BAB3. LANGKAH-LANGKAHSIMULASI Tujuan Instruksional Umum Tujuan Instruksional Khusus
Mahasiswa dapat menguraikan langkahlangkah dalam simulasi 1. Mahasiswa dapat menguraikan elemen analisis simulasi 2. Mahasiswa dapat menguraikan sistem yang akan dimodelkan 3. Mahasiswa dapat mengidentifikasikan teknik pengumpulan data dan analisis data 4. Mahasiswa dapat menyebutkan model simulasi 5. Mahasiswa mengerti peran dan makna verifikasi dan validasi model 6. Mahasiswa dapat mengerti manfaat percobaan dan optimasi 7. Mahasiswa dapat menguraikan implementasi hasil simulasi
3.1. Pendahuluan Simulasi dilakukan mengikuti beberapa langkah, seperti yang dapat dilihat pada Gambar 3.1. Permodelan simulasi diawali dengan kegiatan memformulasikan masalah dan membuat rencana pemecahannya. Jika formulasi masalah dan rencana pemecahan sudah jelas, data yang dibutuhkan sudah diketahui dan dapat dikumpulkan. Model juga sudah dapat didefinisikan. Uji validitas dilakukan terhadap model yang sudah terbentuk. 3.2. Formulasi Permasalahan Formulasi masalah merupakan suatu langkah yang sangat penting dalam perancangan model simulasi. Formulasi masalah yang tidak tepat tidak akan mungkin menghasilkan model yang tepat (akurat). Formulasi masalah merupakan suatu kegiatan untuk memilih satu permasalahan yang dianggap paling penting untuk diselesaikan saat itu dari sekian banyak permasalahan. 3.1.l.Variabel dan pembatas Hal-hal berikut diungkapkan dalam formulasi masalah: · Identifikasi keputusan dan variabel yang tidak dapat dikontrol · Spesifikasipembatas variabel keputusan
61
--
. .
---
-
---
Mendefinisikan ukuran kinerja sistem dan fungsi tujuan Mengembangkan model struktur awal yang menghubungkan variabel sistem dan ukurankinerja Formulasikan Masalah & Buat Rencana Pemecahannya Kumpulkan Data dan Definisikan Modelnya
! !
Uji Validitas (Model) Buat Program Komputer
! Jalankan Programnya
! Uji Validitas ! Rancang Percobaan
! !
Jalankan Produksi
Analisis Data Output
Penyimpanan Hasil dan Program yang Dipakai Gambar 3.1. Langkah - langkah model simulasi
62
Setelah manajemen memutuskan permasalahan yang akan diselesaikan dalam model simulasi, maka langkah selanjutnya adalah menentukan variabel yang mendefinisikan sistem dan outputnya. Variabel dapat dikategorikan sebagai variabel eksogenus dan endogenus. Variabeleksogenus kadang-kadang disebutjuga sebagai variabel input sedangkan variabel endogenus disebut juga sebagai variabel output. Variabel eksogenus ada di luar sistem dan tidak terikat dengan model. Di sisi lain, variabel endogenus ada dalam sistem dan mernpakan fungsi variabel eksogenus. Variabel eksogenus terdiri dari variabel yang dapat dikontrol dan tidak dapat dikontrol. Variabel eksogenus yang dapat dikontrol dapat dimanipulasi pengambil keputusan, sedangkan variabel eksogenus yang tidak dapat dikontrol tidak dapat dimanipulasi pengambil keputusan. Jadi untuk menyelesaikan permasalahan yang dihadapi manajemen, menggunakan model simulasi, mereka hanya dapat memanipulasi variabel eksogenus yang dapat dikontrol. Penentuan variabel sebagai terkontrol atau tidak tergantung dari kemampuan pengambil keputusan mengendalikan sumber daya. Variabel eksogenus yang dapat dikontrol kadang-kadang disebut dengan variabel keputusan. Variabel eksogenus yang tidak dapat dikontrol kadang-kadang disebut dengan parameter sistem. Sumber daya yang membatasi dalam mencapai tujuan juga hams didefinisikan dengan tepat. Permasalahan timbul karena adanya batasan-batasan dalam sistem. Ukuran kinerja sistem bisa lebih dari satu. Pengoptimalan salah satunya bisa saling bertentangan dengan ukuran kinerja lainnya. Pengambil keputusan hams dapat memilih ukuran kinerja yang paling tepat untuk tujuan optimasi. Detail model tergantung dari tujuan pengembangan model dan kontribusi marjinal penambahan detail. Kompleksitas model ditentukan secara subjektif, dengan cara coba-coba yang diturnnkan dari perkiraan biaya marjinal yang hams dikeluarkan untuk mendapatkan data dan relasi dalam model terhadap akurasi tambahan yang dapat diberikan. 3.3. Pengumpulan Data Data diperlukan untuk percobaan model. Verifikasi dan validasi model dapat dilakukan dengan adanya data. Dalam validasi dan verifikasi, analisis menguji seberapa dekat model yang dibuat dapat menirn sistem aslinya dengan membandingkan output model dengan kinerja sistem. Output akan diperoleh jika
