Tujuan & Manfaat MODEL dan SIMULASI

•Melalui kuliah ini diharapkan kita dapat
mempelajari suatu sistem dengan memanfaatkan
komputer untuk meniru (to simulate) perilaku
sistem tersebut.

Simulasi adalah satu-satunya cara yang
dapat digunakan untuk mengatasi masalah,
jika sistem nyata sulit diamati secara
langsung
Contoh : Jalur penerbangan pesawat ruang
angkasa atau satelit.
2. Solusi Analitik tidak bisa dikembangkan,
karena sistem sangat kompleks.
3. Pengamatan sistem secara langsung tidak
dimungkinkan, karena :
- sangat mahal
- memakan waktu yang terlalu lama
- akan merusak sistem yang sedang ber

( Sumber: http://sutanto.staff.uns.ac.id/files/2009/03/introsimulasi.pdf )

I.1 TUJUAN MEMPELAJARI SIMULASI
•Melalui kuliah ini diharapkan kita dapat
mempelajari suatu sistem dengan memanfaatkan
komputer untuk meniru (to simulate) perilaku
sistem tersebut.
I.2.CARA MEMPELAJARI SISTEM
• Sistem dapat dipelajari dengan
pengamatan langsung atau pengamatan
pada model dari sistem tersebut.
• Model dapat diklasifikasikan menjadi
model fisik dan model matematik
• Model matematik ada yang dapat
diselesaikan dengan solusi analitis, ada
yang tidak. Bila solusi analitis sulit
didapatkan maka digunakan SIMULASI
SISTEM
Eksperimen
dengan sistem
sebenarnya
Eksperimen
dengan model
Model Fisik Model Matematik
Solusi Analitis SIMULASI
• SISTEM
sekumpulan obyek yang tergabung dalam
suatu interaksi dan inter-dependensi yang
teratur. Sistem dibedakan menjadi dua
tipe yaitu sistem diskrit dan sistem
kontinu.
• MODEL
penyederhanaan dari sistem yang akan
dipelajari.
• SIMULASI
suatu prosedur kuantitatif, yang
menggambarkan sebuah sistem, dengan
mengembangkan sebuah model dari
sistem tersebut dan melakukan sederetan
uji coba untuk memperkirakan perilaku
sistem pada kurun waktu tertentu.
Alternatif terakhir, bila cara lain
tak dapat digunakan.
Pada kenyataannya, berdasarkan
hasil riset di US tahun 1971, dari
1000 perusahaan :
• 20 % (paling banyak)
menggunakan teknik Simulasi,
• 21% menggunakan Linier
Programming,
• 2% menggunakan Inventori dan
sisanya menggunakan berbagai
teknik-teknik lain.
1. Simulasi adalah satu-satunya cara yang
dapat digunakan untuk mengatasi masalah,
jika sistem nyata sulit diamati secara
langsung
Contoh : Jalur penerbangan pesawat ruang
angkasa atau satelit.
2. Solusi Analitik tidak bisa dikembangkan,
karena sistem sangat kompleks.
3. Pengamatan sistem secara langsung tidak
dimungkinkan, karena :
- sangat mahal
- memakan waktu yang terlalu lama
- akan merusak sistem yang sedang berjalan.
Formulasikan Masalah &
Buat Rencana Pemecahannya
Kumpulkan data dan
Definisikan modelnya
Uji Validitas (utk Model)
Buat Program Komputer
Jalankan programnya
Uji Validitas
Rancang Percobaan
Jalankan Produksi
Analisa Data Output
Penyimpanan hasil dan
Program yang dipakai
yes no
no
yes
1.Simulasi tidak akurat.
Teknik ini bukan proses optimisasi dan
tidak menghasilkan sebuah jawaban tetapi
hanya menghasilkan sekumpulan output dari
sistem pada berbagai kondisi yang berbeda.
Dalam banyak kasus, ketelitiannya sulit
diukur.
2. Model simulasi yang baik bisa jadi sangat
mahal, bahkan sering dibutuhkan waktu
bertahun-tahun untuk mengembangkan
model yang sesuai.
