6.8 VALIDASI MODEL 6.8.1. Pendahuluan
Tahapan lanjut dari simulasi setelah verifikasi model adalah validasi. Shanon (1975) dengan ringkas menggambarkan proses vali-dasi sebagai berikut:
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0 sistem yang telah ada adalah dengan membandingkan output dari sistem nyatanya dengan model.”
Langkah validasi ini juga merupakan langkah untuk mengawasi atau mengecek apakah model yang sudah diprogram itu asli, sudah sesuai dan benar.
Dua tujuan umum dalam validasi :
1. Menghasilkan suatu model yang representatif terhadap prilaku sistem nyatanya sedekat mungkn untuk dapat digunakan sebagai subtitusi dari sistem nyata dalam melakukan eksperimen tanpa mengganggu jalannya sistem.
2. Meningkatkan kredibilitas model, sehingga model dapat digunakan oleh para manajer dan para pengambil keputusan lainnya.
Tipe validasi model :
1. Validasi asumsi, model asumsi ini dibagi kedalam dua kelas, yaitu asumsi struktural dan asumsi data.
- Asumsi struktural meliputi pertanyaan-pertanyaan bagaimana sistem beroperasi dan asumsi ini juga melibatkan penyederhanaan dan penggambaran kenyaataan dari sistem. Sebagaian penulis memisahkan asumsi ini kedalam validasi proses.
Contoh :
Jumlah teller pada suatu sistem bisa tetap dan bisa variabel
Melakukan diskusi dengan orang yang paham betul dengan proses yang diamati, seperti para manajer.
- Asumsi data harus didasarkan pada penumpulan data yang reliabel/data terpercaya dan analisa statistik yang tepat dari suatu data.
2. Validasi Output (merupakan titik tekan pada bab ini), Cara yang paling mudah untuk melakukan validasi ini adalah dengan pendekatan visual.
Beberapa orang ahli mengamati dan membandingkan antara output model terhadap sistem riil. Metode lain yang sering digunakan adalah dengan pendekatan statisik.
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0 Fakultas : Teknologi Industri Pertemuan : 6
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 39
Nama Mata Kuliah : Simulasi Komputer Tahun : 2017
Halaman 31 6.8.2 Teknik Validasi
Untuk melakukan validasi model apakah sesuai dengan sistem nyatanya dapat dilakukan dengan :
Keseragaman Data Hasil Simulasi
Sebagaimana pada validasi data input, maka pada data hasil simulasipun diadakan uji keseragaman data guna menentukan bahwa data setiap data simulasi memiliki deviasi yang normal atau tidak terlalu berbeda dari nilai rata-ratanya.
Hal ini dimaksudkan untuk mengetahui bahwa perilaku model sistem berada pada kondisi yang relatif tidak begitu memiliki fluktuasi. Bila perilaku model sangat fluktuatif, maka akan sulit bagi peneliti untuk menarik konklusi akan perilaku model sistem yang diamati. Rumus yang digunakan untuk penentuan batas kontrol :
1. Batas atas = BKA = X + k.SD 2. Batas Bawah = BKB = X - k.SD
Setelah diketahui sebaran dan hasil simulasi, maka dapat ditentukan interval kepercayaan untuk output hasil simulasi. Hal itu ditunjukkan oleh persamaan :
Y = Nilai Rata – Rata Parameter dari R kali Replikasi s = Nilai Standar Deviasi dari sampel nilai Parameter dari R kali replikasi
1- α = Uinterval Konvidensi (95%)
= Nilai fungsi dari distribusi student t dengan tingkat signifikansi dan derajat bebas R – 1. Kita gunakan pendekatan Distribusi Studen t jika yang diambil adalah kumpulan sampel sehingga variansi populasi tidak diketahui. ( jika variansi populasi tidak diketahui digunakan pendekatan distribusi student t..
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0 Fakultas : Teknologi Industri Pertemuan : 6
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 39
Nama Mata Kuliah : Simulasi Komputer Tahun : 2017
Halaman 32 Uji Kesamaan Dua Rata-Rata
Uji kesamaan ini dimaksudkan untuk mengetahui perbandingan performansi antara sistem riil dengan model simulasi yang diterjemahkan dalam nilai jumlah rata-rata output dari dua populasi tersebut. Jika dalam uji didapat hasil bahwa kedua nilai rata-rata tidak berbeda secara signifikan, maka dapat disimpulkan bahwa model memiliki validitas yang cukup untuk parameter output rata – rata..
Karena yang akan diuji adalah kesamaan dua populasi, maka uji yang akan dilakukan adalah uji dua sisi.. dengan :
H0 : μ1 = μ2
: Rata-rata output sistem riil = rata-rata output model Simulasi H1 : μ1 ≠ μ2
: Rata-rata output sistem riil ≠ Rata-rata output model Simulasi
Untuk mencari t hitung digunakan rumus sebagai berikut : Rumus t hitung :
t hitung kemudian dibandingkan dengan t tabel N -1 adalah Derajat kebebasan
α adalah tingkat kepercayaan
Uji Kesamaan Dua Variansi
Dalam melakukan proses pengujian selisih maupun kesamaan dua ratarata, selalu diasumsikam bahwa kedua populasi memiliki variansi yang sama.
Agar hasil uji kesamaan dua rata rata yang dilakukan diatas benar, maka
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0 diperlukan sebuah kepastian bahwa asumsi tentang persamaam dua variansi terpenuhi. Misalnya kita mempunyai dua populasi normal dengan variansi 𝜎12
dan 𝜎22. Akan diuji dua pihak dalam kesamaannya, maka hipotesis ujinya adalah :
H0 : 𝜎12 = 𝜎22
H1 : 𝜎12 ≠ 𝜎22
Berdasarkan sampel acak yang independen maka diperoleh populasi satu dengan ukuran n1 dan variansi s12 sedangkan populasi dua dengan ukuran n2 dan variansi s22, maka untuk menguji hipotesisnya digunakan statistik uji : F =
𝑠12 𝑠22.
Kriteria pengujian adalah menerima H0 jika
Dengan demikian F hitung berada dalam daerah penerimaan sebagaimana terlihat dalam gambar dibawah ini :
Daerah Penerimaan ujesamaan Variansi Sistem riil dan Uji Kecocokan Model Simulasi
Proses Validasi yang terakhir adalah menguji bahan antara hasil model simulasi memiliki kecocokan dengan dengan sistem riil yang diamati. Metode yang digunakan adalah uji Chi-Kuadrat. Disebut juga uji kecocokan atau disebut uji kompatibilitas, memiliki tujuan adalah menguji apakah frekuensi yang
2.1
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0 Fakultas : Teknologi Industri Pertemuan : 6
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 39
Nama Mata Kuliah : Simulasi Komputer Tahun : 2017
Halaman 34 diobservasikan (dihasilkan) melalui model simulasi memang konsisten dengan frekuensi teoritisnya (sistem riil). Rumus yang digunakan adalah:
𝜒2 = ∑(𝑂𝑖− 𝐸𝑖)2 𝐸𝑖
0I = frekuensi observasi (hasil simulasi) dan
EI = frekuensi teoritis atau sistem riil dengan derajat bebas = n-1 𝜒2 merupakan ukuran perbedaan antara frekuensi observasi dengan frekuensi teoritis. Apabila tidak ada perbedaan antar frekuensi observasi dengan frekuensi teoritis, maka 𝜒2 akan semakin besar pula.