Simulation. Prepared by Akhid Yulianto, SE, MSC (Log) Based on Anderson, Sweeney, and Williams Thomson ΤΜ /South-Western Slide

(1)

Slide Slide

Simulation

Prepared by Prepared by

Akhid Yulianto, SE, MSC (Log) Akhid Yulianto, SE, MSC (Log)

Based on Anderson, Sweeney, and Williams

(2)

Simulation

■ Kebaikan dan kelemahan menggunakan Kebaikan dan kelemahan menggunakan simulation

simulation ■ ModelingModeling

■ Random Variables and Pseudo-Random Random Variables and Pseudo-Random Numbers

Numbers

■ Time Increments Time Increments ■ Bahasa SimulationBahasa Simulation

■ Validation and Pertimbangan Statistik Validation and Pertimbangan Statistik ■ Contoh contoh.Contoh contoh.

(3)

Slide Slide

Simulation

■ SimulationSimulation salah satu hal yang sering salah satu hal yang sering

digunakan sebagai teknik science manajemen. digunakan sebagai teknik science manajemen. ■ Secara khusus untuk memodelkan proses Secara khusus untuk memodelkan proses

random yang terlalu kompleks dengan model random yang terlalu kompleks dengan model analitis.

(4)

Advantages of Simulation

■ Kemampuan untuk mendapat gambaran Kemampuan untuk mendapat gambaran mendalam dari solusi model.

mendalam dari solusi model.

■ Sebuah laboratorium experiment yang Sebuah laboratorium experiment yang

memudahkan dalam analisa "what if" and memudahkan dalam analisa "what if" and sensitivity.

(5)

Slide Slide

Disadvantages of Simulation

■ Memerlukan waktu yang banyak dalam Memerlukan waktu yang banyak dalam

pengembangan. pengembangan.

■ Solusi yang didapat bukan nilai optimal. Solusi yang didapat bukan nilai optimal. ■ trial and error methodtrial and error method

(6)

Simulation Modeling

■ Membangun pernyataan matematika dari Membangun pernyataan matematika dari masalah.

masalah.

■ Model harus realistis tetapi dapat dipecahkan Model harus realistis tetapi dapat dipecahkan dalam batas kecepatan dan kapasitas

dalam batas kecepatan dan kapasitas

penyimpanan sistem komputer yang digunakan. penyimpanan sistem komputer yang digunakan. ■ Nilai input untuk model serta estimasi Nilai input untuk model serta estimasi

probability untuk variabel random harus probability untuk variabel random harus dinyatakan.

(7)

Slide Slide

Random Variables

■ Nilai random variable menggunakan simulasi Nilai random variable menggunakan simulasi Monte Carlo.

Monte Carlo.

■ Setiap random variabel adalah satu set angka Setiap random variabel adalah satu set angka dengan model sehingga jika satu angka random dengan model sehingga jika satu angka random dihasilkan maka angka input yang dalam model dihasilkan maka angka input yang dalam model juga akan berubah.

(8)

Pseudo-Random Numbers

■ Komputer menghasilkan bilangan random Komputer menghasilkan bilangan random

dengan formula yang sama sehingga bilangan dengan formula yang sama sehingga bilangan random bukan dihasilkan secara real.

random bukan dihasilkan secara real.

■ Tetapi, menggunakan test statistics standard, Tetapi, menggunakan test statistics standard, angaka dapat ditampilkan dari process random. angaka dapat ditampilkan dari process random. ■ These numbers are called These numbers are called pseudo-random pseudo-random

numbers numbers. .

(9)

Slide Slide

Time Increments

■ Dalam model simulasi waktu tetap, priode Dalam model simulasi waktu tetap, priode waktu ditambahkan dengan jumlah tetap. waktu ditambahkan dengan jumlah tetap. Untuk satu periode waktu sebuah set data Untuk satu periode waktu sebuah set data yang berbeda dari urutan input digunakan yang berbeda dari urutan input digunakan untuk menghitung efek pada model.

untuk menghitung efek pada model.

■ Dalam model simulasi next event, Periode Dalam model simulasi next event, Periode waktu tidak ditetapkan tetapi di turunkan waktu tidak ditetapkan tetapi di turunkan dengan nilai data dari urutan input.

(10)

Simulation Programs

■ The computer program that performs the The computer program that performs the simulation is called a

simulation is called a simulatorsimulator. .

