PENDAHULUAN
1.1 Latar Belakang
Latar Belakang Manusia sebagai makhluk system, tidak akan terlepas dari peran serta orang laindalam kehidupan. Pada kondisi tertentu manusia pasti membutuhkan jasa orang lain dalammemenuhi kebutuhan hidup, dan untuk mendapatkannya terkadang mengharuskan untukmenunggu terlebih dulu. Hal tersebut sangat mungkin terjadi, karena banyak orang yangmembutuhkan jasa yang sama dalam waktu yang bersamaan pula. Kondisi tersebut seringterlihat dalam kehidupan sehari-sehari, seperti orang menunggu untuk mendapatkan tiketkereta api, menunggu pesanan di rumah makan, mengantri di kasir sebuah swalayan, danmobil yang menunggu giliran untuk dicuci. Kenyataannya menunggu adalah bagian darikehidupan sehari-hari yang dapat diharapkan adalah dapat mengurangi ketidaknyamanantersebut.Sesuatu yang sangat diharapkan adalah ketika dapat memperoleh jasa tanpa harusmenunggu terlalu lama. Individu–individu yang menunggu (komponen, produk, kertaskerja, orang) bertujuan untuk mendapatkan suatu layanan. Pada proses menunggu untukmendapatkan layanan tersebut menimbulkan suatu garis tunggu, dan pada garis tunggutersebut dapat diprediksi karakteristik–karakteristiknya. Sehingga dapat dijadikan dasarpengambilan kepustusan agar tercapai kondisi yang lebih baik, misalnya agar tidak terjadiantrian yang berkepanjangan. Simulasi merupakan suatu teknik meniru operasi-operasi atau proses- proses yang terjadi dalam suatu system dengan bantuan perangkat system dan dilandasi oleh beberapa asumsi tertentu sehingga system tersebut system dipelajari secara ilmiah (Law and Kelton, 1991). Dalam simulasi digunakan system untuk mempelajari system secara system, dimana dilakukan pengumpulan data untuk melakukan estimasi system untuk mendapatkan karakteristik asli dari system. Simulasi merupakan alat yang tepat untuk digunakan terutama jika diharuskan untuk melakukan eksperimen dalam rangka mencari komentar terbaik dari komponen-komponen system. 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 system. Pendekatan simulasi diawali dengan pembangunan model system nyata. Model tersebut harus dapat menunjukkan bagaimana berbagai komponen dalam system saling berinteraksi sehingga benar-benar menggambarkan perilaku system. Setelah model dibuat maka model tersebut ditransformasikan ke dalam program system sehingga memungkinkan untuk disimulasikan.
Simulasi adalah program (software) system yang berfungsi untuk menirukan perilaku
system nyata (realitas) tertentu. Tujuan simulasi antara lain untuk pelatihan (training),studi perilaku system (system) dan hiburan / permainan (game).Beberapa contoh simulasi system, antara lain : simulasi terbang (ight simulation),simulasi system ekonomi makro, simulasi system perbankan, simulasi antrian layanan bank(service queue), simulasi game strategi pemasaran (market game), simulasi perang (wargame simulation), simulasi mobil (car simulation), simulasi tenaga listrik (power plan simulation),simulasi tata kota (simcity).Simulasi waktu nyata (real time) merupakan bagian dari ilmu informatika (teknologi informasi) yang sedang berkembang sangat pesat saat ini.
