Sabtu, 29 Agustus 2009

Mari Mempelajari Tentang Simulasi

Sindy febri antika
1307100066

A.Pengertian Simulasi

Sebelumnya kita perlu tahu terlebih dahulu apakah itu pengertian simulasi?. Simulasi merupakan suatu usaha Mencontoh atau mempergunakan gambaran sebenarnya dari suatu sistem kehidupan nyata tanpa harus mengalaminya pada keadaan yang sesungguhnya. Simulasi merupakan suatu penyederhanaan dari suatu realitas yang kompleks. Suatu simulasi dikatakan lengkap apabila dapat mewakili berbagai aspek dari realitas yang sedang dikaji. Sebagai contoh, boneka adalah model dari bentuk manusia; boneka yang dapat tertawa, menangis, dan berjalan adalah model manusia yang lebih lengkap, tidak hanya mewakili bentuk tetapi juga beberapa perilaku manusia.
Model memegang peranan penting di bidang ilmu pengetahuan. Biasanya dari segi ekonomi untuk menghemat (waktu,biaya) ataupun komoditi berharga lainnya. Pemodelan bisa juga dilakukan untuk menghindari resiko kerusakan sistem nyata. Dengan demikian sebuah model diperlukan bilamana percobaan dengan sistem nyata menjadi terhalang karena mahal, berbahaya ataupun merupakan sesuatu yang tidak mungkin untuk dilakukan. Taha (1992) bahwa asumsi sistem nyata diwujudkan dari sistem nyata dengan menentukan faktor-faktor dominan (variabel, kendala, dan parameter) yang mengendalikan perilaku dari sistem nyata. Phillips (1976) dalam operation research, yang dimaksudkan dengan model adalah representasi sederhana dari sesuatu yang nyata. Dengan pengertian ini menunjukkan bahwa model selalu tidak sempurna. Adakalanya lingkungan nyata terlalu rumit sehingga sekedar untuk memahaminya ataupun untuk mengkomunikasikan dengan orang lain diperlukan sebuah model yang representatif
Pada umumnya simulasi ini digunakan untuk menyelesaikan permasalahan- permasalahan yang memiliki kendala sebagai berikut:
􀁻Sangat sulit diselesaikan dengan cara analisis, misal dynamic programming, rangkaian listrik kompleks, dll.
􀁻Memiliki ukuran data dan kompleksitas yang tinggi, misal travellingsalesman problem, assignment, schedulling, dll.
􀁻Sangat sulit diimplementasikan secara langsung, karena biaya yang sangat tinggi,misal optimasi Radio Base Station atau optimasi channel assignment

Dibawah ini merupakan diagram yang menggambarkan sebuah penjelasan terperinci mengenai simulasi.


B.Model Simulasi

Model pada simulasi dapat dibedakan menjadi tiga jenis yaitu :
a)Model fisik (ikonik)
Model fisik replika atau tiruan dilaksanakan dengan menirukan domain /ruang/daerah dimana fenomena atau peristiwa alam tersebut terjadi. Tiruan domain dapat lebih besar ataupun lebih kecil dibandingkan dengan keadaan nyata di alam. Kesesuaian dari model ini ditentukan oleh seberapa mungkin kesebangunan (geometris, kinematis, dan dinamis) di alam dapat ditirukan ke dalam model. Misalnya, seorang ahli struktur yang mempelajari bagian struktur pesawat ruang angkasa dalam versi skala kecil. Contoh lainnya, umur rencana operasi pesawat terbang dipengaruhi oleh hasil penelitian model di dalam terowongan angin.
b)Model Analog(diagramatik)
Model analog dapat mewakili situasi dinamik, yaitu keadaan berubah menurut waktu. Model ini lebih sering dipakai daripada model ikonik karena kemampuannya untuk mengetengahkan karakteristik dari kejadian yang dikaji. Model analog banyak berkesusuaian dengan penjabaran hubungan kuantitatif antara sifat dan klas-klas yang berbeda. Dengan melalui transformasi sifat menjadi analognya, maka kemampuan membuat perubahan dapat ditingkatkan. Contoh model analog ini adalah kurva permintaan, kurva distribusi frekuensi pada statistik, dan diagram alir.
c)Model matematik
Model matematik adalah representasi ideal dari sistem nyata yang dijabarkan dinyatakan dalam bentuk simbol dan pernyataan matematik. Dengan kata lain model matematik merepresentasikan sebuah sistem dalam bentuk hubungan kuantitatif dan logika, berupa suatu persamaan matematik. Pada model matematik replika/tiruan dari feomena/peristiwa alam dideskripsikan melalui satu set persamaan matematik. Kecocokan model terhadap fenomena alam yang dideskripsikan tergantung dari ketepatan formulasi persamaan matematiknya.
Model matematik seringkali digunakan untuk mempelajari fenomena alam nyata yang kompleks dengan cara analisis, serta untuk menyelidiki hubungan antara parameter yang mempengaruhi fungsi sistem dalam proses yang kompleks. Dengan model matematik mempunyai lebih banyak keuntungan daripada mendeskripsikan permasalahan secara lisan, karena model ini mendeskripsikan permasalahan dengan sangat ringkas. Keseluruhan struktur permasalahan cenderung menjadi lebih dapat dipahami, serta membantu mengungkapkan hubungan sebab - akibat yang penting. Model matematik yang ditulis sesuai dengan bahasa pemrograman untuk digunakan pada komputer digital dinamakan model digital
Untuk lebih jelasnya konsep model matematik dapat dilihat pada gambar berikut ini. Bagian kiri dari Gambar 3, memperlihatkan sistem fisik/alam nyata. Tujuan untuk mengembangkan sebuah representasi konseptual dari sistem nyata, yang dikenal sebagai model diperlihatkan pada bagian kanan

