LECTURE NOTES
Systems Simulation and Engineering Data Analysis
Week ke – 1
Introduction to System, Model and
Simulation
LEARNING OUTCOMES
LO1: Mahasiswa mampu menjelaskan berbagai macam bentuk model dan definisi dari simulasi sistem.
OUTLINE MATERI (Sub-Topic):
• Introduction to simulation system
• Systems and System Environment
• Model of System and Types of Models
ISI MATERI
A. Introduction To Simulation System
Simulasi merupakan imitasi dari operasi proses dunia nyata atau sistem dari waktu ke waktu. Baik yang dilakukan dengan tangan atau pada komputer, simulasi melibatkan sistem buatan dan pengamatan tentang karakteristik operasi dari sistem nyata. Perilaku sistem seperti itu berkembang dari waktu ke waktu, dipelajari dengan mengembangkan model simulasi.
Model ini biasanya mengambil bentuk dari seperangkat asumsi tentang pengoperasian sistem.
Asumsi ini disajikan dalam hubungan matematis, logis, dan simbolik antara masing-masing entitas, atau obyek tertentu dari sistem nyata. Setelah dikembangkan dan divalidasi, model dapat digunakan untuk menyelidiki berbagai variasi untuk menjawab semua peluang yan mungkin terjadi pada sistem dunia nyata. Potensi perubahan pada sistem pertama dapat disimulasikan yang berfungsi untuk memprediksi dampaknya terhadap kinerja sistem.
Simulasi juga dapat digunakan untuk mempelajari sistem dalam tahap desain, sebelum sistem tersebut dibangun. Dengan demikian, pemodelan simulasi dapat digunakan baik sebagai alat analisis untuk memprediksi efek dari perubahan sistem yang ada dan sebagai alat desain untuk memprediksi kinerja sistem yang baru di bawah berbagai set keadaan.
Dalam beberapa kasus, model dapat dikembangkan yang cukup sederhana untuk memecahkan masalah dengan metode matematis. Solusi tersebut mungkin ditemukan dengan menggunakan kalkulus diferensial, teori probabilitas, metode aljabar, atau teknik matematika lainnya. Solusi biasanya terdiri dari satu atau lebih parameter numerik, yang disebut ukuran kinerja dari sistem. Namun, banyak sistem dunia nyata begitu kompleks sehingga model sistem ini hampir tidak mungkin untuk diselesaikan secara matematis. Dalam hal ini, numerik, sirmilation berbasis komputer dapat digunakan untuk meniru perilaku sistem dari waktu ke waktu. Dari simulasi, data dikumpulkan sebagai suatu sistem nyata yang sedang diamati. Data simulasi yang dihasilkan ini digunakan untuk memperkirakan ukuran kinerja dari sistem.
Kapan Simulasi Menjadi Tool Alat yang Sesuai dalam pengambilan keputusan
Ketersediaan tujuan khusus dari simulasi, kemampuan komputasi saat ini yang mampu menurunkan biaya per operasi serta kemajuan dalam metodologi simulasi telah membuat simulasi salah satu alat (tools) yang paling banyak digunakan dan diterima dalam riset operasi dan sistem analisis. Berikut ini beberapa keadaan dimana simulasi akan menjadi alat yang tepat jika digunakan untuk tujuan berikut:
1. Simulasi memungkinkan studi, dan eksperimen dengan, interaksi internal sistem yang kompleks atau dari subsistem dalam sistem yang kompleks.
2. Informational, organisasi, dan perubahan lingkungan dapat disimulasikan, dan efek dari perubahan ini pada perilaku model yang dapat diamati.
3. Pengetahuan yang diperoleh selama merancang model simulasi bisa menjadi nilai yang besar terhadap menyarankan perbaikan dalam sistem diselidiki.
4. Mengubah input simulasi dan mengamati output yang dihasilkan dapat menghasilkan pemahaman yang berharga yang variabel yang paling penting dan bagaimana variabel berinteraksi.
5. Simulasi dapat digunakan sebagai perangkat pedagogis untuk memperkuat metodologi solusi analitik.
6. Simulasi dapat digunakan untuk bereksperimen dengan desain atau kebijakan baru sebelum pelaksanaan, sehingga untuk mempersiapkan apa yang mungkin terjadi.