1.2 Permodelan Sistem dan Simulasi
Sistem adalah kumpulan obyek yang saling berinteraksi dan bekerja sama untuk mencapai tujuan logis dalam suatu lingkungan yang kompleks. Obyek yang menjadi komponen dari system dapat berupa obyek terkecil dan system juga berupa sub-sistem atau system yang lebih kecil lagi. Dalam definisi ini disertakan elemen lingkungan karena lingkungan system memberikan peran yang sangat penting terhadap perilaku system itu. Bagaimana komponen-komponen system itu berinteraksi, hal itu adalah dalam rangka mengantisipasi lingkungan. 2 Mengamati system bukan hanya mendefinisikan komponen-komponen pendukung system, tetapi lebih dari dari itu harus pula mengetahui perilaku dan system se-variabel yang ada di dalamnya. Paling tidak analisis terhadap system harus dapat membuat konsepsi tentang system itu. Ada beberapa cara untuk dapat merancang, menganalisis dan mengoperasikan suatu system. Salah satunya adalah dengan melakukan pemodelan, membuat model dari system tersebut. Model adalah alat yang sangat berguna untuk menganalisis maupun merancang system. Sebagai alat komunikasi yang sangat efisien, model dapat menunjukkan bagaimana suatu operasi bekerja dan mampu merangsang untuk berpikir bagaimana meningkatkan atau memperbaikinya. Model didefinisikan sebagai suatu deskripsi logis tentang bagaimana system bekerja atau komponen-komponen berinteraksi. Dengan membuat model dari suatu system maka diharapkan dapat lebih mudah untuk melakukan analisis. Hal ini merupakan prinsip pemodelan, yaitu bahwa pemodelan bertujuan untuk mempermudah analisis dan pengembangannya. Melakukan pemodelan adalah suatu cara untuk mempelajari system dan model itu sendiri dan juga bermacam-macam perbedaan perilakunya
· Eksperimen dengan system system vs eksperimen dengan model system. Jika suatu system secara fisik memungkinkan dan tidak memakan biaya yang besar untuk dioperasikan sesuai dengan kondisi (scenario) yang kita inginkan maka cara ini merupakan cara yang terbaik karenashasil dari eksperimen ini benar-benar sesuai dengan system yang dikaji. Namun system seperti itu jarang sekali ada dan penghentian operasi system untuk keperluan eksperimen akan memakan biaya yang sangat besar. Selain itu untuk system yang belum ada atau system yang masih dalam rancangan maka eksperimen dengan system system jelas tidak sysemt dilakukan sehingga satu-satunya cara adalah dengan menggunakan model sebagi representasi dari system system.
· Model fisik vs Model Matematis. Model fisik mengambil dari sebagian sifat fisik dari hal-hal yang diwakilinya, sehingga menyerupai system yang sebenarnya namun dalam skala yang berbeda. Walaupun jarang dipakai, model ini cukup berguna dalam rekayasa system. Dalam penelitian, model matematis lebih sering dipakai jika dibandingkan dengan model fisik. Pada model matematis, system direpresentasikan sebagai hubungan logika dan hubungan kuantitatif untuk kemudian dimanipulasi supaya dapat dilihat bagaimana system bereaksi.
· Solusi Analitis vs Simulasi. Setelah model matematis berhasil dirumuskan, model tersebut dipelajari kembali apakah model yang telah dikembangkan dapat menjawab pertanyaan yang berkaitan dengan tujuan mempelajari system. Jika model yang dibentuk cukup sederhana, maka relasi-relasi matematisnya dapat digunakan untuk mencari solusi analitis. Jika solusi analitis system diperoleh dengan cukup mudah dan efisien, maka sebaiknya diigunakan solusi analitis karena metode ini mampu memberikan solusi yang optimal terhadap masalah yang dihadapi.
1. Rumusan Masalah
Berdasarkan latar belakang masalah maka permasalahan dapat dirumuskan sebagaiberikut:
1. Bagaimana model dari system antrian satu server dengan pola kedatangan eksponensial ?
2. Bagaimana ukuran keefektifan dari model antrian satu server dengan pola kedatanganeksponensial ?
3. Bagaimana tingkat kesibukan pelayan dengan asumsi satu pelayan dengan polakedatangan berdistribusi eksponensial ?
1.4 Tujuan
Dengan mengacu pada latar belakang masalah dan rumusan masalah, maka tujuandari penulisan ini adalah:
1. Menjelaskan tingkah laku dari model system antrian satu server dengan pola kedatanganberdistribusi eksponensial.
2. Menjelaskan ukuran keefektifan dari model antrian satu server dengan pola kedatanganberdistribusi eksponensial .
3. Menjelaskan implementasi model antrian satu server dengan pola kedatanganeksponensial.
2. Bidang-Bidang Aplikasi
Perancangan dan analisis system manufacturing.
· Evaluasi persyaratan hardware dan software untuk system system.
