Zufri Hasrudy Siregar,S.T.,M.

Eng Model dan Simulasi

MATERI KULIAH (PERTEMUAN KE-3)

Model dan Simulasi

Jurusan Teknik Informatika
Universitas Muhammadiyah Maluku
Utara (UMMU-TERNATE)
1

MATERI YANG DIBAHAS

1. SISTEM SIMULASI
2. SIMULASI BERDASARKAN TEKNIK
3. SIMULASI SISTEM DISKRET
4. SIMULASI SISTEM KONTINU
5. SIMULASI MONTE CARLO

Universitas Muhammadiyah Maluku

Utara 1
Zufri Hasrudy Siregar,S.T.,M.Eng Model dan Simulasi

SIMULASI SISTEM
Jenis – jenis Simulasi
Berdasarkan perangkat keras yang digunakan, maka
ada 3 (tiga) jenis simulasi, yaitu :Simulasi Analog,
Simulasi Digital dan Simulasi hybrid
1. Simulasi Analog adalah Simulasi yang
implementasinya menggunakan rangkaian
elektronik analog.
2. Simulasi Digital adalah Simulasi yang
implementasinya menggunakan komputer digital
3. Simulasi Hybrid adalah simulasi yang mana
implementasinya menggunakan gabungan
rangkaian elektronika analog dan komputer
3
digital

PERBEDAANNYA
Simulasi analog
Menggunakan Komputer analog
Membentuk / menyusun analogi persoalan
Biaya relatif rendah dan program mudah
Menyajikan varibel dengan pengukuran
Mewakili / menggantikan besaran – besaran
matematis atau fisis
Sangat sesuai / cocok untuk mewakili
besaran-besaran terukur dan menirukan
respons sistem-sistem fisis dengan analogi
matemais
Simulasi digital
Menggunakan Komputer digital
Menguraikan persoalan menjadi hitungan
Biaya relatif mahal dan program sulit
Menyajikan angka-angka dengan pola
diskret terkode
Dapat mewakili angka – angka maupun
huruf- huruf atau simbol- simbol lain
Sangat sesuai untuk manangani proses-
proses acak diskrit, data statistik, dan
masalah numerik dalam bidang ilmiah
dan bisnis

Universitas Muhammadiyah Maluku

Utara 2
Zufri Hasrudy Siregar,S.T.,M.Eng Model dan Simulasi

SIMULASI BERDASARKAN TEKNIK

ATAU METODOLOGI
Simulsi berdasarkan teknik atau metodologinya,
maka ada beberapa jenis simulasi antara lain :
1. Simulasi Monte Carlo, yaitu digunakan untuk
mengevaluasi ekspresi non-probabilistik
(misalnya integral) menggunakan metode
probabilistik, melibatkan banyak persoalan
matematika.
2. Simulasi kejadian diskrit adalah suatu simulasi
yang menggunakan model sistem kejadian diskrit
(discrete event), misalnya pada studi uji kerja
sistem komputer digital, studi sistem antrian
bank
5

SIMULASI BERDASARKAN TEKNIK

ATAU METODOLOGI
3. Simulasi kemudi- jejak (trace driven)ekstensif
digunakan misalnya pada evaluasi unjuk kerja
sistem komputer, misalnya algoritma penghlaman
(paging). Keuntungan antaralain terletak pada
validitas mudah, kurang keacakan, beban kerja
akurat, kekurangan terletak pada kompleksitas.
4. Simulasi dinamis kontinu adalah menggunakan
model keadaan perubahan kontinu terhadap
waktu, misalnya pada studi proses kimia, gerak
dinamis suatu kendaraan (vehicle) baik darat
maupun udara

Universitas Muhammadiyah Maluku

Utara 3
Zufri Hasrudy Siregar,S.T.,M.Eng Model dan Simulasi

PROSES UMUM SIMULASI

KEJADIAN DISKRET
Pada simulasi kejadian diskret pemodelan suatu
sistem yang melibatkan waktu menggunakan
suatu representasi dimana variabel keadaan
berubah mendadak pada titik waktu terpisah.
Keadaan dapat berubah hanya pada sejumlah
tertentu titk waktu. Titik waktu tersebut adalah
ketika suatu kejadian (event) tertentu
berlangsung, misalnya kedatangan pelanggan
(costomer), selesai layanan (perginya) pelanggan

PROSES UMUM SIMULASI DINAMIS

KONTINU
Sistem kontinu adalah sistem di mana keadaan
(state) nya berubah secara kontinu terhadap
waktu. Sistem kontinu yang dinamis dapat
mewakili oleh persamaan diferensial. Bila
persamaan diferensial yang menjelaskan perilaku
sistem adalah ordiner, linear dan tidak berubah
waktu, maka penyelesaiannya dapat dilakukan
secara analitis, tetapi jika tidak demikian, lebih
disukai untuk menyelesaikannya dengan teknik
numerik
contoh

