SIMULASI DAN PEMODELAN
Sri Devi Agustina Silaban (2017131181)
Hai teman-teman semua...
Selamat datang di blog saya, pada blog kali ini kita langsung aja bahas tentang SIMULASI PEMODELAN.
Apa itu SIMULASI?
Simulasi merupakan suatu teknik meniru operasi-operasi atau proses-proses yang terjasi dalam suatu sistem dengan bantuan perangkat komputer dan dilandasi oleh beberapa asumsi tertentu sehingga sistem tersebut bisa dipelajari secara ilmiah (Law & Kelton, 1991).
Simulasi diartikan sebagai teknik menirukan atau memperagakan kegiatan berbagai macam proses atau fasilitas yang ada di dunia nyata. Fasilitas atau proses tersebut disebut dengan sistem, yang mana didalam keilmuan digunakan untuk membuat asumsi-asumsi bagaimana sistem tersebut bekerja.
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.
Berikut diberikan beberapa contoh simulasi komputer waktu nyata (real - time) antara lain : simulasi terbang(ight simulation), simulasi sistem ekonomi makro, simulasi sistem perbankan, simulasi permainan(game).
1. Simulasi Terbang (Flight Simulation)
Peralatan simulator secara umum terdiri dari bagian bagian berikut : sistem komputer (computer system), sistem gambar (visual system), sistem penampil (displaysystem),sistem gerak (motion system), sistem suara (sound system), sistem rasa (feel system), sistem instruktur (instructor operationstation),sistemantarmuka(interfacesystem).
2. Simulasi Sistem Ekonomi Makro
2. Simulasi Sistem Ekonomi Makro
Sistem ekonomi makro suatu negara dapat disimulasikan sebagai model persamaan linear variabel keadaan waktu diskret : x(k + 1) = Ax(k) + Bu(k) dan y(k) = Cx(k) + Du(k).
Dimana variabel keadaan (state variable) x(k) pada tahun ke k adalah : belanja konsumtif dan investasi bisnis swasta. Masukan (input) u(k) adalah : pajak dan belanja negara,sedangkan keluaran (output) y(k) adalah : pendapatan nasional.
Dimana variabel keadaan (state variable) x(k) pada tahun ke k adalah : belanja konsumtif dan investasi bisnis swasta. Masukan (input) u(k) adalah : pajak dan belanja negara,sedangkan keluaran (output) y(k) adalah : pendapatan nasional.
Model simulasi dikelompokkan dalam tiga dimensi yaitu [Law and Kelton, 1991] :
a) Model Simulasi Statis dengan Model Simulasi Dinamis.
Model simulasi statis digunakan untuk mempresentasikan sistem pada saat tertentu atau sistem yang tidak terpengaruh oleh perubahan waktu. Sedangkan model simulasi dinamis digunakan jika sistem yang dikaji dipengaruhi oleh perubahan waktu.
b) Model Simulasi Deterministik dengan Model Simulasi Stokastik.
Jika model simulasi yang akan dibentuk tidak mengandung variabel yang bersifat random, maka model simulasi tersebut dikatakan sebagi simulasi deterministik. Pada umumnya sistem yang dimodelkan dalam simulasi mengandung beberapa input yang bersifat random, maka pada sistem seperti ini model simulasi yang dibangun disebut model simulasi stokastik.
c) Model simulasi Kontinu dengan Model Simulasi Diskret.
Untuk mengelompokkan suatu model simulasi apakah diskret atau kontinyu, sangat ditentukan oleh sistem yang dikaji. Suatu sistem dikatakan diskret jika variabel sistem yang mencerminkan status sistem berubah pada titik waktu tertentu, sedangkan sistem dikatakan kontinyu jika perubahan variabel sistem berlangsung secara berkelanjutan seiring dengan perubahan waktu.
Berikut adalah beberapa jenis permasalahan utama dimana simulasi dibangun menjadi alat yang bermanfaat:
– Perancangan dan analisis sistem manufaktur
– Evaluasi sistem persenjataan militer atau persyaratan militer lainnya
– Penentuan persyaratan hardware atau protokol untuk jaringan komunikasi
– Penentuan persyaratan hardware dan software untuk sistem komputer
– Perancangan dan operasional sistem transfortasi seperti bandara udara, jalan tol, pelabuhan laut dan jalan bawah tanah.
– Evaluasi rancangan pada organisasi jasa seperti call center, restoran cepat saji, rumah sakit dan kantor pos
– Reenginering pada pemilikan pabrik
– Penentuan kebijakan pemesanan barang pada sistem inventori
– Analisis keuangan atau sistem ekonomi
Alat-alat ini berguna untuk tujuan mengklasifikasikan model-model simulasi dalam 3 dimensi yang berbeda:
1. Model Simulasi Statis dan Dinamis
Model simulasi statis adalah merepresentasikan sistem pada waktu utama, atau model ini mungkin digunakan untuk menunjukkan sistem yang mana permainan waktunya sederhana tanpa aturan; contoh simulasi statis adalah model Monte Carlo samping itu model simulasi dinamik menunjukkan sistem sistem yang lambat laun melampaui waktu seperti sistem konveyor pada pabrik.
