Simulasi & Budaya : Antri, Teori Antrian dan Artika

Tahun 70-an saya tinggal disebuah kampung dengan gang atau lorong yang kecil di kota Solo. Dan seperti layaknya tetangga yang lain kami tidak punya sumur, kamar mandi dan WC sendiri. Jadi ada MCK dengan sumur pompa dan sumur tarik diujung belakang dari gang. Bangun pagi antara sadar dan belum sadar penuh, saya dengan semua yang tinggal di kampung itu musti bisa me-manage diri. Siapa yang harus duluan dan siapa yang musti belakangan. Karena, semuanya musti dan harus jam 7.15 WIB sudah sampai dan masuk ke sekolah masing-masing. Dan anehnya itu berjalan puluhan tahun tanpa polisi yang mengatur, atau Pak RT yang meng-absen kedatangan satu per satu ke lokasi MCK, dan tidak ada masalah dengan rebutan dulu duluan makai fasilitas negara tersebut…!! WC Umum secara natural telah menanamkan kesadaran untuk saling mengantri dan saling bisa mengatur waktu untuk tidak mandi atau beol terlalu lama sekiranya masih banyak orang dibelakang yang mengantri. Sayang memang, waktu itu tidak diteliti per harinya : waktu kedatangan, interval antar kedatangan, service time WC umum maupun kamar mandi, berapa lama mengantri, dst. Andai data-data itu ada, saya yakin kita akan tercengang dengan fakta atau data yang ter-record selama puluhan tahun. Kenapa? Alur sistem yang berlaku dalam antrian tadi tidak secara sengaja di create, tapi berjalan secara natural. Yang dibuat adalah batas akhir proses harus kurang dari jam 7.15 WIB, selain itu, mau mandi dulu atau gosok gigi dulu atau mau beol dulu silakan. Selain itu mau beolnya lama, mau sebentar tidak ada alert sistem yang mengatur. Dan bener tidak ada masalah dalam antrian itu, sehingga sistem itu sudah menjadi bagian dari budaya yang memberikan kenyamana service atau kenyamanan hidup bagi saya dan tetangga saya hingga puluhan tahun.

Lain lagi ketika kuliah di Prancis th 90-an hingga 2001, bangun pagi langsung ke salle de bain disitu ada lavabo, salle de toillet, bagnoire dengan kran yang merah untuk l’eau chaud (air panas) dan biru untuk yang froid (dingin). Praktis tidak ada antrian…!!! (Nggak tahu kalau di Appartement d’etudiant Antinea di La rochelle, mungkin Salle de bain nya kayak di cokpit Pilot Boeing alias lebih exclusive…). Tapi bersiap-siaplah masuk dunia yang penuh dengan antrian tatkala kaki keluar dari apartement. Menuju ke campus, musti nunggu bus yang memang datangnya on time. Begitu Bus datang antrian dimulai, karena yang naik musti menunggu mereka yang turun. Dan yang naikpun musti satu-satu sambil tukar sapa dengan sang sopir (conducteur) : ” Bonjour…” Dan yang turun, selalu ngucap : “avoir et merci”. Sampai di campus kuliah atau kerja dilabo dan pas break jam 10-an prendre du cafe ada sedikit antrian di depan mesin cafe. Nah selamat datang di dunia yang penuh antrian, istirahat dan makan siang di Restaurant Universite (Resto U). Cek dulu sebelum makan : carnet makan anda masih atau tidak ( 1 carnet : 10 lembar girik makan). Kalau pas habis silakan antri dulu di tempat pembelian carnet. Disana, di loket pembelian gak terima cek atau card banquaire (Kartu kredit). berati harus cari ATM untuk tirer (ambil) uang dulu. Inilah antrian pertama : Tarik Uang di anjungan ATM dalam komplek Resto U atau campus. berikutnya ngantri beli carnet ;” Un carnet s’il vous plait….”dah selesai. Silakan antri ambil baki, ambil baquette (roti), ambil menu yang kamu suka dari pembuka sampai penutup. Terus aantri ke kasir serahkan 1 lembar girik makan anda sambil dihitung, kl ada yang lebih, eit… tunggu dulu harus tambah beberapa money. Lewat…silakan ambil tisue, garam, poivre dlm sachette. Terus cari tempat duduk dan bon a petit…(selamat makan)

Jangan dikira petualangan antri selesai setelah makan. piring kotor dan sisa makan harus dikembalikan ke loket khusus. Disini kmau musti antri lagi, menggeser baki yang berisi piring kotor dan sisa makanan ke depan satu langkah, satu langkah lagi…terus hingga akhirnya anda harus masukan ke dalam poubelle sisa makanan dalam piring hingga bersih. Ufh….Usai sudah. Tertib. Dan tidak terjadi masalah. Ada statistik yang menggambarkan : service time dari masing2 antrian tadi, queuing time dll. Menarik sekali…berapa jam waktu yang dihabiskan student disana di RestoU untuk dejeuner alias makan siang ,kenapa harus dideteksi? karena buat mereka ini adalah bagian dari budaya. Dimana budaya yang di create berdasarkan sebuah system yang sudah dianalisi alur dan algoritmanya sehingga menciptakan kenyamanan hidup buat mereka.