3. Tidak semua situasi dapat dievaluasi dengan
simulasi,
Hanya situasi yang mengandung ketidakpastian
yang dapat dievaluasi dengan
simulasi. Karena tanpa komponen acak
semua eksperimen simulasi akan
menghasilkan jawaban yang sama.
4. Simulasi menghasilkan cara untuk
mengevaluasi solusi, bukan menghasilkan
cara untuk memecahkan masalah.
Jadi sebelumnya perlu diketahui dulu solusi
atau pendekatan solusi yang akan diuji.
• Design dan analisa sistem manufaktur
• Mengetahui kebutuhan sofware dan
hardware untuk sebuah sistem komputer.
• Mengevaluasi sistem persenjataan baru,
dalam bidaang militer
• Menentukan pengaturan dalam sistem
inventory/persediaan.
• Mendesign sistem transportasi
• Mendesign sistem komunikasi
• Mengevaluasi sistem pelayanan dalam
bidang perbankan.
• Mengevaluasi sistem ekonomi dan
finansial.
CONTOH KASUS:
SIMULASI MONTE CARLO
Berikut merupakan tabel data umur server
untuk komputer.
Buat simulasi yang menggambarkan
pergantian server komputer selama 2 tahun
Umur (bln) Prob (%)
1234567
10
15
25
20
15
10
5
Solusi
Buat tabel interval bil.random
Buat simulasi :
Sampai dengan akhir thn ke 3 , terjadi
pergantian server sebanyak 9 kali
Umur(bln) Prob Total Prob
1234567
0,10
0,15
0,25
0,20
0,15
0,10
0,05
0,10
0,25
0,50
0,70
0,85
0,95
1,00
i Xi Ui=Xi/m Umur(bln) Total
123456789
618
11
10
5
12
15
14
0,375
0,063
0,500
0,688
0,625
0,313
0,750
0,938
0,875
313443576
347
11
15
18
23
30
36
• CARA MEMPEROLEH :
– ZAMAN DAHULU, dgn cara :
• Melempar dadu
• Mengocok kartu
– ZAMAN MODERN (>1940), dgn cara :
membentuk bilangan acak secara numerik/
aritmatik(menggunakan komputer) , disebut
“Pseudo Random Number” (bilangan
pseudo acak).
• PEMBANGKIT BILANGAN ACAK,
HARUS :
– Berdistribusi uniform(0,1) dan tidak
berkorelasi antar bilangan.
– Membangkitkan cepat, storage tidak besar
– Dapat di “reproduce”
– Periode besar, karena mungkin bil.acak
dibangkitkan berulang
• METODE KONGRUEN MULTIPLIKATIF
Xn = (aXn-1) modulo m
Dimana :
– Bil. Pseudo dimulai dgn nilai awal X0 yang
disebut benih.
– a & m : bilangan bulat positif tertentu
– aXn-1 dibagi dgn m dan sisanya diambil
sebagai nilai Xn
• Agar Xn berprilaku acak yang dapat
dipertanggungjawabkan :
– Modulo m dipilih sebesar mungkin untuk
memperbesar periode
– a dipilih agar korelasi antar Xn minimum
– Benih Xo: bil. Bulat positif ganjil, Xo<m
– Bil acak : Ui = Xn/m
Xn = (aXn-1 + C) mod.m
Pemilihan a,c, m dan x0 :
• m = 2w-1
• a  2w/2 dan a  1 (mod 4)
• c & X0 bil. Bulat positif ganjil < m
(c<m , X0<m)
Catatan:
• Periode pembangkit multiplikatif m/4
• Pembangkit campuran dgn periode penuh
(=m) jika :
– m dan c pembagi bersamanya adalah 1
– Jika m habis dibagi oleh bil. q yang
prima, maka (a-1) juga habis dibagi
oleh q
