan satu pendekatan untuk mendapatkan replikasi data long run simulation. #rinsip kerja
metode Bat%h Mean : 1. Simulasi di run %ukup lama untuk menghilangkan e&ek transient dan
menyediakan data yang %ukup representati& untuk steady state. 2. Membagi sisa 'aktu menjadi sub
inter)al 'aktu yang dihubungkan dengan bat%h data. . Menghitung per&orman%e rata5rata tiap bat%h,
dan menggunakan teknik klasik untuk mengembangkan estimasi, menggunakan bat%h mean sebagai
replikasi independen. 9ontoh ilustrasi bat%h mean, terhadap 1888 %ustomer kasus pen%u%ian mobil.
Misal dilakukan perhitungan terhadap $88 %ustomer yang terakhir dengan bat%h @ 188, didapat hasil
berikut : Bat%h A)erage Eaiting 3ime 1 8.8$12 2 8.2$< 8.1767 " 8.28:8 $ 8.8:66 Mean 8.1$<$
Standard 4e)iasi 8.8:6 Standard /rror 8.87$ 4engan inter)al keper%ayaan 6$L, maka nilai a)erage
'ait time adalah : ? F X tb,2 \ s,cn @ 8.1$<$ X t8.82$," \ 8.87$ 8.1$<$ X (2.77<* \ 8.87$ @ 8.2<
atau 8.8$2" =ika nilai mean @ 8.1$, berarti bah'a dengan sample yang ke%il akan didapat sampling
error yang signi&i%ant ($88 %ustomer tidak %ukup representati& untuk steady state simulation* Metode
bat%h ini dapat menimbulkan beberapa autokorelasi. /&ek autokorelasi dapat dikurangi dengan
menghilangkan bat%h5bat%h yang lain, 'alaupun dengan %ara ini mengurangi jumlah obser)asi
independent dan dapat menurunkan inter)al keper%ayaan. Menjalankan simulasi beberapa kali akan
mendapatkan hasil yang lebih baik. 12." M/MBA04+0.KA0 B/B/2A#A K/B+=AKA0 4A0
S+S3/M Membandingkan order Muantity dan reorder point yang berbeda pada model in)entory. Misal
kita membandingkan untuk order Muantity 78 dan :8. Metode yang digunakan diantaranya yaitu : 1.
+ndependent Sampling 2. 9orrelated Sampling +ndependent Sampling : berisi pengulangan simulasi
untuk tiap order Muantity. 9ontoh : #ada kasus perusahaan %oklat -rder Suantity #ro&it Mean Standard
4e)iasi 78 2"7.78 <:.$72 :8 2$6.28 6<.8<1 4engan jumlah trial @ 188 kali =ika digunakan inter)al
keper%ayaan 68L, dan sample siBe %ukup besar, maka di&&eren%e mean adalah sbb : F1 D F2 X B (b ,
2* c ((S12* , n1 D (S22* , n2* 4imana F1 @ pro&it mean untuk order Muantity :8 F2 @ pro&it mean
untuk order Muantity 78 B(b , 2* @ B (1 H b,2* @ B (1 H 8.1,2* @ B (8.6$* @ 1.<"$ sehingga didapat :
2$6.28 D 2"7.78 X 1.<"$ c((6<.8<1*2 , 188 D (<:.$72*2 , 188* @ (57.61$, 8.61$* Karena nol termasuk
dalam inter)al keper%ayaan, maka hipotesa mean5nya sama. Sehingga tidak ada perbedaan
signi&i%ant order 78 kotak dan :8 kotak. 1kuran inter)al keper%ayaan dapat dikurangi dengan
mengambil sampel yang lebih besar atau menggunakan korelasi sampling. 9orrelated Sampling :
menggunakan korelasi antar obser)asi !angkah : 1. ;itung di&&eren%e antara 2 sistem (4* 2. ;itung
mean dari di&&eren%e (4* . ;itung standard de)iasi ". ;itung inter)al keper%ayaan dengan
menggunakan rumus berikut : +nter)al keper%ayaan @ 4 X B (b , 2* \ Sd , cn 3rial 4emand S @ 78
#ro&it ([* S @ :8 #ro&it ([* 4i&&eren%e (4* 1 68 1$ <8 ("$* 2 <8 2$$ 2"8 1$ <8 2$$ 2"8 1$ " "8
1$ 128 1$ $ "8 1$ 128 1$ ... ... 188 Misal dari hasil simulasi didapat data berikut : 4 @ < C Sd @
2:.7< C 9! @ 68L B (a,2* @ 1 H (8.1,2* @ 1 H 8.8$ @ 8.6$ B @ 1.<"$ +nter)al keper%ayaan @ 4 X
B(d,2* \ Sd,ee n @ < X 1.<"$ \ 2:.7<,ee 188 @ O518.7, 51.27P Karena dalam inter)al tidak mele'ati nol,
berarti ada perbedaan signi&i%ant diantara kedua alternati&. 4iskusi : 1. =elaskan apa yang dimaksud
transient state^ 2. Mengapa transient state penting dalam menganalisa output hasil simulasi^ .
