Pem Model Daya Dukung Ketersediaan Air Dengan Koefisien Stabilitas(Studi Kasus Pada Kawasan Industri Sei Mangkei Kabupaten Simalungun

5.3. Pem

5.3.1 Un kondisi, m data dihas diketahui 2009. D terlebih da tepat dari yang ada. dua tipe [Law dan ketergantu Sim memiliki simulasi y sebuah ko semula se pelayanan selalu kem dari karak mengamat fase perub mbahasan 1. Analisis ntuk melak misalnya ou silkan dari n dalam pros Dalam mela ahulu meto suatu mod Berkenaan yaitu “Ter n Kelton, ungannya pa mulasi yan kondisi aw yang bertip ondisi diman tiap kali ak n pelanggan mbali dimul kteristik ters ti sebuah si bahannya ya output hasi kukan anali utput data h n run simula ses simulas akukan pros ode yang tep del simulasi n dengan m rminating S 1991]. P ada kejelasa ng merepre wal atau “ini pe “termina na keadaan kan melakuk n atau pada ai dari kond sebut, maka stem selain aitu fase “T l simulasi. isis output harus merup asi. Bebera si stokastik ses analisis pat untuk m i dapat dite metode anali Simulation” Perbedaan an kondisi u esentasikan itial condit ating”. Ko sistem aka kan simulas a kasir diba disi awal un a dua hal ya ciri “termi Transient” d simulasi, pakan kova apa kondisi dapat dilih output hasi menganalisi entukan den isis, maka s ” dan “Non antara ked untuk meng sebuah m tion” dapat ondisi inisia an dibuat ata si. Sebagai ank, atau p ntuk setiap ang biasany inating” dan dan fase “St perlu diev arian proses atau persya hat misalny il simulasi, snya. Meto ngan menila simulasi dib n-Terminat dua tipe hentikan pr mekanisme t dikatakan al dapat di au “Set-up” contoh ada proses suatu kali memul ya menjadi n “non-term teady-State” valuasi beb s stokastik, aratan yang a pada Ar harus ditent ode analisis ai jenis sim bedakan me ing Simula tersebut a roses simula kejadian sebagai se ipahami se ” seperti kea alah antrian u produksi lai proses. S perhatian d minating” a ” . 150 berapa yaitu perlu rsham tukan yang mulasi enjadi ation” adalah asi. yang ebuah ebagai adaan pada yang Selain dalam adalah Universitas Sumatera Utara Perb kadang tid “non-Term “terminat State” . Me dibedakan “Transien sistem day sistem non oleh wakt T Gambar 5. bedaan antar dak mudah minating”. N ing” dan enurut Bank n pengamb nt” dan fas ya dukung nterminatin tu, artinya b non ter m ina ti ng T er m ina ti ng si m ul at 7. Tipe sim Sumber : L ra ‘Transien dipahami p Namun dem “nontermin ks et al. ilan data se “Steady- ketersediaa g dimana p bahwa siste g si m ula tio n at io n par am p mulasi sehub Law dan Kelto nt” dan “St perbedaanny mikian, pada nating” me 1984, dala antara sist -State” . D an air mem roses yang em produks parameter s m et er si kl us s te ad y- par am ete r la in ungan deng on 1991 hal. teady-State” ya dengan s a kenyataan emiliki kon am mengan em yang Dari kedua miliki karakt terjadi pada si hanya me steady-state y- sta te gan analisis . 528 ” dalam kar simulasi “T nnya sebagi ndisi dalam nalisis hasil masih bera karakterist teristik yan a suatu siste emerlukan s output rakteristik s Terminating ian besar si m fase “St l simulasi ada dalam tik diatas, ng sesuai de em tidak dib satu kali ko 151 istem ” dan istem, eady- perlu fase maka engan batasi ondisi Universitas Sumatera Utara inisial pad halnya ya inisial seti G Unt metode an Law et a karena me kecenderu replikasi, m 5.3. Pad pada simu da saat dim ng berlaku iap awal per Gambar 5.8 tuk mengan nalisis Peng al. , hal. 5 etode Batch ungan bias metode Seq 2. Analisis da teori antr ulasi steady mulai dan t pada sistem riode. 