· Evaluasi system senjata atau taktik militer yang baru.
· Perancangan system komunikasi dan message protocol.
· Perancangan dan pengoperasian fasilitas transportasi, mis. Jalan tol, bandara, rel kereta, atau pelabuhan.
· Evaluasi perancangan organisasi jasa, mis. Rumah sakit, kantor pos, atau restoran fast food.
· Analisis system keuangan atau ekonomi.
Definisi Simulasi dan Permodelan
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. Sedangkan Simulasi diartikan sebagai teknik menirukan atau memperagakan kegiatan berbagai
macam proses atau fasilitas yang ada di dunia nyata. Fasilitas atau proses tersebut disebut
dengan system, yang mana didalam keilmuan digunakan untuk membuat asumsi-asumsi
bagaimana system tersebut bekerja.
Untuk melihat bagaimana system tersebut bekerja maka dibuat asumsi-asumsi, dimana
asumsi-asumsi tersebut biasanya berbentuk hubungan matematik atau logika yang akan
membentuk model yang digunakan untuk mendapatkan pemahaman bagaimana perilaku
hubungan dari system tersebut. Jika hubungan yang membentuk model cukup system, hubungan tersebut bisamenggunakan metode matematik (seperti aljabar, kalkulus atau teori probabilitas) untukmendapatkan informasi yang jelas setiap permasalahan tertentu, system ini disebut dengan solusi analitik
Model dan Jenis Simulasi
Model 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.
2.3 Model Simulasi Sistem
Representasi dari suatu objek, benda, atau ide-ide dalam bentuk yang disederhanakan,
· Model berisi informasi-informasi tentang suatu system yang dibuat dengan tujuan untuk mempelajari system yang sebenarnya. Model dapat merupakan tiruan dari suatu benda, system atau kejadian yang sesungguhnya yang hanya berisi informasi-informasi yang dianggap penting untuk ditelaah. Tujuan dari studi pemodelan adalah menentukan informasi-informasi yang dianggap penting untuk dikumpulkan, sehingga tidak ada model yang unik.
· Model yang baik memiliki beberapa karakteristik:
- Hanya melibatkan elemen-elemen yang secara langsung terlibat dalam masalah yang akan dipecahkan.
- Valid (dengan tepat mewakili/merepresentasikan system sebenarnya).
- Memberikan hasil yang berarti dan mudah dimengerti.
- Mudah dimodifikasi dan dikembangkan.
- Dapat digunakan berulang.
Simulasi yang menggambarkan sebuah system, dengan mengembangkan sebuah model dari system tersebut dan melakukan sederetan uji coba untuk memperkirakan perilaku system pada kurun waktu tertentu.
Jenis-jenis Model Simulasi:
Model dapat diklasifikasikan dengan beberapa cara, yaitu :
3. 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.
4. 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
5. 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.
6. 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.
b. Simulasi menurut ada tidaknya perubah acak
Simulasi Deterministik merupakan simulasi yang menggambarkan suatu proses yang pasti terjadi.Simulasi Stokhastik atau Probabilistik. Merupakan simulasi yang menggambarkan suatu
proses yang mengandung unsur ketidakpastian.
c. Simulasi menurut perubah acaknya
Simulasi Diskrit merupakan simulasi dari suatu proses yang komponen-komponen
sistemnya bersifat diskrit. Contoh: Simulasi kedatang pembeli pada supermarket
Simulasi Kontinu merupakan simulasi dari suatu proses yang komponen-komponen
sistemnya bersifat kontinu. Simulasi Campuran merupakan simulasi dari suatu proses yang komponen-komponen sistemnya ada yang bersifat diskrit dan ada yang bersifat kontinu.
Simulasi Monte Carlo merupakan simulasi yang menggunakan data empiris sebagai
dasar. Diberikan model matematika untuk dipelajari secara simulasi (sekarang merujuk sebagai
model simulasi), kita kemudian mencari alat-alat utama untuk melakukan simulasi
tersebut. Alat-alat ini berguna untuk tujuan mengklasifikasikan model-model simulasi dalam 3 dimensi yang berbeda.