– Jika m habis dibagi 4 maka begitu pula
(a-1)
CONTOH:
• METODE KONGRUEN MULTIPLIKATIF
misal komputer berkapasitas 12 bit word
W = 12
m = 2 w-1 = 2 11 = 2048
a = 67  a  2 6 & a  3 (mod 8)
misal : Xo = 129
X1 = (67)(129) mod 2048 = 451
X2 = (67)(451) mod 2048 = 1545
X3 = (67)(1545)mod 2048 = 1115
X4 = (67)(1115)mod 2048 = 977
U1 = 451/2048 = 0,22015
U2 = 1545/2048 = 0,754395
U3 = 1115/2048 = 0,544434
U4 = 977/2048 = 0,477051
 Periode : m/4 = 2048/4 = 512
U1 = U513
U2 = U514
CONTOH:
• METODE KONGRUEN CAMPURAN
misal komputer berkapasitas 12 bit word
 a = 65 (  2 6 &  1 mod 4 )
m = 2 12-1 = 2048
misal c = 1 , Xo = 129
X1 = {(65).(129)+1} mod 2048 = 194
X2 = {(65).(194)+1} mod 2048 = 323
X3 = {(65).(323)+1} mod 2048 = 516
X4 = {(65).(516)+1} mod 2048 = 773
U1 = 194/2048 = 0,094727
U2 = 323/2048 = 0,157715
U3 = 516/2048 = 0,251953
U4 = 773/2048 = 0,377441
• Definisi: suatu fungsi atau aturan yang
menunjukkan sebuah bilangan riil untuk
suatu titik sampel pada ruang sampel S
• Biasanya variabel acak dinyatakan dengan
huruf besar X, Y, Z dan nilai variabel
acaknya dimisalkan dengan huruf kecil x,
y, z.
• Variabel Acak terdiri dari :
* Variabel Acak Diskrit
* Variabel Acak Kontiniu
• jika X banyak nilainya dapat dihitung
(berkorelasi 1-1 dengan bilangan bulat
positif)
Utk var.acak diskret X: p(x)=P(X=x)
• jika banyaknya nilai xi tak dapat dihitung,
bila ada fungsi non-negatif f(x) sedemikian
shg utk sekumpulan bil. Riil B (misal
1<B<2)
P(XB)=  f(x)dx atau f(x) dx
dan  f(x) dx =1
Semua nilai probabilitas X dapat dihitung
melalui f(x) yang disebut : fungsi densitas
probabilitas var. acak kontiniu X
Utk var.acak kontiniu X:
P(X=x) = P(X[x,x]) =  f(y)dy = 0
tetapi P(X [x,x+x] =  f(y)dy
np1 p
k  n k
n k C p p 1   ,
• Ciri: * Percobaan terdiri dari n ulangan
independen, yang dapat diklasifikasikan
menjadi berhasil atau gagal
* Probabilitas berhasil (p) dari satu ulangan ke
ulangan lainnya konstan.
• Fungsi Probabilitas:
• Nilai Ekspektasi: np
• Varians:
Algoritma Binomial:
• Bangkitkan U
• C=P/(1-P), I=0, pr=(1-P)n, F=pr
• if U<F, then x=I, stop
• Pr={C (n-i)/(i+1)}pr, F=F+pr, i=i+1
• Go to 3
• Ciri: Dalam selang waktu T jumlah peristiwa
terjadi independen terhadap jumlah kejadian
yang terjadi pada waktu yang lain, dengan
peluang kejadian tunggal selama periode
waktu sangat singkat proporsional terhadap
panjang interval waktu. Peluang lebih dari
satu kejadian dlm waktu yang sangat singkat
neglibible.
•Fungsi Probabilitas
!
k
k
 e  
•Nilai Ekspektasi : 
•Varians : 
•Algoritma:
•Bangkitkan U U(0,1)
•i=0, p=e- , F=P
•if U<F then x=i stop
•p=p/(i+1), F=F+P, i=i+1
•Go to 3
• Ciri: Sampel acak dengan ukuran n dipilih
dari populasi ukuran N, dimana sejumlah k
dapat diklasifikasikan sukses dan N-k gagal.