Model matematik kemudian dibedakan kembali menjadi dua jenis yaitu:
1)Model Simulasi
Loucks dkk (1981), dua pendekatan dasar dalam menyelesaikan model-model perencanaan yaitu simulasi dan optimasi. Bisa jadi simulasi adalah metode yang paling luas penggunaannya dalam mengevaluasi berbagai alternatif sistem sumberdaya air. Teknik ini mengandalkan cara coba-banding (trial-and-error) untuk memperoleh hasil yang mendekati optimal. Model matematik yang telah melalui proses kalibrasi dan verifikasi dengan memuaskan, sudah memenuhi syarat sehingga dapat digunakan untuk simulasi.
Sudjarwadi (1989), model simulasi mempunyai maksud untuk mereproduksi watak esensial dari sistem yang dipelajari. Teknik simulasi dapat dibayangkan dengan percobaan (eksperimen), sebagai penyelesaian masalah untuk mempelajari sistem yang kompleks yang tidak dapat dianalisis secara langsung dengan cara analitik.
Beberapa pertimbangan berikut ini mungkin tepat dalam penggunaan analisis simulasi.
1.Simulasi memungkinkan untuk belajar serta bereksperimen terhadap interaksi yang kompleks dari sistem.
2. Melalui simulasi dapat dipelajari efek perubahan lingkungan,organisasi maupun informasi terhadap operasi sistem, dengan membuat perubahan pada model sistem serta mengamati efek perubahannya terhadap perilaku sistem.
3.Pengamatan yang mendetail terhadap sistem yang disimulasikan, memberikan pemahaman yang semakin baik mengenai sistem tersebut.
4.Pengalaman merancang model simulasi mungkin lebih berharga daripada simulasi itu sendiri. Pengetahuan yang diperoleh dalam merancang suatu studi simulasi, sering mendorong untuk mensimulasikan perubahan yang terjadi pada sistem. Melalui simulasi efek dari perubahan tersebut dapat diuji, sebelum menerapkannya pada sistem nyata.
5.Simulasi dari sistem yang kompleks dapat memberikan pemahaman yang mendalam terhadap variabel-variabel yang dominan dalam sistem, serta bagaimana variabelvariabel ini berinteraksi
6.Simulasi dapat berfungsi sebagai sarana uji coba untuk menilai kebijakan baru ataupun pengambilan keputusan dalam operasi sistem, sebelum memutuskan untuk menerapkannya pada sistem nyata.