8. Fungsi ke proses sto su nalisis outp gelompokan 554-555 . P hing Mean yang dim quential Bat Parameter S rian, kondis y state tida tidak meme m antrian y epadatan tran okastik Y 1 , Y umber : Law et ut hasil sim n Nilai Rat Pertimbanga Method le miliki oleh tch ataupun Steady State si steady-sta ak mudah d erlukan re- yang akan s nsient dan s Y 2 , . . . dan k t al., 1991, ha mulasi siste ta-Rata atau an dalam m ebih cocok metode-me Metode Re e. ate untuk m diperoleh, n -inisialisasi selalu berad steady-state kondisi awa al. 526 em nyata, m u Batching memilih me dan dapat etode lain egenerasi sis model muda namun untu kembali se da dalam ko e untuk al I. maka digun g Mean Me etode ini a t menghilan seperti m stem. ah didapat, t uk menghas 152 eperti ondisi nakan ethods adalah ngkan metode tetapi silkan Universitas Sumatera Utara 153 periode transient periode warm-up relatif tidak sulit. Untuk memperoleh output simulasi yang staedy-state diperlukan evaluasi statistik yang menjamin bahwa model simulasi telah mencapai kondisi steady-state. Kesulitan yang biasanya adalah dalam menghasilkan run simulasi yang independen dengan ketidaksertaan periode transient. Dua teknik yang umum digunakan untk simulasi steady-state adalah Metode Bacth, dan replikasi independen. Kedua cara ini umum digunakan, dan kinerja dari metode bergantung pada intensitas pergerakan data. Teknik lainnya adalah Metoda Regeneratif, yang sering digunakan untuk memenuhi kondisi secara teoritis, tetapi jarang digunakan pada percobaan simulasi untuk menghasilkan output numerik kondisi steady-state gambar 5.9 berikut : Gambar 5.9 Metode Regeneratif Sumber : Ashram 2009 Misalkan terdapat simulasi regeneratif yang terdiri dari m siklus berukuran n 1 , n 2 ,…n m , berturut-turut. Jumlah siklus : ∑ = = i n j ij i n x y 1 . Estimasi adalah ∑ ∑ = = m i i m i i n y 1 1 . Universitas Sumatera Utara 154 Selang kepercayaan 100 1- α2 menggunakan tabel Z atau table T, untuk m 30 adalah : m n S Z . . ± dimana m n n m i i 1 ∑ = = , dan varian = 1 . . . 2 1 2 − − = ∑ = m m n S Z n y S m i i i • Metode Batch Means : Metode ini hanya menyertakan satu run simulasi yang sangat panjang, yang sesuai dibagi kedalam periode awal transient dan n batch. Setiap batch diperlakukan sebagai run bebas independen dari percobaan simulasi dan tidak dilakukan observasi selama periode transient, yang merupakan interval pemanasan warm- up. Jika dipilih batch dengan jumlah besar akan akan menghasilkan batch yang bebas atau independen. Tetapi jumlah batch yang sedikit tidak konsisten dengan teorema limit pusat dalam menghasilkan selang kepercayaan. Gambar 5.10 Metode Batch Means Sumber : Ashram 2009 Sebaliknya, jika memilih ukuran batch yang kecil, maka akan menghasilkan korelasi signifikan antara bacth, sehingga hasilnya tidak dapat digunakan untuk membuat selang kepercayaan secara akurat. Universitas Sumatera Utara Misalkan observasi. Total rata- tabel Z at Variansi S • Metod Metode in Metode in acak awal dari run si Untuk set diproses u terdapat n Nilai rata-r -rata adalah tau tabel T, S 2 = 1 − ∑ = x n i i da Replikasi ni banyak ni memerluk l untuk pem imulasi, per tiap interva untuk menge Rata-rata u Steady-sta Period n batch be rata dari set h n n i i 1 ∑ = μ . S misalnya u 1 2 − − n μ i Bebas : digunakan kan run ind mbangkit b riode transie Gambar 5 Su al observas estimasi kin ukuran antrian ate de Warm-up erukuran s tiap batch ad Selang kepe untuk n 30 untuk sist dependen da ilangan aca en dihilangk .11. Metode umber : Ashra si setelah p nerja dan se n sama, masi dalah : i = μ ercayaan 10 00 adalah : tem dengan ari percobaa ak. Untuk s kan. e replikasi b am 2009 periode tra lang keperc ing-masing m j x m j i 1 ∑ = = 0.1– α2 : m n S Z . . ± n periode t an simulasi setiap repli bebas ansien, data cayaan. terdiri da mengguna transien pe dengan bila ikasi indepe a diperoleh Waktu 155 ari m akan ndek. angan enden h dan Universitas Sumatera Utara Misalkan t Mean dari Selang kep untuk n 5.3.3 Terd simulasi, t atau ‘ non simulasi. memspesi 530. Kare independ acak dari sama Ind tanpa mem akibat dar karena ko pada kiner Pa karena inf suatu kond simulasi n terdapat n r i setiap repl percayaan1 300 adalah 3 Analisis k