Contoh-contoh Simulasi oleh Irgi Ahmad Fahreza

irgi ahmad fahreza

Desember 04, 2023

0

Contoh Keacakan dalam Simulasi: 

 1. Bilangan Acak Terdistribusi Secara Uniform dalam Interval: Contoh: Dalam simulasi, bilangan acak yang terdistribusi secara uniform dapat digunakan untuk merepresentasikan variasi acak dalam suatu peristiwa atau keadaan. Model: Bilangan acak dihasilkan dari distribusi uniform dalam interval tertentu, misalnya, antara 0 dan 1. Digunakan untuk memperkenalkan variasi yang realistis atau tak terduga dalam kejadian tertentu. 

2. Digit Acak Terdistribusi Secara Uniform pada Himpunan: Contoh: Digunakan dalam konteks seperti pemilihan acak atau pengambilan sampel acak dari himpunan tertentu. Model: Setiap digit atau elemen dalam himpunan memiliki probabilitas yang sama untuk dipilih secara acak. Dapat digunakan dalam simulasi untuk merepresentasikan kejadian yang melibatkan pemilihan acak dari suatu himpunan.

 

3. Bilangan Acak Bayangan (Pseudo-random Numbers): Contoh: Dalam komputer, bilangan acak sejati sulit dihasilkan; oleh karena itu, digunakan bilangan acak bayangan untuk tujuan simulasi. Model: Bilangan acak bayangan dihasilkan menggunakan algoritma atau rumus tertentu yang memberikan urutan angka yang terlihat acak. Meskipun sebenarnya tidak acak, tetapi dapat memberikan sifat acak yang memadai untuk keperluan simulasi. 

4. Membangkitkan Bilangan Acak dari Tabel Digit Acak: Contoh: Metode klasik untuk menghasilkan bilangan acak, khususnya sebelum era komputer. Model: Sebuah tabel digit acak yang berisi angka-angka yang terdistribusi secara acak telah disiapkan. Dengan cara tertentu, angka-angka ini diambil atau diolah untuk membentuk bilangan acak. Tujuan Penggunaan Keacakan dalam Simulasi: Meningkatkan realisme dalam model simulasi. Memodelkan ketidakpastian dan variasi dalam keadaan atau peristiwa. Meniru sifat acak yang mungkin terjadi dalam dunia nyata. Memberikan dasar untuk pengambilan keputusan yang lebih baik dalam menghadapi ketidakpastian.

Contoh Simulasi Sistem Antrian Layanan Tunggal:

Entitas: Pelanggan atau customer yang datang untuk menerima layanan.

Keadaan Awal: Sistem dalam keadaan siap melayani pelanggan. Tidak ada pelanggan dalam antrian.

Peristiwa: Kedatangan pelanggan baru untuk menerima layanan.

Waktu Peristiwa: Kedatangan pelanggan terjadi pada interval waktu tertentu atau secara acak.

Model Peristiwa: Kedatangan pelanggan dimodelkan menggunakan distribusi probabilitas untuk menciptakan variasi dalam waktu kedatangan.

Perubahan Keadaan: Setiap kedatangan pelanggan menyebabkan perubahan keadaan sistem. Pelanggan yang baru datang akan masuk ke dalam antrian.

Proses Pelayanan: Pelayanan dilakukan satu per satu sesuai urutan kedatangan. Setelah pelayanan selesai, pelanggan keluar dari sistem.

Waktu Pelayanan: Lama pelayanan per pelanggan dapat diambil dari distribusi probabilitas untuk menciptakan variasi.

Akhir Simulasi: Simulasi berakhir setelah pelayanan untuk sejumlah pelanggan yang ditentukan (misalnya, 20 pelanggan) selesai atau setelah periode waktu tertentu.

Statistik dan Analisis: Analisis dapat mencakup rata-rata waktu tunggu, rata-rata panjang antrian, dan efisiensi sistem. Data ini dapat membantu dalam mengevaluasi kinerja sistem antrian tunggal dan mengidentifikasi area yang perlu ditingkatkan.

Contoh Data Hasil Simulasi:

• Jumlah pelanggan yang dilayani: 20 orang.
• Rata-rata waktu tunggu: 5 menit.
• Rata-rata panjang antrian: 2 pelanggan.