Indahnya mathematics, kejadian di Resto U tadi dibahas dikelas oleh profesor Mikael Nikulin dan VB Bagdonavicius untuk mata kuliah Stochastique model. Dan dengan teman-teman saya (Benoit LIQUET, Jean Marc NAULIN et all) dibuat mainan SIMULASI dengan Software ARENA 6.0 cuma datanya diganti dari data antrian makan dengan Munich Airport Passenger Terminal Simulation Study (in German) silakan download pdfnya disini : sat_flughafen_muenchen_arena_2000

Dari 2 kejadian diatas, ada sebuah catatan yang menarik. Sistem manakah yang lebih bisa well implemented di lapangan? Apakah yang pertama yang dibangun dan berjalan secara intuitif ? ataukah yang kedua, yang diatur dengan alur dan algoritma yang ketat ? Jelas untuk sebuah study model sistem yang kedua menjamin kemudahan melakukan riset dan menyelesaikan maslah klasik yang terjadi pada riset-riset yang dilakukan di Indonesia yaitu keterrsediaan data.

Dan maaf, 21 mereka yang meninggal (semoga Alloh menerima dan menempatkan di tempatnya yang mulia) di Pasuruan adalah karena kebiasaan berfikir dan habit yang berlaku : bahwa intuitively saja untuk membuat sebuah sistem meski entitas yang terlibat sudah majemuk dan element yang terlibat sudah mencapi jumlah ribuan. Padahal syarat dan alur penerimaan atau pembagian zakat sudah secara ekplisit tertuang dalam aturan baku. Budaya spontan dan intuitive itu baik baik saja sehingga mungkin membuat orang lebih dinamis dan kreatif karena tidak seperti Robot yang diatur setiap gerak geriknya. Namun budaya ini tidak serta merta berlaku untuk sebuah events yang dimana toleransinya sudah mulai sempit, yang dimana respectnya sudah mulai hilang, yang dimana perut sudah lapar, yang dimana yang kaya berharta merasa jadi “ndoro” bangga didatangi orang dhuafa/jelata meminta minta, yang dimana yang miskin sudah kehilangan rasa malu. Stop…. Enough !!! Alloh menciptakan semua meteor sampai planet tidak saling bertabrakan, Dia membangun sistem dengan alur yang jelas (The Motivation. Sudah saatnya keteraturan dan keberaturan harus dibangun disemua lini kehidupan dengan basis : Liberte, egalite et fraternite. Itulah Model mathematics. Sampai tulisan hampir selesai, kok gak ada korelasinya antara Antrian dan Artika ?

Aneh memang kalau keduanya ada korelasinya…tapi tunggu posting berikut ini :

Apa yang dapat anda jelaskan kepada kami tentang fenomena antrian mencari informasi menjelang pernikahan Artika Sari Devi dari grafik diatas?

TUGAS I : Setiap mahasiswa diminta mencari article tentang Simulasi yang didukung dengan Software simulasi (contoh seperti file : sat_flughafen_muenchen_arena_2000). Tugas dikumpulkan kamis, 26 februari 2009

15 Responses to “Simulasi & Budaya : Antri, Teori Antrian dan Artika

  • Kemaren malam, setelah taraweh. Eko dan hari membicarakan mengenai tugas Riset Operasi mereka di Math. Awalnya meraka membicarakan soal antrian parkir yang mau dijadikan projek yang mau diriset. Tapi case ini sudah terlalu umum. Nagh pas itu saya nimbrung pak. Begini ceritanya 😀

    Eko, Lia. dulu pernah bilang ke saya kalo mau membuat semacam penelitian kepuasan pelanggan di SAT. Walo akhirnya sampe sekarang belum terlaksana. Kemaren saya ikut nimbrung obrolan mereka. “Kenapa gak sekalian membuat penelitian soal SAT?” Jadi, selama ini kan kita tidak mempunyai riset mengenai optimasi penggunaan SAT, soal jam operasi SAT, soal jam ramai, jam sepi sampai penggunaan PC-nya. Yang sudah bisa dilihat selama ini dari laporan bulanan yang saya susun hanya Statik pendapatan Billing, pendapatan transaksi, absensi teman-teman SAT dan jumlah pengunjung. Nagh dari obrolan yang kami lakukan kemaren.. ditemukan kendala, yang saya sendiri juga tidak terlalu “nggeh” dengan maksud dari istilah ini, di dunia “Riset Operasi”. Parameter kendala dan parameter batas. Kalo yang dijelaskan eko segh, dimisalkan pada kasus Perusahaan cat ekspor impor, 2 param ini yang biasa diketahui dengan variable x dan y, harga dan jumlah produksi. Nagh di SAT, variabel apa yang bisa menjadi parameter batas atau kendala di kasus riset SAT ini. Kami bun buntu 😀

    Jadi sekalian ini pak, saya sharingkan. Mbok menowi, bapak tahu jawaban dari antrian masalah ini. *maap Pak, jadi posting di comment*

  • nice pak..!! ditunggu nih, hasil pemikiran ilmuwan2 UNS menyelesaikan masalah transportasi jakarta. salah satunya adalah antrian bus transjakarta. dari VII koridor kayaknya masih perlu pembenahan alokasi penempatan armada bus yang jumlahnya masih terbatas. ada koridor yang tiap 5 menit bus dateng, tapi ada juga yang nunggu 45 menit gak dateng2. saya yakin, dengan teori antrian masalah ini bisa sedikit teratasi. Ayo Pak Tanto..

