Modul 10 Penerapan Simulink Untuk Simulasi

Modul 10
Penerapan Simulink Untuk Simulasi
Disusun oleh :
Muhamar Kadaffi,MT
PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK INDUSTRI
UNIVERSITAS MERCU BUANA
J AK AR TA
2011
ABSTRAK
Sistem adalah kumpulan obyek yang saling berinteraksi dan bekerja sama
untuk mencapai tujuan logis dalam suatu lingkungan yang kompleks. Obyek yang
menjadi komponen dari sistem dapat berupa obyek terkecil dan bisa juga berupa subsistem atau sistem yang lebih kecil lagi. Dalam definisi ini disertakan elemen
lingkungan karena lingkungan sistem memberikan peran yang sangat penting
terhadap perilaku sistem itu. Bagaimana komponen-komponen sistem itu berinteraksi,
hal itu adalah dalam rangka mengantisipasi lingkungan. Mengamati sistem bukan
hanya mendefinisikan komponen-komponen pendukung sistem, tetapi lebih dari dari
itu harus pula mengetahui perilaku dan variabel-variabel yang ada di dalamnya.
Paling tidak analisis terhadap sistem harus dapat membuat konsepsi tentang sistem
itu. Ada beberapa cara untuk dapat merancang, menganalisis dan mengoperasikan
suatu sistem. Salah satunya adalah dengan melakukan pemodelan, membuat model
dari sistem tersebut.
Model adalah alat yang sangat berguna untuk menganalisis maupun
merancang sistem. Sebagai alat komunikasi yang sangat efisien, model dapat
menunjukkan bagaimana suatu operasi bekerja dan mampu merangsang untuk
berpikir bagaimana meningkatkan atau memperbaikinya.
Model didefinisikan sebagai suatu deskripsi logis tentang bagaimana sistem
bekerja atau komponen-komponen berinteraksi. Dengan membuat model dari suatu
sistem maka diharapkan dapat lebih mudah untuk melakukan analisis. Hal ini
merupakan
prinsip
pemodelan,
yaitu
bahwa
pemodelan
bertujuan
untuk
mempermudah analisis dan pengembangannya. Melakukan pemodelan adalah suatu

cara untuk mempelajari sistem dan model itu sendiri dan juga bermacam-macam
perbedaan perilakunya.
Simulasi merupakan suatu teknik meniru operasi-operasi atau proses- proses
yang terjadi dalam suatu sistem dengan bantuan perangkat komputer dan dilandasi
oleh beberapa asumsi tertentu sehingga sistem tersebut bisa dipelajari secara ilmiah
(Law and Kelton, 1991). Dalam simulasi digunakan komputer untuk mempelajari
sistem secara numerik, dimana dilakukan pengumpulan data untuk melakukan
estimasi statistik untuk mendapatkan karakteristik asli dari sistem. Simulasi
merupakan alat yang tepat untuk digunakan terutama jika diharuskan untuk
melakukan eksperimen dalam rangka mencari komentar terbaik dari komponen-
11
ii
Pemodelan dan Simulasi

Muhamar Kadaffi, MT
Pusat Pengembangan Bahan

Ajar
Universitas Mercu Buana
komponen sistem. Hal ini dikarenakan sangat mahal dan memerlukan waktu yang
lama jika eksperimen dicoba secara riil. Dengan melakukan studi simulasi maka
dalam waktu singkat dapat ditentukan keputusan yang tepat serta dengan biaya yang
tidak terlalu besar karena semuanya cukup dilakukan dengan komputer. Pendekatan
simulasi diawali dengan pembangunan model sistem nyata. Model tersebut harus
dapat menunjukkan bagaimana berbagai komponen dalam sistem saling berinteraksi
sehingga benar-benar menggambarkan perilaku sistem. Setelah model dibuat maka
model tersebut ditransformasikan ke dalam program komputer. Penerapan simulasi
dalam program komputer disebut sebagai Simulink.
Simulink adalah salah satu bagian dari MatLab (Matriks Laboratory) Program.
Simulink dapat digunakan untuk mensimulasi sistem, dalam artinya mengamati dan
menganalisa perilaku dari tiruan sistem. Tiruan sistem diharapkan mempunyai
perilaku yang sangat mirip dengan sistem fisik. Jika digunakan dengan benar, simulasi
akan membantu proses analisis dan desain sistem.
Kata Kunci : Pemodelan, Simulasi dan Simulink
11
iii

Muhamar Kadaffi, MT

Ajar
DAFTAR ISI
ABSTRAK...................................................................................................... ii
DAFTAR ISI.................................................................................................. iv
KATA PENGANTAR........................................................................................ 5
1.
PENDAHULUAN................................................................................... 6
1.1 PEMODELAN DAN SIMULASI............................................................6

1.2 TAHAPAN DALAM PEMODELAN......................................................11
1.3 IMPLEMENTASI KOMPUTER............................................................11
1.4 BAHASA SIMULASI.........................................................................12
1.5 STRUKTUR BAHASA SIMULASI.......................................................13
1.6 KARAKTERISTIK BAHASA SIMULASI..............................................14
1.7 PEMILIHAN BAHASA SIMULASI.......................................................16
1.8 SEKILAS TENTANG MATLAB...........................................................16
2.
PENERAPAN SIMULINK PADA PENGENDALI PID.................................18
2.1 PERUMUSAN MASALAH................................................................18

2.2 AKSI KENDALI PROPORSIONAL (P).................................................19
2.3 AKSI KENDALI PROPORSIONAL DAN DERIVATIVE (PD)...................21
2.4 AKSI KENDALI PROPORSIONAL DAN INTEGRAL (PI).......................22
2.5 AKSI KENDALI PROPORSIONAL, INTEGRAL DAN DERIVATIVE (PID).24
KESIMPULAN.............................................................................................. 28
DAFTAR PUSTAKA....................................................................................... 30
11
iv