7. Simulasi dapat digunakan untuk memverifikasi solusi analitik.
8. Simulasi kemampuan yang berbeda untuk sebuah mesin dapat membantu menentukan persyaratan di atasnya.
9. Model Simulasi dirancang untuk pelatihan membuat belajar mungkin tanpa biaya dan gangguan on-the-job instruction.
10. Terdapatnya animasi menunjukkan sistem dalam operasi simulasi sehingga rencana tersebut dapat divisualisasikan.
11. Sistem modern seperti pabrik manufaktur, sistem fabrikasi pertanian, organisasi jasa saat ini sangat kompleks sehingga interaksi internal dapat dipahami hanya melalui simulasi.
Ketika Simulasi Tidak Sesuai.
Bagian ini didasarkan pada sebuah artikel oleh Bank dan Gibson [1997], yang memberi beberapa aturan untuk mengevaluasi ketika simulasi tidak tepat.
1. Aturan pertama menunjukkan bahwa simulasi tidak harus digunakan bila masalah dapat diselesaikan dengan akal sehat. Contoh diberikan dari fasilitas tag mobil melayani pelanggan yang datang secara acak pada tingkat rata-rata 100 / jam dan disajikan di tingkat rata-rata 12 / jam. Untuk menentukan jumlah minimum server yang dibutuhkan, simulasi tidak diperlukan. Hanya menghitung 100/12 = 8.33 menunjukkan bahwa sembilan atau lebih server yang diperlukan.
2. Aturan kedua mengatakan bahwa simulasi tidak boleh digunakan jika masalah dapat diselesaikan secara analitis. Misalnya, dalam kondisi tertentu, rata-rata waktu tunggu dalam contoh di atas dapat ditemukan dari kurva yang dikembangkan oleh Hillier dan Lieberman [2002].
3. Aturan berikutnya mengatakan bahwa simulasi tidak harus digunakan jika lebih mudah untuk melakukan eksperimen langsung. Sebuah contoh dari drive-in restoran cepat saji yang diberikan di mana itu lebih murah untuk tahap orang menerima pesanan menggunakan terminal dan komunikasi suara genggam untuk mengetahui pengaruh penambahan stasiun perintah lain pada waktu tunggu pelanggan.
4. Aturan keempat mengatakan untuk tidak menggunakan simulasi jika biaya melebihi biaya yang dianggarkan atau modal yang dimiliki. Ada banyak langkah dalam menyelesaikan simulasi, seperti yang akan dibahas pada bagian ini dan harus dilakukan secara menyeluruh. Jika studi simulasi biaya $ 20.000 dan penghematan mungkin $ 10.000, simulasi tidak akan sesuai.
5. Aturan lima dan enam menunjukkan bahwa simulasi tidak harus dilakukan jika sumber daya atau waktu tidak tersedia. Jika simulasi diperkirakan biaya $ 20.000 dan hanya ada $ 10.000 yang tersedia, saran tidak untuk menjelajah ke studi simulasi.
Demikian pula, jika keputusan di butuhkan dalam dua minggu dan simulasi akan mengambil satu bulan, studi simulasi tidak disarankan.
6. Simulasi mengambil data, kadang-kadang banyak data. Jika tidak ada data yang tersedia, bahkan tidak perkiraan, simulasi tidak disarankan.
7. Aturan berikutnya menyangkut kemampuan untuk memverifikasi dan memvalidasi model. Jika tidak ada cukup waktu atau jika personil tidak tersedia, simulasi tidak
tepat. Jika manajer memiliki harapan yang masuk akal, jika mereka meminta terlalu banyak terlalu cepat, atau jika kekuatan simulasi berlebihan, simulasi mungkin tidak sesuai.
8. jika perilaku sistem terlalu kompleks atau tidak dapat didefinisikan, simulasi tidak tepat. Perilaku manusia kadang-kadang sangat kompleks untuk model.
Manfaat dari Simulasi.
