PENGERTIAN
Simulasi merupakan suatu teknik meniru operasi-operasi atau proses- proses yang terjadi dalam suatu sistem dengan bantuan perangkat komputer dan dilandasi oleh beberapa asumsi tertentu sehingga sistem tersebut bisa dipelajari secara ilmiah (Law and Kelton, 1991).
Dalam simulasi digunakan komputer untuk mempelajari sistem secara numerik, dimana dilakukan pengumpulan data untuk melakukan estimasi statistik untuk mendapatkan karakteristik asli dari sistem.
Simulasi merupakan alat yang tepat untuk digunakan terutama jika diharuskan untuk melakukan eksperimen dalam rangka mencari komentar terbaik dari komponen-komponen sistem. Hal ini dikarenakan sangat mahal dan memerlukan waktu yang lama jika eksperimen dicoba secara riil. Dengan melakukan studi simulasi maka dalam waktu singkat dapat ditentukan keputusan yang tepat serta dengan biaya yang tidak terlalu besar karena semuanya cukup dilakukan dengan komputer.
Pendekatan simulasi diawali dengan pembangunan model sistem nyata. Model tersebut harus dapat menunjukkan bagaimana berbagai komponen dalam sistem saling berinteraksi sehingga benar-benar menggambarkan perilaku sistem. Setelah model dibuat maka model tersebut ditransformasikan ke dalam program komputer sehingga memungkinkan untuk disimulasikan.
Pendekatan Alternatif untuk Pemodelan dan Pengkodean Simulasi
Sejak masa awalnya simulasi, masyarakat selalu mencari cara baru dan terbaik untuk memodelkan sistem, sebaik cara novel untuk menggunakan keberadaan hardware dan software komputer dalam simulasi. Pada bagian ini berusaha mengembangkan keluar pada software simulasi komersil. Juga dikajiulang secara jelas kekhususan dan usaha pengembangan software independent secara luas, yang ditangani secara potensial untuk mendapatkan pengaruh yang signifikan dalam software simulasi yang praktis.
1. Simulasi Paralel dan Berdistribusi
Dalam simulasi ini semua beroperasi berdasarkan cara yang sama. Sebuah simulasi waktu dan daftar event berinteraksi dengan menentukan yang mana event akan diproses kemudian, waktu adalah menguntungkan untuk masa event ini, dan komputer akan mengeksekusi event secara logic, yang bisa dilibatkan untuk memperbarui variabel state, memanipulasi daftar untuk antrian dan event, membangkitkan bilangan random dan variasi random, dan dikumpulkan secara statistik. Logic ini dieksekuasi dengan cara simulasi event waktu sedang terjadi, dengan kata lain simulasi adalah sequential (berurutan). lebih lanjut, semua kerja dilakukan dengan sebuah komputer.
Pada masa teknologi komputer sekarang ini telah terdapat komputer pribadi atau prosesor untuk berhubungan bersama-sama dalam lingkungan komputer paralel atau menyebar. Sebagai contoh, bebeberapa minikomputer yang relatif tidak mahal (atau adanya mikrokomputer) dapat dibentuk jaringan kerja bersama-sama, atau komputer secara luas dapat mengayomi beberapa prosesor individu yang dapat bekerja dalam pekerjaannya sebaik komunitas dengan satu sama lainnya. Dalam lingkangan, bila mungkin untuk menyebarkan bagian yang berbeda percakapan komputer melintasi operasional prosesor pribadi dalam waktu yang sama, atau dalam paralel, dan kemudian mengurangi waktu untuk menyelesaikan percakapan. Kemampuan untuk menyelesaikan secara bersama-sama ini secara alami tergantung pada percakapan komputer alami, sebaik pada tersedianya software dan hardware. Proses penyebaran dan paralel berlangsung dengan menginvestigasikan berbagai wilayah, seperti mengoptimalisasi dan mendisain database.