Dengan memodelkan simulasi sistem antrian layanan tunggal seperti ini, dapat memberikan wawasan yang berguna tentang efisiensi sistem, membantu dalam pengambilan keputusan terkait perbaikan atau penyesuaian dalam proses layanan pelanggan.

Contoh Ringkasan Simulasi Sistem Inventory (M; N):

Entitas: Barang atau item di dalam inventaris.

Keadaan Awal: Sistem inventaris dalam keadaan awal dengan jumlah barang di antara M dan N unit.

Peristiwa: Pembelian atau penjualan barang yang dapat memengaruhi jumlah stok.

Waktu Peristiwa: Peristiwa pembelian atau penjualan terjadi pada interval waktu tertentu atau ketika stok mencapai batas tertentu (M atau N).

Model Peristiwa: Pembelian dan penjualan barang dimodelkan menggunakan distribusi probabilitas atau dengan mengaitkan peristiwa dengan kondisi tertentu (misalnya, stok mencapai batas tertentu).

Perubahan Keadaan: Pembelian menambah stok, sementara penjualan mengurangi stok.

Proses Evaluasi Alternatif: Simulasi dapat digunakan untuk mengevaluasi alternatif kebijakan pembelian, seperti kapan harus memesan lebih banyak barang atau berapa banyak yang harus dipesan setiap kali.

Akhir Simulasi: Simulasi berakhir setelah periode waktu tertentu atau ketika kondisi tertentu terpenuhi (misalnya, jumlah stok mencapai batas tertentu).

Statistik dan Analisis: Analisis dapat mencakup rata-rata level stok, waktu antara pemesanan, dan biaya total persediaan. Data ini dapat membantu dalam merancang strategi manajemen persediaan yang lebih efisien.

Contoh Data Hasil Simulasi:

• Rata-rata level stok: antara M dan N unit.
• Waktu antara pemesanan: 7 hari.
• Biaya total persediaan: $10,000.

Dengan memodelkan simulasi sistem inventory seperti ini, manajer persediaan dapat mengidentifikasi kebijakan optimal untuk menjaga level persediaan yang memadai tanpa menimbulkan biaya yang tidak perlu.

---

Contoh Ringkasan Simulasi Masalah Reabilitas - Evaluasi Alternatif:

Entitas: Sistem atau perangkat yang memiliki komponen yang dapat mengalami kegagalan.

Keadaan Awal: Sistem dalam keadaan awal dengan beberapa komponen yang dapat mengalami kegagalan.

Peristiwa: Kegagalan atau kerusakan pada komponen sistem.

Waktu Peristiwa: Kegagalan terjadi pada interval waktu tertentu atau ketika komponen mencapai batas usia tertentu.

Model Peristiwa: Kegagalan komponen dimodelkan menggunakan distribusi probabilitas atau dengan memperhitungkan usia komponen.

Perubahan Keadaan: Kegagalan komponen dapat menyebabkan penurunan kinerja atau kegagalan sistem.

Proses Evaluasi Alternatif: Simulasi dapat digunakan untuk mengevaluasi alternatif perawatan preventif atau strategi penggantian komponen untuk meningkatkan reliabilitas sistem.

Akhir Simulasi: Simulasi berakhir setelah periode waktu tertentu atau ketika kondisi tertentu terpenuhi (misalnya, keandalan sistem turun di bawah batas tertentu).

Statistik dan Analisis: Analisis dapat mencakup waktu rata-rata antara kegagalan, waktu pemulihan sistem, dan biaya perawatan preventif. Data ini membantu dalam merancang strategi perawatan yang efektif.

Contoh Data Hasil Simulasi:

• Waktu rata-rata antara kegagalan: 100 jam.
• Waktu pemulihan sistem: 2 jam.
• Biaya perawatan preventif: $5,000 per bulan.

Dengan menggunakan simulasi, dapat diidentifikasi strategi perawatan yang optimal untuk meningkatkan reliabilitas sistem dengan biaya yang terkendali.

Nama : Irgi Ahmad Fahreza

NIM : 2003015084