Simulasi adalah suatu intuitif yang menarik karena mencoba meniru apa yang terjadi dalam sistem nyata atau apa yang dirasakan untuk sistem dalam tahap desain. Data output dari simulasi harus langsung berhubungan dengan output yang bisa dicatat dari sistem nyata.
Selain itu, harus berpotensi untuk mengembangkan model simulasi sistem tanpa asumsi yang meragukan (seperti distribusi statistik yang sama untuk setiap variabel acak) dari model matematis yang dapat dipecahkan. Untuk alasan lainnya, simulasi sering merupakan teknik pilihan dalam pemecahan masalah.
Berbeda dengan model optimasi, model simulasi lebih cenderung pada "dijalankan" daripada dipecahkan. Mengingat satu set tertentu dari masukan dan model karakteristik, model dijalankan dan perilaku simulasi diamati. Hal ini karena proses perubahan input dan hasil karakteristik model dalam satu set skenario yang dievaluasi. Sebuah solusi yang baik, baik dalam analisis sistem yang ada atau dalam desain sistem baru, kemudian direkomendasikan untuk implementasi.
1. Kebijakan Baru, prosedur operasi, aturan keputusan, arus informasi, prosedur organisasi, dan sebagainya dapat dieksplorasi tanpa mengganggu operasi yang sedang berlangsung dari sistem nyata.
2. Designs hardware baru, layout fisik, sistem transportasi, dan sebagainya dapat diuji tanpa melakukan sumber daya untuk akuisisi mereka.
3. Hipotesis tentang bagaimana atau mengapa fenomena tertentu terjadi dapat diuji untuk kelayakan.
4. Waktu dapat dikompresi atau diperluas untuk memungkinkan kecepatan-up atau lambat-down dari fenomena yang diselidiki.
5. Insight dapat diperoleh tentang interaksi variabel.
6. Insight dapat diperoleh tentang pentingnya variabel untuk kinerja sistem.
7. Analisis Bottleneck dapat dilakukan untuk menemukan di mana pekerjaan dalam proses, infonnation, bahan, dan sebagainya sedang tertunda berlebihan.
8. Sebuah studi simulasi dapat membantu dalam memahami bagaimana sistem beroperasi daripada bagaimana individu berpikir sistem beroperasi.
9. "Bagaimana jika 'pertanyaan dapat dijawab. Hal ini sangat berguna dalam desain sistem baru.
Beberapa Kerugian.
1. Bangunan model membutuhkan pelatihan khusus. Ini adalah seni yang dipelajari dari waktu ke waktu dan melalui pengalaman. Selain itu, jika dua model yang dibangun oleh individu yang kompeten yang berbeda, mereka mungkin memiliki kesamaan, tapi sangat tidak mungkin bahwa mereka akan sama.
2. Hasil simulasi sulit untuk dapat ditafsirkan. Kebanyakan output simulasi pada dasarnya variabel acak (mereka biasanya berdasarkan masukan acak), sehingga dapat menjadi sulit untuk membedakan apakah observasi adalah hasil dari hubungan timbal balik sistem. atau randonmess.
3. Model simulasi dan analisis dapat memakan waktu dan mahal. Pada sumber daya untuk pemodelan dan analisis dapat mengakibatkan model simulasi atau analisis yang tidak cukup untuk tugas.
4. Simulasi digunakan dalam beberapa kasus ketika sebuah solusi analitis mungkin, atau bahkan lebih. Ini mungkin terutama tiue dalam simulasi beberapa baris menunggu di mana ditutup-bentuk antrian model yang tersedia.
Ruang Lingkup Aplikasi.
Simulasi dapat diterapkan pada berbagai bidang, seperti:
Aplikasi Manufactur.
▪ Pemodelan dinamis dari sistem manufaktur berkelanjutan, menggunakan analogi untuk sistem listrik
▪ Benchmarking dari model perencanaan produksi stochastic di test bed simulasi garis cat pengurangan perubahan warna di perakitan mobil
▪ Pemodelan untuk kualitas dan produktivitas dalam manufaktur kabel baja
▪ analisis kapasitas sumber daya bersama di bidang manufaktur biotek
▪ Model netral informasi untuk simulasi operasi toko mesin
Gambar 1. Contoh simulasi humanitarian Logistic (Khair, 2017) Manufaktur Semiconductor.