  • sistem antrian?em….materi yang sangat menarik.setelah membaca artikel tadi dan penjelasan2 bpk, saya jd semakin penasaran pingin mempelajarinya sepertiny merupakan wawasan yang sangat baik dan sangat sesuai diterapkan dikehidupan nyata yang skrg ini sangt butuh keteraturan. cuma skrg saya g ngerti sama sekali, masih bingung bgt sebenarnya gmn cara ngolah datanya? tus data kyk gmn yg bs dibuat model? gmn jg cri data nya? makanya pak buruan dong kita dibuat ngerti tentang semua ini biar cpt bs nerapin kekehidupan nyata hehehe

  • Salam pak Tanto…
    Untuk materi kuliah PTS bikin blog sendiri donk pak…biar kita faham..Tq

  • ok. anda siap memberi masukan juga ya…

  • Nugroho
    8 years ago

    Pak apakah ada korelasi antara tehnik simulasi dengan algoritmaprim atan kruskal dalam minimum spanning tree

  • Nugroho
    8 years ago

    Pak apakah ada terketaitan antara algoritma prim atau kruskal dengan tehnik simulasi

  • Ririn Setyowati
    8 years ago

    NAMA: RIRIN SETIYOWATI
    NIM : M0107053
    Simulasi
    Evaluasi dan Ilustrasi
    Deterministic Modelling
    Salah satu metode evaluasi adalah evaluasi analitik, yaitu menggunakan algoritma yang sudah ada dan workload dari sistem untuk menghasilkan suatu formula yang menggambarkan performance suatu algoritma. Salah satu tipe evaluasi analitik ini adalah deterministic modelling. Model ini menggunakan workload yang sudah diketahui dan melihat performance algoritma dalam menjalankan workload tersebut. Untuk dapat memahami deterministic modelling ini, kita gunakan sebuah contoh. Misalkan lima proses datang pada waktu yang bersamaan dengan urutan sebagai berikut:
    Tabel : Contoh
    Proses Burst Time
    P1 10
    P2 29
    P3 3
    P4 7
    P5 12
    Dengan deterministic modelling kita membandingkan performance algoritma dalam mengekseskusi proses-proses di atas. Eksekusi proses dengan algoritma First Come First Serve (FCFS), Shortest Job First (SJF), dan Round Robin (RR) digambarkan pada Gambar 16.1, “Perbandingan dengan Deterministic Modelling”.
    Dari average waiting time-nya, dapat dilihat bahwa untuk kasus ini algoritma SJF memberikan hasil yang paling baik, yaitu average waiting time-nya paling kecil.
    Deterministic modelling ini memungkinkan kita membandingkan performance algoritma dengan cepat dan sederhana karena kita bisa melihat perbandingannya langsung dari angka yang dihasilkan. Namun, model ini hanya berlaku untuk kasus tertentu dimana kita bisa mengetahui angka pasti dari workload yang akan dijadikan input dalam perhitungan. Model ini bisa digunakan untuk memilih algoritma terbaik dimana kita menjalankan program yang sama berulang-ulang dan kebutuhan untuk menjalankan program dapat diukur.
    Gambar 1.Perbandingan dengan Deterministic Modelling

    Simulasi
    Untuk mendapatkan hasil yang lebih akurat dari evaluasi algoritma penjadwalan, bisa digunakan simulasi. Simulasi ini dibuat dengan memprogram sebuah model dari sistem komputer. Simulatornya memiliki variabel yang merepresentasikan clock. Jika nilai dari variabel ini bertambah, simulator mengubah status dari sistem untuk menggambarkan aktivitas proses, device, dan penjadwal. Selama simulatornya berjalan, data-data statistik mengenai performance algoritma dikumpulkan dan dicetak.
    Untuk menjalakan simulator ini diperlukan data yang merepresentasikan aktivitas sistem seperti proses, CPU burst, dan lain-lain. Biasanya data ini dibuat dengan random-number generator dengan memanfaatkan distribusi probabilitas seperti distribusi Poisson, eksponensial, dan lain-lain. Tapi menjalankan simulasi dengan data yang dihasilkan dari distribusi ini bisa saja tidak akurat, karena dari distribusi hanya diketahui frekuensi atau berapa kali suatu kejadian muncul. Distribusi ini tidak memperhatikan urutan kejadiannya. Untuk mengatasi masalah itu, digunakan trace tapes .
    Cara membuat trace tapes adalah dengan mengamati dan merekam aktivitas sistem yang sesungguhnya. Dengan ini, kita bisa menjalankan simulator dengan urutan data dari events yang sebenarnya. Cara ini cukup efektif dan bisa memberikan hasil yang akurat.
    Berikut ini adalah ilustrasi evaluasi algoritma penjadwalan dengan simulasi:
    Gambar 2. Evaluasi Algoritma Penjadwalan dengan Simulasi