Muhamar Kadaffi, MT

Ajar
KATA PENGANTAR
Puji syukur selalu Penyusun panjatkan kehadirat Allah SWT, Tuhan semua
alam semesta yang selalu memberikan rahmat dan kesehatan kepada semua mahluk
ciptaan-Nya termasuk kepada Penyusun sampai dengan saat ini. Sehingga Penyusun
dapat menyelesaikan tugas pembuatan makalah Mata Kuliah Simulasi dan Pemodelan
dengan thema Penerapan Simulink untuk Simulasi ini tepat waktu dan dengan sebaikbaiknya sesuai kemampuan yang dimiliki oleh Penyusun.
Meskipun hasil dari tugas ini jauh dari kata sempurna, Penyusun berharap
makalah ini dapat bermanfaat bagi semua pihak, terutama Penyusun sendiri didalam
mempelajari mata kuliah Pemodelan dan Simulasi terutama dalam kaitannya dengan
pengertian dan penggunaan Simulink untuk simulasi seperti tercantum dalam thema
makalah ini.
Terima kasih yang sebesar-besarnya Penyusun ucapkan kepada Bapak
Muhammar Kadaffi ST, MT. yang telah membimbing Penyusun dalam melakukan
berbagai macam kegiatan perkuliahan terutama dalam mata kuliah Pemodelan dan
Simulasi, serta kepada teman-teman kuliah dan semua pihak yang telah ikut
membantu Penyusun dalam menulis dan menyusun makalah ini sehingga dapat
terselesaikan tepat waktu dan sebaik-baiknya sesuai dengan kemampuan yang ada.
Jakarta, 30 Desember 2011

Penyusun
11

Muhamar Kadaffi, MT

Ajar
1. PENDAHULUAN
1.1 PEMODELAN DAN SIMULASI
menjadi komponen dari sistem dapat berupa obyek terkecil dan bisa juga berupa subsistem atau sistem yang lebih kecil lagi. Dalam definisi ini disertakan elemen
lingkungan karena lingkungan sistem memberikan peran yang sangat penting
terhadap perilaku sistem itu. Bagaimana komponen-komponen sistem itu berinteraksi,
hal itu adalah dalam rangka mengantisipasi lingkungan.
Mengamati sistem bukan hanya mendefinisikan komponen-komponen
pendukung sistem, tetapi lebih dari dari itu harus pula mengetahui perilaku dan
variabel-variabel yang ada di dalamnya. Paling tidak analisis terhadap sistem harus
dapat membuat konsepsi tentang sistem itu. Ada beberapa cara untuk dapat
merancang, menganalisis dan mengoperasikan suatu sistem. Obyek penelitian
biasanya merupakan suatu sistem dengan kerumitan-kerumitan yang sangat kompleks
sehingga memerlukan pengabstraksian. Salah satunya adalah dengan melakukan
pemodelan, membuat model dari sistem tersebut.
Istilah pemodelan adalah terjemahan bebas dari istilah modelling.
Untuk
menghindari berbagai pengertian atau penafsiran yang berbeda-beda, maka istilah

pemodelan dapat diartikan sebagai suatu rangkaian aktivitas pembuatan model.
Sebagai landasan untuk lebih memahami pengertian pemodelan maka diperlukan
suatu penelaahan tentang model secara spesifik ditinjau dari pendekatan sistem.
Dalam konteks terminologi penelitian operasional (operation research), secara
umum model didefinisikan sebagai suatu perwakilan atau abstraksi dari suatu obyek
atau situasi aktual.
Model melukiskan hubungan-hubungan
langsung dan tidak
langsung serta kaitan timbal-balik dalam terminologi sebab akibat. Oleh karena suatu
model adalah abstraksi dari realita, maka pada wujudnya lebih sederhana
dibandingkan dengan realita yang diwakilinya. Model dapat disebut lengkap apabila
dapat mewakili berbagai aspek dari realita yang sedang dikaji. Model adalah alat yang
sangat berguna untuk menganalisis maupun merancang sistem. Sebagai alat
komunikasi yang sangat efisien, model dapat menunjukkan bagaimana suatu operasi
bekerja dan mampu merangsang untuk berpikir bagaimana meningkatkan atau
11

Muhamar Kadaffi, MT

Ajar
memperbaikinya. Model didefinisikan sebagai suatu deskripsi logis tentang

bagaimana sistem bekerja atau komponen-komponen berinteraksi.
Salah satu syarat pokok untuk mengembangkan model adalah menemukan
peubah-peubah apa yang penting dan tepat. Penemuan peubah-peubah ini sangat erat
hubungannya dengan pengkajian hubungan-hubungan yang terdapat di antara peubahpeubah. Teknik kuantitatif seperti persamaan regresi dan simulasi digunakan untuk
mempelajari keterkaitan antar peubah dalam sebuah model.
Memang dimungkinkan untuk dapat merancang-bangun dengan baik berbagai
model sistem tanpa matematik, dan /atau mengetahui matematika tanpa analisis
sistem. Namun demikian, perumusan matematika yang terpilih dapat mempermudah
pengkajian sistem, yang pada umumnya merupakan suatu kompleksitas.
Sifat
universalitas dari matematik dan notasi-notasinya akan memperlancar komunikasi dan

transfer metode yang dikembangkan di suatu negara atau bidang ilmu tertentu ke
bidang lainnya.
Kebanyakan para pengguna analisis sistem
menjumpai kesukaran untuk
mengimplementasikan notasi-notasi matematika ke dalam format konsepsi disiplin