▪ Konstanta waktu perencanaan produksi interval aplikasi untuk bekerja-di-proses pengendalian
▪ Mempercepat produk di bawah karena-date berorientasi pengiriman aturan
▪ Desain kerangka kerja untuk sistem penanganan material otomatis di pabrik-pabrik fabrikasi wafer 300-mm
▪ Membuat keputusan desain yang optimal alat bantu dispensing generasi
▪ Aplikasi modeling tool klaster dalam 300 mm pabrik fabrikasi wafer. Resident simulasi berdasarkan entitas alat chamber batch dalam 300-mm manufaktur semi konductor.
Logistik, Supply Chain, dan Aplikasi Distribusi
▪ Analisis persediaan dalam lingkungan manufaktur server komputer
▪ Perbandingan metode deteksi hambatan untuk sistem AGV
▪ Semikonduktor simulasi pasokan-jaringan
▪ Analisis penumpang keberangkatan internasional mengalir di terminal bandara
▪ Penerapan teknik simulasi diskrit untuk rantai pasokan gas alam cair
▪ Simulasi secara online aliran pejalan kaki di gedung-gedung public
Gambar 2. Contoh simulasi di aplikasi layanan Jasa Mode transportasi dan lalu lintas
▪ Simulasi penyerapan pesawat-delay
▪ Jadwal Runway determinasi dengan simulasi optimasi
▪ Simulasi freeway penggabungan dan perilaku divergen
▪ Pemodelan layanan ambulans.
Gambar 3. Contoh simulasi Traffic Light
▪ pemodelan simulasi dalam mendukung pemadam kebakaran darurat di Norfolk
▪ Pemodelan kedatangan kapal di pelabuhan
▪ Optimasi dari sistem transportasi tongkang untuk pengiriman minyak bumi
▪ optimasi berulang dan simulasi lalu lintas tongkang pada jalur air pedalaman
Gambar 4. Simulasi antrian pelayanan di SAMSAT
B. Systems and System Environment
Simulasi juga dapat digunakan untuk mempelajari sistem dalam tahap desain, sebelum sistem tersebut dibangun. Dengan demikian, pemodelan simulasi dapat digunakan baik sebagai alat analisis untuk memprediksi efek dari perubahan sistem yang ada dan sebagai alat desain untuk memprediksi kinerja sistem yang baru di bawah berbagai set keadaan.
Sistem dan Sistem Lingkungan.
Sesuai dengan definisi dari Teknik Industri, permasalahan yang ada pada area industri seperti produksi, distribusi dan yang lainnya akan dapat diselesaikan apabila dilihat secara sistem. Dalam artian kita harus melihat pada keterkaitan antar komponen yang membentuk sistem tersebut. Untuk itu perlu mengetahui apa sistem itu.
Secara definisi, Sistem adalah suatu kumpulan dari komponen yang membentuk dan saling berinteraksi (saling bergantung) satu sama lain untuk mencapai tujuannya. Sebagai contoh pada sebuah sistem produksi manufaktur automobile di mana mesin, komponen, dan
pekerja saling berinteraksi pada aur perakitan untuk menghasilkan kendaraan yang mempunyai kualitas tinggi. Sistem sering juga dipengaruhi perubahan yang terjadi di luar sistem. Pada pemodelan sistem, perlu untuk memutuskan batasan diantara sistem dan lingkungannya.
Dalam kasus sistem pabrik misalnya, faktor-faktor yang mengendalikan kedatangan pesanan (order) dapat dianggap di luar pengaruh dari pabrik dan hal itu merupakan bagian dari lingkungan. Namun, jika pengaruh pasokan pada permintaan dipertimbangkan, akan ada hubungan antara output pabrik dan kedatangan pesanan, dan hubungan ini harus dianggap sebagai aktivitas sistem. Demikian pula, dalam kasus sistem perbankan, mungkin ada batas pada tingkat bunga maksimum yang dapat dibayar. Untuk studi dari bank tunggal, hal ini akan dianggap sebagai kendala yang dikenakan oleh lingkungan. Dalam studi tentang efek dari hukum moneter pada industri perbankan, namun, pengaturan batas akan menjadi aktivitas sistem. [Gordon, 1978].