=elaskan apa yang dimaksud steady state^ ". =elaskan &ungsi 'arm5up periode pada output model
simulasi #ertanyaan : 1. Berapa lama proses 2unning Simulasi supaya menghasilkan output yang
%ukup representati&^ 2. =elaskan metode bat%h means. Apa saja keuntungan yang didapat dari metode
ini^ 31.AS : Suatu perusahaan memiliki 2 mesin yaitu mesin 1 dan mesin 2. 4ari mesin5mesin ini
dapat dihasilkan kun%i yang dijual dengan harga [1,unit. Mesin + berharga [1888 dan unit %ost kun%i @
[8.$. Mesin ++ berharga [28$8 dan unit %ost kun%i @ [8.. =ika diasumsikan demand berdistribusi
uni&orm antara 888 dan 7888 dan simulasi di run sebesar 188A, maka : a. 3entukan sistem (mesin*
yang menghasilkan pro&it terbaik b. =ika digunakan 68L tingkat keper%ayaan, apakah ada perbedaan
pro&it signi&i%ant antara mesin 1 dan mesin 2 %. Berdasarkan %orrelated sampling, apakah ada
perbedaan pro&it signi&i%ant antara mesin 1 dan mesin 2. BAB 1 -#3+MAS+ 4A!AM S+M1!AS+
31=1A0 : ? Mende&inisikan &ungsi payo&& ? Menspesi&ikasi parameter5parameter optimasi ?
Menentukan pilihan5pilihan optimasi ? menginterpretasikan dan menggunakan output optimasi 1.1
-#3+MAS+ -ptimasi merupakan proses untuk meningkatkan per&ormansi model. =enis5jenis
per&ormansi ditentukan oleh 2 hal yaitu : kemampuan model untuk membentuk e)ebt yang sama
dengan sistem nyatanya serta kemampuan model untuk men%apai tujuan pembuatannya. =enis5jenis
-ptimasi : 1. /stimasi parameter berupa perkiraan terhadap nilai parameter 2. optimasi kebijakan
berupa pemilihan beberapa kebijakan untuk memaksimalkan beberapa aspek per&ormansi A0A!+SA
-13#13 #A4A 3/2M+0A3+0. S+M1!A3+-0 #ayo&& merupakan proses membandingkan
)ariabel5)ariabel model dengan data aktual. =/0+S5=/0+S #AZ-FF #ayo&& Kalibrasi ? Berisi )ariabel5
)ariabel yang dibandingkan dengan nilai bobotnya ? 0ilai bobot (/1* dihitung dengan menggunakan
rumus berikut : 4imana : S @ nilai rata5rata hasil simulasi A @ nilai rata5rata data aktual 9ontoh : pada
model market.)m& #ersamaan model market.)m& adalah sebagai berikut : ? A%%urued re)enue @ unit
sales \ #2+9/ ? Ad) budget @ F2A9 B14./3 A4> \ %ash re)enue ? Ad) Budget /&&e%ti)e @
+03/. ((ad) budget5Ad) Budget /&&e%ti)e* , A4> +M#A93 4/!AZ @ 12 ? 9ash re)enue @
2e%ei)ables , 3+M/ 3- 9!/A2 2/9/+>AB!/S ? 9um 2etained 9ash @ +03/. (retained %ash &lo',
8* ? 4/M-S #/2 #/2S-0 M-03; @ 12 ? e&& o& lead a)ail on demos @ 3AB!/ F-2 /FF -F
!/A4S (#otential -rders , +nt 4ir Salespeople* ? e&&e%t o& ad)ertising @ 3AB!/ F-2 /FF/93 -F
A4> (Ad). Budget /&&e%ti)e , #rodu%ts* ? 412A3+-0 -F 0/.-3+A3+-0 @ 1 ? /F3 SA!/S 2/#
F// @ "88 ? eAternal sales reps @ %ash re)enue \ F2A9 B14./3 /F3 SA!/S 2/#S , /F3 SA!/S
2/# F// ? F2A9 B14./3 A4> @ +0+3+A! (#/29/03 B14./3 A4> , 188* ? F2A9 B14./3
/F3 SA!/S 2/#S @ +0+3+A! (#/29/03 B14./3 /F3 SA!/S 2/#S , 188* ? F2A9 B14./3
+03 4+2 SA!/S @ +0+3+A! (#/29/03 B14./3 +03 4+2 SA!/S , 188* ? F2A9 B14./3 MF.