ilmunya. Mereka kemudian memilih alternatif pembuatan model konsepsi (conceptual
model) yang sifatnya informal karena terasa lebih mudah. Bagaimanapun juga, para
ahli sistem berpendapat bahwa keuntungan lebih besar dibandingkan dengan biaya
yang diperlukan dalam mengkaji permasalahan penelitian secara matematis. Hal ini
disebabkan adanya daya guna yang berlipat ganda pada proses rancang bangun dan
analisis dalam bentuk bahasa matematika yang sangat penting dalam teori ekonomi,
keteknikan, ilmu alam hingga ilmu-ilmu sosial. Meskipun teknik-tekniknya sangat
beragam dan filosofinya masih dipandang kontraversi namun ide dasarnya adalah
sederhana yaitu menjabarkan keterkaitan-keterkaitan yang ada dalam dunia nyata
menjadi operasi-operasi matematis.
Dengan membuat model dari suatu sistem maka diharapkan dapat lebih mudah
untuk melakukan analisis. Hal ini merupakan prinsip pemodelan, yaitu bahwa
pemodelan
bertujuan untuk mempermudah
analisis
dan pengembangannya.
Melakukan pemodelan adalah suatu cara untuk mempelajari sistem dan model itu
sendiri dan juga bermacam-macam perbedaan perilakunya.
Ada beberapa langkah di dalam mempelajari sebuah sistem. Secara lengkap
digambarkan dengan diagram / gambaran seperti dibawah ini :
11

Muhamar Kadaffi, MT

Ajar
Gambaran Dari Aneka Cara Mempelajari Sebuah Sistem :
Jika suatu sistem secara fisik memungkinkan dan tidak memakan biaya yang
besar untuk dioperasikan sesuai dengan kondisi (scenario) yang kita inginkan maka
cara ini merupakan cara yang terbaik karena hasil dari eksperimen ini benar-benar
sesuai dengan sistem yang dikaji. Namun sistem seperti itu jarang sekali ada dan
penghentian operasi sistem untuk keperluan eksperimen akan memakan biaya yang
sangat besar. Selain itu untuk sistem yang belum ada atau sistem yang masih dalam
rancangan maka eksperimen dengan sistem aktual jelas tidak bisa dilakukan sehingga
satu-satunya cara adalah dengan menggunakan model sebagi representasi dari sistem
aktual.
Model fisik atau ikonik pada hakekatnya merupakan perwakilan fisik dari
beberapa hal, baik dalam bentuk ideal maupun dalam skala yang berbeda. Model
ikonik ini mempunyai karakteristik yang sama dengan hal yang diwakilinya, dan
terutama amat sesuai untuk menerangkan kejadian pada waktu yang spesifik. Model
ikonik dapat berdimensi dua (foto, peta, cetak-biru) atau tiga dimensi (prototipe
mesin, alat, dan lainnya). Apabila model berdimensi lebih dari tiga tidak mungkin
lagi dikonstruksi secara fisik sehingga diperlukan kategori model simbolik.
Model fisik mengambil dari sebagian sifat fisik dari hal-hal yang diwakilinya,
sehingga menyerupai sistem yang sebenarnya namun dalam skala yang berbeda.
Walaupun jarang dipakai, model ini cukup berguna dalam rekayasa sistem.
Pada hakekatnya, ilmu sistem memusatkan perhatian pada model matematis
atau model simbolik sebagai perwakilan dari realita yang dikaji.
11

Muhamar Kadaffi, MT

Ajar
Format model
simbolik dapat berupa bentuk angka, simbol dan rumus. Jenis model simbolik yang
umum dipakai adalah suatu persamaan (equation).
Bentuk persamaan adalah tepat, singkat dan mudah dimengerti.
Simbol
persamaan tidak saja mudah dimanipulasi dibandingkan dengan kata-kata, namun

juga lebih cepat dapat ditanggap maksudnya. Suatu persamaan adalah bahasa yang
universal pada penelitian operasional dan ilmu sistem, dimana di dalamnya digunakan
suatu logika simbolis.
Dalam mempelajari ilmu sistem diperlukan suatu pengertian yang mendasar
tentang simbol-simbol matematika; karena kalau tidak demikian akan menambah
kompleksitas dari konsep pengkajian itu sendiri. Bagaimanapun juga sebagaimana
mempelajari suatu hal maka kunci dari kelancaran dan pemahamannya adalah
frekuensi latihan aplikasinya. Dengan demikian diharapkan para pengguna dapat
secara efisien menangkap arti dari setiap notasi matematis yang disajikan. Misalnya ,
notasi ai dapat diartikan faktor peubah a, dan Aij dapat digambarkan sebagai Tabel
matriks peubah A dengan baris i dan kolom j.
Dalam penelitian, model matematis lebih sering dipakai jika dibandingkan
dengan model fisik. Pada model matematis, sistem direpresentasikan sebagai
hubungan logika dan hubungan kuantitatif untuk kemudian dimanipulasi supaya dapat
dilihat bagaimana sistem bereaksi.
Setelah model matematis berhasil dirumuskan, model tersebut dipelajari
kembali apakah model yang telah dikembangkan dapat menjawab pertanyaan yang
berkaitan dengan tujuan mempelajari sistem. Jika model yang dibentuk cukup
sederhana, maka relasi-relasi matematisnya dapat digunakan untuk mencari solusi
analitis. Jika solusi analitis bisa diperoleh dengan cukup mudah dan efisien, maka
sebaiknya diigunakan solusi analitis karena metode ini mampu memberikan solusi
yang optimal terhadap masalah yang dihadapi. Tetapi seringkali model terlalu
kompleks sehingga sangat sulit untuk diselesaikan dengan metoda-metoda analitis,
maka model tersebut dapat dipelajari dengan simulasi. Simulasi tidak menjamin
memberikan hasil yang optimal melainkan dijamin bahwa hasilnya mendekati
optimal.
Pada dasarnya model simulasi dikelompokkan dalam tiga dimensi yaitu [Law
and Kelton, 1991] :
a) Model Simulasi Statis dengan Model Simulasi Dinamis.
11

