26
2.2. Konsep Dasar Simulasi
Pengertian umum tentang simulasi adalah suatu metodologi untuk melaksanakan suatu percobaan dengan menggunakan model dari suatu sistem
nyata. Sedangkan ide dasarnya adalah menggunakan beberapa perangkat untuk meniru sistem nyata guna mempelajari serta memahami sifat-sifat, tingkah laku
perangai dari sistem nyata untuk maksud perancangan sistem atau perubahan tingkah laku perangai sistem.
Telah lama metode simulasi digunakan dalam membantu memecahkan persoalan-persoalan dalam berbagai bidang kehidupan. Pada ilmu murni, simulasi
sering digunakan dalam mengestimasikan luas area suatu kurva, studi perpindahan partikel, invers matriks dan lain sebagainya.
Simulasi adalah proses merancang model dari suatu sistem yang sebenarnya, mengadakan percobaan – percobaan terhadap model tersebut dan
mengevaluasi hasil percobaan tersebut. Jadi simulasi merupakan metode penelitian yang eksperimental.
Beberapa tujuan simulasi adalah : a.
Untuk memahami perilaku sistem nyata b.
Untuk memprediksi sistem yang akan datang
Dalam sistem, simulasi dapat diklasifikasikan sebagai berikut :
27
Gambar 2.4. Klasifikasi model simulasi Law dkk, 1991, hal. 4
Dalam model matematik digunakan notasi, simbol – simbol dan persamaan matematik untuk menggambarkan sistem. Model fisik didasarkan pada
analogi antara sistem – sistem, seperti sistem mekanis dan elektris. Penggunaan metode analitik berarti suatu cara penalaran yang deduktif dari teori matematik
untuk menyelesaikan suatu model sehingga akan didapatkan model yang sesuai dengan sistem yang dianalisa.
Model simulasi biasanya dijalankan atau dicoba-coba untuk memperoleh informasi yang diinginkan. Berdasarkan hasil tersebut, penganalisaan dapat
mempelajari kelakuan sistem. Maka simulasi bukanlah suatu teori melainkan suatu metodologi untuk memecahkan masalah.
Telah didefinisikan bahwa simulasi adalah proses mengadakan eksperimen terhadap model dari suatu sistem yang ada. Masalahnya seringkali
timbul kesulitan jika informasi – informasi yang dibutuhkan tidak tersedia. Eksperimen langsung terhadap suatu sistem yang ada mengiliminasi kesulitan –
kesulitan dalam usaha memperoleh kecocokan antara model dengan kondisi sebenarnya. Tetapi kerugian dari eksperimen langsung terhadap sistem cukup
banyak, antara lain : 1. Dapat mengganggu jalannya operasi
SISTEM
Eksperimen Dengan sistem Sebenarnya
Eksperimen dengan menggunakan model sistem
Model Fisik Model Matematik
Analitik Simulasi
28
2. Objek yang diamati cenderung bertingkah laku lain dari biasanya 3. Sangat sulit membuat kondisi yang sama untuk percobaan yang berulang
4. Untuk memperoleh sampel yang sama perlu waktu dan biaya 5. Pada kenyataan sulit mengganti banyak alternatif.
2.2.1 Langkah – Langkah Dalam Proses Simulasi
Semua simulasi yang baik memerlukan perencanaan dan organisasi yang baik. Pada umumnya terdapat 5 langkah pokok yang diperlukan dalam
menggunakan simulasi P. Siagian, 1987 , hal. 449 – 450, yaitu : 1. Tentukan sistem atau persoalan yang hendak disimulasi .
Ini mencakup penentuan : -
lingkungan -
tujuan -
karakteristik 2. Kembangkan model simulasi yang hendak digunakan.
3. Ujilah model dan bandingkan tingkah lakunya dengan tingkah laku dari sistem nyata, kemudian berlakukanlah model simulasi ini.