• Fungsi Probabilitas:
• Nilai Ekspektasi:
• Varians:
N n
N M n x
C
C
,
M, x , C  




N
n M
  
 1 
nM N – M
2 

N N
N n
Algoritma:
• bangkitkan bilangan acak U1 dan U2
• Set t=-log(U1U2)
• Bangkitkan bilangan acak U3
• X=tU3, Y=t-X
•Fungsi Probabilitas:
•Nilai Ekspektasi
•Varians:
f x  aeax
a
1
2
1
a
Fungsi Probabilitas:
•Nilai Ekspektasi: 0
•Varians: 1
 
2
2
1
2
1 



 
  

 
x
f x e
Algoritma:
•Bangkitkan bilangan acak U1 dan U2
•Set V1=2U1-1; V2=2U2-1; W=V1
1+V2
2
•if W>1 go to 1
else set Y=
X1=V1Y; X2=V2Y
• Salah satu masalah tersulit yang
dihadapi oleh seorang analis simulasi
adalah mencoba untuk menentukan
apakah sebuah model simulasi
merupakan representasi yang akurat dari
sistem aktualnya,
Validasi
menentukan apakah sebuah model
simulasi merupakan representasi yang
akurat dari sistem aktualnya.
Verifikasi
Menentukan apakah sebuah program
komputer simulasi sesuai dengan
tujuannya.
Waktu dan hubungan dari Validasi dan
Verifikasi :
Sistem Model
Konsept
ual
Progra
m
Simulas
i
Tersedi
a hasil
yang
‘Benar’
Implem
en-tasi
hasil
Validasi Verifika Validasi
si
Establish
kepercay
aan
Analisa &
Data
1,2,3 4 5,6,7,8
,9
10
Pemrogra
man
Menjalankan
Model
Memberikan
Hasil
Praktisi simulasi harus dapat
menentukan aspek apa saja, dari sistem
yang kompleks, yangperlu disertakan
dalam model simulasi
Petunjuk umum dalam menentukan
tingkat kedetailan yang diperlukan dalam
model simulasi :
Hati-hati dalam mendefinisikan
Model-model tidak valid secara
universal
Memanfaatkan ‘pakar’ dan
analisis sensitivitas untuk
membantu menentukan tingkat
kedetailan model
Teknik 1.
Buatlah dan debug program komputer
dalam modul-modul atau subprogramsubprogram
Teknik 2.
Buatlah program komputer secara
bersama-sama (lebih dari satu orang)
Teknik 3.
Menjalankan simulasi dengan berbagai
variasi parameter input dan memeriksa
apakah outputnya reasonable
Teknik 4.
Melakukan “trace”. Teknik ini merupakan
salah satu teknik yang powerful yang
dapat digunakan untuk mendebug
program simulasi event diskrit.
Teknik 5.
Model sebaiknya dapat dijalankan (jika
memugkinkan) dengan asumsi
sederhana.
Teknik 6.
Untuk beberapa model simulasi, akan
lebih bermanfaat untuk melakukan
observasi sebuah animasi dari output
simulasi.
Teknik 7.
Tulislah mean sampel dan varinasi
sampel untuk setiap probabilitas
distribusi input simulasi, dan bandingkan
dengan mean dan variansi yang
diinginkan (misalnya secara historis)
Teknik 8.
Gunakan paket simulasi
• Eksperimen dengan model simulasi
untuk eksperimen sistem aktual
• Kemudahan atau kesulitan dari
proses validasi tergantung pada
kompleksitas sistem yang
dimodelkan
• Sebuah model simulasi dari sebuah
sistem yang kompleks hanya dapat
menjadi pendekatan terhadap aktual
sistem
• Sebuah model simulasi sebaiknya
selalu dibangun untuk sekumpulan
tujuan tertentu
• Sebuah buku catatan dari asumsiasumsi
model simulasi sebaiknya
diupdate berkala
• Sebuah model simulasi
sebaiknya divalidasi relatif
terhadap ukuran kinerja yang
akan digunakan untuk
pengambilan keputusan
• Pembentukan model dan
validasi sebaiknya dilakukan
sepanjang pensimulasian
• Pada umumnya tidak mungkin
untuk membentuk validasi
statistik secara formal diantara
data output model dengan
data output sistem aktual
Pendekatan Tiga Langkah untuk
membangun Model Simulasi yang
valid dan dapat dipercaya
Langkah 1.
Membangun sebuah model dengan usaha
melibatkan informasi semaksimal mungkin.