Muhamar Kadaffi, MT

Ajar
Model simulasi statis digunakan untuk mempresentasikan sistem pada saat

tertentu atau sistem yang tidak terpengaruh oleh perubahan waktu. Sedangkan
model simulasi dinamis digunakan jika sistem yang dikaji dipengaruhi oleh
perubahan waktu.
b) Model Simulasi Deterministik dengan Model Simulasi Stokastik.
Jika model simulasi yang akan dibentuk tidak mengandung variabel yang
bersifat random, maka model simulasi tersebut dikatakan sebagi simulasi
deterministik. Pada umumnya sistem yang dimodelkan dalam simulasi
mengandung beberapa input yang bersifat random, maka pada sistem seperti
ini model simulasi yang dibangun disebut model simulasi stokastik.
c) Model simulasi Kontinu dengan Model Simulasi Diskret.
Untuk mengelompokkan suatu model simulasi apakah diskret atau kontinyu,
sangat ditentukan oleh sistem yang dikaji. Suatu sistem dikatakan diskret jika
variabel sistem yang mencerminkan status sistem berubah pada titik waktu
tertentu, sedangkan sistem dikatakan kontinyu jika perubahan variabel sistem
berlangsung secara berkelanjutan seiring dengan perubahan waktu.
melakukan eksperimen dalam rangka mencari komentar terbaik dari komponenkomponen sistem. Hal ini dikarenakan sangat mahal dan memerlukan waktu yang
lama jika eksperimen dicoba secara riil.
Dengan melakukan studi simulasi maka dalam waktu singkat dapat ditentukan
keputusan yang tepat serta dengan biaya yang tidak terlalu besar karena semuanya
cukup
dilakukan
dengan
komputer.
Pendekatan
simulasi
diawali
dengan
pembangunan model sistem nyata. Model tersebut harus dapat menunjukkan

bagaimana berbagai komponen dalam sistem saling berinteraksi sehingga benar-benar
menggambarkan perilaku sistem. Setelah model dibuat maka model tersebut
ditransformasikan ke dalam program komputer.
11
10

Muhamar Kadaffi, MT

Ajar
Penerapan simulasi dalam program komputer disebut sebagai Simulink.

Simulink dapat digunakan untuk mensimulasi sistem artinya mengamati dan
1.2 TAHAPAN DALAM PEMODELAN
Para ahli penelitian operasional dan ilmu sistem telah memberikan konsepsi
dan teknik pemodelan sistem.
Para ahli ini menyarankan untuk mengawali
pemodelan dengan penguraian seluruh komponen yang akan mempengaruhi

efektivitas dari operasi sistem. Setelah daftar komponen tersebut lengkap, langkah
selanjutnya adalah penyaringan komponen mana yang akan dipakai dalam pengkajian
tersebut. Hal ini umumnya sulit karena adanya interaksi antar peubah yang seringkali
menyulitkan isolasi suatu peubah. Peubah yang dipandang tidak penting ternyata
bisa saja mempengaruhi
hasil studi setelah proses pengkajian selesai.
Untuk
menghindarkan hal ini, diperlukan percobaan pengujian data guna memilih

komponen-komponen yang kritis. Setelah itu dibentuk gugus persamaan yang dapat
dievaluasi dengan merubah-rubah komponen tertentu dalam batas-batas yang
diperkenankan.
Salah satu contoh pemodelan seperti ini adalah Program Linear
(Linear Programming) dan Program Dinamik (Dynamic Programming).

Dalam konteks pendekatan sistem, tahap-tahap pemodelannya lebih kompleks
namun relatif terlalu beragam,
baik ditinjau dari jenis sistem ataupun tingkat
kecanggihan model. Manetsch dan Park (1984) mengembangkan tahap pemodelan

abstrak ini sebagai bagian dari pendekatan sistem.
Pemodelan abstrak menerima input berupa alternatif sistem yang layak.
Proses ini membentuk dan mengimplementasikan model-model matematika yang
dimanfaatkan untuk merancang program terpilih yang akan dipraktekkan di dunia
nyata pada tahap berikutnya. Output utama dari tahap ini adalah deskripsi terinci dari
keputusan yang diambil berupa perencanaan, pengendalian atau kebijakan lainnya.
1.3 IMPLEMENTASI KOMPUTER
Pemakaian komputer sebagai pengolah data, penyimpan data dan komunikasi
informasi tidak dapat diabaikan dalam pendekatan system, model abstrak diwujudkan
11
11