    Urutan eksekusi proses direkam dengan trace tapes, kemudian simulator menjalankan simulasi penjadwalan proses-proses tersebut dengan berbagai macam algoritma penjadwalan. Simulasi ini kemudian menghasilkan catatan mengenai performance dari setiap algoritma penjadwalan tersebut. Dengan membandingkan catatan performance itu, pengguna bisa mencari algoritma penjadwalan yang paling baik.
    Meskipun memberikan hasil yang akurat, simulasi ini bisa saja memerlukan waktu yang besar dan biaya yang mahal. Trace tapes juga membutuhkan ruang penyimpanan yang besar di memori. Mendesain, memprogram, dan men- debug simulator juga adalah sebuah pekerjaan yang besar.

  • ika susanti
    8 years ago

    Nama : Ika Susanti
    NIM : M0107035
    Tugas PTS

    Pax Warrior, Simulasi Pembantaian Rwanda via Komputer
    Kapanlagi.com – Ini adalah perjalanan panjang dari genosida di Rwanda pada tahun 1994 ke sebuah kelas tahun 2005, namun sebuah program komputer baru sedang dibuat untuk mengajar anak-anak mengenai genosida, mengenai kewarganegaraan dan mengenai pilihan sulit yang harus dibuat orang dewasa.
    Simulasi baru itu menyajikan serangkaian dilema yang dihadapi oleh para penjaga perdamaian PBB saat genosida terjadi. Secara keseluruhan, sekitar 800 ribu warga Rwanda secara sistematis dibunuh dalam 100 hari, angka ini jauh lebih cepat dari pembunuhan kaum Yahudi saat perang dunia kedua.
    Masalah ini berakar pada upaya rejim Hutu yang ekstrimis untuk mempertahankan kekuasaan dari tantangan kaum pemberontak Tutsi. Rejim itu secara terinci merencanakan pembunuhan warga sipil Tutsi dan juga warga Hutu moderat yang dipandang mendukung kaum pemberontak.
    Dan jumlah pasukan penjaga perdamaian PBB yang dikerahkan di sana terlalu sedikit untuk menghentikan kekejam itu. Sebagian pihak mempertanyakan keinginan politik PBB dan negara-negara adidaya yang duduk di Dewan Keamanan. Kini, SMU James Gillespie mengkaji hal-hal yang bisa dipelajari dari dilema yang muncul dalam tragedi itu.
    Banyak game komputer yang penuh kekerasan dan melibatkan pembunuhan musuh. Namun Pax Warrior bertema menyelamatkan manusia. Dalam kenyataan, tidak banyak warga Rwanda yang berhasil menyelamatkan diri, namun ini tergambar dalam program komputer itu.
    Tujuannya adalah mempergunakan media baru untuk mengembangkan kapasitas murid mengambil keputusan dan di saat bersamaan mempelajari salah satu peristiwa yang tidak terlupakan dalam sejarah abad ke 20. Andreas Ua’Siaghail, pembuat Pax Warrior mengatakan, “Anak-anak semakin kurang mempergunakan buku dan kemampuan belajar mereka pun berbeda-beda.”
    “Sebagian belajar secara visual, sebagian lagi dengan mendengarkan penjelasan guru, dan sebagian lagi dengan membaca. Kami mempergunakan ketiga metode untuk merangsang pengguna,” jelasnya. Dalam game ini para murid harus menghadapi keputusan yang memang diambil oleh para komandan PBB.
    Seorang informan memberi tahu para murid, yang berperan sebagai petugas PBB, bahwa persenjataan yang tersembunyi akan diserahkan kepada milisi pemerintah Rwanda yang mungkin akan melakukan genosida. Para murid menghadapi sejumlah pilihan. Apakah mereka mengambil resiko untuk melakukan konfrontasi dan menggerebek gudang senjata? atau apakah mereka meminta petunjuk dari kantor pusat PBB di New York?
    Pilihan lain adalah tekanan diplomatik kepada presiden Rwanda, dengan harapan hal itu bisa mencegah penyerahan senjata tersebut. Masing-masing pilihan memiliki konsekuensi yang akan membawa arah simulasi itu. Salah satu murid, Niall Dolan, menjelaskan mengapa dia memilih mengirim fax meminta petunjuk ke New York.
    “Misi kami bukan mendorong kekerasan,” ujarnya. “Keputusan yang harus diambil dalam simulasi ini lebih ekstrim daripada yang harus kami ambil dalam kehidupan sehari-hari sebagai remaja,” ujar Astrid Brown. “Namun ini membuat kami sadar bahwa keputusan yang diambil memiliki dampak yang lebih besar daripada yang diperkirakan.”
    “Dan meski kita memiliki niat baik,” tambah Jude Purcell, “keputusan tertentu yang kita ambil akan memiliki dampak yang buruk.”
    Kepala sekolah Alex Wallace, memandang program komputer ini sebagai jalan merangsang anak-anak mempelajari sejarah modern. Namun dia menegaskan ada tujuan yang lebih luas lagi. “Salah satu prioritas nasional adalah kami mengajari murid menjadi warga yang baik, warga dunia. Generasi muda kini mendapat kesempatan untuk meningkatkan tanggungjawab sosial mereka, dan semoga hal ini bisa membantu mereka menjadi warga dunia yang lebih baik di masa depan.”
    Untuk membandingkan simulasi ini dengan hal yang sebenarnya, seorang penjaga perdamaian PBB yang bertugas di Rwanda diundang untuk berbicara dengan para murid. Bersama dengan sejumlah personel PBB, Marek Pazik, yang saat itu bertugas sebagai mayor di militer Polandia, dengan sukarela tinggal di Rwanda saat genosida terjadi untuk menyelamatkan warga.
    Para murid menanyakan sejumlah pertanyaan sulit mengenai kelemahan operasi PBB tersebut. Namun Pazik membela idealisme PBB dan badan itu berfungsi dengan baik sebagai organisasi. “Saya seringkali tidak puas, namun tidak ada lagi organisasi yang lebih baik dan semua ini hanya bisa berhasil jika kita semua bekerjasama untuk menciptakan perdamaian.”
    “Saya tidak menyesali keputusan yang diambil. Seringkali saat itu kami berupaya untuk tidak kehilangan akal,” katanya. Dampak genosida Rwanda terus muncul hingga hari ini, dengan jutaan anak kehilangan orang tua dan juga pengungsi perang. Untuk itu harus ditanyakan apakah Pax Warrior, meski dibuat sebagai alat didik, tidak menerangkan peristiwa di Afrika yang mengguncang dunia itu.
    Dunia berulang kali menyatakan “tidak akan lagi”, namun berulang kali hal itu tidak terpenuhi. (bbc/tut)
    http://www.kapanlagi.com/h/0000047535.html