Langkah-langkah Pembuatan Model Simulasi
Untuk pembuatan model simulasi model yang dibangun harus kredibel. Representasi kredibel sistem nyata oleh model simulasi ditunjukkan oleh verifikasi dan validasi model. Verifikasi adalah proses pemeriksaan apakah logika operasional model (program komputer) sesuai dengan logika diagram alur. Kalimat sederhananya, apakah ada kesalahan dalam program? (Hoover dan Perry, 1989); verifikasi adalah pemeriksaan apakah program komputer simulasi berjalan sesuai dengan yang diinginkan, dengan pemeriksaan program komputer. Verifikasi memeriksa penerjemahan model simulasi konseptual (diagram alur dan asumsi) ke dalam bahasa pemrograman secara benar (Law dan Kelton, 1991) .
Validasi adalah proses penentuan apakah model, sebagai konseptualisasi atau abstraksi, merupakan representasi berarti dan akurat dari sistem nyata? (Hoover dan Perry, 1989); validasi adalah penentuan apakah model konseptual simulasi (sebagai tandingan program komputer) adalah representasi akurat dari sistem nyata yang sedang dimodelkan (Law dan Kelton, 1991).
a. Aturan Verifikasi dan Validasi Dalam Simulai
Ketika membangun model simulasi sistem nyata, kita harus melewati beberapa tahapan atau level pemodelan. Seperti yang dapat dilihat pada Gambar 1, pertama kita harus membangun model konseptual yang memuat elemen sistem nyata. Dari model konseptual ini kita membangun model logika yang memuat relasi logis antara elemen sistem juga variabel eksogenus yang mempengaruhi sistem. Model kedua ini sering disebut sebagai model diagram alur. Menggunakan model diagram alur ini, lalu dikembangkan program komputer, yang disebut juga sebagai model simulasi, yang akan mengeksekusi model diagram alur.
Pengembangan model simulasi merupakan proses iteratif dengan beberapa perubahan kecil pada setiap tahap. Dasar iterasi antara model yang berbeda adalah kesuksesan atau kegagalan ketika verifikasi dan validasi setiap model. Ketika validasi model dilakukan, kita mengembangkan representasi kredibel sistem nyata, ketika verifikasi dilakukan kita memeriksa apakah logika model diimplementasikan dengan benar atau tidak. Karena verifikasi dan validasi berbeda, teknik yang digunakan untuk yang satu tidak selalu bermanfaat untuk yang lain Baik untuk verifikasi atau validasi model, kita harus membangun sekumpulan kriteria untuk menilai apakah diagram alur model dan logika internal adalah benar dan apakah model konseptual representasi valid dari sistem nyata. Bersamaan dengan kriteria evaluasi model, kita harus spesifikasikan siapa yang akan mengaplikasikan kriteria dan menilai seberapa dekat kriteria itu memenuhi apa yang sebenarnya.
b. Validasi Model Konseptual
Validasi model konseptual adalah proses pembentukan abstraksi relevan sistem nyata terhadap pertanyaan model simulasi yang diharapkan akan dijawab. Validasi model simulasi dapat dibayangkan sebagai proses pengikat dimana analis simulasi, pengambil keputusan dan manajer sistem setuju aspek mana dari sistem nyata yang akan dimasukkan dalam model, dan informasi apa (output) yang diharapkan akan dihasilkan dari model. Tidak ada metode standar untuk validasi model konseptual, kita hanya akan melihat beberapa metode yang berguna untuk validasi.
c. Representasi Kejadian Sistem
Metode ini menggunakan graf kejadian seperti yang digunakan dalam pengembangan model
simulasi. Teknik pembuatan grafnya juga sama. Kita harus mendefinisikan dengan jelas relasi kondisional antar kejadian. Representasi graf dapat digunakan sebagai jembatan ke model logis (model diagram alur) juga sebagai alat bantu komunikasi antara analis simulasi, pengambil keputusan dan manajer. Hampir sama dengan graf kejadian adalah model diagram alur, merepresentasikan aliran entitas melalui sistem.