Dapat dibayangkan cara-cara memisahkan simulasi secara dinamis untuk membentuk penyebarannya dan bekerja melalui prosesor yang berbeda. Barangkali banyak pendekatan langsung dialokasikan dalam fungsi dukungan tersendiri (seperti pembangkit bilangan random, pembangkit variasi random, penangani event list, manipulasi list dan antrian, dan pengumpulan secara statistik) untuk membedakan prosesor. Sebuah cara yang berbeda untuk menyebarkan sebuah simulasi melintasi prosesor yang terpisah dan disusun kembali dalam bentuk modelnya sendiri dalam beberapa submodel. Sebagai contoh, fasilitas manufaktur sering dimodelkan sebagai inkoneksitas jaringan kerja pada situasi antrian, masing-masing mewakili tipe yang berbeda dalam aktifitasnya. Submodel-submodel individu (atau kelompoknya) adalah ditandi pada prosesor yang berbeda, masing-masing bekerja secara simulasi yang berharga pada model. Prosesor harus berkomunikasi dengan satu sama lainnya yang mana penting untuk menjaga sifat-sifat hubungan logikal antara submodel; dalam contoh manufaktur, ini dapat terjadi ketika pekerja meninggalkan pusat antriannya dan pergi ke pusat antrian lainnya dan ini disimulasikan dalam prosesor yang berbeda. Perawatan harus diberikan untuk menjaga ketepatan waktu pesanan dalam tindakannya, yang disebut sinkronisasi operasional pada submodel dalam prosesor yang berbeda untuk menunjukkan semua model aktifitas secara tepat.
2. Simulasi lintas internet dan simulasi berbasis Web.
Dengan cepatnya perkembangan internet dan Jaringan Web dunia, pertanyaan secara alamiah muncul apakah jaringan mahabesar ini (masih belum tercontrol secara luas) seharusnya digunakan untuk membangun, berperan, memodifikasi, menyebarkan dan menjalankan simulasi. Fishwick (1996, 1997) telah menggali jangkauan yang luas kabar dalam kesepakatan ini, termasuk penyusunan pelayanan klien untuk meningkatkan tenaga prosesing, disimilasi model simulasi dan hasil, publikasi, pendidikan dan pelatihan. Pembahasan secara umum pendekatan Simulasi berbasis Web, sepanjang contoh-contoh operasi khusus, telah dijelaskan oleh Lorenz dan kawan-kawannya (1997). Selagi simulasi ini sulit memprediksi secara jelas apakah Internet dan Web semestinya mempengaruhi simulasi, Pengaruhnya sangat jelas terlihat dan sangat menarik dan banyak masyarakat menggali secara beragam dan luas cara-cara menggunakan teknologi dalam cara novel untuk mendukung simulasi.
Tipe Lain Simulasi
1. Simulasi Kontinyu
Simulasi kontinyu mengenai pemodelan melewati waktu pada sistem oleh perwakilan variabel state berubah secara kontinyu dengan waktu. Secara khusus, model simulasi kontinyu meliputi perbedaan persamaan yang memberikan hubungan pada kecepatan perubahan variabel state dengan waktu. Jika perbedaan persamaan menjadi lebih sederhana, mereka dapat dipicahkan secara analitik untuk memberikan nilai pada variabel state untuk semua nilai waktu sebagai fungsi nilai pada variabel stete di waktu ke-nol. Untuk kebanyakan solusi analitik model kontinyu adalah tidak mungkin, bagaimanapun, dan teknik analisis numerik, misalnya Integrasi Runge-Kutta, adalah digunakan untuk menggabungkan perbedaan persamaan secara numerik, memberikan nilai secara khusus untuk variabel state di waktu ke-nol.
Beberapa produk-produk simulasi seperti SIMULINK dan Dymola, memiliki rancangan yang spesifik untuk membangun model simulasi kontinyu. Sebagai tambahan, paket simulasi event-dioskrit Arena, AweSim dan Extend memiliki kapabilitas pemodelan kontinyu. Ada tiga paket yang memiliki tambahan keuntungan pada simulasi komponen kontinyu dan diskrit dalam satu model.
2. Kombinasi Simulasi Diskrit-Kontinyu
Ketika beberapa sistem tidak mungkin diskrit atau tidak mungkin kontinyu, kebutuhan bisa timbul untuk menyusun sebuah model dengan aspek simulasi diskrit dan kontinyu, menghasilkan sebuah kombinasi simulasi diskrit-kontinyu (Combined discrete-continuous simulation). Pritsker (1995, pp 61-62) menjelaskan tiga tipe mendasar interaksi yang dapat terjadi antara perubahan variabel state secara diskrit dan secara kontinyu:
– Sebuah event diskrit bisa menyebabkan sebuah diskrit berubah dalam nilai variabel state kontinyu.