Model Optimasi dalam hubungan matematik
Gill dkk (1993), metode optimasi dalam hubungan matematik biasanya menyangkut pengertian memaksimalkan atau meminimalkan. Setiap problem optimasi menurut Mays dan Tung (1992) memiliki dua bagian penting yaitu fungsi tujuan (objective function) serta serangkaian kendala (constraints). Fungsi tujuan menjelaskan kriteria yang ingin dicapai oleh sistem. Sedangkan kendala menjelaskan proses atau sistem yang sedang didisain atau dianalisis.
Bronson (1983), dalam suatu problem optimasi diusahakan untuk memaksimalkan ataupun meminimalkan suatu besaran spesifik sebagai “tujuan” (objective), yang tergantung dari input sejumlah variabel keputusan. Keputusan yang optimal menurut Mays dan Tung (1992) berupa serangkaian nilai variabel keputusan yang memberikan respons optimal terhadap fungsi tujuan serta masih memenuhi kendala. Berdasarkan sifat dari fungsi tujuan dan kendala maka problem optimasi dapat diklasifikasikan sebagai :
a.Linier vs non linier,
b.Deterministik vs stochastic
pada suatu sistem stochastic paling sedikit satu komponen dari input atau state sistem adalah random.
Model stokastik(probabilistik) merupakan Model yang mendasarkan pada teknik peluang danmemperhitungkan ketidakmenentuan (uncertainty). Dalam mengkaji suatu sistem, model ini sering dipakai karena perihalyang dikaji umumnya mengandung keputusan yang tidak tentu.
Model deterministik merupakan model kuantitatif yang tidak mempertimbangkan peluang kejadian. Contohnya adalah model pada program linear dan PERT. Model ini memusatkan penelaahannya pada faktor-faktor kritis yang diasumsikan mempunyai nilai eksak dan tertentu pada waktu yang spesifik.
c.Statik vs dinamik
pada sistem statis output hanya tergantung input saat ini dan tidak pada input-input sebelumnya.
d.Kontinu vs diskrit
pada suatu sistem continuous-state paling sedikit satu komponen (input, state) mempunyai rentang uncountable.
e.Parameter lump vs parameter distribusi.

Penggunaan metode optimasi tergantung dari :
a) tipe fungsi tujuan
b) tipe kendala,
c) jumlah variabel keputusan.
C. Teknik Simulasi
Berjalannya simulasi dibedakan menjadi dua jenis yaitu: Time-driven yaitu dimana simulasi berjalan pd interval waktu tertentu/fixed (mis. state ditentukan pada saat t, t + Dt, t + 2 Dt, …dan Event-driven yaitu dimana suatu simulasi berjalan dari event-ke-event (mis. state ditentukan pd titik waktu dari event berikutnya)
Terdapat dua jenis teknik simulasi diantaranya adalah:
I.Even
Untuk jenis teknik simulasi ini terdapat beberapa ketentuan yaitu sebagai berikut :
1.Suatu event adalah sembarang aktivitas dlm jaringan yg dp, secara potensial, menuju ke perubahan state atau ke event lain yg menuju ke perubahan state misalnya: Kedatangan paket pd suatu antrian, Penyelesaian transmisi, Kegagalan (failure) suatu link.
2.Utk setiap event, simulator harus meniru operasi sistem untuk Update state sistem , Update statistics, Menentukan event kedepan yg baru .
3.Time-driven simulation harus menentukan jika suatu event baru muncul pd setiap langkah waktu diskrit, dan jika suatu event telah terjadi, proses event tsb.
4.Event-driven simulation hanya perlu proses event pd titik waktu dimana suatu event terjadi .
5.Simulasi event-driven dp secara substansial lebih efisien secara komputasi dibandingkan dg simulasi time-driven.
Even sendiri kemudian dibedakan lagi menjadi dua jenis yaitu:
a.Continuous time: event-event sistem dp terjadi pd sembarang waktu (mis. kedatangan adalah Poisson)
b.Discrete time: event-event sistem dp terjadi hanya pd waktu-waktu tertentu (mis. kedatangan merupakan Bernoulli process)

II.State spac e
Sama halnya dengan even, state space juga memiliki ketentuan yaitu State sistem dapat disimulasikan berdasarkan pada waktu antar kedatangan dan waktu pelayanan
Waktu antar kedatangan dan waktu pelayanan dp berharga sembarang
Urutan pelayanan dp lain selain FIFO
Tdk dibatasi pd kedatangan Poisson dan waktu pelayanan eksponensial atau asumsi serupa utk model analitik.
State space terbagi menjadi dua jenis yaitu :
a.Continuous space: state pada simulasi adalah kontinyu (mis. arus melalui suatu resistor)
b.Discrete state: state pada simulasi adalah diskrit (mis. jumlah paket dlm antrian)