Muhamar Kadaffi, MT

Ajar
dalam berbagai bentuk persamaan, diagram alir dan diagram blok. Tahap ini seolaholah membentuk model dari suatu model, yaitu tingkat abstraksi lain yang ditarik dari
dunia nyata. Hal yang penting di sini adalah memilih teknik dan bahasa komputer
yang digunakan untuk implementasi model. Masalah ini akan mempengaruhi :
1. Ketelitian dari hasil komputasi
2. Biaya operasi model
3. Kesesuaian dengan komputer yang tersedia
4. Efektifitas dari proses pengambilan keputusan yang akan menggunakan hasil
pemodelan tersebut.
Setelah program komputer dibuat dan format input /output telah dirancang
secara memadai, maka sampailah pada tahap pembuktian (verifikasi) bahwa model
komputer tersebut mampu melakukan simulasi dari model abstrak yang dikaji.
Pengujian ini mungkin berbeda dengan uji validitas model itu sendiri.
1.4 BAHASA SIMULASI
Pemrograman model simulasi, seperti yang disebutkan sebelumnya, dapat
dilakukan menggunakan bahasa umum komputer (general purposes language) atau
menggunakan bahasa simulasi. Ada beberapa bahasa simulasi, sehingga kita harus
dapat melihat dan memahami kelebihan dan kekurangan dari masing-masingnya,
sehingga kita melakukan pemilihan yang tepat saat kita perlu menggunakan bahasa
simulasi.
Satu bahasa simulasi tidak dapat menjadi alat yang tepat untuk semua kasus
permodelan simulasi. Kesuksesan analisis simulasi merupakan teknik campuran yang
sangat tergantung pada keahlian dan keahlian analis. Elemen dan struktur bahasa
komputer umum seperti Pascal atau FORTRAN, source codenya tidak dengan mudah
dapat digunakan untuk memodelkan simulasi sistem. Msialnya, bahasa itu tidak
menyediakan struktur data yang enak digunakan untuk pemrosesan kejadian,
sementara hal ini merupakan elemen logis yang sangat penting dalam permodelan
simulasi.
Tidak ada perintah dalam FORTRAN misalnya yang dengan jelas
menambah atau mengurangi antrian nasabah atau objek lainnya. Tidak ada perintah
dalam FORTRAN yang mengakumulasikan jumlah objek dalam antrian dan
menghitung rata-rata untuk menyediakan output statistik penting. Variabel waktu
lanjut, yang penting dalam penjalanan model simulasi, juga tidak dapat ditemukan
pada FORTRAN dan bahasa pemrograman umum lainnya.
11
12

Muhamar Kadaffi, MT

Ajar
Untuk memenuhi fungsi-fungsi di atas dan hal-hal penting lainnya dalam

struktur model program komputer, kode pemrograman yang ekstensif, kompleks dan
sulit didebug harus dibuat. Motivasi mengembangkan dan menggunakan bahasa
simulasi berasal dari keinginan untuk mempersingkat waktu yagn dibutuhkan untuk
mengembangkan mdoel valid yang relatif mudah didebug dan yang menyediakan
output statistik yang dibutuhkan dalam pengambilan keputusan.
1.5 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.
Meskipun objek mempunyai karakteristik unik, untuk tujuan pemrosesan
dalam model, ada baiknya karakteristik itu dikelompokkan.
Setiap bahasa
mempunyai mekanisme berbeda dalam melakukan pengelompokan ini.
Bahkan
dalam kasus sistem yang relatif kecil, mempertahankan semua objek dalam model
selama penjalanan simulasi bisa tidak memungkinkan karena keterbatasan memori
komputer. Akibatnya, alat untuk menurunkan objek ketika dibutuhkan dan
menghapusnya jika sudah tidak dibutuhkan harus disediakan.
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
11
13

Muhamar Kadaffi, MT

Ajar
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. Seperti yang sudah dijelaskan dalam topik
sebelumnya, 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.
1.6 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
masih
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
11
14

Muhamar Kadaffi, MT

Ajar
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.
11
15

Muhamar Kadaffi, MT

Ajar
1.7 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.
Di dalam makalah ini penyusun akan memberikan contoh penerapan simulasi
dengan menggunakan Simulink atau Matlab, yaitu bahasa utama untuk perhitungan
teknis, DSP, disain kotnrol, dst. Simulink menyediakan interface grafis ke beberapa
fungsi Matlab, sehingga memungkinkan pemakai mendisain model dan mengkontrol
sistem secara grafis.
Simulink adalah salah satu bagian dari MatLab. Simulink dapat digunakan
untuk mensimulasi sistem artinya mengamati dan menganalisa perilaku dari tiruan
sistem. Tiruan sistem diharapkan mempunyai perilaku yang sangat mirip dengan
sistem fisik. Jika digunakan dengan benar, simulasi akan membantu proses analisis
dan desain sistem. Simulink mendukung simulasi sistem linier, sistem kontrol, sistem
yang menggunakan logika kabur, jaringan syaraf tiruan, komunikasi, dan lain-lain.
1.8 SEKILAS TENTANG MATLAB
MATLAB (Matrix Laboratory) adalah sebuah program untuk analisis dan
komputasi numerik dan merupakan suatu bahasa pemrograman matematika lanjutan
yang dibentuk dengan dasar pemikiran menggunakan sifat dan bentuk matriks. Pada
awalnya, program ini merupakan interface untuk koleksi
rutin-rutin numerik dari
proyek LINPACK dan EISPACK, dan dikembangkan menggunakan bahasa

FORTRAN namun sekarang merupakan produk komersial dari perusahaan
Mathworks, Inc. yang dalam perkembangan selanjutnya dikembangkan menggunakan
bahasa C++ dan assembler (utamanya untuk fungsi-fungsi dasar MATLAB).
MATLAB telah berkembang menjadi sebuah environment pemrograman yang
canggih yang berisi fungsi-fungsi built-in untuk melakukan tugas pengolahan sinyal,
aljabar linier dan kalkulasi matematis lainnya. MATLAB juga berisi toolbox yang
11
16

Muhamar Kadaffi, MT

Ajar
berisi fungsi-fungsi tambahan untuk aplikasi khusus . MATLAB bersifat extensible,

dalam arti bahwa seorang pengguna dapat menulis fungsi baru untuk ditambahkan
pada library ketika fungsi-fungsi built-in yang tersedia tidak dapat melakukan tugas
tertentu.
MATLAB (Matrix Laboratory) yang merupakan bahasa pemrograman tingkat
tinggi berbasis pada matriks sering digunakan untuk teknik komputasi numerik, yang
digunakan
untuk
menyelesaikan
masalah-masalah
yang
melibatkan
operasi
matematika elemen, matrik, optimasi, aproksimasi dll. Sehingga Matlab banyak

digunakan pada :
Matematika dan Komputansi
Pengembangan dan Algoritma
Pemrograman Modeling, Simulasi, dan Pembuatan Prototipe
Analisa Data , Eksplorasi dan Visualisasi
Analisis Numerik dan Statistik
Pengembangan Aplikasi Teknik
11
17