@ 8."7 ? F2A9 014./3 2 A04 4 @ 8.1$ ? &ra% %ash retained @ (15F2A9 B14./3 MF.5F2A9
B14./3 2 A04 4* ? F2A9 B14./3 A4>5F2A9 B14./3 /F3 SA!/S 2/#S F2A9 B14./3
+03 4+2 SA!/S* ? &rastion %usts buying @ 3AB!/ F-2 F2A9 B1Z+0. (#ot -rders +n
0egotiation , #otential -rders* ? +03 4+2 SA!/S 9-S3 @ 2"88 ? +nt 4ir Salespeople @ +03/.
((target int dir sales5+nt 4ir Salespeople* , 3;+4S, target int dir sales* ? !+F/3+M/ -F MA+!+0.
!+S3 @ <8 ? 0-2MA! !/A4 ./0 /FF+9 @ 7 ? 0-2MA! S;A2/ -F SA!/S @ 8.: ? #/29/03
B14./3 A4> @ " ? #/29/03 B14./3 +03 4+2
SA!/S @ < ? pot order %reation @ 0-2MA! !/A4 ./0 /FF+9 \ #rodu%ts \ e&&e%t o& ad)ertising ?
#ot -rders +n 0egotiatin @+03/.(pot ords mo) to negot 5 unit sales 5 pot orders lost to %omp @ #ot
-rders +n 0egotiation \ &ra%tion %usts buying* , 412A3+-0 -F 0/.-3+A3+-0 ? pot orders not
buying @ #ot -rders +n 0egotiation (1 5 &ra%tion ords mo) to negot @ ? +nt 4ir Salespeople ? 4/M-S
#/2 #/2S-0 M-03; ? e&& o& lead a)ail on demos ? sales rep e&&e%t multpot ords obs rate @
#otential -rders , !+F/3+M/ -F MA+!+0. !+S3 ? #otential -rders @ +03/. (pot order %reation 5
pot ords obs rate pot ords mo) to negot D pot orders not buying D unit sales, #-3/03+A! -24/2S
+* ? #-3/03+A! -24/2S + @ 2"88 ? #2+9/ @ 7888 ? prod de) budget @ %ash re)enue F2A9
B14./3 2 A04 4 ? #2-4 4/> /FF+9+/09Z @ e588$ ? #2-4 -BS 3+M/ @ <8 ? #rod
obsoles%en%e rate @ #rodu%ts , #2-4 -BS 3+M/ ? #rodu%ts @ +03/. (#rod .en 2ate5prod
obsoles%en%e rate, 18* ? 2e%ei)ables @ +03/. (a%%rued re)enue 5 %ash re)enue, a%%rued re)enue
3+M/ 3- 9!/A2 2/9/+>AB!/S* ? 2etained %ash &lo' @ %ash re)enue 5 &ra% %ash retained f ? sales
rep e&&e%t mult @ 3AB!/ F-2 SA!/S 2/# /FF/93 (eAternal sales reps , #otential -rders* ? 3AB!/
F-2 /FF -F !/A4S (8, 188, 288, 88, "88, $88, 8, 8.2, 8.<, 8.:, 8.6, 1* ? 3AB!/ F-2 /FF/93
-F A4> (8, "8, :8, 128, 1<8, 288, 2"8, 2:8, 28, <8, "88, 8.81, 8.2, 8.$, 8.7, 8.:, 1, 1.8, 1.8<, 1.8:,
1.86, 1.1* ? 3AB!/ F-2 F2A9 B1Z+0. (8, 8.88$, 8.81, 8.81$, 8.82, 8.82$, 8.8, 1, 8.7$, 8.$$, 8.",
8.:, 8.$, 8."* ? 3AB!/ F-2 SA!/S 2/# /FF/93 (8.8817, 8.8827, 8.887, 8.88"7, 8.88$7,
8.88<7, 8.8877, 8.88:7, 8.8867, 8.8187, 8.8187, 8.", 8.$$, 8.7, 8.:$, 1, 1.1, 1.2, 1., 1.", 1."* ? target
int dir sales @ %ash re)enue F2A9 B14./3 +03 4-2 SA!/S , +03 4+2 SA!/S 9-S3 ? 3;+4S @
18 ? 3+M/ 3- 9!/A2 2/9/+>AB!/S @ < ? unit sales @ #ot -rders +n 0egotiation \ 0-2MA!
