10
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.
2.5 Simulasi
Simulasi adalah duplikasi atau abstraksi persoalan dalam kehidupan nyata dalam model matematika. Dalam hal ini biasanya dilakukan penyederhanaan, sehingga pemecahan dengan model-
model matematika dapat dilakukan. Teknik simulasi bersifat luwes terhadap perubahan-perubahan sehingga sesuai dengan keperluan sistem yang sebenarnya Subagyo et al, 1989.
Model simulasi merupakan formulasi dari asumsi-asumsi yang terdapat dalam sistem. Asumsi yang digunakan dalam pembuatan model simulasi merupakan penggambaran dari sistem
sesungguhnya. Simulasi menunjukkan alternatif pemecahan masalah yang terjadi pada sistem sesungguhnya. Simulasi menunjukkan alternatif pemecahan masalah yang terjadi pada sistem dan
tidak memberikan solusi optimal Dilworth, 1989. Keuntungan menggunakan simulasi menurut Siagian 1987 antara lain dapat memberikan
jawaban bila model analitik yang digunakan tidak memberikan solusi optimal. Model simulasi lebih realistis terhadap sistem nyata karena memerlukan asumsi yang lebih sedikit.
Tahap awal yang dilakukan dalam simulasi adalah mendefinisikan masalah berupa pernyataan yang jelas tentang tujuan studi, juga mendefinisikan variabel-variabel yang mempengaruhi sistem.
Tahap kedua adalah membuat model simulasi dengan memformulasikan variabel, parameter, dan aturan keputusan dalam waktu simulasi Chase dan Aquilano, 1991.
2.6 Distribusi Data
Menurut Watson dan Balckstone 1989, hal utama yang perlu diketahui dalam pemilihan distribusi peluang untuk model yang digunakan adalah frekuensi distribusi dari data dan mencari teori
distribusi peluang dimana data dapat masuk. Apabila distribusi peluang yang diduga atau yang ditemukan sesuai dengan distribusi peluang teoritis, maka dapat digunakan perhitungan yang sejalan
dengan dstribusi peluang tersebut. Uji distribusi perlu dilakukan untuk mengetahui bentuk distribusi peluang suatu kejadian. Beberapa contoh distribusi data adalah sebaran gumble minimum, sebaran
phased bi-exponential, dan sebaran error. Persamaan 2.1, persamaan 2.2, dan persamaan 2.3 menunjukkan cara penghitungan fungsi kepadatan peluang probability density function masing-
masingnya. 1
Sebaran Gumble Minimum
11
� � =
1 �
exp � − exp �
2.1 Keterangan:
x = data yang disimulasikan σ = parameter skala kontinyu σ 0
= parameter lokasi kontinyu z =
�−� �
2 Sebaran Phased Bi-Exponential
2.2 Keterangan:
1
= parameter skala invers kontinyu
1
γ
1
= parameter lokasi kontinyu
2
= parameter skala invers kontinyu
2
γ
2
= parameter lokasi kontinyu γ
2
γ
1
3 Sebaran Error
� � =
2 �Г1
exp − |� − �| �
2.3 Keterangan:
x = data yang disimulasikan k = parameter bentuk kontinyu
σ = parameter skala kontinyu σ 0 = parameter lokasi kontinyu
Г = fungsi gamma Menurut Nasution dan Barizi 1983 pengujian normalitas data dapat digunakan dengan
menggunakan salah satu tipe uji yang termasuk ke dalam uji Kolmogorov_Smirnov. Menurut Siegel 1988, uji Kolmogorov_Smirnov merupakan suatu tes goodness of fit yaitu pengujian dilakukan untuk
mengetahui kesesuaian antara distribusi sampel pengamatan dengan suatu distribusi teoritis tertentu. Uji ini mencakup perhitungan distribusi frekuensi kumulatif yang akan terjadi dibawah distribusi
teoritisnya, serta membandingkan distribusi frekuensi tersebut dengan distribusi frekuensi kumulatif hasil observasi.
Uji lain yang merupakan modifikasi dari uji Kolmogorov_Smirnov adalah uji Anderson_Darling. Uji Anderson_Darling digunakan jika data sampel berasal dari populasi dengan
distrbusi yang spesifik. Perbedaan uji Anderson_Darling dengan uji Kolmogorov_Smirnov adalah pemberian bobot lebih pada ujung populasi dibandingkan uji Kolmogorov_Smirnov.
Bentuk hipotesis yang dipakai untuk tes kenormalan data adalah : H
: Data berdisrtibusi normal H
1
: Data tidak berdistribusi normal Dalam pengujian hipotesis, kriteria untuk menolak atau tidak menolak H
berdasarkan P-value adalah sebagai berikut :
1 Jika P-value α, maka H
ditolak 2 Jika P-value
α, maka H tidak dapat ditolak.
12
Menurut Hasan 2003, penerimaan H terjadi jika nilai uji statistik berada diluar nilai
kritisnya, dan penolakan H terjadi jika nilai uji statistik berada didalam nilai kritisnya.
2.7 Validasi Model