  • YENNY YULIANTINI M0107067
    8 years ago

    NAMA: YENNY YULIANTINI
    NIM : M0107067
    TUGAS PTS

    TENTANG IN0VASI DAN BERPIKIR HOLISTIK
    Simulasi
    Filed under: Innovation — itpin @ 9:00 am

    Karena inovasi, terutama inovasi yang radikal, merupakan upaya dengan resiko tinggi, perusahaan selalu berusaha mencari cara-cara untuk mengurangi resiko tersebut. Salah satu cara yang semakin sering dipakai saat ini adalah simulasi. Memang konsep simulasi sudah lama ada. Teknik simulasi seperti Monte Carlo sudah lama beredar. Tetapi perkembangan kemampuan komputer dewasa ini memungkinkan diciptakannya simulasi yang jauh lebih rumit dan realistis. Kemampuan software simulator yang dilengkapi dengan animasi juga membantu orang awam melihat langsung hasil simulasi tanpa harus menganalisis data keluaran berlembar-lembar.

    Simulasi menjadi penting karena kompleksitas hubungan sebab akibat di dunia bisnis saat ini. Interaksi antar komponen dan aktor dalam sistem sering sulit diramalkan melalui metode analisis linier yang lebih kita kuasai. Otak kita dirancang untuk menganalisis data berdasarkan rata-rata (mean), dan bukan distribusi statistik. Sebagai contoh, bila kita mengetahui rata-rata layanan di kasir adalah 1 menit, dan setiap menit ada 3 orang yang membutuhkan layanan di kasir, Anda mungkin akan memasang 3 orang kasir bila Anda tidak ingin menciptakan antrian. Benarkah perhitungan tersebut? Ya, memang benar bila semua pelayanan diselesaikan tepat dalam 1 menit. Namun 1 menit di sini adalah rata-rata. Pada kenyataannya, mungkin saja ada transaksi yang membutuhkan waktu 5 menit. Hal-hal seperti ini sulit divisualisasikan dengan pikiran kita, tetapi bisa terlihat dengan mudah melalui simulasi komputer.

    Contoh tersebut hanyalah contoh sederhana. Bagaimana dengan proses yang lebih rumit seperti di restoran? Tamu datang dengan rata-rata interval tertentu, dan memesan dengan rata-rata interval tertentu. Pesanan makanan juga berbeda dan makanan berbeda membutuhkan waktu penyajian yang berbeda. Belum lagi pengaruh dari jumlah waiter yang ada saat itu. Jumlah tamu juga mempengaruhi berapa lama mereka akan bersantap. Lalu ada juga unsur hari. Tamu di akhir pekan akan duduk lebih lama dibanding hari-hari biasa. Masing-masing kegiatan di atas memiliki karakteristik yang berbeda. Berapakah jumlah waiter, juru masak, dan kasir yang dibutuhkan? Bisakah Anda menghitungnya, meski dengan bantuan Microsoft Excel?

    Otak manusia tidak dilengkapi dengan kemampuan meramalkan efek interaksi rumit seperti itu. Ini masih restoran. Bagaimana dengan proses manufaktur yang pasti lebih rumit lagi? Di sinilah simulasi komputer datang menjadi penyelamat. Tanpa harus mengeluarkan biaya yang besar terlebih dahulu, kita bisa meramalkan apa yang terjadi melalui simulasi yang dibangun dengan biaya yang jauh lebih kecil.