S;A2/ -F SA!/S \ &ra%tion %usts buying , 412A3+-0 -F 0/.-3+A3+-0 >ariabel yagn akan di
)alidasi : 1. 9ashQre)enue 2. Fra%tionQ%ustQbuying Format &ile payo&& kalibrasinya adalah sebagai
berikut : #enentuan parameter adjustment untuk mengoptimalkan per&ormansi model : ? 1ntuk model
market.)m& diperlukan 2 parameter adjustment yaitu produkti)itas tenaga sales
(4/M-SQ#/2Q#/2S-0QM-03;* dan &raksi jumlah %ustomer yang akan membeli produk jika
produknya tersedia (0-2MA!QS;A2/Q-FQSA!/S* 5 0-2MA!QS;A2/Q-FQSA!/S @ 8.: 5
4/M-SQ#/2Q#/2S-0QM-03; @ 12 ? #enentuan parameter disesuaikan dengan tujuan pembuatan
model, misal untuk memaksimalkan pendapatan (re)enue* atau e&ekti)itas marketing ? 0ilai parameter
payo&& kebijakan ditentukan berdasarkan pengetahuan tentang struktur model, dan pemahaman tentang
statistik ? File disimpan dalam ekstensi.prm #enggunaan 4ata 1ntuk Kalibrasi 1. 4ata ditulis dalam
ekstensi .dat ? %ashQre)enue 1. 6<2<1.2:68< 2. :<<<8.$1$<2$ . :6:$6.2$8888 ". 68$<.:281 ?
&ra%tionQ%ustsQbuying 1. 8."<2$$ 2. 8."""6$ . 8."<88<7 ". 8."<8"<6 2. 4ata dikon)ersi melalui
dat2)d&, sehingga &ile menjadi berekstensi .)d& dan akan keluar tampilan sebagai berikut. 9ontoh : 5
Eriting <1 )alues &or %ash re)enue 5 Eriting <8 )alues &or &rdtion %usts buying 5 Eriting <1 )alues &or
time base 3ime 5 !oading market.)d& as MA2K/3. -rigin is market.dat %on)erted to dataset on Sun
Apr 17 16:"1:28 288$ 1.2. Simulation 9ontrol 4ialog kalibrasi Kontrol dialog yang harus diisi untuk
kalibrasi adalah sebagai berikut : .ambar 1.1. Simulation 9ontrol 4ialog kalibrasi -utput ;asil
Simulasi +nitial point o& sear%h. 0-2MA! S;A2/ -F SA!/S @ 8.: 4/M-S #/2 #/2S-0
M-03; @ 12 Simulations @ 1 #ass @ 8 #ayo&& @ 56.61":2 MaAimum payo&& &ound at : \0-2MA!
S;A2/ -F SA!/S @ 8.::"877 \4/M-S #/2 #/2S-0 M-03; @ 1".":$1 Simulations @ 1"<
#ass @ #ayo&& @ 58.812877 .ra&ik output simulasi di atas dapat dilihat pada gambar 1.1 .ambar
1.2 .ra&ik output hasil simulasi untuk )ariabel %ash re)enue #ayo&& Kebijakan (#oli%y* 4igunakan
untuk menilai per&ormansi sistem !angkah : 1. 4e&inisikan File #ayo&& 4alam %ontoh ini dimisalkan
nama &ilenya adalah mktQppay.prm Format penulisannya adalah sebagai berikut : \#oli%y
2etainedQ%ash , 1 4e&inisikan File -ptimasi 4alam %ontoh ini dimisalkan nama &ilenya adalah
mktQp.prm Format penulisannya adalah sebagai berikut : 8 U@
#/29/03QB14./3Q+03Q4+2QSA!/S @ < U@ $8 4e&inisikan File 9hanges 4alam %ontoh ini
dimisalkan nama &ilenya adalah mktQ%al.%in 0-2MA! S;A2/ -F SA!/S @ 8.::"1" 4/M-S #/2
#/2S-0 M-03; @ 1".":<: 1.. Simulation 9ontrol 4ialog5#oli%y Kontrol dialog yang harus diisi
untuk poli%y adalah sebagai berikut : .ambar 1.. Simulation 9ontrol 4ialog5 #oli%y -utput ;asil
-ptimasi 2eading %hanges &rom &ile mktQ%al.%in. +nitial point o& sear%h. #/29/03 B14./3 +03
4+2 SA!/S @ < Simulation @ 1 #ass @ #ayo&& @ 1.<28<eD88< MaAimum payo&& &ound at :
\#/29/03 B14./3 +03 4+2 SA!/S @ 12.1:$ Simulations @ 1< #ass @ #ayo&& @ .:71eD88<
.ra&ik output hasil simulasi di atas dapat dilihat pada gambar 1.2 dan 1. .ambar 1." .ra&ik
output hasil simulasi untuk )ariabel a%%rued re)enue .ambar 1.$ .ra&ik output hasil simulasi untuk
)ariabel retained %ash &lo' +nterpretasi Model 4ari kedua jenis payo&& (kalibrasi dan poli%y* ternyata
payo&& poli%y dapat memberikan nilai yang lebih optimal. 4iskusi : 1. Bagaimana %ara melakukan
optimasi terhadap model simulasi ^ 2. !angkah apa saja yang diperlukan untuk optimasi tersebut ^ .