■ FlowchartsFlowcharts can be useful in writing such a can be useful in writing such a program.

program.

■ While this program can be written in any general While this program can be written in any general purpose language (e.g. BASIC, FORTRAN, C++, purpose language (e.g. BASIC, FORTRAN, C++, etc.) special languages which reduce the amount etc.) special languages which reduce the amount of code which must be written to perform the

of code which must be written to perform the simulation have been developed.

simulation have been developed.

■ Special simulation languagesSpecial simulation languages include SIMSCRIPT, include SIMSCRIPT, SPSS, DYNAMO, and SLAM.

(11)

Slide Slide

Model Verification/Validation

■ Verifikasi/validasi baik model atau metode Verifikasi/validasi baik model atau metode yang digunakan pada komputer untuk

yang digunakan pada komputer untuk perhitungan sangat penting.

perhitungan sangat penting.

■ Model yang tidak merefleksikan perilaku dunia Model yang tidak merefleksikan perilaku dunia nyata tidak diharapkan menciptakan hasil

nyata tidak diharapkan menciptakan hasil yang bermakna.

yang bermakna.

■ Sama, kesalahan dalam pemrograman dapat Sama, kesalahan dalam pemrograman dapat menghasilkan hasil yang tidak bermakna.

(12)

Model Verification/Validation

■ Validasi secara umum dikerjakan oleh ahli Validasi secara umum dikerjakan oleh ahli

review model dan ahli kode komputer untuk review model dan ahli kode komputer untuk kesalahan.

kesalahan.

■ Secara ideal, simulasi seharusnya berproses Secara ideal, simulasi seharusnya berproses menggunakan data lampau yang benar benar menggunakan data lampau yang benar benar terjadi.

terjadi.

■ Prediksi dari model simulasi seharusnya di Prediksi dari model simulasi seharusnya di bandingkan dengan hasil masa lalu.

(13)

Slide Slide

Experimental Design

■ Desain experimental adalah pertimbangan sangat Desain experimental penting dalam proses simulasi. dalam proses simulasi.

■ Isu isu seperti panjang waktu dari simulasi dan Isu isu seperti panjang waktu dari simulasi dan

penanganan dari output data dari model harus di

lakukan dalam pengumpulan dan penganalisaan data

output.

■ Normally one is interested in results for the Normally one is interested in results for the steady steady

state

state (long run) operation of the system being (long run) operation of the system being modeled.

modeled.

■ The initial data inputs to the simulation generally The initial data inputs to the simulation generally

represent a

represent a start-up periodstart-up period for the process and it may for the process and it may be important that the data outputs for this start-up

be important that the data outputs for this start-up

period be neglected for predicting this long run

behavior.

(14)

Experimental Design

■ For each policy under consideration by the For each policy under consideration by the decision maker, the simulation is run by decision maker, the simulation is run by

considering a long sequence of input data values considering a long sequence of input data values (given by a pseudo-random number generator). (given by a pseudo-random number generator). ■ Whenever possible, different policies should be Whenever possible, different policies should be

compared by using the same sequence of input compared by using the same sequence of input data.

(15)

Slide Slide

Analisa Resiko

■ Melibatkan prediksi outcome sebuah keputusan Melibatkan prediksi outcome sebuah keputusan yang menghadapi ketidakpastian

yang menghadapi ketidakpastian

■ Contoh adalah: Pengembangan produk baru.Contoh adalah: Pengembangan produk baru.

■ Analisa dapat menggunakan simulasi atau tidakAnalisa dapat menggunakan simulasi atau tidak ■ Simulasi menghasilkan analisa yang lebih Simulasi menghasilkan analisa yang lebih

komprehensif. komprehensif.

(16)

Portacomp Project

■ Memproduksi PC dan peralatan yang terkaitMemproduksi PC dan peralatan yang terkait

■ Mmbangun sebuah prototype untuk printer portable model Mmbangun sebuah prototype untuk printer portable model baru kualitas tinggi

baru kualitas tinggi

■ Membutuhkan analisa pasar Membutuhkan analisa pasar

■ Ditemukan data awal (nilai konstan, parameter dari Ditemukan data awal (nilai konstan, parameter dari model ):

model ):

Selling price : $ 249 perunit

Administrative cost = $ 400,000

Advertising Cost = $ 600,000

 Input probabilistics (not known certainly) Input probabilistics (not known certainly)