– Sebuah event diskrit bisa menyebabkan pengaturan hubungan sebuah variabel state kontinyu berubah pada waktu khusus.
– Sebuah variabel state kontinyu mencapai ambang nilai bisa menyebabkan sebuah event diskrit terjadi atau diskedulkan.
Model kombinasi diskrit-kontinyu adapat dibangun dalam Arena [Pegden, Shannon, dan Sadowski (1995)], AweSim [Pritsker dan O’Reilly (1999)], dan Extend [Imagine (1997b)].
3. Simulasi Monte Carlo
Kita mendefinisikan simulasi Monte Carlo menjadi sebuah skema menggunakan bilangan random, yaitu random variate U(0, 1), yang digunakan untuk memecahkan stokastik tertentu atau problem-problem detetrministik dimana perjalanan waktu berperan tidak substantif. Dengan demikian, simulasi Monte Carlo secara umum statik dari pada dinamik. Pembaca akan mencatat bahwa walaupun beberapa penulis mendifiniskan simulasi Monte Carlo menjadi beberapa simulasi terlibat menggunakan bilangan random, kami mendefinisikan lebih terbatas. Nama simulasi atau metode Monte Carlo diawali selama perang dunia ke-2, ketika pendekatan ini telah diaplikasikan untuk masalah yang berhubungan untuk pengembangan bom atom.
Keuntungan Dan Kerugian Simulasi
Beberapa keuntungan simulasi sebagai berikut:
– Sangat kompleks, dunia sistem yang nyata dengan element stokastik yang tidak dapat dijelaskan secara tepat oleh model matematik yang dapat dinilai secara analitik. Dengan demikian, simulasi sering hanya sebagai tipe untuk kemungkinan investigasi.
– Simulasi memperkenankan sesuatu untuk mengestimasi kinerja keberadaan sistem dibawah beberapa kumpulan proyek pada kondisi operasional.
– Alternatif menyusun rancangan sistem (atau alternatif kebijakan operasional untuk sistem tunggal) dapat dibandingkan melalui simulasi untuk mengetahui bagaimana menemukan persayaratan yang spesifik.
– Dalam simulasi kita dapat menjaga kontrol lebih baik melalui penelitian yang dikondisikan dari pada kemungkinan akan digeneralisasikan ketika penelitian dengan sistemnya sendiri.
– Simulasi memperkenankan kita untuk belajar sebuah sistem sepanjang kerangka waktu, -misalnya dalam sistem ekonomi-dalam tekanan waktu, atau alternatifnya untuk belajar kerja sistem secara mendalam dalam perluasan waktu.
Beberapa kerugian simulasi adalah sebagai berikut:
– Setiap berjalannya kerja program sebuah model simulasi stokastik menghasilkan hanya estimasi pada karakteristik model yang benar untuk kumpulan utama parameter input. Dengan demikian, beberapa jalannya program tergantung pada model yang mungkin disyaratkan untuk setiap kumpulan input parameter yang akan dipelajari. Untuk alasan ini, model simulasi secara umum tidak baik pada optimalisasi pada perbandingan jumlahan yang tetap pada rancangan sistem alternatif secara khusus. Dengan kata lain, model analitik, jika tersedia, akan sering menghasilkan secara mudah karakteristik yang benar secara nyata (Exact) pada model pada berbagai kumpulan input parameter. Dengan demikain, jika model analitik valid adalah tersedia atau dapat dengan mudah dikembangkan, ini akan dapat dirujuk secara umum untuk sebuah model simulasi.
– Model simulasi sering mahal dan memakan waktu untuk berkembang.
– Volume yang besar pada bilangan yang dihasilkan oleh studi simulasi atau pengaruh yang persuasif pada animasi realistik sering menciptakan kecenderungan untuk menempatkan kepercayaan yang terlalu besar dalam hasil studi dari pada yang telah dibuktikan secara syah. Jika model ini tidak valid mewakili sistem dalam belajar, hasil simualsi, bukan beban bagaimana munculnya keenganan, akan memberikan sedikit manfaat informasi tentang sistem aktual.
Tidak ada komentar:
Posting Komentar