Kapan dapat dilakukan payo&& kalibrasi dan kapan dapat dilakukan pay o&& poli%y ^ ". bagaimana %ara
menentukan )ariabel payo&& ^ $. Bagaimana %ara menentukan nilai parameter payo&& ^ #ertanyaan : 1.
Apa yang dimaksud dengan payo&& ^ 2. Sebutkan jenis5jenis payo&& yang anda ketahui dan sebutkan
pula &ungsi dari tiap jenis payo&& tersebut. . Mengapa perlu dilakukan payo&& terhadap model ^ ".
Bagaimana %ara penentuan bobot pada &ile payo&& ^ 3ugas : 1. !akukan simulasi untuk salah satu
sistem berikut dengan menggunakan >ensim. 2. Buat gra&iknya hasil simulasinya dan berilah
interpretasi dari hasil simulasi yang didapat. Sebagai model dapat diperbuat dari berbagai sistem
seperti : ? #embangkit !istrik 3enaga Air ? Manu&a%turing ? 3elekomunikasi ? #ertanian, #erkebunan ?
Medis, Sosial (%rime, %orruption*, dan lain5lain. BAB 1" KA!MA0 F+!3/2+0. 31=1A0 : ?
Menjelaskan bagaimana menentukan nilai )ariansi noise ? Menjelaskan mekanisme Kalman Filtering ?
Memberikan %ontoh Kalman Filtering ? Menggabungkan Kalman Filtering dan optimasi model 1".1
3/K0+K KA!MA0 F+!3/2+0. 4alam sistem dinamik adakalanya terdapat beberapa )ariabel yang
tidak teramati tetapi diinginkan. -leh karena itu jika terdapat beberapa nilai )ariabel yang diketahui,
maka dapat dibuat estimasi beberapa nilai )ariabel yang lain. #roses inilah yang disebut dengan
Kalman Filtering. 1ntuk menggunakan &ilter ini diperlukan &ile payo&& dan %ontrol &ilter. 42+>+0.
0-+S/ 4ri)ing 0oise merupakan noise dapat mempengaruhi le)el. Spesi&ikasi noise menggunakan
&ormat berikut : ? !e)Q1,8.",1888 artinya : noise mempengaruhi le)el 1 memiliki )arian 8." dan
inisial )ariansi @ 1888. nilai )ariansi merupakan pengukuran ketidakpastian inisial state yang dihitung
dari model. 9ontoh : Model +n)entory 4ua pengukuran yang terdapat di dalam sistem yaitu )ariabel
meas 'ork&or%e dan meas in)entory. >ariabel sales merupakan )ariabel eksogen. 0oise yang
memasuki sistem melalui net hire noise dan produ%ti)ity noise. .ambar 1".1 4iagram Model
+n)entory .ra&ik #enjualan (Sales* .ambar 1".2 .ra&ik #enjualan 1".2 K-032-! S+M1!AS+
(S+M1!A3+-0 9-032-!* 0ilai5nilai yang akan digunakan dalam Kalman Filtering diperoleh dari
data hasil simulasi. 4alam proses simulasi memerlukan &ile %hange )ariabel, yang dalam %ontoh ini
diberi nama '&in)Qn.%in. Format penulisannya adalah sebagai berikut : ? File '&in)Qn.%in in)entory
measQnoise @ 8." 'ork&or%e meas noise @ .82$ produ%ti)ityQnoise @ .28 net hire noise @ " .ambar
1". Kontrol dialog &ile %hange )ariabel Mekanisme Kalman Filtering 1. Mengkombinasi data dan
model dalam membuat pengukuran se%ara tidak langsung pada )ariabel model. 2. Menggunakan
model untuk men%iptakan data >ariansi 0oise ? 4engan menggunakan &ungsi randomQ8Q1 (bilangan
random antara 8 dan 1*, didapat bilangan random dengan mean 8.$ dan )ariasi 8.8:. ? Meas
in)entory @ in)entory \ (1D(random 8 1(*58.$*\in)entory meas noise* ? Meas 'ork&or%e @ 'ork&or%e
\ (1D(random 8 1(*58.$*\'ork&or%e meas noise* Formula >ariansi g2 @ (Ai 5 h*2 , (n H 1* 4imana : g2
@ )ariansi n @ jumlah obser)asi Ai @ hasil output Konstanta Kontrol Filter 1. Meas 'ork&or%e )arian%e
@ 8.$ ? 3he )arian%e in measurement 8.8:\(.82$\188*i2 @ 8.$ 0ilai 188 diperoleh dari output
hasil simulasi untuk meas 'ork&or%e pada saat t @ 8 Eork&or%e meas noise @ .82$ 2. Meas
in)entory )arian%e @ 1288 ? 3he )arian%e in measurement 8.8:\(8."\88*i2 @ 1288 0ilai 88