Berdiskusi dengan para ‘pakar’ sistem
Melakukan observasi terhadap sistem
Memanfaatkan Teori yang ada
Memanfaatkan hasil dari Model
simulasi yang sama dan relevan
Menggunakan pengalaman atau intuisi
Memanfaatkan Teori yang ada
Memanfaatkan hasil dari Model
simulasi yang sama dan relevan
Menggunakan pengalaman atau
intuisi
Langkah 2.
Menguji asumsi-asumsi model secara
empiris
Jika distribusi probabilitas secara teoritis
cocok dengan observasi dan digunakan
sebagai input untuk model simulasi,
dapat diuji dengan pembuatan grafik dan
uji goodness-of-fit
Jika beberapa himpunan data
diobservasi untuk fenomena random
yang sama, maka perbaikan dari
penggabungan data tersebut dapat
ditentukan dengan uji Kruskal-Wallis
Salah satu utiliti yang sangat berguna
adalah analisis sensitivitas
Langkah 3.
Menentukan seberapa representatif data
output Simulasi
Prosedur Statistik untuk
membandingkan data output dari
observasi dunia nyata dan simulasi
•Pendekatan Inspeksi
Korelasi pendekatan inspeksi :
•Pendekatan Interval Konfidensi
berdasarkan data independen
•Pendekatan Time Series
Data Input Sistem
Secara Historis
Model
Simulasi
Sistem Aktual
Data Output
Sistem
Data Output
Model
Data Input Sistem
Secara Historis
Perbanding
an
CONTOH KASUS – 1
• Kasus Komputer On-Line
 Komputer segera merespon perintah
yang diterimanya
 Perintah diterima melalui saluran
komunikasi dengan kecepatan B
perintah / detik
 Rata-rata setiap perintah terdiri dari b
karakter.
 Sebagian perintah (k) membutuhkan
jawaban rata-rata sebanyak r karakter.
 Setiap perintah diterima oleh buffer
(sekaligus tempat mengirim jawaban)
yang berdaya tampung maksimum m
karakter per detik.
CONTOH KASUS – 1 lanjutan
• Proses sebuah perintah yang diterima
membutuhkan 2000 instruksi.
• Penyiapan jawaban membutuhkan program
dengan 1000 instruksi.
• Proses interupsi dalam melakukan transfer
data baik ke dalam / ke luar komputer
membutuhkan eksekusi 1000 instruksi.
• Asumsi :
1. Terdapat 3 jenis komputer berdasarkan
tingkat kecepatan :
• .kecepatan rendah (P1 = 25.000
instruksi/detik)
• .kecepatan sedang (P2 = 50.000
instruksi/detik)
• .kecepatan tinggi (P3 = 100.000
instruksi/detik)
2. Terdapat 4 ukuran buffer (m) = 1 , 2 , 5,
dan 10 karakter
• Permasalahan :
Bila data harga diketahui maka mana
rancangan yang termurah ?
.Rancangan komputer yang mana yang
mampu mempertahankan aliran data ?
CONTOH KASUS – 1 lanjutan
• Solusi :
• Akan dihitung berapa karakter per detik
yang ditransfer dan
• membandingkannya dengan jumlah
instruksi yang harus dieksekusi setiap
detiknya.
Berdasarkan kondisi yang ada :
• Terdapat B perintah yang masuk dan kB
jawaban yang ke luar per detik, sehingga
akan membutuhkan Bb + kBr karakter per
detik untuk melewati Buffer.
• Kapasitas maksimum Buffer m karakter
sehingga akan terdapat (Bb + kBr)/m
interupsi per detik.