Muhamar Kadaffi, MT

Ajar
2. PENERAPAN SIMULINK PADA PENGENDALI PID

2.1 PERUMUSAN MASALAH
Sebuah sistem kontrol digambarkan memiliki transfer fungsi / fungsi alih
sebagai berikut :
Persamaan fungsi alih tersebut digambarkan dengan sebuah model di dalam Program
Matlab dengan Simulink seperti pada rangkaian gambar dibawah ini :
Gambar Respon Awal Sistem
Persamaan tersebut digambarkan pada Program MatLab sebagai berikut :

ps=[1]
qs=[1 15 30]
step(ps,qs)
Dengan hasil respon sistemnya seperti tergambar pada grafik dibawah ini :
Grafik di atas menunjukkan bahwa sistem memiliki kesalahan yang tinggi, hal ini
dapat dilihat pada tanggapan sistem menuju ke nilai amplitude. Dari Gambar grafik
diatas, dapat juga diketahui bahwa sistem memiliki waktu naik yang lama (hampir
mencapai 2 detik). Untuk menghasilkan sistem kontrol yang baik, diperlukan sistem
loop tertutup (close loop).
11
18

Muhamar Kadaffi, MT

Ajar
Grafik Respon Awal Sistem
Berdasarkan penggunaan pengendali P, PD, PI dan PID, maka didalam model sistem
tersebut dilakukan simulasi untuk mendapatkan aksi pengendali terbaik bagi sistem
yang akan diterapkan berdasarkan penggunaan aplikasi yang sesuai didalam proses
yang sebenarnya.
2.2 AKSI KENDALI PROPORSIONAL (P)
Sesuai dengan dasar pengontrolan, maka aksi kendali Proporsional didapatkan
dengan penambahan gain/penguatan sebesar konstanta
Proporsional (Kp)
sehingga persamaan menjadi :
Dengan menambahkan sebuah konstanta Kp (Proposional) sebesar 300, maka

model simulink dapat digambarkan sebagai berikut :
11
19

Muhamar Kadaffi, MT

Ajar
Gambar Respon Aksi Proporsional
Maka pada Program Matlab dituliskan persamaan-persamaan sebagai berikut :

Kp=300
ps=[Kp]
qs=[1 15 30+Kp]
t=0:0.01:2;
step(ps,qs)
Dengan hasil respon sistemnya seperti tergambar pada grafik dibawah ini :
Gambar Respon Aksi Proporsional
Penambahan aksi pengendali Proporsional (P) mempunyai pengaruh

mengurangi waktu naik dan kesalahan, tetapi konsekuensinya overshoot naik cukup
11
20

Muhamar Kadaffi, MT

Ajar
besar. Kenaikan overshoot ini sebanding dengan kenaikan nilai parameter Kp. Waktu
turun juga menunjukkan kecenderungan yang membesar.
2.3 AKSI KENDALI PROPORSIONAL DAN DERIVATIVE (PD)
Dengan penambahan konstanta Kp (Proposional) dan Kd (Derivative), maka
persamaan alih fungsi diatas menjadi :
Apabila dalam sistem diterapkan konstanta Kp sebesar 300 dan konstanta Kd sebesar
10, maka rangkaian gambar di simulink tampak seperti pada gambar berikut :
Gambar Respon Aksi Proporsional-Derivative (PD)
Dengan menerapkan persamaan pada Matlab seperti dibawah ini :

Kp=300
Kd=10
ps=[Kd Kp]
qs=[1 15+Kd 30+Kp]
t=0:0.01:2;
step(ps,qs)
Maka hasil respon sistem tergambar seperti pada grafik dibawah ini :
11
21

Muhamar Kadaffi, MT

Ajar
Grafik Respon Aksi Proporsional-Derivative (PD)
Pada grafik di atas terlihat bahwa penggunaan kontrol Proposional Derivative (PD)
dapat mengurangi overshoot dan waktu turun, tetapi kesalahan tidak mengalami
perubahan yang berarti.
2.4 AKSI KENDALI PROPORSIONAL DAN INTEGRAL (PI)
Dengan penambahan konstanta Kp (Proposional) dan Ki (Integral) pada
sistem, maka persamaan alih fungsi diatas menjadi :
Apabila dalam sistem diterapkan konstanta Kp sebesar 40 dan konstanta Ki sebesar

100, maka rangkaian gambar simulink tampak seperti pada gambar berikut :
11
22

Muhamar Kadaffi, MT

Ajar
Gambar Respon Aksi Proporsional-Integral (PI)
Dengan menerapkan persamaan pada Matlab seperti dibawah ini :

Kp = 40
Ki = 100
ps = [Kp Ki]
qs = [1 15 30+Kp Ki]
t = 0:0.01:2;
step(ps,qs)
Grafik Respon Aksi Proporsional-Integral (PI)
Aksi kontrol P dan I memiliki karakteristik yang sama dalam waktu naik dan
overshoot. Oleh karena itu, nilai Kp harus dikurangi untuk menghindari overshoot
yang berlebihan.
11
23

Muhamar Kadaffi, MT

Ajar
Dari grafik gambar di atas terlihat bahwa waktu naik sistem menurun, dengan
overshoot yang kecil, serta kesalahan dapat diminimalkan. Tanggapan sistem
memberikan hasil yang lebih baik daripada aksi kontrol sebelumnya tetapi masih
mempunyai waktu naik yang lambat.
2.5 AKSI KENDALI PROPORSIONAL, INTEGRAL DAN DERIVATIVE
(PID)
Dengan penambahan konstanta gabungan ketiga elemen pengaturan :
Kp
(Proposional), Ki (Integral) dan Kd (Derivative) pada sistem, maka persamaan alih

fungsi diatas menjadi :
Apabila dalam sistem diterapkan konstanta Kp sebesar 350, konstanta Ki sebesar 300
dan konstanta Kd sebesar 50, maka rangkaian gambar simulink tampak seperti pada
gambar rangkaian berikut :
Gambar Respon Aksi Proporsional-Integral-Derivative (PID)
Sehingga persamaan di dalam Program MatLab berubah menjadi seperti berikut :