diperoleh dari output hasil simulasi untuk meas in)entory pada saat t @ 8 +n)entory measQnoise @
8." . +n)entory dri)e )arian%e @ ? 3he )arian%e in dri)ing noise (produ%tion rate* @
8.8:\(.2\1\188*i2 0ilai 188 diperoleh dari output hasil simulasi untuk )ariabel le)el 'ork&or%e
(mendri)e rate untuk in)entory* pada saat t @ 8. 0ilai 8.2 diperoleh dari konstanta
#2-4193+>+3Z 0-+S/ 0ilai 1 diperoleh dari konstanta 0-2M #2-4193+>+3Z ". Eork&or%e
dri)e )arian%e @ 1. ? 3he )arian%e in dri)ing 'ork&or%e noise 8.8:\("*i2 @ 1. 0ilai " diperoleh
dari konstanta 0/3 ;+2/ 0-+S/ 3erdapat 2 alternati& yang dapat dipakai untuk &ilter : 1. 4engan
menggunakan 2 )ariabel yaitu : M/ASQE-2KF-29/ dan M/ASQ+0>/03-2Z 2. 4engan hanya
menggunakan 1 )ariabel yaitu M/ASQE-2KF-29/. Kontrol simulasi pada kalman &iltering untuk
alternati& 1 File payo&& '&in)Qp.prm \ 9alibration M/ASQE-2KF-29/ ,
M/ASQE-2KF-29/Q>A2+A09/ M/ASQ+0>/03-2Z , M/ASQ+0>/03-2ZQ>A2+A09/
.ambar 1"." 4ialog Kontrol untuk Kalman Filtering ;asil simulasi >ariabel +n)entory .ambar 1".$
.ra&ik hasil simulasi )ariabel in)entory dengan alternati& Kontrol simulasi untuk alternati& 2 : Misal
tidak memiliki pengukuran pada )ariabel in)entory File payo&& '&in)Qp2.prm \ 9alibration
M/ASQE-2KF-29/ , M/ASQE-2KF-29/Q>A2+A09/ .ambar 1".< .ra&ik hasil simulasi
)ariabel in)entory dengan alternati& Analisa 3erhadap Kedua Filter 4ari kedua simulasi, ternyata
'alaupun hanya dilakukan &ilter terhadap )ariabel M/AS E-2KF-29/ diperoleh hasil yang sama
seperti terlihat pada gambar 1".$ dan 1".<. Mengkombinasikan Filter dan -ptimasi 1ntuk
mengoptimalkan model dapat digunakan &ile optimasi (-pt. File* yang dalam %ontoh ini adalah &ile
'&in)Qo.prm. &ormat penulisannya dilakukan dengan menggunakan &ungsi sensiti)itas @ payo&&Q)alue
untuk mengoptimalkan hasil output. 9ontoh : :S/0S+3+>+3Z @ payo&&Q)alue 1 U@
timeQ%orre%tQin)entory @ 28 U@ $8 1 U@ timeQadjustQ'ork&or%e @ 28 U@ $8 Kontrol dialog untuk
mengkombinasikan &ilter dan opt+masi adalah sebagai berikut : .ambar 1".7. Kontrol dialog ;asil
report dari running terhadap simulasi : +nitial point o& sear%h 3+M/ 9-22/93 +0>/03-2Z @ 28
3+M/ A4=1S3 E-2KF-29/ @ 28 Simulations @ 1 #ass @ #ayo&& @ 518:.186 MaAimum payo&&
&ound at : 3+M/ 9-22/93 +0>/03-2Z @ 7.6"1" \3+M/ A4=1S3 E-2KF-29/ @ :.628<
Simulations @ 1$< #ass @ #ayo&& @ 518$.762 4iskusi : 1. Bagaimana menentukan nilai )ariansi
terhadap )ariabel le)el yang di dri)e oleh noise^ 2. =elaskan &ungsi sensiti)itas pada model . =elaskan
mekanisme kombinasi Kalman Filtering dan optimasi model #ertanyaan : 1. =elaskan bagaiman
mekanisme Kalman Filtering` 2. 4apatkah dilakukan optimasi terhadap )ariabel yang sudah di&ilter^
. =ika dapat dilaukan (soal no. 2*, jelaskan bagaimana mekanismenya^ ". Apa yang dimaksud dengan
parameter sensiti)itas^ 3ugas : 4ari tugas pada Bab 11 (lakukan simulasi untuk salah satu sistem
berikut denga menggunakan >entana Simulation : #embangkit !istrik 3enaga Air, Manu&a%turing,
3elekomunikasi, #ertanian, #erkebunan, Medis, So%ial, (%rime, %orruption, dll*. 1. 3ambahkan )ariabel
noise pada salah satu rate )ariabel le)el (bisa langsung maupun tak langsung* 2. !akukan simulasi
dengan menggunakan %ontrol %hange (simulation %ontrol* terhadap )ariabel noise* . .unakan
Kalman Filtering untuk mem&ilter )ariabel le)el yang dipengaruhi noise ". Buat &ile optimasinya
untuk memaksimalkan )ariabel yang sudah di&ilter. BAB 1$ S+M1!AS+ A2/0A 31=1A0 : ?