    Simulasi tentu saja tidak bisa selalu meramal dengan tepat. Bagaimanapun, keakuratan sebuah model tergantung dari kelengkapan variabel dan data yang dimasukkan. Untuk membuat sebuah simulasi yang bagus, harus dilakukan iterasi terus menerus. Selain itu juga dibutuhkan ahli statistik yang mampu mengumpulkan dan menganalisis data yang dimasukkan. Setelah model awal dibuat, model tersebut harus diuji dulu dengan beberapa set data dari dunia nyata. Hasil simulasi lalu dibandingkan dengan kenyataan. Bila terjadi penyimpangan yang besar, model diperiksa kembali. Lakukan secara terus menerus sampai diperoleh hasil yang lumayan akurat. Barulah setelah itu, model bisa dijalankan dengan data yang lebih lengkap.

    Simulasi membantu inovasi dalam beberapa cara. Untuk proses bisnis seperti contoh di atas, simulasi mampu memberikan gambaran secara kasar apa yang akan terjadi bila sebuah inovasi proses dilakukan. Simulasi mampu membantu kita menjawab pertanyaan seperti berapa banyak waktu dan biaya yang dihemat. Sedangkan untuk inovasi produk baru, perusahaan bisa terbantu dalam mengidentifikasi produk baru mana yang menjanjikan potensi keuntungan yang lebih besar, atau adakah pengaruh urutan perkenalan produk baru terhadap kemampulabaan perusahaan. Perusahaan juga bisa melakukan uji sensitivitas (sensitivity analysis) seperti menentukan berapa laju adopsi minimum yang dibutuhkan untuk mencapai break-even point. Untuk memasukkan unsur ketidakpastian, teknik Monte Carlo bisa dijalankan ribuan kali dengan skenario berbeda untuk mendapatkan hasil statistik agregat. Dalam hal ini, simulasi memang tidak bisa menghilangkan ketidakpastian dan memberikan jaminan sukses 100%, tetapi hasilnya akan sangat membantu perusahaan mengantisipasi ketidakpastian tersebut dengan lebih baik.

    Selain itu, seperti yang kita ketahui, memperkenalkan inovasi dalam perusahaan sering mengakibatkan gesekan politis dan perbenturan antara asumsi-asumsi lama dan baru. Dengan simulasi, pertentangan semacam itu bisa dikurangi karena pendapat yang ada telah didukung oleh data yang lebih akurat.

    Terlepas dari semua keuntungan simulasi, tetap haruslah diingat bahwa simulasi adalah alat bantu. Pada akhirnya, semua keputusan dan hasil akhir harus kembali ke tangan manusia yang menjalankannya.

  • Yuli Astuti M0107070
    8 years ago

    TEKNIK SIMULASI
    Konsep Sistem

    Sistem Adalah sekumpulan objek yang tergabung dalam suatu interaksi atau saling tergantungan (interdepedensi) yang teratur.

    Istilah-istilah yang dipakai dalam sistem

    1.Entitas dipakai untuk menandai object amatan atau penelitian pada sistem.
    2.Atribut digunakan untuk menandai sifat dari entitas
    3.Keadaan Sistem (state of the system) digunakan untuk menggambarkan semua entitas, atribut dan aktivitas pada suatu saat tertentu.

    Istilah yang digunakan dalam lingkungan Sistem

    * Endogen digunakan untuk menggambarkan aktivitas yang terjadi didalam sistem
    * Eksogen digunakan untuk melukiskan dalam lingkungan mempengaruhi sistem, suatu sistem yang tak dipengaruhi oleh pengaruh dari luar disebut juga sistem tertutup

    Aktivitas dibedakan menjadi 2 macam yaitu :
    Deterministik yaitu jika keluarannya dapat dijelaskan secara lengkap berdasarkan masukannya
    Stokastik yaitu jika pengaruh aktivitas berubah secara acak terhadap banyak keluaran yang mungkin. Keacakan aktivitasi stokastik adalah acak, maka aktivitas merupakan bagian dari lingkungan.

    Sistem malar(kontinue) dan Diskrit

    1.Sistem kontinue adalah sistem yang perubahannya secara halus.
    *
    Contoh : Sistem jalur penerbangan.
    2.Sistem diskrit adalah sistem yang perubahannya secara integer.
    *
    Contoh : Banyaknya pengunjung pada sebuah mall.

    Pemodelan Sistem

    Untuk mempelajari suatu sistem terkadang harus dilakukan pengujian pada sistem tersebut, namun kita tidak dapat melakukan uji coba bila sistem tersebut masih dalam tahap hipotesa.
    Alternatif yang terkadang harus ditempuh adalah dengan membuat prototype dan mengujinya, tetapi cara ini dapat menjadi sangat mahal dan menghabiskan waktu. Bahkan dengan sistem yang sudah adapun seringkali pengujian tidak dapat dilakukan, misalnya dalam mempelajari sistem ekonomi dengan mengubah penawaran dan permintaan barang secara acak, selain memakan banyak waktu juga bisa juga merusak sistem tersebut. Konsekuensinya, studi tentang sistem umumnya dilakukan pada model sistem tersebut.
    Jadi, model sistem tidak hanya merupakan pengganti sistem, namun juga merupakan penyederhanaan sistem.