State sistem sebagai fungsi waktu










D.Bahasa simulasi dan sotware yang digunakan

Satu bahasa simulasi tidak dapat menjadi alat yang tepat untuk semua kasus permodelan simulasi. Pertama kita akan mempelajari terlebih dahulu mengenai anatomi bahasa simulasi. Kesuksesan analisis simulasi merupakan teknik campuran yang sangat tergantung pada keahlian dan keahlian analis.
Bahasa simulasi pertama yang dihasilkan untuk tujuan itu adalah GPSS (General Purpose Simulation System) yang dikembangkan oleh Geoffrey Gordon dan dipublikasikan pertama sekali tahun 1961. bahasa ini telah berevolusi dalam beberapa versi, yang pada umumnya dikembangkan ole IBM. Pengembangan terpisah versi GPSS, GPSS/H memungkinkan debugging kode interaktif. Akhir-akhir ini, GPSS tersedia pada umumnya untuk mainframe dan minikomputer, dan ada 2 versi untuk mikrokomputer IBM. Elemen GPSS dieknal mempunyai derajat isomorfis tinggi dengan elemen sistem diskrit.
GPSS diikuti dengan munculnya SIMSCRIPT tahun 1963, dikembangkan oleh perusahaan RAND. Bahasa ini memiliki kemampuan untuk permodelan sistem yang lebih kompleks. Untuk melakukan fungsi ini, elemen bahasa kurang jelas dihubungkan dengan dunia nyata. Penggunaan himpunan, kejadian, proses dan sumber daya menggambarkan secara utama pada struktur dan operasi program SIMSCRIPT.
Bahasa-bahasa pionir ini tidak lama diikuti pengemabngan bahasa-bahasa simulasi khusus lainnya dan jumlahnya sudah sangat banyak sampai saat ini.

a.Struktur Bahasa Simulasi

Kiviat mendefinisikan struktur statis bahasa simulasi terdiri dari 3, yaitu identifikasi objek dan karakteristik objek, relasa antara objek dan penurunan objek. Struktur dinamisnya didefinisikan sebagai metode penambahan waktu simulasi.
Objek adalah komponen model dan sistem yang menjadi perhatian utama analisis, misalnya nasabah bank, komponen dalam lini perakitan, pengguna dalam sistem jaringan, dll. Bahasa yang berbeda memberikan definisi yang berbeda pada objek, misalnya dalam SIMAN disebut entities, dalam GPSS disebut transactions. Masing-masing objek dalam sistem yang sama mempunyai karakteristik yang berbeda. Nasabah bank misalnya, ada yang ingin melakukan penarikan, ada yang ingin melakukan setoran, dll. Pendefinisian karakteristik dalam bahasa yang berbeda juga berbeda. Karakteristik dalam SIMAN dan SIMSCRIPT misalnya didefinisikan sebagai attributes sedangkan dalam GPSS didefinisikan sebagai parameters, dan ada juga yang menggunakan definisi properties, dll.
Cara setiap bahasa simulasi memfasilitasi ini sangat berbeda. Dalam beberapa kasus, mekanisme digunakan untuk menelusuri karakteristik akar bahasa kompiler darimana bahasa simulasi dikembangkan. Bahasa simulasi yang kurang dekat dengan konvensi struktur data dari kompiler tertentu menurunkan objek yagn sangat mirip dengan sudut pandang dunia bahasa. Sejalan dengan perbaikan kemampuan bahasa komputer umum (general purposes), bahasa simulasi khusus pada umumnya telah dikodean kembali seperti assembly, bahasa bebas mesin seperti C. Tetapi struktur awal penurunan objek tetap dalam bahasa simulasi.
Struktur statis bahasa simulasi menempatkan objek dalam ruangan model, yaitu dimana objek secara fisik ditempatkan dalam sistem. Struktur dinamis dibutuhkan untuk menempatkan objek dalam waktu dan memungkinkan keberlanjutan dari satu titik waktu ke titik lainnya. Ada dua pendekatan dasar yang digunakan dalam struktur dinamis, yaitu fixed-time step dan event-tracking.
Pendekatan fixed-time memeriksa sistem pada interval waktu tetap untuk menentukan apakah statusnya sudah berubah atau belum. Jika status masih sama, variabel waktu akan ditambahkan sebesar interval waktu-tetap. Meskipuns ecara logika pendekatan ini cukup sederhana, tapi metodenya sangat tidak efisien. Mungkin ada beberapa titik waktu dimana sistem tidak berubah statusnya, dan karenanya akan ada banyak pemeriksaan sistem yang tidak perlu. Akibatnya, tidak ada bahasa simulasi kejadian diskrit yang menggunakan pendekatan ini ke struktur dinamis.
Pendekatan event-tracking memeriksa sistem hanya jika ada perubahan status. Logika diamsukkan dalam model untuk menentukan kapan kejadian atau status sistem berubah, dan variabel waktu ditambahkan dengan tepat sampai titik sebelum sistem diperiksa. Logika yang dibutuhkan untuk melakukan ini lebih kompleks dibandingkan dengan langkah waktu-tetap, tetapi akan mengehmat waktu eksekusi model secara signifikan.