Menjelaskan konsep dasar bahasa simulasi konsep Arena ? Menjelaskan modul5modul yang terdapat
dalam Arena ? Melakukan simulasi model dengan Arena ? Membuat perhitungan statistik terhadap
)ariabel model ? Menganalisa output hasil simulasi 1$.1 A2/0A Arena merupakan paket simulasi
general purpose, yang memiliki kemampuan memodelkan sistem manu&aktur dan no manu&aktur.
Sistem manu&aktur : Flo' lones, assembly lines, job shop, %on)eyors. Sistem non manu&aktur : ;ealth
%are, maintenan%e sistem, %omputer net'ork, logisti% sistem. Arena mendeskripsikan model dalam
blok5blok module yang dibentuk dengan bahasa S+MA0 yang terdiri dari 2 obje%t yaitu blo%k dan
elemen. Blo%k terdiri dari S/+W/ blo%k, 2/!/AS/ blo%k. Sedangkan elemen terdiri dari dua
komponen yaitu 2/S-129/S, S1/1/S. Fasilitas5&asilitas Arena : 1. .raphi%al 1ser +nter&a%e yang
dibentuk dengan bahasa S+MA0 2. Modul5modul . Statistik ". Animasi simulasi $. -utput report
9ontoh : Sebuah sistem 'ork station yang sederhana. Misal terdapat 'ork station tunggal dari sebuah
mesin. =ob datang se%ara random dan menunggu di bu&&er selama mesin sibuk (busy*. =ika job datang
berdestribusi eksponensial dengan mean 8 menit dan job pro%essing time berdistribusi eksponensial
dengan mean 2" menit. .ambaran sistemnya dapat dilihat pada gambar 1$.1. .ambar 1$.1 Eork
station tunggal 1$.2 M-41! 92/A3/ 3ransaksi (entitas Arena* dibentuk dengan menggunakan
modul %reate dari Basi% #ro%ess. Kontrol dialog pada modul %reate dapat dilihat pada gambar 1$.2.
.ambar 1$.2 Kontrol dialog pada modul %reate 1$. M-41! #2-9/SS 4alam a%tion &ield option
dipilih SeiBe 4elay 2elease untuk resoue%es (mesin*. =ika kapasitas resour%e busy, entitas harus
menunggu sampai resour%e idle. S/+W/ blo%k ber&ungsi sebagai gate antara entitas dan resour%e,
kontrol dialog untuk modul pro%ess dapat dilihat pada gambar 1$.. .ambar 1$. Kontrol dialog pada
modul pro%ess 1$." M/0=A!A0KA0 S+M1!AS+ Simulasi dijalankan dengan jumlah replikasi @ 1,
dan panjang replikasi dilakukan selama <88888 menit. 4ari hasil simulasi terhadap )ariabel 2esour%es
didapat data berikut : 1sage 0um Busy 0um S%hedule 1tiliBation 0um SeiBe S%hedule 1tiliBation
Ma%hine 8.:1 1 8.:1 28,88$ 8.:1 Sedangkan hasil simulasi terhadap )ariabel Sueues didapat output
seperti berikut : 3ime Eaiting 3ime 187.86 0umber Eaiting .$7 Analisa hasil simulasi : 1. 4ari hasil
simulasi didapat utilitas mesin @ 8.:1 =ika dibandingkan dengan perhitunganmanual : p @ j,h i. j @
1,8 arri)al rate ii. h @ 1,2" pro%essing rate iii. p @ 1,8 @ 2",8 @ 8.: i). 1,2" 2. =adi antara
hasil simulasi dan perhitungan manual untuk utilitas mesin didapat hasil yang sama yaitu 8.: 1$.$
-B=/K #/0Z+M#A0A0 4A3A #A4A A2/0A (A2/0A 4A3A S3-2A./ -B=/93S* #ada arena
terdapat tiga jenis data storage obje%ts, diantaranya yaitu : 1. >ariabel merupakan tempat menyimpan
dan memodi&ikasi in&ormasi pada saat running simulasi. 9ontoh : )ariabel 0S (Ma%hineQS*
menyimpan nilai jumlah entitas di dalam Mueue yang disebut Ma%hineQS. 2. Atribut merupakan si&at
dari entitas 9ontoh : %ustomer arri)al time disimpan dalam %ustomer attribute . /kspresi merupakan
)ariabel khusus yang menyimpan suatu &ormula (ekspresi* matematika. 1$.< S3A3+S3+K -13#13
#A4A A2/0A Arena memiliki dua mekanisme dasar yang dapat digunakan untuk perhitungan
statistik output, yaitu : Modul Statistik =enis5jenis modul statistik : 1. 3ime #ersistent : digunakan
untuk men%atat sample mean, minimum, maAimum, dan &inal )alue seperti rata5rata panjang antrian,
utilitas ser)er. 2. 3ally : untuk memperoleh obser)asi statistik spserti penghitungan &lo' time. .