CONTOH KASUS – 1 lanjutan
Instruksi yang terjadi per detik:
• untuk perintah masuk = 2000 x B
• untuk jawaban = 10000 x kB
• untuk interupsi = 1000 x B(b+kr)/m
Jumlah Instruksi per detik (N) :
N = 2000 x B + 10000 x kB +
1000 x B(b + kr)/m
Jadi Model Matematikanya :
N = 2000 x B + 10000 x kB +
1000 x B(b + kr)/m
Simulasinya : Bila
B = 5 perintah
b = 15 karakter
k = 10 % dari perintah yang memerlukan jawaban
r = 50 karakter jawaban
CONTOH KASUS – 1 lanjutan
Maka rancangan komputer yang mampu
mempertahankan aliran data yaitu :
N  P(i)
N = 2000 x 5 + 10000 x 5 x 0.1 +
1000 x 5 (15 + 5)/m
= 15000 + 100000/m  P(i) …. ( N  P(i) )
3 + 20/m  P(i)/5000
20/m  P(i)/5000 – 3 ………..(1)
CONTOH KASUS – 1 lanjutan
Berdasarkan pers (1), dengan kondisi minimal
akan diperoleh rancangan dengan alternatif sebagai
berikut :
1. Komputer Kecepatan tinggi dengan Buffer 2
karakter
2. Komputer Kecepatan sedang dengan Buffer 5
karakter
3. Komputer Kecepatan rendah dengan Buffer 10
karakter
Bila memperhatikan harga dari komputer berdasarkan
tingkat kecepatannya maka solusi optimal
yang diperoleh dengan tetap mempertahankan
aliran data yang ada yaitu :
Rancangan Komputer Kecepatan rendah
dengan Buffer 10 karakter
CONTOH KASUS – 1 lanjutan
Algoritma Kasus 1 :
1. Input data sistem.
2. Hitung jumlah instruksi yang
dibutuhkan per detik untuk setiap
alternatif buffer yang ada
3. Bandingkan setiap hasil langkah-2
dengan kecepatan maksimum dari
setiap kemungkinan komputer yang
tersedia.
4. Tetapkan rancangan sistem komputer
yang mampu mempertahankan aliran
data.
CONTOH KASUS – 1 lanjutan
• Kasus Komputer Real Time
Diberikan suatu rancangan sebuah mesin
pengolah data yang bekerja secara real time,
yang terdiri dari komponen-komponen (lihat
Gambar 2.1) :
 Terminal Masukkan,
 CPU,
 Memory,
 Sabuah saluran komunikasi dari
CPU ke media penyimpan (disk),
dan
 3 buah media penyimpan.
CONTOH KASUS – 2
Message
C P U
Disk – 1
Disk – 2
Disk – 3
Memory
Gambar 2.1. Rancangan Mesin – Real Time
CONTOH KASUS – 2 lanjutan
Spesifikasi perangkat keras dari
komponen-komponen sistim :
• Kecepatan CPU mengolah data bervariasi
antara 6 milidetik (mdet) sampai dengan
14 mdet.
• Waktu yang dibutuhkan CPU untuk
memasukkan perintah (message) ke dalam
memori adalah 1 mdet.
• Panjang perintah berkisar antara 10 sampai
20 unit.
• Kapasistas memori 2000 unit.
• Waktu untuk mencari lintasan dari disket
berkisar antara 40 – 2000 mdet.
CONTOH KASUS – 2 lanjutan
• Waktu untuk mencari sektor media
penyimpanan berkisar antara 0 – 50 mdet.
• Berkas yang dibutuhkan agar suatu
perintah dapat dilayani terdistribusi secara
merata ke ketiga media penyimpanan.
• Waktu yang dibutuhkan oleh berkas untuk
menempuh saluran komunikasi adalah 2
mdet.
CONTOH KASUS – 2 lanjutan
Asumsi dari komponen-komponen
sistim :
• Waktu kedatangan perintah berdistribusi
eksponensial dengan rata-rata 50 mdet.
• Berkas yang dibutuhkan oleh suatu
perintah tersebar ke ketiga media
penyimpanan dengan kemungkinan yang
sama.
• Panjang perintah berdistribusi uniform dari
10 – 20 unit.
• Waktu proses berdistribusi normal dengan
rata-rata 10 mdet dan standar deviasi 4
mdet.
CONTOH KASUS – 2 lanjutan
Pengendalian kerja sistim :
• Perintah yang dibaca oleh CPU dimasukkan
dalam antrian di memori.
• Kemudian CPU mendecode perintah yang
berada terdepan pada antrian di memori.
• Bila saluran komunikasi dalam keadaan tidak
terpakai maka berkas yang dibutuhkan oleh
perintah yang sedang dilayani dapat ditransfer
ke CPU untuk diolah.
