b. Nilai – nilai data tersebut digunakan untuk mendefinisikan sebuah fungsi distribusi
empiris dengan cara tertentu. Jika diperlukan dalam sebuah simulasi, sampel diambil dari distribusi ini.
c. Data dicocokan terhadap bentuk teotripis distribusi tertentu, misal eksponensial atau poison, dengan menampilkan hipotesis tes untuk menentukan kecocokan tersebut the
goodness of fit. Pencocokan ini menghasilkan sebuah parameter statistika. Saat dilakukan simulasi, sampel diambil dari jenis distribusi teotripis dan nilai
– nilai parameter yang cocok ini.
Menurut Conover 1971 lebih lanjut, kelemahan dari pendekatan pertama dari yang telah disebutkan diatas adalah :
1. Simulasi hanya dapat menghasilkan apa yang telah terjadi sebelumnya historically. 2. Jarang diperoleh data yang cukup untuk membuat semua simulasi yang diinginkan
dapat dijalankan. Jika ditemukan sebuah distribusi teoritis yang sesuai dengan data pengamatan baik pada
pendekatan tiga, maka hal ini umumnya lebih dipilih daripada menggunakan sebuah distribusi empirik pendekatan dua. Hal ini disebabkan sebuah fungsi distribusi empirik dapat memiliki sejumlah
ketidakteraturan, terutama jika data yang tersedia hanya sedikit. Keuntungan lain dari pendekatan tiga adalah distribusi teotripis dapat memuluskan smooth out data dan dapat menghasilkan informasi. Ada
sejumlah situasi dimana tidak ada distribusi teotripis yang tidak cukup cocok dengan data – data
pengamatan. Pada kasus ini, penggunaan distribusi empiris sangat dianjurkan Conover, 1971.
2.7 Teknik Heuristik
Heuristik berasal dari bahasa Yunani “heuriskin” yang berarti membantu untuk menemukan. Menurut Herbert dalam Thierauf dan Klekamp 1975, program heuristik merupakan titik pandang
dalam merancang suatu program untuk tugas pemrosesan informasi yang kompleks. Pada program heuristik tidak ada suatu model yang baku sehingga tiap permasalahaan
menggunakan program heuristik yang spesifik. Teknik heuristik tidak menjamin diperolehnya pemecahan permasalahan yang optimal tetapi menjamin suatu pemecahan yang memuaskan pengambil
keputusan Wahyudi, 1989. Program heuristik merupakan pengembangan dari operasi aritmatika dan logika matematika.
Ciri-ciri program heuristik secara umum: 1. Adanya operasi aljabar yaitu penjumlahan, pengurangan dan perkalian,
2. Adanya perhitungan bertahap, dan 3. Memiliki tahapan yang terbatas sehingga dapat dibuat algoritma komputernya.
Beberapa langkah yang perlu dilakukan dalam teknik heuristik: 1 observasi, 2 eksperimen, 3 analisis dan 4 pemodelan. Tujuan heuristik ialah mempelajari metode dan aturan menemukan.
Heuristik merupakan akar dari kecerdasan buatan artificial intelligent, atau dengan kata lain pemrograman heuristik adalah suatu teknik pemecahan masalah dengan menggunakan kecerdasan
manusia dan ditulis dalam program komputer. Teknik heuristik dipergunakan dalam pemecahan permasalahan yang tidak terstruktur atau sulit untuk dipecahkan. Metode ini merupakan cara praktis
untuk memperoleh kesimpulan yang dapat diterima. Beberapa karakteristik program heuristik ialah sebagai berikut:
1. Program heuristik meringkas ruang lingkup keputusan sehingga proses pengambilan keputusan dapat dilakukan lebih cepat;
2. Banyak perihal yang kompleks, walaupun esensi permasalahan dapat diformulasikan secara matematis namun perhitungannya menghasilkan solusi yang tidak layak;
3. Perencanaan dan kebijakan strategi manajemen sulit dihitung dan sangat rumit sehingga tidak dapat ditangkap dengan model matematika;
4. Meskipun model matematika dapat diterapkan, pekerjaan sebelum dan sesudah permodelan harus dapat dimengerti oleh pengguna model tersebut.
2.8 Simulasi
Dilworth 1992 menyebutkan bahwa simulasi adalah suatu proses percobaan dengan membuat model dari sistem nyata dengan tujuan untuk memecahkan masalah yang terjadi di dalam sistem.
Sedangkan menurut Gotfried 1984 simulasi merupakan suatu aktifitas untuk menarik kesimpulan tentang perilaku sistem dengan mempelajari perilaku model yang dalam beberapa hal memiliki
kesamaan dengan sistem sebenarnya. Model simulasi yang diklasifikasikan berdasarkan dimensinya terdiri dari model statis dan dinamis. Model simulasi statis biasanya direkayasa guna mewakili suatu
sistem yang pada keadaan tertentu tidak berperan aktif, sebaliknya model simulasi dinamis mewakili suatu sistem yang berubah
– ubah sesuai perubahan dimensi waktu atau yang lainnya. Salah satu contoh model statis adalah model
– model simulasi Monte Carlo. Simulasi probabilistic atau simulasi Monte Carlo memiliki kelebihan karena simulasi ini dapat
diatur jumlah ulangan simulasinya sesuai dengan yang dikehendaki dalam rangka memperoleh peubah acak dengan simpangan baku kecil. Everette dan Eben 1992 menyebutkan bahwa teknik simulasi dapat
digunakan untuk mengevaluasi sistem penjadwalan. Data-data yang digunakan di dalam penyusunan model merupakan data historis dimana dari data dapat dibuat asumsi untuk menspesifikasi aturan
simulasinya. Model simulasi dapat dikelompokan ke dalam beberapa penggolongan, antara lain adalah model stokastik atau probabilistik, model deterministik, model statik, model dinamik dan model
heuristik. Model stokastik adalah kebalikan dari model deterministik dan model statik adalah kebalikan dari model dinamik.
Model simulasi stokastik disebut sebagai model simulasi Monte Carlo yang menggunakan pemodelan matematik untuk mempelajari suatu sistem yang berkarakteristik adanya kejadian acak.
Gambar 7 memperlihatkan diagram simulasi Monte Carlo, dimana n pada Gambar merupakan ulangan simulasi.
tidak Variabel acak
Bilangan Acak Sistem
Model
Distribusi Peluang
N = n+1 n
Selesa