Kp = 350
Ki = 300
Kd = 50
ps = [Kd Kp Ki]
qs = [1 8+Kd 15+Kp Ki]
t = 0:0.01:2;
step(ps,qs)
11
24

Muhamar Kadaffi, MT

Ajar
Grafik Respon Aksi Proporsional-Integral-Derivative (PID)
Dengan aksi kontrol P, I dan D, terlihat bahwa kriteria sistem yang diinginkan
hampir mendekati, terlihat dari grafik tanggapan sistem tidak memiliki overshoot,
waktu naik yang cepat, dan kesalahan sangat kecil mendekati nol. Grafik tanggapan
sistem terhadap sinyal masukan fungsi langkah, tergantung pada nilai parameter Kp,
Kd dan Ki.
Dari percobaan di atas dapat ditarik kesimpulan bahwa masing masing
pengendali memiliki karakteristik yang berbeda-beda, antara lain sebagai berikut :
Kontroler (Pengendali) Proporsional (P)
Pengaruh pada sistem :
Menambah atau mengurangi kestabilan
Dapat memperbaiki respon transien khususnya : rise time, settling time
Mengurangi waktu naik, tidak menghilangkan Error Steady State
Untuk menghilangkan Error Steady State, dibutuhkan nilai Kp besar, yang

akan membuat sistem lebih tidak stabil.
11
25

Muhamar Kadaffi, MT

Ajar
Kontroler (Pengendali) Integral (I)

Menghilangkan Error Steady State
Respon lebih lambat (dibandingkan dengan P)
Dapat menimbulkan ketidakstabilan (karena menambah orde sistem)
Kontroler (Pengendali) Derivatif (D)

Memberikan efek redaman pada sistem yang berosilasi sehingga bisa

memperbesar pemberian nilai Kp
Memperbaiki respon transien, karena memberikan aksi saat ada

perubahan error.
D hanya berubah saat ada perubahan error, sehingga saat ada error
statis D tidak beraksi Sehingga D tidak boleh digunakan sendiri.
Kontroler (Pengendali) Proporsional Integral Derivatif (PID)

Pengendali PID merupakan pengendali yang didasarkan oleh gabungan unsur
dari pengendali Proposional (P), Integral (I) dan Derivative (D) yang masingmasing memiliki perilaku yang khas. Setiap kekurangan dan kelebihan dari
masing-masing kontroler P, I dan D dapat saling menutupi dengan
menggabungkan ketiganya secara paralel menjadi kontroler PID. Elemenelemen kontroler PID masing-masing secara keseluruhan bertujuan untuk
mempercepat reaksi sebuah sistem, menghilangkan offset dan menghasilkan
perubahan awal yang besar.
Dengan melihat hasil kesimpulan dari percobaan yang dilakukan, maka dapat
dipilih sebuah kontroler (pengendali) yang tepat untuk diterapkan pada sebuah sistem
sesuai dengan kondisi proses yang ada.
Disinilah pentingnya sebuah penerapan Simulink untuk melakukan simulasi
pada sebuah model sistem dilakukan. Dengan menganalisa hasil respon yang terjadi
pada setiap model sistem, dapat diambil sebuah kesimpulan yang akhirnya akan
diterapkan pada sistem yang sesungguhnya sesuai dengan keinginan yang akan
dicapai.
11
26

Muhamar Kadaffi, MT

Ajar
KESIMPULAN
menjadi komponen dari sistem dapat berupa obyek terkecil dan bisa juga berupa subsistem atau sistem yang lebih kecil lagi.
Ada beberapa cara untuk dapat merancang, menganalisis dan mengoperasikan
suatu sistem. Salah satunya adalah dengan melakukan pemodelan, membuat model
dari sistem tersebut.
Model adalah alat yang sangat berguna untuk menganalisis maupun
merancang sistem. Sebagai alat komunikasi yang sangat efisien, model dapat
menunjukkan bagaimana suatu operasi bekerja dan mampu merangsang untuk
berpikir bagaimana meningkatkan atau memperbaikinya.
melakukan eksperimen dalam rangka mencari komentar terbaik dari komponenkomponen sistem. Hal ini dikarenakan sangat mahal dan memerlukan waktu yang
lama jika eksperimen dicoba secara riil. Dengan melakukan studi simulasi maka
dalam waktu singkat dapat ditentukan keputusan yang tepat serta dengan biaya yang
tidak terlalu besar karena semuanya cukup dilakukan dengan komputer. Pendekatan
simulasi diawali dengan pembangunan model sistem nyata. Model tersebut harus
dapat menunjukkan bagaimana berbagai komponen dalam sistem saling berinteraksi
sehingga benar-benar menggambarkan perilaku sistem. Setelah model dibuat maka
model tersebut ditransformasikan ke dalam program komputer. Penerapan simulasi
dalam program komputer disebut sebagai Simulink.
Dengan melakukan studi simulasi maka dalam waktu singkat dapat ditentukan
keputusan yang tepat serta dengan biaya yang tidak terlalu besar karena semuanya
cukup
11
dilakukan
27
dengan
komputer.