63
--
--
--
simulasi dijalankan untuk data tertentu. Data bisa diperoleh dengan pengamatan dan pelaporan pribadi, atau dengan membangkitkan bilangan acakjika data historisnya sudah ada. Cara kedua ini khususnya digunakan untuk model probabilistik. Ukuran sampel tergantung dari biaya yang bersedia dikeluarkan untuk keakuratan tertentu. 3.4. Pengembangan Model Pemahaman yang baik akan sistem sebenamya sangat diperlukan dalam membentuk model dan merupakan hal yang sulit juga untuk dilakukan. Tidak ada pendekatan yang baku dalam membentuk model. Ada dua pendekatan yang dapat kita gunakan, yaitu pendekatan aliran fisik dan perubahan status. Dalam pendekatan aliran fisik, pemrosesan atau perpindahan entitas secara fisik ditunjukkan dalam model. Keberadaan entitas ini dilacak dalam sistem selama proses penjalanan simulasi, untuk mengetahui entitas sedang diproses dimana dan pencabangan aturan keputusan untuk menentukan rutenya. Diagram alur entitas dan pemrosesan elemen sistem memberikan representasi sistem darimana model dan pemrograman komputemya dikembangkan. Dalam pendekatan perubahan status, kita memerlukan variabel status (termasuk dalam klasifikasi variabel endogenus) dan kejadian. Kita dapat bedakan model yang akan kita bangun ke dalam model konseptual, logika dan simulasi. Penggolongan ini akan memudahkan dalam membentuk model simulasinya. Model konseptual : menggambarkan sistem secara konsep, dapat secara verbal atau menggunakan grafik. Model logika : menerjemahkan model konseptual ke dalam bentuk suatu diagram alur atau algoritma. Model simulasi :menerjemahkan modellogika ke dalam program komputer
· · ·
3.5. Verifikasi dan Validasi Verifikasi dan validasi dilakukan untuk ketiga model (konseptual, logika dan simulasi). Model valid jika ukuran outputnya sangat dekat dengan ukuran sistem nyata yang sesuai. Validasi menunjukkan seberapa akurat model memprediksi kejadian mendatang. Prediksi kejadian masa mendatang harus didahului prediksi nilai variabel input. 3.6. Percobaan model dan optimasi Analisis output menggunakan metode statistik. Teknik statistik yang umumnya digunakan adalah rancangan percobaan, dan metode respon permukaan. Dalam melakukan analisis output, sistem dibedakan menjadi dua (2) jenis. Jenis pertama adalah sistem yang memiliki masa akhir (terminating), yaitu semua
64
kegiatan berlangsung pada periode tertentu dan akan ditutup untuk istirahat pada waktu yang sudah ditentukan. Sistem akan mulai beroperasi kembali untuk memulai periode berikutnya. Contoh dari sistem ini adalah hampir semua aktivitas kantor. Pada umumnya kantor mulai beraktivitas jam 09.00 pagi lalu akan tutup jam 17.00 untuk istirahat, dan akan beraktivitas kembali pada hari berikutnya dan jam yang sarna. Jenis kedua adalah sistem yang tidak mempunyai akhir secara nyata pada periode tertentu (tidak terminating). Padajenis ini, tidak ada kejadian spesifik yang mengakhiri kegiatan sistem. Sistem akan tetap beraktivitas kecuali ada kerusakan dari sub sistem atau komponen lainnya yang memaksa sistem untuk berhenti. Contoh dari sistem ini adalah pabrik otomasi yang bekerja sepanjang hari, sepanjang minggu, bulan, dan tahun. Contoh lainnya dalam industri jasa adalah layanan telepon 24jam sehari. 3.7 Analisis Output Analisis output menggunakan metode statistik. Teknik statistik yang umumnya digunakan adalah pendugaan parameter dan uji hipotesis. Bagian ini akan dibahas secara khusus dan detail pada bab 8.
65
--
Daftar Pustaka 1. 2. 3. 4.
Hoover, Stewart V. Dan Perry, Ronald F. Simulation: A Problem Solving Approach. Addison-WesleyPublishing-Company, Massachusetts. 1989. Banks, Jerry, Carson II, J. Dan Nelson, B.L. Discrete-Event System Simulation. Prentice-Hall International, Inc., London. 1984. Law, Averill M. Dan Kelton, David W. Simulation Modeling and Analysis. McGraw-Hill Inc., Singapore. 1991. Peg~en, C. Dennis, Shannon, Robert E. Dan Sadowski, Randall P. Introduction to Simulation Using SIMAN. McGraw-Hill, Inc., Singapore. 1995.
66