Komponen Sistem.
Dalam rangka untuk memahami dan menganalisis sistem, sejumlah istilah perlu didefinisikan. Entitas (entity) adalah objek yang menarik dalam sistem. Atribut (attribute) adalah properti dari suatu entitas. Suatu kegiatan (activity) merupakan jangka waktu panjang telah ditetapkan. Jika memperhatikan ativitas yang terjadi di bank, pelanggan mungkin salah satu entitas, saldo di rekening giro mereka mungkin atribut, dan membuat deposito mungkin suatu kegiatan.
Gambar 1. Contoh simulasi antrian layanan di BANK
Koleksi entitas yang membentuk suatu sistem untuk satu penelitian mungkin hanya sebagian dari keseluruhan sistem untuk penelitian lain [Hukum dan Kelton, 2000]. Sebagai contoh, jika bank tersebut di atas sedang dipelajari untuk menentukan jumlah teller yang diperlukan untuk menyediakan untuk membayar dan menerima, sistem dapat didefinisikan sebagai bagian dari bank yang terdiri dari teller reguler dan pelanggan menunggu dalam antrean. Jika tujuan penelitian diperluas untuk menentukan jumlah teller khusus yang diperlukan (untuk mempersiapkan cek kasir, untuk menjual cek perjalanan), definisi dari sistem harus diperluas.
Keadaan sistem (state) didefinisikan sebagai pengumpulan variabel diperlukan untuk menggambarkan sistem setiap saat, relatif terhadap tujuan penelitian. Dalam studi di bank, mungkin variabel state adalah jumlah teller yang sibuk, jumlah pelanggan menunggu di garis atau dilayani, dan waktu kedatangan pelanggan berikutnya. Sebuah event didefinisikan sebagai suatu kejadian sesaat yang dapat mengubah keadaan dari sistem.
Istilah endogen digunakan untuk menggambarkan kegiatan dan peristiwa yang terjadi dalam suatu sistem. Sedangkan istilah eksogen digunakan untuk menggambarkan kegiatan dan acara di lingkungan yang mempengaruhi sistem. Dalam studi di Bank, kedatangan pelanggan adalah suatu peristiwa eksogen, dan penyelesaian pelayanan pelanggan merupakan acara endogen.
Tabel berikut memuat contoh entitas, atribut, kegiatan, acara, dan variabel untuk beberapa sistem. Hanya daftar parsial dari komponen sistem ditampilkan. Daftar lengkap tidak dapat dikembangkan kecuali tujuan penelitian diketahui. Tergantung pada tujuan, berbagai aspek dari sistem akan menarik, dan kemudian daftar komponen dapat diselesaikan.
Tabel 1. Contoh beberapa komponen sistem pada berbagai aktivitas simulasi
Sistem Diskrit dan Kontinu
Sistem dapat dikategorikan sebagai diskrit atau kontinu. Beberapa sistem dalam praktek seluruhnya diskrit atau kontinu, tapi karena satu jenis perubahan mendominasi untuk sebagian besar sistem, biasanya akan mungkin untuk mengklasifikasikan sistem sebagai baik diskrit atau kontinu [Hukum dan Kelton, 2000]. Sebuah Sistem Diskrit adalah kondisi di mana state variabel-nya berubah hanya pada satu set diskrit titik dalam waktu. Bank merupakan contoh dari sistem diskrit karena state variabel, jumlah pelanggan di bank, perubahan hanya jika pelanggan tiba atau ketika layanan yang disediakan pelanggan selesai..
Gambar berikut memperlihatkan bagaimana jumlah pelanggan berubah hanya pada titik diskrit waktu.
Gambar 2. Discrete system state variable
Sebuah sistem dikatakan kontinyu jika satu kondisi di mana variabel state berubah terus menerus dari waktu ke waktu. Contohnya adalah aliran pipa dan pintu air di bendungan.