d. Identifikasi Eksplisit Elemen yang Harus Ada dalam Model
Pada umunya model konseptual tidak dapat memasukkan semua detil sistem nyata, melainkan hanya elemen yang relevan dengan pertanyaan yang diharapkan akan dijawab. Dalam pembuatan model konseptual, semua kejadian, fasilitas, peralatan, aturan operasi, variabel status, variabel keputusan dan ukuran kinerja harus jelas diidentifikasikan dan akan menjadi bagian dari model simulasi. Kita juga harus mengidentifikasikan dengan jelas semua elemen yang tidak akan dimasukkan dalam model simulasi. Analis simulasi, pengambil keputusan dan manajer harus bergabung untuk memutuskan berapa banyak sistem nyata harus dimasukkan untuk menghasilkan representasi valid sistem nyata.
e. Verifikasi dan Validasi Model Logis
Bentuk model logis tergantung dari bahasa pemrograman yang akan digunakan. Jika model konseptual sudah dibangun dengan baik, verifikasi model konseptual bukan pekerjaan kompleks. Ada beberapa pertanyaan yang harus dijawab sebelum kita yakin bahwa model logis merepresentasikan model konseptual. Salah satu pendekatan yang digunakan untuk verifikasi model logis adalah dengan fokus pada:
1. apakah kejadian dalam model diproses dengan benar?
2. apakah rumus matematika dan relasi dalam model valid?
3. apakah statistik dan ukuran kinerja diukur dengan benar?
f. Verifikasi Statistik dan Ukuran Kinerja
Kesalahan umum yang terjadi dalam pemodelan simulasi adalah gagal memperbaharui statistik relevan dan ukuran kinerja secara tepat ketika suatu kejadian terjadi. Salah satu cara yang dapat digunakan untuk verifikasi bahwa statistik dan ukuran kinerja diperbaharui dengan benar adalah menggunakan graf kejadian. Dalam kebanyakan bahasa simulasi, beberapa tipe ukuran statistik dapat dikumpulkan secara otomatis saat simulasi dieksekusi. Oleh karena itu, ukuran statistik dibangun dalam metode yang transparan ke analis, sehingga mengurangi kesempatan kesalahan statistik.
Ketika model logis dibangun, adalah penting melakukan validasi bahwa sttaistik dan ukuran kinerja adalah satu-satunya yang perlu dijawab.
g. Verifikasi Model Komputer
Model komputer diverifikasi dengan menunjukkan bahwa program komputer adalah implementasi tepat model logis. Beberapa metode yang digunakan untuk verifikasi model komputer adalah unik terhadap simulasi, sementara metode verifikasi lain sama dengan yang digunakan dalam setiap pengembangan perangkat lunak lainnya. Verifikasi model komputer sangat tergantung dengan bahasa pemrograman yang digunakan dan tidak ada metodologi umum yang disetujui. Verifikasi model komputer sering membutuhkan imaginasi dan keahlian tinggi analis, dan ini adalah satu aktivitas dalam proyek simulasi yang dilakukan tanpa bantuan pengambil keputusan dan manajer.
Verifikasi model komputer dapat dilakukan dengan:
1. Metode pemrograman terstruktur
2. Penelusuran model simulasi
3. Pengujian
4. Pengujian relasi logis
5. Verifikasi dengan model analitis
6. Verifikasi menggunakan grafik
h. Penelusuran Simulasi
Beberapa bahasa simulasi menyediakan kemampuan-terpasang penelusuran simulasi sebagaimana terjadinya. Ketika model simulasi diprogram menggunakan bahasa umum, tentu saja analis harus membangun kemampuan penelusuran dalam kode program. Ketika membangun memprogram model logika, mekanisme penelusuran simulasi harus dimasukkan sebagai bagian dari disain program dan tidak ditutupi ketika ada kesalahan dalam program komputer.