    Pemodelan Sistem
    Model sistem tidak hanya merupakan perwujudan dari tujuan tetapi juga merupakan asumsi asumsi, karena suatu model sistem telah mengeleminir beberapa elemen yang dianggap tidak relevan.

    Mengapa Membutuhkan Permodelan?

    *Permasalahan yang terjadi bukan permasalahan yang dapat dengan mudah disajikan fungsi dan operatornya secara matematis.
    *Permasalahan nyata dapat disajikan dalam model matematika yang merupakan model pendekatan dengan menyebutkan fungsi tujuan dan konstrain(Operation Research)
    *Permasalahan nyata banyak menggunakan nilai-nilai ketidakpastian dalam setiap kejadian yang muncul. (ProsesStokastik)

    Secara garis besar, cara pemodelan sistem dibagi 2 :

    1.Penetapan struktur model yaitu menentukan kendala atau batas sistem dan menandai entitas, atribut dan aktiitas sistem.
    2.Pemasukan data yaitu untuk memberi nilai yang dapat dimiliki oleh atribut dan menentukan hubungan yang terkandung dalam aktifitas.

    Contoh ilustrasi di sistem supermarket:

    Pengunjung yang membutuhkan sejumlah barang datang ke sebuah supermarket, mereka mengambil keranjang bila tersedia atau belanjanya banyak dan mulai belanja. Setelah selesai belanja, mereka melakukan antrian untuk pembayaran di tempat pembayaran yang ada. Setelah membayar, mereka mengembalikan keranjang dan meninggalkan swalayan. Kata kata yang digarisbawahi merupakan kata kata kunci yang menunjukan pada ciri-ciri utama sistem dan harus ada dalam model.

    Sistem supermarket

    Pada tabel memperlihatkan entitas, atribut, dan aktifitas pada model supermarket. Terlihat supermarket secara secara keseluruhan hanya merupakan entitas belaka. Kedatangan pelanggan dalam penggambaran sistem ini dipandang sebagai aktifitas eksogen yang datang dari lingkungan danmempengaruhi sistem. Jika seandainya tujuan studi memasukan penganalisaan pengaruh fasilitas parkir, kendala sistem harus mencakup tentang tempat parkir. Kedatangan pengunjung ke supermarket bergantung apakah ia dapat menemukan tempat parkir dan hal ini bergantung pada aktifitas pengunjung meninggalkan supermarket.

    Akibatnya , kedatangan pengunjung disupermarket menjadi aktifitas endogen, dan kedatangan kendaraan(yang kemudian diparkir) merupakan aktifitas eksogen. Penetapan lain mengenai tujuan studi sistem terkandung dalam model. Jumlah barang belanjaan digambarkan sebagai atribut pelanggan, namun tidak ada pembendaan mengenai jenis barang tersebut. Jika penetapan penetapan ini tak mampu dipertahankan lagi sehubungan dengan sasaran studi, maka harus digunakan model lain

    Jenis jenis model

    *Model fisika :

    didasarkan pada analogi antara sistem sistem seperti sistem mekanis dan elektris. Dalam model fisika atribut sistem digambarkan oleh pengukuran-pengukuran tegangan, sebagai contoh, laju gerak jarum pengukur.

    *Model Matematika :

    Menggunakan simbol simbol dan persamaan persamaan matematika untuk menggambarkan sistem. Atribut direpresentasikan oleh variabel an aktifitas pleh fungsi fungsi matematika yang menghubungkan variabel variabel yang ada.

    Model Fisika

    * Model fisika statik yang telah dikenal dengan maik adalah model skala. Dalam pembuatan pesawat terbang misalnya, pembuatan model skala menyediakan cara yang sederhana untuk menentukan pengukuran plat-plat badan pesawat secara tepat dibandingkan dengan cara menggambarkan bentuk bentuk 3 dimensi yang rumit.

    Model Fisika Dinamik

    *Model fisika dinamik didasarkan pada analogi antara sistem yang dipelajari dan beberapa sistem yang berbeda secara alamiah. Biasanya analogi tersebut didasarkan pada kesamaan gaya yang mengatur

    Model Matematika

    *Model Matematika Statik Model statik memberikan hubungan antar atribut sistem ketika sistem berada dalam keseimbangan. Jika titik keseimbangan diubah dengan mengganti nilai-nilai atributnya, maka model dimungkinkan untuk memperoleh nilai nilai yang baru untuk semua atributnya, tetapi bagaimana cara cara nilai nilai tersebut berubah tidaklah diperlihatkan. Contoh model ini adalah keseimbangan antara permintaan dan penawaran.

    Model matematika Dinamik

    *Model matematika dinamik memperbolehkan pengubahan atribut-aribut sistem yang didapatkan sebagai fungsi waktu. Penurunan dapat dilakukan dengan analitis atau komputasi numeris, bergantung pada kerumitan model.

    Prinsip-prinsip yang dipakai dalam pemodelan :

    Block building > Penggambaran sistem ini diorganisasikan dalam serangkaian blok. Tujuannya adalah untuk menyederhanakan spesifikasi interaksi yang terjadi didalam sistem.