4. Rancang percobaan – percobaan simulasi. 5. Jalankan simulasi dan analisis data.
2.2.2 Model – Model Simulasi
Model – model simulasi dapat dikelompokkan ke dalam beberapa penggolongan, antara lain Pangestu dkk, 2000, hal. 294 – 299 :
1. Model Simulasi Stokhastik Model ini kadang – kadang juga disebut sebagai model simulasi Monte Carlo.
Istilah Monte Carlo dalam simulasi mulai diperkenalkan oleh Compte de Buffon pada tahun 1977 dan pemakaiannya pada sistem nyata dimulai selama
29
perang dunia II, dipakai untuk merancang pelindung nuklir yang ditembus oleh neutron pada berbagai material. Masalah ini sulit dipecahkan dengan
analitik dan rumus pula untuk eksperimen langsung, sehingga dipakailah bilangan random untuk memecahkannya. Teknik ini dinamakan Monte Carlo
karena dasarnya sama seperti permainan judi. Sedangkan Monte carlo adalah kota judi terbesar di dunia.
Di dalam proses stokhastik sifat – sifat keluaran output dari proses ditentukan berdasarkan dan merupakan hasil dari konsep random acak
2. Model Simulasi Deterministik
Pada model ini tidak diperhatikan unsur random, sehingga pemecahan masalahnya menjadi lebih sederhana. Contoh aplikasi dari model ini adalah
dalam dispatching, line balancing, sequence dan plant layaout. 3. Model Simulasi Dinamik dan Statik
Model simulasi yang dinamik adalah model yang memperhatikan perubahan – perubahan nilai dari variabel – variabel yang ada kalau terjadi pada waktu
yang berbeda. Tetapi model statik tidak memperhatikan perubahan. Perubahan ini, contoh dari model simulasi yang statik adalah line balancing
dan plant layout. Dalam perencanaan layout tentu saja diperlukan syarat – syarat keadaan – keadaan lain bersifat statik sedang contoh dari model
dinamik adalah inventory sistem, job shop model dan sebagainya. 4. Model Simulasi Heuristik
Model yang heuristik adalah model yang dilakukan dengan cara coba – coba, kalau dilandasi suatu teori masih bersifat ringan, langkah perubahannya
30
dilakukan berulang – ulang dan pemilihan langkahnya bebas, sampai diperoleh hasil yang lebih baik, tetapi belum tentu optimal.
Model stokhastik adalah kebalikan dari model deterministik, dan model statik kebalikan dari model dinamik.
2.2.3 Motivasi Menggunakan Simulasi
Meskipun model analitik sangat kuat dan berguna, tetapi masih terdapat beberapa keterbatasan P. Siagian, 1987, hal. 448 – 449, antara lain :
1. Model analitik tidak mampu menelusuri perangai suatu sistem pada masa lalu dan masa mendatang melalui pembagian waktu.
2. Model matematis yang konvensional sering tidak mampu menyajikan sistem nyata yang lebih besar dan rumit kompleks.
3. Model analitik terbatas pemakaiannya dalam hal – hal yang tidak pasti dan aspek dinamis faktor waktu dari persoalan manajemen.
Berdasarkan hal tersebut diatas, maka konsep simulasi dan penggunaan model simulasi merupakan jawaban dan ketidakmampuan dari model analitik.
Beberapa alasan yang dapat menunjang kesimpulan diatas : 1. Simulasi dapat memberikan jawaban kalau model analitik gagal
melakukannya, misalnya pada model antrian yang rumit. 2. Model simulasi lebih realistis terhadap sistem nyata karena memerlukan
asumsi yang lebih sedikit, misalnya tenggang waktu dalam model persediaan tidak perlu harus deterministik.
3. Perubahan konfigurasi dan struktur dapat dilaksanakan lebih mudah untuk menjawab pertanyaan , ” Bagaimana jika...... ”
4. Dalam banyak hal simulasi jauh lebih murah daripada percobaan langsung.
31
5. Simulasi dapat digunakan untuk maksud pendidikan. 6. Untuk sejumlah proses dimensi, simulasi memberikan penyelidikan yang
langsung dan terperinci dalam periode waktu khusus. Pemecahan masalah dengan model simulasi biasanya dilakukan dengan
memakai komputer, sebab banyak hal – hal atau perhitungan – perhitungan yang terlalu rumit bila dihitung secara manual. Selain itu dengan menggunakan
komputer waktu perhitungan sangat cepat dan cocok untuk percobaan trial and error yang memerlukan percobaan berulang – ulang. Namun untuk masalah yang
sederhana bisa juga tanpa komputer.