• Sebaliknya, bila saluran komunikasi dalam
keadaan terpakai maka pelayanan ditunda
sampai saluran komunikasi siap dan
permintaan akan ditransfer berkas dimasukkan
dalam antrian saluran komunikasi.
CONTOH KASUS – 2 lanjutan
Permasalahan :
Bagaimana unjuk kerja dari sistim melalui
pengukuran besaran-besaran sebagai berikut :
• Waktu tunggu rata-rata, waktu tunggu
maksimum, waktu tunggu minimum dari
suatu perintah untuk mendapat layanan
CPU,
• Panjang antrian yang terjadi,
• Utilisasi dari komponen-komponen sistim
(waktu sibuk CPU, waktu sibuk saluran
komunikasi, rata-rata pemakaian memori).
CONTOH KASUS – 2 lanjutan
Algoritma dan Program
Sistem Antrian Pelayan
Tunggal Sederhana
• Contoh antrian : car wash, kantor pos,
mobile host,
•Gambaran Masalah
(1) (2) (3) (4)
(1) kedatanganentitas
(2) antrian
(3) pelayanan
(4) keberangkatan
Komponen Simulasi :
• Ukuran buffer (ruang antrian)
• Skema pelayanan (FIFO, LIFO, dll)
• Variabel acak
Variabel Acak dan Fungsi Probabilitas :
• Pola kedatangan : selang waktu antar dua
kedatangan
berurutan equivalen dengan waktu setiap
kedatangan
~ fA = fungsi probabilitas waktu kedatangan
• Pola pelayanan : durasi pelayanan
~ fS = fungsi probabilitas durasi pelayanan
Contoh Soal :
Perkirakan jumlah rata-rata entitas dalam
sebuah sistem antrian pelayan tunggal dengan
buffer berukuran tak hingga dan skema
pelayanan FIFO.
Membangun model dari contoh soal :
• Spesifikasi input : bentuk fungsi fA dan fS
• Spesifikasi ukuran kinerja : jumlah rata-rata
entitas dalam sebuah sistem antrian :
Qav = (1/t)t Q(u) du, dimana Q(u)
adalah jumlah entitas dalam antrian pada
waktu u
• Variabel output : jumlah kumulatif entitas
dalam antrian :
Q = t Q(u) du
• Hubungan Masukan-keluaran : Dilakukan oleh
simulator
(a) Peristiwa : – entitas masuk antrian
- entitas masuk pelayanan
- entitas meninggalkan pelayanan
Daftar_Peristiwa E(tA, tD) : daftar peristiwa
berikut
tA : waktu kedatangan berikut,
tD : waktu keberangkatan berikut
(b) Keadaan : n jumlah entitas dalam sistem
antrian
• Kriteria akhir simulasi : T (durasi simulasi
keseluruhan)
(bisa juga yang lain, misalnya nA, atau M =
kapasitas buffer)
Algoritma_Utama
(Computer code dapat dilihat di lecture
note)
/*Inisialisasi*/
n = 0; t = 0; Q = 0; E(tA = , tD = )
tA = t + X (X ~ fA)
/*loop utama*/
while (t  T)
tE = min(tA, tD)
if (tE = tA) call Prosedur_Kedatangan
else call Prosedur_Keberangkatan
end
return Qav = Q/t
Prosedur_Kedatangan
/*Update Variabel*/
Q = Q + n  (tE  t)
/* Update Keadaan*/
n = n  1
/* Update Waktu*/
t = tE
/* Penjadwalan Peristiwa Baru*/
tA = t + X (X ~ fA)
if (n = 1) tD = t + Y (Y ~ fS)
Prosedur_Keberangkatan
/*Update Variabel*/
Q = Q + n  (tE  t)
/* Update Keadaan*/
n = n + 1
/* Update Waktu*/
t = tE
/* Penjadwalan Peristiwa Baru*/
if (n  1) tD = t + Y (Y ~ fS)
else tD = 
Mobile Host sebagai Sistem
Antrian Pelayan Tunggal
Sederhana
(‘ntar dulu, dech ….)
About these ads
This entry was posted in Uncategorized. Bookmark the permalink.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s