    Setiap blok menggambarkan sebuah bagian sistem yang bergantung pada sejumlah kecil variabel masukan dan menghsilkan sejumlah kecil variabel keluaran. Kemudian sistem secara keseluruhan dapat dijelaskan dalam bentuk hubungan antar blok.

    Revelance > Model hanya berisi aspek-aspek sistem yang relevan dengan tujuan studi. Contoh, jika tujuan studi dalam sistem pabrik adalah membandingkan pengaruh cara operasi yang berbeda pada efisiensi, maka tidaklah relevan untuk memperlakukan penggajian pegawai sebagai suatu aktivitas.

    Sekalipun informasi yang tak relevan tersebut tidak mengakibatkan gangguan, informasi tersebut tidak perlu dimasukkan karena meningkatkan kerumitan model dan mengakibatkan kerja tambahan.

    Accuracy > Ketepatan informasi dihimpun untuk model harus diperhatikan disiniContohnya sistem pesawat terbang, ketepatan gerak pesawat bergantung pada alat kemudi. Dapat dikatakan memadai untuk menggangap alat kemudi sebagai sebuah benda dan mendapatkan hubungan yang sangat sederhana antara kontrol permukaan dan arah gerakan pesawat atau mungkin perlu untuk memperhitungkan fleksibelitas alat kemudi dan memperhatikan getaran(vibrasi) yang terjadi dalam strukturnya.

    Contoh Penggunaan Simulasi

    Pelayanan dan antrian

    Salah satu penggunaan yang menonjol dari teknik simulasi adalah untuk menganalisis antrian. Pada suatu sistem antrian yang kompleks, sangat tidak mungkin dikembangkan suatu formula analitis, sehingga simulasi merupakan satu-satunya cara untuk melakukan analisis.

    Contohnya, untuk supermarket dengan beberapa garis antrian kasir, beberapa di antaranya untuk jalur cepat sementara yang lainnya jalur biasa. Simulasi mungkin merupakan satu-satunya cara untuk menentukan berapa orang kasir diperlukan untuk melayani kebutuhan konsumen.

    Manajemen persediaan barang

    Manajemen pengadaan juga merupakan salah satu area aplikasi metode simulasi.

    Metode analitis untuk menyelesaian masalah persediaan (inventory) umumnya khusus untuk kasus-kasus sederhana, misalnya permintaan dianggap diketahui dan tetap. Diketahuinya jumlah permintaan merupakan elemen penting untuk menentukan berapa jumlah persediaan yang harus disediakan untuk memenuhi permintaan.

    Dalam prakteknya hampir tidak mungkin untuk mengetahui dengan pasti tingkat permintaan itu, karena permintaan seringkali acak, sehingga simulasi merupakan pilihan terbaik untuk menyelesaikannya.

  • Assalamualaikum wr.wb Pak Tanto
    Boleh saya bertanya, kebetulan teman saya dari jurusan TI ada yang mengambil tema TA simulasi. Apakah Software Arena 5.0 bisa di hubungkan dengan Visual Basic 6?
    Kalo bisa tolong diberikan Link untuk belajar menghubungkan Arena dan Vb
    sebelumnya terima kasih….

  • asalamulaikum….
    article2nya bagus2 ,,,,,,,nanti bolehkan saya hbertanya…?

  • adi tri ratmanto
    6 years ago

    kuliah-kuliah!!! wah siap jenuh dengan tugas-tugas yang super lebat (hehe… kayak pohon).
    Tapi satu kuliah yang saya suka yaitu kuliah dengan mata kuliah yang diampu oleh Pak Tanto.
    Setelah mata kuliah Pemodelan Matematika yang super luar biasa. Dimana saya bisa sedikit
    tahu tentang peranan matematika dalam kehidupan ini, yang tentunya dikaitkan dengan Model Matematika.
    Pada semester ini saya mengambil mata kuliah Pengantar Teknik Simulasi yang tentunya Pak Tanto sebagai dosennya.
    Alangkah luar biasa ternyata dalam kehidupan kita ini tidak lepas dari simulasi. Banyak hal-hal yang telah dipatenkan
    dan dipakai dari kakek,nenek,ayah,ibu,om,bulek, dsb ternyata dari proses simulasi. Sebagai contoh adalah bilangan Pi=3.14….
    Bilangan Pi yang hingga saat ini masih menjadi perdebatan tidak lain diperoleh dari suatu pendekatan. Pendekatan tersebut
    tidak lain diperoleh dari perbandingan-perbandingan antara keliling lingkaran dengan diameter lingkaran tersebut dan masih banyak
    lagi sejarah mengenai bilangan Pi yang telah dicari oleh matematikawan tempo dulu yang intinya sama yaitu suatu pendekatan yang
    menuju ke 3.14….
    (http://www.exploratorium.edu/pi/history_of_pi/index.html)
    (http://www-groups.dcs.st-and.ac.uk/~history/HistTopics/Pi_through_the_ages.html)

Leave a Reply

Your email address will not be published. Required fields are marked *


*

Skip to toolbar