HUBUNGAN SIMULASI DAN PEMODELAN DALAM SEBUAH SISTEM Oleh Arief Sena Yudhistira

 Assalamualaikum... Kali ini saya akan membahas sekaligus merangkum materi menganai Hubungan Simulasi dan Pemodelan dalam sebuah Sistem. Selamat membaca.

    Sistem didefinsikan sebagai suatu kumpulan satu kesatuan, seperti manusia dan mesin yang aktif dan berinteraksi bersama-sama untuk mendapatkan penyelesaian akhir pokok pikiran. (definisi ini diajukan oleh Schmidt dan Taylor (1970)). Praktisnya apa yang diartikan sebagai sistem tergantung pada objektivitas pembelajaran tertentu. Kumpulan kesatuan berisi sistem pembelajaran mungkin hanya sekelompok kecil pada keseluruhan sistem yang satu dengan sistem lainnya. Secara sederhana Sistim dapat diartikan sebagai sekumpulan obyek yang dihubungkan satu sama lain melalui beberapa interaksi reguler atau secara bebas untuk mencapai suatu tujuan.

    Jika seseorang ingin mempelajari sebuah bank, untuk menentukan jumlah kebutuhan teller untuk menyediakan kecukupan pelayanan terhadap nasabah, sistem dapat didefinisikan bagian yang konsisten dari bank untuk teller dan penantian nasabah yang akan dilayani.  Jika, dengan kata lain, staf loan/kredit dan pengamanan kotak deposit dimasukkan, definisi sistem harus diperluas dengan cara yang jelas.  Kita mendefinisikan pernyataan sebuah sistem bahwa pengumpulan variabel-variabel penting untuk menjelaskan sistem di waktu tertentu, relatif pada objektivitas yang dipelajari. Dalam pelayanan bank, contoh-contoh pada pernyataan variabel yang mungkin adalah jumlah teller yang sibuk, jumlah nasabah dalam bank dan waktu kedatangan masing-masing nasabah dalam bank.

    Sistem biasanya dipengaruhi oleh perubahan yang terjadi di luar sistem. Perubahan ini terjadi di lingkungan sistem. Dalam pemodelan sistem, perlu ditetapkan batas (boundary) antara sistem dan lingkungannya. Contoh, pada studi memori cache menggunakan, kita harus menetapkan dimana batas sistem. Batas ini dapat antara CPU dan cache, atau dapat memasukan memori utama, disk, OS, kompilator, ataupun program-program aplikasi.

• Entitas merupakan obyek dalam sistem. Contoh, customers pada suatu bank.
• Atribut merupakan suatu sifat dari suatu entitas. Contoh, pengecekan neraca rekening customer.
• Aktivitas merepresentasikan suatu periode waktu dangan lama tertentu (speci…ed length). Periode waktu sangat penting karena biasanya simulasi menyertakan besaran waktu. Contoh deposito uang ke rekening pada waktu dan tanggal tertentu. 
• Keadaan sistem dide…nisikan sebagai kumpulan varibel-variabel yang diperlukan untuk menggambarkan sistem kapanpun, relatif terhadap obyektif dari studi. Contoh, jumlah teller yang sibuk, jumlah customer yang menunggu dibaris antrian. 
• Peristiwa didefinisikan sebagai kejadian sesaat yang dapat mengubah keadaan sistem. Contoh, kedatangan customer, pejumlahan jumlah teller, keberangkatan customer.

        Terdapat 2 Kategori Sistem yaitu Sistem Diskrit dan Sistem Kontinyu, berikut penjelasan dari kedua sistem tersebut.

Sistem Diskrit: variabel-variabel keadaan hanya berubah pada set titik waktu yang diskrit.

    – Contoh: jumlah customer yang menunggu 

       diantrian  

Sistem Kontinyu: variabel-variabel berubah secara kontinyu menurut waktu.

    – Contoh: arus listrik.

    Simulasi adalah cara mempelajari Sistem dengan menggunakan pemodelan. Mempelajari sistem dengan simulasi, secara numerik menjalankan model dengan memberi input dan melihat pengaruhnya terhadap output.