Selama dan untuk beberapa waktu setelah badai hujan, air mengalir ke danau di belakang bendungan. Air diambil dari bendungan untuk mengendalikan banjir dan untuk menghasilkan listrik. Penguapan juga menurun tingkat atau debit air. Gambar 3 menunjukkan bagaimana state variabel, kepala air di belakang bendungan, perubahan sistem ini terus-menerus.
Gambar 3. Kondisi pintu air di bendungan C. Model of System and Types of Models
Kadang-kadang ada hal yang menarik untuk mempelajari sistem untuk memahami hubungan antara komponen-komponennya atau untuk memprediksi bagaimana sistem akan beroperasi di bawah kebijakan baru. Adanya kemungkinan untuk bereksperimen dengan sistem itu sendiri. Sebuah sistem baru mungkin belum ada, mungkin hanya dalam bentuk hipotetis atau pada tahap desain. Bahkan jika sistem yang ada, mungkin tidak praktis untuk bereksperimen dengan itu. Sebagai contoh, mungkin tidak bijaksana atau mungkin dua kali lipat tingkat pengangguran untuk mengetahui pengaruh kerja di dalam. Dalam kasus bank, mengurangi jumlah teller untuk mempelajari pengaruh pada panjang garis menunggu mungkin membuat marah pelanggan sehingga sangat bahwa mereka memindahkan account mereka ke pesaing. Akibatnya, studi tentang sistem sering dicapai dengan model dari suatu sistem.
Sebuah model didefinisikan sebagai representasi dari suatu sistem untuk tujuan mempelajari sistem. Untuk kebanyakan studi, perlu untuk mempertimbangkan hanya aspek- aspek dari sistem yang mempengaruhi masalah yang sedang diselidiki. Aspek-aspek ini direpresentasikan dalam model sistem, dan model merupakan penyederhanaan sistem. Di sisi
lain, model harus cukup rinci untuk memungkinkan kesimpulan yang valid untuk ditarik tentang sistem nyata. model yang berbeda dari sistem yang sama mungkin diperlukan sebagai tujuan perubahan penyelidikan. Sama seperti komponen dari suatu sistem yang entitas, atribut, dan kegiatan, model juga memiliki komponen yang sama. Namun, model yang hanya berisi komponen-komponen yang relevan dengan penelitian.
Tipe Model.
Model dapat diklasifikasikan menjadi model matematis atau fisik. Sebuah model matematis menggunakan notasi simbolis dan persamaan matematika untuk mewakili suatu sistem. Sebuah model simulasi adalah jenis tertentu dari model matematis dari suatu sistem.
Gambar 4. Contoh formulasi model Linear (model matematis)
Model simulasi dapat diklasifikasikan lebih lanjut sebagai statis atau dinamis, deterministik atau stokastik, dan diskrit atau kontinu. Sebuah model simulasi statis, kadang- kadang disebut simulasi Monte Carlo, merupakan sistem pada titik tertentu dalam waktu.
model simulasi dinamis mewakili sistem yang berubah dari waktu ke waktu. Simulasi bank dari 09:00 untuk 04:00 adalah contoh dari simulasi dinamis.
Model simulasi yang tidak mengandung variabel acak diklasifikasikan sebagai deterministik. Model deterministik memiliki satu set input yang akan menghasilkan seperangkat unik output. kedatangan deterministik akan terjadi contohnya pada tempat praktek dokter gigi jika semua pasien tiba sesuai waktu perjanjian yang dijadwalkan. Sebuah model simulasi stokastik memiliki satu atau lebih variabel acak sebagai masukan. Input acak menyebabkan output acak. Karena output yang acak, dapat dianggap hanya sebagai perkiraan karakteristik sebenarnya dari model. Misalnya simulasi pada bank biasanya akan melibatkan waktu antar acak dan waktu pelayanan acak. Dengan demikian, dalam simulasi stokastik, langkah-langkah keluaran jumlah rata-rata orang menunggu, waktu tunggu rata-rata
pelanggan harus diperlakukan sebagai perkiraan statistik dari karakteristik sebenarnya dari sistem.