dapat beber tergantung p terminating Simulasi te fikkan panj ena pada se dent , dan m ‘run’ yang dependent a mberikan su ri bilangan ondisi awal rja penguku ada penelitia flow air berl disi awal se non termin replikasi den ikasi adalah 001– α2 : μ ± Z.S kinerja param rapa pilihan pada jenis s g ’ bergantun erminating a jang dari se etiap ‘run’ y mulai pada k g berbeda m and Identic uatu inform acak awal untuk jeni uran. an ini, jenis langsung se etiap kali ter ating terdir ngan m obse h: x m j i 1 ∑ = = μ mengguna ; variansi S meter steady n dalam me simulasi lih ng pada car adalah satu etiap ‘ run ’ yang berbed kondisi awa merupakan cally Distrib masi yang be yang dihas s ‘ terminat simulasiny ecara terus m rjadi proses ri dari berb ervasi pada m x ij . Total akan tabel Z S 2 = ∑ = n i 1 x i y state. erancang da hat gambar a menentuk dari bebera simulasi. da, menggu al yang sam bilangan a buted . Sua erguna. Kem silkan oleh ting simulat ya adalah ‘ n menerus, da s outflow air bagai jenis. a setiap repli l rata-rata a Z atau tabe - μ 2 n-1 an mengan 5.7. Simul kan ‘ run ’ ata apa kejadia Law et. al. unakan bilan ma, mengak cak bebas atu kejadian mungkinan pembangki tion ’ biasan non termina an tidak har r. Pengukur . Simulasi ikasi. adalah n i i 1 ∑ = μ el T, misalny nalisis perco asi ‘ termina au replikasi an ‘natural’ , 1991, hal ngan acak b kibatkan var dan terdistr n sering mu ini dapat te it bilangan nya berpeng ating ’ simul rus dimulai ran kinerja u non-termin 156 n . ya obaan ating ’ i pada yang 529- bebas riabel ribusi uncul erjadi acak, garuh ation, pada untuk nating Universitas Sumatera Utara merupakan menspesif dikatakan steady-sta distribusi et al., 199 Ma waktu yan sistem yan fase trans tersebut, t tidak dipe perlu satu periodik mengelom Da didasarkan jumlah an sebagai pengelomp proses “re memiliki statistik d independe n suatu sim fikkan panja parameter ate dari suatu steady-state 1; Gottfried asalah yang ng dibutuhk ng komplek ient. Metod tetapi tidak erlukan sim u replikasi me-“reset mpokkan dal alam proses n pada unit ntrian. Artin satuan pen pokkan atau eset” ukura interval w dari masing en dan sam mulasi diman ang atau jum r steady-sta u proses sto e, maka dap d,1985 g merupaka kan untuk ks serta pene de Pengelom menghilan mulasi dalam dengan ren t” ukuran lam suatu re s me-“reset” waktu terte nya sebaga ngelompoka u pembentu an statistik waktu yang g-masing i mpel harus na tidak ter mlah ‘ run ’. ate jika me okastik Y 1 , Y pat diestima an kelemah komputasi entuan renta mpokan nil ngkan kedua m jumlah re ntang wakt n statistik entang wakt ” ukuran-uk entu atau jum ai contoh d an ataupu ukan “batch k, maka se cukup da nterval har s random. rdapat kejad Pengukura erupakan k Y 2 , . . . Jika si rata-rata an metode pengulang ang waktu s lai rata-rata a masalah t eplikasi yan tu simulasi yang d tu tertentu. kuran statist mlah kejadi dapat digun un jumlah h” . Dalam m etiap interv an dalam s rus diusaha Oleh kare dian yang m an kinerja un karakteristik variabel aca ‘steady-stat replikasi a gan simulas selama simu a berusaha tersebut. Da ng banyak, m yang panj dihasilkan ik yang dih an definitif akan dasar kejadian menentukan al “batch” setiap peng akan sebag ena itu seb menentukan ntuk simula k dari distr ak Y mempu te’ ν= E Y . adalah biaya si terutama ulasi berada mengurang alam metod melainkan h jang dan s dengan hasilkan bias f yang ada se waktu sim sebagai n “batch” a ” tersebut gambilan uk gai proses belum diad 157 n atau asi ini ribusi unyai Law a dan pada a pada gi hal de ini hanya secara cara sanya eperti mulasi dasar antara harus kuran yang dakan Universitas Sumatera Utara pengambil dahulu dip yang digu Gottfried La batch me diperboleh Waktu m Transient Steady Sta keadaan s rata per sa memasuki mengalam Se sebanyak output ra diperoleh lan ukuran pastikan bah unakan ant

d, 1985.