9ounter : digunakan untuk menjaga tra%k perhitungan. ". -utput : digunakan untuk mende&inisikan
semua /S#2/SS+-0 dimana nilai5nilainya akan di %atat di summary report. $. FreMuen%y : digunakan
untuk membuat distribusi &rekuensi dari ekspresi. Modul 2e%ord =enis5jenis modul re%ord : 1. 9ount :
digunakan menghitung maju atau mundur. #erhitungan dapat dinyatakan dalam bentuk ekspresi atau
&ungsi tertentu, 9ounter akan naik jika entitas memasuki modul re%ord. 2. /ntity Statistiks : dapat
menyediakan in&ormasi tentang entitas, seperti 'aktu atau durasi in&ormasi. . 3ime inter)al :
digunakan untuk menghitung inter)al 'aktu entitas. ". 3ime Bet'een : digunakan untuk men%atat
inter)al 'aktu antar masuknya entitas yang berurutan dalam modul re%ord, seperti inter departure
time. $. /Apression : digunakan untuk men%atat suatu ekspresi, yang nilainya dihitung lagi apabila
entitas memasuki modul re%ord. 1$.7 S+M1!AS+ 4A0 -13#13 2/#-23 Simulasi pada Arena
dapat dijalankan dengan dua %ara : 1. 4engan menggunakan Standard 3oolbar 2. 4engan
menggunakan pull5do'n menu -utput Arena meliputi ringkasan dari statistik simulasi, sesuai dengan
yang diinginkan oleh si pembuat model baik se%ara impli%it maupun eksplisit. Se%ara umum
digolongkan dalam dua kategori : 1. 2eport otomatis (Automati% reports*. Sejumlah komponen Arena
seperti entitas, Mueue dan resour%es akan se%ara otomatis membentuk report statisti% pada saat akhir
simulasi dijalankan. 2. 2eport yang ditetapkan user (1ser5Spe%i&ied 2eports*. 2eport jenis ini dapat
diperoleh dari Modul statistik dan modul re%ord. 2eport /ntitas se%ara otomatis akan menghitung
beberapa perhitungan seperti : 1. 2eport Frekuensi yang menunjukkan 'aktu rata5rata dari ekspresi. 2.
2eport #roses yang berkaitan dengan statistik modul proses, termasuk jumlah entitas yang masuk dan
keluar, rerata ser)i%e time, dan rerata 'aktu tunda (delay*. . 2eport Sueue berisi statistik tiap Mueue
dalam model seperti a)erage delay in Mueue dan a)erage Mueue siBe. ". 2eport 2esour%es berisi
statistik tiap resour%e dalam model seperti utilitas, rata5rata 'aktu kerja resour%e. 4iskusi : 1. 4alam
menjalankan simulasi, bagaimana %ara mengetahui bah'a sistem telah men%apai steady state^ 2.
=elaskan kelebihan arena jika dibandingkan pada bahasa simulasi seperti AES+M . Masalah apa yang
penting dalam pen%atatan statistik simulasi^ #ertanyaan : 1. Sebutkan beberapa komponen model yang
terdapat dalam Arena 2. Apa yang dimaksud dengan istilah5istilah berikut dan berilah %ontohnya.
/ntity 2esour%es >ariabels Attributes Sueue . =elaskan &ungsi beberapa analisis statistik
berikut : d. 3ime #ersistent e. 3ally Statistiks &. 9ounter g. -utputs h. FreMuen%ies 3ugas : #ada suatu
sistem pabrikasi diketahui job datang berdistribusi eAponensial dengan mean : jam. =ob yang datang
ini selanjutnya akan diassembling. #roses assembling berdistribusi uni&orm dengan min @ 2 jam dan
maA @ < jam setelah proses assembling selesai.