Universitas Muhammadiyah Maluku

Utara 4
Zufri Hasrudy Siregar,S.T.,M.Eng Model dan Simulasi

DISTRIBUSI PROBABILITAS DALAM

SIMULASI SISTEM DISKRET
Distribusi probabilitas banyak digunakan dalam
simulasi diskret terutama dalam simulasi antrian
(queueing system). Distribusi probabilitas dapat
dijelaskan melalui fungsi kepadatan atau fungsi
distribusi kumulatif.
Distribusi probabilitas terbagi menjadi :
1. Distribusi poisson
2. Distribusi eksponensial
3. Distribusi Erlang
4. Ditribusi hiper-eksponensial
5. Ditribusi normal
9

SIMULASI MONTE CARLO

Simulasi Monte Carlo dikenal juga dengan istilah
Sampling Simulation atau Monte Carlo Sampling
Technique. Simulasi ini menggambarkan
kemungkinan penggunaan data sampel dalam
metode Monte Carlo yang jug sudah dapat
diketahui atau diperkirakan distribusinya.
Dasar dari simulasi Monte Carlo adalah percobaan
elemen kemungkinan dengan menggunakan
random (acak).
Metode ini terbagi dalam 5 tahap :
1. Membuat distribusi kemungkinan untuk variabel
penting
10

Universitas Muhammadiyah Maluku

Utara 5
Zufri Hasrudy Siregar,S.T.,M.Eng Model dan Simulasi

SIMULASI MONTE CARLO

2. Membangun distribusi kemungkinan kumulatif
untuk tiap-tiap variabel di tahap pertama
3. Menentukan interval angka random untuk tiap
variabel
4. Membuat angka random
5. Membuat simulasi dari rangkaian percobaan

Penjelasan dari 5 tahap tersebut adalah sebagai

berikut :
A. Membuat distribusi kemungkinan untuk variabel
penting
Contoh : permintaan akan minuman “cap tikus” 200
11

hari kebelakang

Tabel permintaan
Permintaan Frekuensi
0 10
1 20
2 30
3 40
4 50
5 60

Kita dapat merubah data tersebut menjadi distribusi

kemungkinan dengn membagi tiap permintaan dengan total
permintaan
12

Universitas Muhammadiyah Maluku

Utara 6
Zufri Hasrudy Siregar,S.T.,M.Eng Model dan Simulasi

Tabel berikut :
Variabel permintan Kemungkinan terjadi
0 10/200=0.05
1 20/200=0.10
2 40/200=0.20
3 60/200=0.30
4 40/200=0.20
5 30/200=0.15
total 200/200=1.00

13

B. Membangun distribusi kemungkinan

kumulatif untuk tiap-tiap variabel

Variabel Permintaan Kemungkinan Kemungkinan

Kumulatif
0 0.05 0.05
1 0.10 0.15
2 0.20 0.35
3 0.30 0.65
4 0.20 0.85
5 0.15 1.00

14

Universitas Muhammadiyah Maluku

Utara 7
Zufri Hasrudy Siregar,S.T.,M.Eng Model dan Simulasi

Tabel Histogram

15

C. Menentukan interval angka random untuk

tiap variabel
• Setelah menentukan probabilitas kumulatif untuk
tiap variabel yang termasuk dalam simulasi, harus
menentukan batas angka yang mewakili tiap
kemungkinan hasil. Interval angka random
Permintaan Kemungkinan Kemungkinan Interval anagka
Kumulatif random
0 0.05 0.05 01 s/d 05
1 0.10 0.15 06 s/d 15
2 0.20 0.35 16 s/d 35
3 0.30 0.65 36 s/d 65
4 0.20 0.85 66 s/d 85
5 0.15 1.00 86 s/d 100
16

Universitas Muhammadiyah Maluku

Utara 8
Zufri Hasrudy Siregar,S.T.,M.Eng Model dan Simulasi

D. Membuat angka random

• Untuk membuat angka random kita bisa menggunakan
software Microsoft Excel dengan menggunakan perintah
Randbetween, misal untuk angka random dari 1-100

17

E. Membuat Simulasi dan rangkaian

percobaan
• Kita dapat membuat simulasi dari sebuah eksperimen
dengan mengambil angka random dari gambar diatas,
misal kita akan membuat simulasi untuk 10 hari, kita
ambil kolom A1-A10. cara penentuan permintaan adalah
dengan ditentukan oleh angka random. Contohnya bila
angka random adalah 56, angka itu terletak pada interval
36 s/d 65 yang berarti permintaan 3 buah

18

Universitas Muhammadiyah Maluku

Utara 9
Zufri Hasrudy Siregar,S.T.,M.Eng Model dan Simulasi

Hari Angka random Permintaan (simulasi)

1 28 2
2 50 3
3 78 4
4 8 1
5 16 2
6 61 5
7 98 5
8 51 3
9 45 3
10 21 2
28

Total permintaan untuk 10 hari adalah 28 ,

rata-rata permintaan / hari adalah 2,8 19

Universitas Muhammadiyah Maluku

Utara 10