Klasifikasi Model dalam Simulasi 

Model Simulasi Statik vs. Dinamik

Model Simulasi Deterministik vs. Stokastik

Model Simulasi Kontinyu vs. Diskrit

Model Simulasi Statik vs. Dinamik

Model statik: representasi sistem pada waktu tertentu. Waktu tidak berperan di sini. Contoh: model Monte Carlo. 

Model dinamik: merepresentasikan sistem dalam perubahannya terhadap waktu. Contoh: sistem conveyor di pabrik.

Model Simulasi Deterministik vs. Stokastik

Model deterministik: tidak memiliki komponen probabilistik (random).

Model stokastik: memiliki komponen input random, dan menghasilkan output yang random pula. 

Model Simulasi Kontinyu vs. Diskrit

Model kontinyu: status berubah secara kontinu terhadap waktu, mis. gerakan pesawat terbang. 

Model diskrit: status berubah secara instan pada titik-titik waktu yang terpisah, mis. jumlah customer di bank. 

Simulasi Sistem Peristiwa Diskrit

Pemodelan sistim dimana variabel keadaan berubah pada set waktu yang diskrit.

Metode: numerik (bukan analitik)

  – Analitik: alasan deduktif secara matematis; akurat 

  – Numerik: prosedur komputasional; aproksimasi 

Model simulasi di-run (bukan diselesaikan (solved)). 

  – Observasi sistem riil, entitas, interaksi

  – Asumsi model 

  – Pengumpulan data 

  – Analisis dan estimasi kinerja sistem

    Verifikasi dan validasi model dalam simulasi adalah dua tahap kunci dalam pengembangan model simulasi yang akurat dan dapat diandalkan. Ini penting untuk memastikan bahwa model simulasi memahami dan merepresentasikan fenomena yang diinginkan dengan baik. Berikut adalah penjelasan singkat tentang kedua konsep tersebut:

1. Verifikasi Model Simulasi:

• Verifikasi adalah proses memeriksa apakah model simulasi telah diimplementasikan dengan benar. Ini berkaitan dengan memeriksa apakah model telah dibangun sesuai dengan persyaratan yang telah ditetapkan.
• Dalam konteks simulasi, verifikasi melibatkan pemeriksaan kode, perangkat lunak, atau model matematis yang digunakan dalam simulasi. Pastikan bahwa model tersebut telah diimplementasikan sesuai dengan desain dan tujuan awalnya.
• Langkah-langkah verifikasi dapat mencakup pembandingan hasil simulasi dengan teori yang ada atau data empiris yang relevan. Jika hasilnya sesuai, maka ini adalah tanda bahwa model telah divalidasi dengan baik.

2. Validasi Model Simulasi:

• Validasi adalah proses memeriksa apakah model simulasi menghasilkan hasil yang sesuai dengan fenomena dunia nyata yang sedang dimodelkan. Validasi dilakukan dengan membandingkan hasil simulasi dengan data empiris atau observasi lapangan yang ada.
• Langkah pertama dalam validasi adalah memastikan bahwa model telah melewati tahap verifikasi, yaitu model tersebut dianggap benar dan sesuai dengan persyaratan.
• Setelah itu, Anda membandingkan hasil simulasi dengan data eksperimental atau observasi yang sesuai. Jika hasilnya cocok dengan baik, maka model simulasi dapat dianggap valid.
• Validasi melibatkan analisis statistik dan pemahaman yang mendalam tentang kesalahan dalam model dan hasil simulasi. Jika perbedaan antara hasil simulasi dan data observasi terlalu besar, mungkin perlu memodifikasi model.

    Dalam rangka memastikan akurasi dan keandalan model simulasi, perlu diingat bahwa validasi adalah langkah yang sangat penting. Model yang telah diverifikasi dengan benar tetapi tidak valid mungkin masih menghasilkan hasil yang tidak berguna atau bahkan keliru dalam konteks aplikasi yang sebenarnya.

    Selain itu, proses verifikasi dan validasi model simulasi sebaiknya berkelanjutan, terutama jika model ini digunakan untuk perencanaan atau pengambilan keputusan penting. Model simulasi perlu diperbarui dan disesuaikan sesuai dengan perubahan dalam fenomena yang sedang dimodelkan atau perubahan dalam persyaratan dan sumber data yang digunakan.

Artikel ini dibuat sebagai tugas kuliah  sebagaimana yang tertuang dalam

https://onlinelearning.uhamka.ac.id/