2. Model Simulasi Determinsistik dan Stokastik
Jika model simulasi tidak berisikan komponen-komponen yang probabilitik (dengan kata lain random), model ini disebut deterministik; penyelesaian sistem (dan analisis yang tidak bisa dikembalikan ) pada penjabaran persamaan yang berbeda sebuah reaksi kimia semesti sebagai model. Dalam model deterministik, outputnya ditentukan sekali membentuk output kuantitas dan hubungan dalam model dikhususkan sama walaupun penentuan yang sebenarnya memerlukan sedikit waktu berhitung untuk mengevaluasi. Banyak sistem bagaimanapun harus dimodelkan seperti pemilikan sekurang-kurangnya beberapa komponen-komponen input random dan membangkitkan model simulasi stokastik. Kebanyakan teori antrian dan sistem inventori (pergudangan) dimodelkan secara stokastik. Model simulasi stokastik menghasilkan output random, karenanya diuji hanya berupa estimasi (perkiraan) kebenaran karakteristiknya pada model; ini merupakan model utama yang tidak menguntungkan dalam simulasi.
3. Model Simulasi Kontinyu dan Diskrit
Kita mendefinisikan model simulasi diskrit dan kontinyu analog dengan cara kita mendefinisikan sistem diskrit dan kontinyu sebelumnya. Keputusan apakah menggunakan model diskrit atau kontinyu pada sistem-sistem utama tergantung dalam kekhususan yang obyektif. Sebagai contoh, model arus lalu lintas jalan tol menjadi diskrit jika karakteristik dan gerakan mobil secara individu adalah terpenting. Alternatifnya jika mobil dapat diuji secara bersama-sama/berkelompok, arus lalu lintas dapat dijelaskan dengan persamaan yang berbeda dalam model kontinyu.
kita akan mendiskusikan secara kontinyu, kombinasi diskrit-kontinyu dan simulasi Monte Carlo.
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.
Beberapa keuntungan simulasi bisa dihitung secara luas yang muncul 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.
Simulasi tidak terlepas dari adanya kelemahannya. 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.
kita temukan kerugian berikut untuk berhasilkan menyelesaikan studi simulasi:
– Kegagalan dalam membentuk definisi yang baik objek pada awal studi simulasi.
– Tidak tersedianya level pada model secara mendalam
– Kegagalan mengkomunikasikan dengan manajemen melalui kursus pada studi simulasi
– Kesalahpahaman simulasi oleh manajemen
– Penampilan sebuah studi simulasi jika secara utama diuji dalam program komputer.
– Kegagalan masyarakat dengan pengetahuannya tentang metodologi simulasi dan satatistik dalam team pemodelannya..
– Kegagalan untuk mengumpulkan sistem data yang baik.
– Tidak tersedianya software simulasi
– Sebelumnya menggunakan produk software simulasi yang statemen makronya kompleks tidak sebaik yang didokumentasikan dan belum bisa mengimplementasikan model-model logik yang diharapkan.
– Percaya bahwa mudah menggunakan paket simulasi, yang mana mensyaratkan sedikit atau tidak bisa melakukan pemrograman, mensyaratkan taraf signifikansi yang rendah pada teknik kompentensi.
– Animasi tidak berguna.
– Kegagalan untuk menghitung secara tepat sumber random dalam sistem aktual.
– Menggunakan distribusi yang asal-asalan (misalnya, normal, uniform, atau triangular) sebagai input simulasi.
– Analisa data output dari sebuah run simulasi (replikasi) menggunakan rumusan yang diasumsikan independen
– Membuat replikasi tunggal pada rancangan sistem utama dan diuji output statistik sebagai jawaban yang benar.
– Membandingkan rancangan sistem alternatif dalam basis sebuah replikasi untuk setiap rancangan.
– Menggunakan bentuk ukuran yang salah.
Apa itu pemodelan?
Pemodelan Berasal dari kata pemodelan dan system. Model adalah rencana, representasi, atau deskripsi yang menjelaskan suatu objek, system, atau konsep, yang seringkali berupa penyederhanaan atau idealisasi. Bentuknya dapat berupa model fisik (maket, bentuk system), model citra (gambar,komputerisasi,grafis dll), atau rumusan matematis.