b.Karakteristik Bahasa Simulasi

Struktur dinamis dan statis bahasa simulasi menyediakan kebutuhan jelas untuk mengeksekusi mode simulasi. Beberapa sifat bahasa simulasi lainnya dibutuhkan atau sangat diinginkan untuk penggunaan efektif analisis simulasi sebagai teknik pembantu pengambilan keputusan..
Pengembangan kode model. Kebanyakan bahasa simulasi amsih membutuhkan pemasukan pernyataan kode untuk menciptakan kode model, tetapi kemampuan grafik mikrokomputer telah memungkinkan input grafik. Cara ini paling sesuai untuk bahasa yang fokus pada aliran objek melalui elemen atau blok model.
Debugging model. Begitu mode simulasi sudah dikodekan menggunakan bahasa simulasi yang dipilih, langkah selanjutnya adalah debugging kode sehingga model simulasi berjalan ke penghentian normal. Syntax errors (kesalahan sintaks) adalah permasalahan pertama dalam proses, dan analisis untuk mendeteksi ini sudah ditanam dalam bahasa simulasi umumnya. Kesulitan berikutnya yang dihadapi adalah perbaikan kesalahan selama eksekusi kode. Analisis bahasa simulasi umumnya tidak sesuai secara total dengan permasalahan ini. Setelah menemukan kesalahan seperti ini, program berhenti dan tidak memberikan alasan dalam bentuk logika model kenapa program berhenti.
Penurunan variabel acak. Untuk kebanyakan simulasi probabilistik, kemampuan mengekstrak sampel acak dari distribusi probabilitas tertentu sangat penting. Bahasa simulasi melakukannya dengan mudah.
Pengumpulan statistik. Penjalanan model simulasi tanpa mengumpulkan data ukuran kinerja sistem sama saja dengan tidak melakukan pengamatan pada sistem dunia nyata yang sedang berlangsung. Pengamat ada selama operasi sistem dunia nyata tetapi tidak mengamati dan mencatat apa yang terjadi. Bahasa simulasi harus memungkinkan pengguna dengan mudah menspesifikasikan beragam statistik yang dikumpulkan selama eksekusi model. Juga untuk membantu interpretasi output simulasi, kemampuan penggambaran grafik dan inferensi statistik diperlukan.
Disain percobaan. Karena analisis simulasi bersifat deskriptif, kesuksesan aplikasinya tergantung pada percobaan model. Rancangan percobaan efektif dan efisien benar-benar meningkatkan kualitas solusi yang didapatkan dari model simulasi.
Animasi grafis dan output dinamis. Kemampuan menggunakan bahasa simulasi pada mikrokomputer memungkinkan kemampuan grafis mesin ini untuk mengilustrasikan penjalanan mode simulasi atau outputnya. Ilustrasi objek yang mengalir melalui elemen model disebut sebagai animasi. Animasi biasanya menggunakan monitor berwarna dan dengan mudah mengenali simbol objek dan elemen model. Dengan mengamati aliran seperti itu, analisis dapat memperhatikan penyebaba permasalahan operasi dan dapat memperbaikinya. Animasi model akan memperlambat eksekusi model. Oleh akrena itu, animasi biasanya hanya dilakukan pada mikrokomputer cepat dengan memori besar.

c.Pemilihan Bahasa Simulasi

Beberapa hal yang perlu diperhatikan dalam pemilihan bahasa simulasi adalah kemudahan untuk dipelajari, kemudahan menjelaskan pada orang yang bukan teknik, biaya, kode standar untuk semua komputer dan cakupan permasalahan yang dapat ditangani oleh bahasa. Pada umumnya, semakin mirip elemen bahasa simulasi dengan elemen dunia nyata, semakin mudah elemen itu dipelajari. Kemudahan menjelaskan fungsi bahasa simulasi ke manajer yang mengeluarkan dana untuk pembelian perangkat lunak dan yang tidak memahami secara teknis juga digunakan dalam memilih bahasa simulasi.

2 komentar:

Sindy Febri mengatakan...
Komentar ini telah dihapus oleh pengarang.
Sindy Febri mengatakan...

berhasil. .berhasil. .:D