Pengujian
Dua pendekatan pengujian adalah bottom-up dan top-down. Pada pendekatan bottom-up, yang terendah, modul dasar pada umumnya diuji dan diverifikasi terlebih dahulu. Pendekatan kadang-kadang disebut dengan pengujian unit. Setelah modul dasar diuji, uji terintegrasi dilakukan dimana interface diantara kedua modul diuji. Pendekatan bottom-up ini berlanjut terus sampai model dapat diuji sebagai sistem tunggal. Bagian terpenting dalam pengujian adalah seleksi data uji. Keuntungan pengujian modul paling rendah terlebih dahulu adalah pengujian itu membutuhkan himpunan data uji yang lebih kecil daripada modul integrasi yang lebih besar. Modul dapat diuji menggunakan driver yang menurunkan data uji, dan kemudian modul dieksekusi. pada pendekatan top-down, pengujian dimulai dengan modul utama dan secara inkremntal bergerak turun ke modul paling rendah. Dalam pengujian top-down, rutin (routine) dummy dibutuhkan untuk mensimulasikan fungsi modul level paling rendah. Keuntungan pendekatan top-down adalah proses berlangsung secara logika, paralel dengan aliran program. Programmer dan manajer biasanya lebih menyukai pendekatan top-down karena keberlangsungna proses dapat dilihat. Setelah model diuji baik dengan pendekatan bottom-up ataupun top-down, model harus diuji coba dengan kondisi paling ekstrim. Jika dipilih dengan hati-hati, hasil simulasi dengan kondisi ekstrim dapat diprediksi.
i. Pengujian Relasi Logis
Relasi ini dapat didasarkan pada hukum konservasi atau secara statistik. Jika relasi ini tidak diperhatikan, maka program bukan implementasi benar dari model logis. Titik paling sesuai untuk memeriksa relasi itu adalah ketika model berjalan tahap demi tahap. Secara tipikal, kesalahan pemrograman tidak acak dan berdistribusi secara uniform, tetapi berkumpul secara kluster.
j. Validasi Model Simulasi
Persfektif Umum Simulasi:
1. Eksperimen dengan model simulasi untuk eksperimen sistem aktual
2. Kemudahan atau kesulitan dari proses validasi tergantung pada kompleksitas sistem yang dimodelkan
3. Sebuah model simulasi dari sebuah sistem yang kompleks hanya dapat menjadi pendekatan terhadap aktual sistem
4. Sebuah model simulasi sebaiknya selalu dibangun untuk sekumpulan tujuan tertentu
5. Sebuah buku catatan dari asumsi-asumsi model simulasi sebaiknya diupdate berkala
6. Sebuah model simulasi sebaiknya divalidasi relatif terhadap ukuran kinerja yang akan digunakan untuk pengambilan keputusan
7. Pembentukan model dan validasi sebaiknya dilakukan sepanjang pensimulasian
8. Pada umumnya tidak mungkin untuk membentuk validasi statistik secara formal diantara data output model dengan data output sistem aktual
Langkah 1. Membangun sebuah model dengan usaha melibatkan informasi semaksimal mungkin:
1. Melakukan observasi terhadap sistem
2. Memanfaatkan Teori yang ada
3. Memanfaatkan hasil dari Model simulasi yang sama dan relevan
4. Menggunakan pengalaman atau intuisi
5. Memanfaatkan Teori yang ada
6. Memanfaatkan hasil dari Model simulasi yang sama dan relevan
7. Menggunakan pengalaman atau intuisi
Langkah 2. Menguji asumsi-asumsi model secara empiris
Jika distribusi probabilitas secara teoritis cocok dengan observasi dan digunakan sebagai input untuk model simulasi, dapat diuji dengan pembuatan grafik dan uji goodness-of-fit Jika beberapa himpunan data diobservasi untuk fenomena random yang sama, maka perbaikan dari penggabungan data tersebut dapat ditentukan dengan uji Kruskal-Wallis Salah satu utiliti yang sangat berguna adalah analisis sensitivitas
Langkah 3. Menentukan seberapa representatif output Simulasi
Prosedur Statistik untuk membandingkan data output dari observasi dunia nyata dan simulasi:
1. Korelasi pendekatan inspeksi
2. Pendekatan pendugaan selang kepercayaan berdasarkan data independen
3. Pendekatan Time Series
Validasi model simulasi dilakukan dengan partisipasi analis, pengambil keputusan dan manajer sistem. Uji validasi model adalah apakah pengambil keputusan dapat mempercayai model yang digunakan sebagai bagian dari proses pengambilan keputusan.