Sedangkan Sistem adalah suatu kesatuan yang terdiri komponen atau elemen yangdihubungkan bersama untuk memudahkan aliran informasi, materi atau system. MenurutAnatol Rapoport Sistem adalah “satu kesatuan yang berfungsi sebagai satu kesatuan karena bagian-bagian yang saling bergantung dan sebuah metode yang bertujuan menemukan
bagaimana system ini menyebabkan system yang lebih luas yang disebut system teori umum.
Jadi apa yang disebut dengan Pemodelan Sistem ?
Pemodelan Sistem adalah suatu bentuk penyederhanaan dari sebuah elemen dan komponen yang sangat komplek untuk memudahkan pemahaman dari informasi yang dibutuhkan.
Simulasi Model merupakan penyederhanaan dari system yang akan dipelajari. Model sangat beragam, system dalam bentuk ikon, analog atau system. Model ikon meniru system nyatasecara fisik, seperti globe (model dunia), planetarium (model system ruang angkasa), danlain-lain. Model analog meniru system hanya dari perilakunya. Model system tidak menirusistem secara fisik, atau tidak memodelkan perilaku system, tapi memodelkan systemberdasarkan logikanya. Logika system bervariasi mulai dari intuisi ke bahasa verbal ataulogika matematik. Karena model analisis simulasi harus dapat diimplementasikan padakomputer, maka model simulasi harus eksplisit, yaitu harus sebagai model simbolik palingtidak untuk level aliran logika. Model simbolik dapat diklasifikasikan menjadi:
1. Model preskriptif vs deskriptif.Model preskriptif : Digunakan untuk mendefinisikan dan mengoptimalkan permasalahan.Model deskriptif: menggambarkan system berdasarkan perilakunya dan permasalahan optimasi diserahkan ke analisis berikutnya.
2. Model Simulasi Deterministik vs. StokastikModel system static : Tidak memiliki komponen system (random).Model stokastik: memiliki komponen input random, dan menghasilkan output yangrandom pula.Model statis atau dinamis. Pembedaan kedua model ini juga didasarkanpada system model. Jika system model berubah sesuai dengan waktu, maka modeldigolongkan sebagai model dinamis.
3. Model loop terbuka vs tertutup. Pengklasifikasian model kedalam bentuk loop terbuka atau tertutup didasarkan padastruktur model. Pada model terbuka, output dari model tidak menjadi umpan balikuntuk memperbaiki input. Sebaliknya adalah model loop tertutup.
Model dapat diklasifikasikan dengan beberapa cara, yaitu:
1. Model Simulasi Statis adalah representasi system pada suatu waktu tertentu, atau model yang digunakan untuk merepresentasikan system dimana waktu tidak mempunyai peranan, contoh simulasi Monte Carlo (simulasi prilaku system fisika dan matematika). Model Simulasi Dinamis adalah representasi system sepanjang pergantian waktu ke waktu, contohnya system conveyor di pabrik.
2. Model Simulasi Deterministik adalah model simulasi yang tidak mengandung komponen yang sifatnya system static (random) dan output telah dapat ditentukan begitu sejumlah input dan hubungan tertentu dimasukkan. Model Simulasi Stokastik adalah model simulasi yang mengandung input-input system (random) dan output yang dihasilkan pun sifatnya random.
3. Model Simulasi Kontinue adalah model simulasi dimana state (status) dari system berubah secara system karena berubahnya waktu (continuouschange state variables), contohnya simulasi populasi penduduk. Model Simulasi Diskrit adalah model suatu system dimana perubahan state terjadi pada satuan-satuan waktu yang diskrit sebagai hasil suatu kejadian (event) tertentu (discrete-change state variables), contohnya simulasi antrian.
4. Simulasi menurut sifat dan waktu. Simulasi Statis merupakan simulasi model yang menggambarkan suatu system atau proses yang tidak dipengaruhi oleh waktu atau terjadi pada saat-saat tertentu saja. Contoh: Simulasi Monte Carlo. Simulasi Dinamis merupakan simulasi model yang dipengaruhi oleh waktu. Simulasi ini kebalikan dari simulasi statis. Contoh: Simulasi kedatangan mobil ke dalam jalan tol.
Kesimpulannya adalah Simulasi adalah metode pembelajaran yang menyajikan pelajaran dengan menggunakan situasi atau proses nyata, dengan peserta didik terlibat aktif dalam berinteraksi dengan situasi di lingkungannya.Metode simulasi ini bertujuan untuk membantu peserta didik mempraktekan keterampilan dalam membuat keputusan dan penyelesaian masalah, mengembakan kemampuan interaksi antarmanusia dan memberikan kesempatan peserta didik untuk menerapkan berbagai prinsip,teori serta untuk meningkatkan kemampuan kognitif,afektif dan psikomotor.
Daftar pustaka :
Tidak ada komentar:
Posting Komentar