Muhamar Kadaffi, MT
Pendekatan
simulasi

Ajar
diawali
dengan
pembangunan model sistem nyata. Model tersebut harus dapat menunjukkan

bagaimana berbagai komponen dalam sistem saling berinteraksi sehingga benar-benar
menggambarkan perilaku sistem. Setelah model dibuat maka model tersebut
ditransformasikan ke dalam program komputer.
Penerapan simulasi dalam program komputer disebut sebagai Simulink.
Simulink dapat digunakan untuk mensimulasi sistem artinya mengamati dan
Sebuah identifikasi masalah selalu dilakukan sebagai tahap awal di dalam
sebuah penelitian dan merupakan bagian dari tahap perencanaan (plan). Identifikasi
Sistem (Plant) ditujukan untuk mendapatkan sebuah model matematis berupa fungsi
alih yang digunakan untuk proses perancangan kontroler nantinya. Sebagai contohnya
adalah dalam penerapan Pengendali PID dengan Simulink.
Penggambaran rangkaian awal dengan Simulink sangat diperlukan untuk
mempermudah mengamati dan menganalisa perilaku sistem yang telah dimodelkan
dalam bentuk model matematis dengan transfer fungsi / fungsi alih. Hingga pada
akhirnya hasil akhir dari proses analisa simulasi dengan Simulink tersebutlah yang
menjadi bahan dasar dari penerapan ke sistem yang sebenarnya sehingga hasil akhir
yang diinginkan dapat terpenuhi dengan baik.
11
28

Muhamar Kadaffi, MT

Ajar
DAFTAR PUSTAKA
Gunterus, Frans. Falsafah Dasar: Sistem Pengendalian Proses. PT.Elex Media
Komputindo. Jakarta : 1994
Toray Engineering, Co, Ltd. Multipoint Temperature Controller TNS 801A Instruction
Manual Japan : 1993
Muhammad Ali. Makalah : Pembelajaran Perancangan Sistem Kontrol PID Dengan
Software MatLab. Universitas Negeri Yogyakarta : 2004
Artikel Internet http://meriwardana.blogspot.com/, Pengendalian PID Dengan
Simulink MathLab, Jakarta : 2010
Ahmad Fajar Firdaus, ST. Pengenalan Matlab, Design Laboratory LAPI ITB
Bandung : 2009
11
29

Muhamar Kadaffi, MT

Ajar

Modul 10 Penerapan Simulink Untuk Simulasi

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modul 10 Penerapan Simulink Untuk Simulasi

Uploaded by

Copyright:

Available Formats

Modul 10

Penerapan Simulink Untuk Simulasi

PROGRAM STUDI TEKNIK ELEKTRO

mempermudah analisis dan pengembangannya. Melakukan pemodelan adalah suatu

Pemodelan dan Simulasi

Pusat Pengembangan Bahan

Pemodelan dan Simulasi

Pusat Pengembangan Bahan

1.1 PEMODELAN DAN SIMULASI............................................................6

PENERAPAN SIMULINK PADA PENGENDALI PID.................................18

2.1 PERUMUSAN MASALAH................................................................18

Pemodelan dan Simulasi

Pusat Pengembangan Bahan

Jakarta, 30 Desember 2011

Pemodelan dan Simulasi

Pusat Pengembangan Bahan

menghindari berbagai pengertian atau penafsiran yang berbeda-beda, maka istilah

Model melukiskan hubungan-hubungan

langsung dan tidak

Pemodelan dan Simulasi

Pusat Pengembangan Bahan

memperbaikinya. Model didefinisikan sebagai suatu deskripsi logis tentang

universalitas dari matematik dan notasi-notasinya akan memperlancar komunikasi dan

menjumpai kesukaran untuk

mengimplementasikan notasi-notasi matematika ke dalam format konsepsi disiplin

bertujuan untuk mempermudah

Pemodelan dan Simulasi

Pusat Pengembangan Bahan

Gambaran Dari Aneka Cara Mempelajari Sebuah Sistem :

Pemodelan dan Simulasi

Pusat Pengembangan Bahan

persamaan tidak saja mudah dimanipulasi dibandingkan dengan kata-kata, namun

Pemodelan dan Simulasi

Pusat Pengembangan Bahan

Model simulasi statis digunakan untuk mempresentasikan sistem pada saat

pembangunan model sistem nyata. Model tersebut harus dapat menunjukkan

Pemodelan dan Simulasi

Pusat Pengembangan Bahan

Penerapan simulasi dalam program komputer disebut sebagai Simulink.

Para ahli ini menyarankan untuk mengawali

pemodelan dengan penguraian seluruh komponen yang akan mempengaruhi

hasil studi setelah proses pengkajian selesai.

menghindarkan hal ini, diperlukan percobaan pengujian data guna memilih

Salah satu contoh pemodelan seperti ini adalah Program Linear

(Linear Programming) dan Program Dinamik (Dynamic Programming).

baik ditinjau dari jenis sistem ataupun tingkat

kecanggihan model. Manetsch dan Park (1984) mengembangkan tahap pemodelan

Pemodelan dan Simulasi

Pusat Pengembangan Bahan

Tidak ada perintah dalam FORTRAN misalnya yang dengan jelas

Pemodelan dan Simulasi

Pusat Pengembangan Bahan

Untuk memenuhi fungsi-fungsi di atas dan hal-hal penting lainnya dalam

mempunyai mekanisme berbeda dalam melakukan pengelompokan ini.

Pemodelan dan Simulasi

Pusat Pengembangan Bahan

dibutuhkan untuk menempatkan objek dalam waktu dan memungkinkan keberlanjutan

Akibatnya, tidak ada bahasa

simulasi kejadian diskrit yang menggunakan pendekatan ini ke struktur dinamis.

Logika yang dibutuhkan untuk melakukan ini lebih kompleks

dibandingkan dengan langkah waktu-tetap, tetapi akan mengehmat waktu eksekusi

Beberapa sifat bahasa simulasi lainnya

membutuhkan pemasukan pernyataan kode untuk menciptakan kode model,