2.2.4 Beberapa Tipe Simulasi Sistem
State dari sistem didefinisikan sebagai sekumpulan variabel – variabel
yang diperlukan untuk menggambarkan kondisi suatu sistem pada suatu waktu tertentu. Berdasarkan statenya, sistem dibagi menjadi dua yaitu :
1. Simulasi Sistem Kontinyu
Sistem kontinyu merupakan sistem yang variabel – variabel statenya berubah terhadap waktu secara kontinyu.
2. Simulasi Sistem Diskret
Sistem diskret adalah sistem yang variabel – variabel statenya berubah hanya pada waktu – waktu tertentu saja. Simulasi sistem diskret dilakukan pada
sistem – sistem diskret. Model yang dipakai pada simulasi sistem diskret memiliki sejumlah nilai untuk merepresentasikan beberapa aspek dari sistem
disebut state descriptor.
32
2.2.5. Diagram Lingkaran Aktivitas
Entity adalah komponen – komponen dari sistem nyata yang disimulasikan dan dapat diproses dan diidentifikasikan secara individual.
Diidentifikasikan dalam hal ini berarti komponen – komponen tersebut digolongkan sehingga jelas bedanya. Namun dalam proses simulasi, keseluruhan
elemen – elemen ini diproses dalam satu paket. Dalam simulasi sistem diskret, beberapa entity akan saling berinteraksi
selama waktu simulasi. Sebelum membangun model yang sesuai dengan simulasi sistem diskret perlu dilakukan :
1. Identifikasi kelas entity yang penting.
2. Menjabarkan aktivitas yang dilakukan oleh tiap entity. 3. Menggabungkan aktivitas yang ada.
Diagram lingkaran aktivitas Aktivity Cycle Diagram merupakan suatu cara untuk memodelkan bagaimana entity bereaksi didalam sistem nyatadan
khususnya digunakan untuk sistem dengan struktur antrian yang cukup kuat. Beberapa symbol untuk menggambarkan sistem nyata yaitu :
TERMINATE GENERATE
IDLE
ACTIVITY
33
Simbol generate digunakan untuk kedatangan entity aktif ke dalam sistem nyata dimana kedatangan entity ini biasanya akan mengikuti distribusi tertentu.
Simbol idle digunakan bila tidak ada interaksi antara entity yang berbeda dimana umumnya pada keadaan ini entity akan menunggu untuk sesuatu yang akan
terjadi. Lama waktu yang digunakan pada keadaan ini tidak dapat ditentukan tetapi tergantung dari aktivitas yang sebelum dan sesudahnya. Simbol
activity aktivitas digunakan bila ada interaksi antara entity yang berbeda. Dalam
sistem antrian pelayanan termasuk dalam katagori aktivitas karena terdapat interaksi antara pelayan dan pelanggan. Simbol terminate digunakan bila entity
aktif sudah selesai dilayani dalam sistem nyata dan akan keluar dari sistem tersebut.
2.2.6. Perbedaan Utama antara Simulasi dan Model Antrian
Perbedaan utama antara simulasi dan model antrian adalah : 1.
Model antrian umumnya menganggap bahwa sistem beroperasi pada keadaan “steady state”
yang berarti bahwa tidak ada keadaan sibuk pada saat berada dipuncak dan lembah. Model antrian dapat menghitung rata-rata panjang
antrian, rata-rata waktu pelayanan dan sebagainya tetapi hanya untuk keadaan steady state
. 2.
Model antrian, pada keadaan terpaksa didasari atas sejumlah asumsi tentang kedatangan, pola pelayanan dan sebagainya. Batasan ini digunakan untuk
menjaga keadaan tidak berubah ke keadaan yang lebih kompleks. Simulasi memungkinkan lebih banyak kemungkinan untuk lebih fleksibel mudah
disesuaikan didalam menentukan asumsi-asumsi.
34
3. Simulasi dapat digunakan untuk aplikasi lain dari analisa waithing line atau
antrian.
2.3. Program Arena
Kategori