Direct labor/unit = $ 45; 15,000 units for the for the first

year demand; Part cost/unit = $ 90

(17)

Slide Slide

Portacomp Project

■ Situasi kebijakan cash flow yang ketat; jadi fokus Situasi kebijakan cash flow yang ketat; jadi fokus pada kerugian potensial

(18)

What if Analysis

■ Profit = ($ 249 – Direct labor cost/unit – Part cost/unit)Profit = ($ 249 – Direct labor cost/unit – Part cost/unit)

(Demand) – ($ 400,000+$ 600,000)

■ Profit = ($ 249 – cProfit = ($ 249 – c₁₁ – c – c₂₂)(x) – ($ 10,000))(x) – ($ 10,000) ■ Skenario kasus dasar: Skenario kasus dasar:

Profit = ($ 249 – 45 – 90)(15000) – ($ 10,000) = $710,000

 Data juga memperlihatkan bahwa direct labor cost antara Data juga memperlihatkan bahwa direct labor cost antara

43-47; part cost antara 80-100; Permintaan tahun

pertama 15000-28500

 The worst case scenario: Profit = ($ 249 – 47 – 100)The worst case scenario: Profit = ($ 249 – 47 – 100)

(15000) – ($ 10,000) = -$847,000

 The best case Scenario: Profit = ($ 249 – 43 – 80)(28500) The best case Scenario: Profit = ($ 249 – 43 – 80)(28500)

– ($ 10,000) = $ 2,591,000

(19)

Slide Slide

Results of What if Analysis

■ Keuntungan berkisar antara kerugian $ 847,000 Keuntungan berkisar antara kerugian $ 847,000 - keuntungan $ 2,591,000 dengan skenario

- keuntungan $ 2,591,000 dengan skenario kasus dasar bernilai $ 710,000. jadi tetap ada kasus dasar bernilai $ 710,000. jadi tetap ada potensi kerugian.

potensi kerugian.

■ Tetapi, probabilitas keuntungan dan kerugian Tetapi, probabilitas keuntungan dan kerugian tidak tergambar dengan baik.

(20)

Simulasi

■ Tambahan keterangan adalah : melalui data Tambahan keterangan adalah : melalui data awal biaya probabilitasnya dapat diketahui . awal biaya probabilitasnya dapat diketahui . Yaitu melalui penggambaran diagram atau uji Yaitu melalui penggambaran diagram atau uji distribusi (pelajari cara pembuatan histogram) distribusi (pelajari cara pembuatan histogram)

■ Direct Labor cost $43-$47 dengan pola distribusi Direct Labor cost $43-$47 dengan pola distribusi discrete

discrete

Direct Labor Cost/unit Probability

$43 0.1

$44 0.2

(21)

Slide Slide

Simulasi

■ Part cost: $80-$100 and follows uniform Part cost: $80-$100 and follows uniform probability probability 20 1 8 0 9₀ 10 0

(22)

First Year Demand

■ Mengikuti Normal probabilityMengikuti Normal probability

(23)

Slide Slide

Simulation

■ Parts costs = a + r(b-a) 80 + r(100-80)Parts costs = a + r(b-a) 80 + r(100-80) ■ Direct Labor cost:Direct Labor cost:

Direct Labor

cost/unit Probability Interval of Random Number $43 0.1 0.0 but <0.1 $44 0.2 0.1 but <0.3 $45 0.4 0.3 but < 0.7 $46 0.2 0.7 but <0.9 $47 0.1 0.9 but < 1.0

(24)

Makna Tabel Excel

■ Angka 1-500 menunjukkan jumlah percobaan

■ Kolom direct Labor cost B20-B519: masing masing cell membaca tabel secara vertikal dari direct labor cost bagian bilangan random (A10-B14) dikaitkan nilai

random untuk menetukan cost per unit (kolom ke tiga)

■ Kolom part cost per unit C20-C519: menggunakan

rumus slide no 23 yang memakai bilangan random

■ Kolom Demand (first year demand)

D20-D519:menghasilkan bilangan random ynag mengikuti distribusi normal dari mean 15000 dan standar deviasi 4500

(25)

Slide Slide

Makna Tabel Excel

■ Mean profit = rata rata keuntungan E20-E519

■ Standar deviasi= simpangan baku dari E20-E519 ■ Minimum Profit = Keuntungan minimum dari

E20-E519

■ Selanjutnya tinggal anda pahami dengan melihat langsung excelnya