Simulasi - Pertemuan II

22 %
78 %
Information about Simulasi - Pertemuan II
Technology

Published on October 31, 2008

Author: dimarahin

Source: slideshare.net

Simulasi Di Si l i Discrete E t t Event, Continuous Event, Monte Carlo , Pemateri : Fitria Ekowati, ST.

Sumber Simulasi:Teori dan Aplikasinya, Bonett Satya p y y L. Djati, edisi 1, ANDI Yogyakarta

Tipe Model Simulasi Tipe Model Simulasi Model simulasi : Statik atau dinamic, Deterministik atau stokastik, Di Discrete atau continuous. t t ti • Static or Monte Carlo simulation : simulasi yang tidak didasarkan oleh  waktu.  • Dinamic: mencakup lintasan waktu • Deterministik: tidak memiliki komponen input yang bersifat acak • Stokastik : Variabel input bersifat acak • Discrete‐event simulation • Continuous‐event simulation Continuous‐event simulation

Apakah “Discrete-Event Simulation” itu? “Discrete- Discrete- Discrete Simulation Simulasi dimana perubahan variabel terjadi hanya p j y pada sejumlah keadaan j tertentu dan dapat dihitung pada saat tertentu

Contoh Discrete Event Simulation Contoh : lalu lintas udara di airport Event : kedatangan pesawat, pendaratan, keberangkatan arrival schedules processed event 8:00 departure arrival schedules h d l 9:15 9:30 current event landed 8:05 unprocessed eve simulation time

Lalu lintas udara di airport Asumsi : Satu landasan untuk pesawat yang (abaikan antrian keberangkatan) R = waktu ketika landasan digunakan untuk tiap pesawat yang g pp y g mendarat (constant) G = waktu yang dibutuhkan di landasan sebelum (constant) State: Di udara: jumlah pesawat yg mendarat atau menunggu untuk mendarat Di landasan: banyaknya pesawat yang mendarat RunwayFree: Boolean, true if landasan tersedia Now: waktu simulasi sekarang Events: • Arrival: menunjukkan kedatangan pesawat di airport • Landed: menunjukan pesawat mendarat j k t d t • Departure: menunjukan pesawat berangkat

Apakah “Continuous-Event Simulation itu? “Continuous- Continuous Simulation” Simulasi dimana perubahan variabel terjadi secara terus menerus serta j dipengaruhi oleh waktu

Contoh Continuous Event Simulation Event Kecepatan mobil ketika lepas dari lampu merah

Discrete- Discrete-event vs. continuous simulation vs

Metode Monte Carlo Metode Monte Carlo memakai bilangan acak yang di k k digunakan untuk menyelesaikan masalah-masalah yang l ik l h l h mencakup keadaan ketidakpastian (stokastik) dimana evaluasi matematis tidaklah mungkin. g Sebutan “Metode Monte Carlo diperkenalkan oleh S. Ulam and Nicholas Metropolis (1949). Merujuk pada kasino t k k i terkemuka di M t C l M k Monte Carlo, Monaco. Kunci dari metode Monte Carlo adalah penggunaan input acak dan distribusi probabilitas. p p

LANGKAH-LANGKAH METODE MONTE CARLO LANGKAH- 1. Mendefinisikan distribusi probabilitas dari data masa lalu atau dari distribusi teoritis teoritis. 2. Mengonversikan distribusi ke dalam frekuensi kumulatif. 3. Melakukan simulasi dengan bilangan acak. 4. Menganalisa keluaran simulasi.

PENGGUNAAN MONTE CARLO Sains dan Engineering: g g ◦ Analisa Ketidakpastian ◦ Optimisasi ◦ Desain Berbasis Realitas Fabrikasi: Alokasi toleransi untuk mengurangi biaya. Bisnis: Bi i Analisa resiko dan keputusan: membantu membuat keputusan dalam ketidakpastian trend pasar, fluktuasi, dan faktor-faktor tak tentu lainnya lainnya. Dapat digunakan dalam hampir segala bidang (kimia, nuklir, pengatur lalu lintas).