Sistem diskrit dan kontinyu didefinisikan dalam paragraph sebelumnya. Model diskrit dan kontinyu didefinisikan secara analog. Namun, model simulasi diskrit tidak selalu digunakan untuk model sistem diskrit, juga bukan model simulasi terus menerus yang selalu digunakan untuk model sistem kontinyu. Tank dan pipa dimodelkan secara diskrit oleh beberapa vendor software, meskipun kita tahu itu aliran fluida kontinu.
Selain itu, model simulasi dapat dicampur, baik diskrit dan kontinyu. Pilihan apakah menggunakan model simulasi diskrit atau kontinu (atau keduanya diskrit dan kontinu) adalah fungsi dari karakteristik sistem dan tujuan penelitian. Dengan demikian, saluran komunikasi dapat dimodelkan secara diskrit jika karakteristik dan pergerakan setiap pesan yang dianggap penting. Sebaliknya, jika aliran pesan di agregat lebih saluran yang penting, pemodelan sistem menggunakan simulasi kontinyu bisa lebih tepat. Model dipertimbangkan dalam konteks ini adalah diskrit, dinamis dan stochastic.
SIMPULAN
Simulasi adalah imitasi dari operasi proses dunia nyata atau sistem dari waktu ke waktu. Baik yang dilakukan dengan tangan atau pada komputer, simulasi melibatkan sistem buatan dan pengamatan tentang karakteristik operasi dari sistem nyata. Perilaku sistem berkembang dari waktu ke waktu dan dipelajari dengan mengembangkan model simulasi.
Model ini biasanya mengambil bentuk dari seperangkat asumsi tentang pengoperasian system dan asumsi ini dapat disajikan dalam hubungan matematika, logika, dan simbolik antara entitas, atau obyek yang menarik dari sistem. Setelah dikembangkan dan divalidasi, model dapat digunakan untuk menyelidiki berbagai variasi tentang pertanyaan "if or how if" tentang sistem dunia nyata. Potensi perubahan pada sistem pertama dapat disimulasikan, untuk memprediksi dampaknya terhadap kinerja sistem.
Simulasi juga dapat digunakan untuk mempelajari sistem dalam tahap desain, sebelum sistem tersebut dibangun. Dengan demikian, pemodelan simulasi dapat digunakan baik sebagai alat analisis untuk memprediksi efek dari perubahan sistem yang ada dan sebagai alat desain untuk memprediksi kinerja sistem yang baru di dalam berbagai keadaan.
Sistem merupakan suatu kumpulan dari komponen yang membentuk dan saling berinteraksi (saling bergantung) satu sama lain untuk mencapai tujuannya. Sebagai contoh pada suatu sistem produksi manufaktur automobile, beberapa Mesin, komponen, dan pekerja saling berinteraksi pada alur perakitan untuk menghasilkan kendaraan yang mempunyai kualitas tinggi. Sistem sering juga dipengaruhi perubahan yang terjadi di luar sistem. Pada pemodelan sistem, perlu untuk memutuskan batasan diantara sistem dan lingkungannya.
Model dapat diklasifikan menjadi model matematis dan model fisik. Model berdasarkan distribusi datanya dapat berupa model diskrit dan model kontinu. Selain itu, model juga berdasarkan karakteristik dinamikanya, diklasifikasikan menjadi model statis, model dinamis, model linear, model deterministic, model stochastics dan model non-linear.
DAFTAR PUSTAKA
Blank, Jerry, Joh S, Carson II, Barry L. Nelson, David M. Nicol. (2013). Discrete Event System Simulation. 5th Edition, Pearson Education Ltd, ISBN: 9781292024370
Zeigler, B. P., Sarjoughian, H. S., Duboz, R., & Soulie, J. C. (2017). Guide to modeling and simulation of systems of systems. 2nd Edition, Springer London. ISBN 978-0-85729- 865-2
Khair, F., & Sopha, B. M. (2017, December). Evaluation of location and number of aid post for sustainable humanitarian relief using agent-based modeling (ABM) and geographic information system (GIS). In IOP Conference Series: Earth and Environmental Science (Vol. 109, No. 1, p. 012001). IOP Publishing.
