Simulation

1
Simulation

• Prepared by
• Akhid Yulianto, SE, MSC (Log)
• Based on Anderson, Sweeney, and Williams

2
Simulation

• Kebaikan dan kelemahan menggunakan simulation
• Modeling
• Random Variables and Pseudo-Random Numbers
• Time Increments
• Bahasa Simulation
• Validation and Pertimbangan Statistik
• Contoh contoh.

3
Simulation

• Simulation salah satu hal yang sering digunakan
  sebagai teknik science manajemen.
• Secara khusus untuk memodelkan proses random yang
  terlalu kompleks dengan model analitis.

4
Advantages of Simulation

• Kemampuan untuk mendapat gambaran mendalam dari
  solusi model.
• Sebuah laboratorium experiment yang memudahkan
  dalam analisa "what if" and sensitivity.

5
Disadvantages of Simulation

• Memerlukan waktu yang banyak dalam pengembangan.
• Solusi yang didapat bukan nilai optimal.
• trial and error method

6
Simulation Modeling

• Membangun pernyataan matematika dari masalah.
• Model harus realistis tetapi dapat dipecahkan
  dalam batas kecepatan dan kapasitas penyimpanan
  sistem komputer yang digunakan.
• Nilai input untuk model serta estimasi
  probability untuk variabel random harus
  dinyatakan.

7
Random Variables

• Nilai random variable menggunakan simulasi Monte
  Carlo.
• Setiap random variabel adalah satu set angka
  dengan model sehingga jika satu angka random
  dihasilkan maka angka input yang dalam model juga
  akan berubah.

8
Pseudo-Random Numbers

• Komputer menghasilkan bilangan random dengan
  formula yang sama sehingga bilangan random bukan
  dihasilkan secara real.
• Tetapi, menggunakan test statistics standard,
  angaka dapat ditampilkan dari process random.
• These numbers are called pseudo-random numbers.

9
Time Increments

• Dalam model simulasi waktu tetap, priode waktu
  ditambahkan dengan jumlah tetap. Untuk satu
  periode waktu sebuah set data yang berbeda dari
  urutan input digunakan untuk menghitung efek pada
  model.
• Dalam model simulasi next event, Periode waktu
  tidak ditetapkan tetapi di turunkan dengan nilai
  data dari urutan input.

10
Simulation Programs

• The computer program that performs the simulation
  is called a simulator.
• Flowcharts can be useful in writing such a
  program.
• While this program can be written in any general
  purpose language (e.g. BASIC, FORTRAN, C, etc.)
  special languages which reduce the amount of code
  which must be written to perform the simulation
  have been developed.
• Special simulation languages include SIMSCRIPT,
  SPSS, DYNAMO, and SLAM.

11
Model Verification/Validation

• Verifikasi/validasi baik model atau metode yang
  digunakan pada komputer untuk perhitungan sangat
  penting.
• Model yang tidak merefleksikan perilaku dunia
  nyata tidak diharapkan menciptakan hasil yang
  bermakna.
• Sama, kesalahan dalam pemrograman dapat
  menghasilkan hasil yang tidak bermakna.

12
Model Verification/Validation

• Validasi secara umum dikerjakan oleh ahli review
  model dan ahli kode komputer untuk kesalahan.
• Secara ideal, simulasi seharusnya berproses
  menggunakan data lampau yang benar benar terjadi.
  
• Prediksi dari model simulasi seharusnya di
  bandingkan dengan hasil masa lalu.

13
Experimental Design

• Desain experimental adalah pertimbangan sangat
  penting dalam proses simulasi.
• 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
  steady state (long run) operation of the system
  being modeled.
• The initial data inputs to the simulation
  generally represent a start-up period for the
  process and it may 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
  decision maker, the simulation is run by
  considering a long sequence of input data values
  (given by a pseudo-random number generator).
• Whenever possible, different policies should be
  compared by using the same sequence of input data.

15
Analisa Resiko

• Melibatkan prediksi outcome sebuah keputusan yang
  menghadapi ketidakpastian
• Contoh adalah Pengembangan produk baru.
• Analisa dapat menggunakan simulasi atau tidak
• Simulasi menghasilkan analisa yang lebih
  komprehensif.

16
Portacomp Project

• Memproduksi PC dan peralatan yang terkait
• Mmbangun sebuah prototype untuk printer portable
  model baru kualitas tinggi
• Membutuhkan analisa pasar
• Ditemukan data awal (nilai konstan, parameter
  dari model )
• Selling price 249 perunit
• Administrative cost 400,000
• Advertising Cost 600,000
• Input probabilistics (not known certainly)
• Direct labor/unit 45 15,000 units for the
  for the first year demand Part cost/unit 90

17
Portacomp Project

• Situasi kebijakan cash flow yang ketat jadi
  fokus pada kerugian potensial

18
What if Analysis

• Profit ( 249 Direct labor cost/unit Part
  cost/unit)(Demand) ( 400,000 600,000)
• Profit ( 249 c1 c2)(x) ( 10,000)
• Skenario kasus dasar
• Profit ( 249 45 90)(15000) ( 10,000)
  710,000
• 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)(15000) ( 10,000) -847,000
• The best case Scenario Profit ( 249 43
  80)(28500) ( 10,000) 2,591,000

19
Results of What if Analysis

• Keuntungan berkisar antara kerugian 847,000 -
  keuntungan 2,591,000 dengan skenario kasus
  dasar bernilai 710,000. jadi tetap ada potensi
  kerugian.
• Tetapi, probabilitas keuntungan dan kerugian
  tidak tergambar dengan baik.

20
Simulasi

• Tambahan keterangan adalah melalui data awal
  biaya probabilitasnya dapat diketahui . Yaitu
  melalui penggambaran diagram atau uji distribusi
  (pelajari cara pembuatan histogram)
• Direct Labor cost 43-47 dengan pola distribusi
  discrete

Direct Labor Cost/unit Probability
43 0.1
44 0.2
45 0.4
46 0.2
47 0.1
21
Simulasi

• Part cost 80-100 and follows uniform
  probability

100
80
90
22
First Year Demand

• Mengikuti Normal probability

23
Simulation

• Parts costs a r(b-a) 80
  r(100-80)
• Direct Labor cost

Direct Labor cost/unit Probability Interval of Random Number
43 0.1 0.0 but lt0.1
44 0.2 0.1 but lt0.3
45 0.4 0.3 but lt 0.7
46 0.2 0.7 but lt0.9
47 0.1 0.9 but lt 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-D519menghasilkan bilangan random ynag
  mengikuti distribusi normal dari mean 15000 dan
  standar deviasi 4500
• Kolom Profit (E20-E519) Ingat rumus Profit

25
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