Tidak ada teknik tunggal untuk melakukan validasi model. Prosedur validasi model simulasi tergantung dari sistem yang sedang dimodelkann dan lingkungan pemodelan. Beberapa metode validasi adalah:
1. perbandingan output simulasi dengan sistem nyata.
2. metode Delphi.
3. pengujian Turing.
4. perilaku ekstrim
k. Peperbandingan Output Simulasi dengan Sistem Nyata
Membandingkan output ukuran kinerja model simulasi dengan ukuran kinerja yang sesuai dari sistem nyata adalah metode yang paling sesuai untuk melakukan validasi model simulasi. Jika ukuran kinerja sistem nyata cukup tersedia, uji statistik umum seperti uji t digunakan dimana kita menguji hipotesis kesamaan nilai rata-rata. Kadang-kadang uji F juga dapat digunakan untuk menguji kesamaan ragam sistem nyata dengan model simulasi. Beberapa metode nonparametrik lainnya juga bisa digunakan, misalnya ChiSquare dan Kolmogorov Smirnov.
Perbandingan antara model dan sistem nyata merupakan perbandingan statistik dan perbedaan dalam performans harus diuji untuk signifikansi statistiknya. Perbandingan ini tidak bisa dilakukan dengan sederhana begitu, karena performans yang diukur menggunakan simulasi didasarkan pada periode waktu yang sangat lama, mungkin beberapa tahun. Kinerja yang diukur dalam sistem nyata sebaliknya didasarkan pada periode waktu singkat, mungkin hanya dalam ukuran minggu atau paling lama bulan. Kendala kedua, semua kondisi awal sistem, yang mempunyai pengaruh pada performans sistem secara umum tidak diketahui pada sistem nyata.
Permasalahan lainnya dalam membuat perbandingan statistikal antara sistem nyata dengan model simulasi adalah bahwa performan yang diukur dalam sistem nyata mungkin merefleksikan banyak elemen atau pengaruh dalam sistem yang dikeluarkan dari sistem. Contohnya, ukuran kinerja untuk sistem produksi mungkin memasukkan pengaruh seperti shift kerja panjang, liburan dan kecelakaan industri. Pengaruh ini elbih disukai dikeluarkan dari model simulasi karena pengaruhnya akan konstan untuk sembarang alternatif model simulasi yang diharapkan untuk dievaluasi.
Dalam banyak proyek model yang sedang disimulasikan, sistem nyata bahkan belum ada. Dalam kasus seperti itu, tidak ada ukuran kinerja sistem nyata yang dapat digunakan sebagai perbandingan dengan ukuran kinerja model simulasi. Cara terbaik mungkin mencari sistem yang mirip, tapi perbandingan seperti itu lemah.
l. Metode Delphi
Metode Delphi dikembangkan sebagai pendekatan ke analisis permasalahan ketika sangat sedikit data tersedia atau sistem nyata sedang dipertimbangkan. Dalam metode Delphi, sekelompok ahli terpilih membentuk panel yang akan menghasilkan jawaban konsensus terhadap pertanyaan yang diajukan ke mereka. Dalam lingkungan simulasi, panel mungkin terdiri dari manager dan pengguna sistem yang sedang dimodekan dan pertanyaan adalah tentang perilaku atau kinerja sistem di bawah kondisi operasi tertentu. Metode Delphi tidak memasukkan diskusi tatap muka, oleh karena itu terhindar dari ketegangan diskusi kelompok seperti dominasi peserta paling vokal. Metode dikembangkan oleh perusahaan RAND dan telah digunakan dalam berbagai bentuk.
m. Pengujian Turing
Metode ini diajukan oleh Alan Turing sebagai uji intelegensia buatan. Seorang ahli atau panel ahli menyediakan ringkasan gambaran atau laporan berdasarkan sistem nyata dan model simulasi. Jika ahli tidak dapat mengidentifikasi laporan berdasarkan output model simulasi, kredibilitas model ditingkatkan. Kesulitan utama validasi model menggunakan uji Turing adalah penyesuaian ukuran kinerja sistem nyata sehingga pengaruh tidak dimaksudkan sebagai bagian dari model simulasi dihilangkan.
Tidak ada komentar:
Posting Komentar