Dasar Statistik untuk Simulasi dan P Permodelan d l Probabilitas : besarnya kemungkian munculnya suatu kejadian. Contoh : S b h koin memiliki satu muka b Sebuah k i iliki t k berupa gambar (G) dan yang b d satunya angka (A). Saat koin dilempar ke atas, maka saat koin jatuh kemungkinan untuk mendapatkan muka G adalah p(x) = ½. Dalam hal ini x={G,A}

Dasar Statistik ……. Fungsi Kerapatan Probabilitas : keadaan yang selalu menjamin bahwa probabilitas selalu bernilai positif positif. Contoh : C h

Dasar Statistik Menentukan D M k Distribusi F k b Frekuensi 1. Menentukan jumlah kelas 2. Menentukan interval tiap kelas p 3. Menentukan batas kelas

1. Menentukan Jumlah Kelas 1 Sturges rule (Herbert A. Sturges) g ( g ) k = 1 + 3,322 log n , g Dimana : k = jumlah kelas n = jumlah angka yang terdapat dalam data

2. Menentukan Interval tiap kelas Range (R) R = Xn – X1 dimana R = luas penyebaran ( g ) p y (range) Xn = nilai pengamatan tertinggi X1 = nilai pengamatan terendah Interval Kelas Range( R) Interval kelas = jml kelas(k ) (k

3. Menentukan Batas-batas Kelas Batas- Batas kelas ditentukan sedemikian rupa sehingga nilai pengamatan terendah dapat tercakup di dalamnya dan mudah dibaca, mudah diingat, berkesan dalam pengenalan secara visual sehingga dalam analisis tidak menyulitkan perhitungan dan penggambarannya Tips : ◦ gunakan angka puluhan (10 20 dst) atau (10, 20, ◦ tengah puluhan (5, 15, 25, dst)

Contoh 66 63 71 58 71 77 47 53 35 24 68 51 58 72 47 78 62 49 75 58 35 95 67 75 63 73 63 67 69 64 52 83 67 70 66 74 52 72 74 86 34 48 44 46 74 60 68 69 77 66 46 99 59 65 62 72 73 64 92 54 81 57 74 78 59 62 63 77 82 57 81 73 68 45 75 66 57 75 95 55 89 74 67 84 69 54 64 83 41 51 60 75 68 64 68 64 65 40 55 61

Jumlah K l J l h Kelas K = 1 + 3,322 log n 3 322 = 1 + 3,322 log 100 = 1 + 3,322 (2) 3 322 = 1 + 6,644 = 7,644 = 8 (dibulatkan)

Interval Kelas Range R = k X n − X 1 99 − 24 = = = 10 (dibulatkan) k 7,644 Nilai terendah 24 maka, batas kelas bawah adalah 20 – 30 (interval kelas = 10) Karena ada 8 kelas maka tabelnya adalah: 20 ‐ 30 20 ‐ 29 30 ‐ 40 30 ‐ 39 40 ‐ 50 40 ‐ 49 50 ‐ 60 50 ‐ 59 60 ‐ 70 60 ‐ 69 70 ‐ 80 70 ‐ 79 80 ‐ 90 80 ‐ 89 90 ‐ 100 90 ‐ 99

Data Persediaan, Data Permintaan, Data Pengiriman Produk Persediaan, Permintaan, ( Dalam bentuk distribusi frekuensi ) (Simulasi: Teori dan Aplikasinya,, Bonett Satya L. Djati,, edisi 1, ANDI Yogyakarta) Simulasi: Aplikasinya Djati Yogyakarta)

Probabilitas Data Persediaan, Data Permintaan, Persediaan, Permintaan, D P ii Data Pengiriman P d k Produk

Kemunculan Angka Acak Data Persediaan, Data Permintaan, Data Pengiriman Produk Persediaan, Permintaan, (Simulasi: Teori dan Aplikasinya, Bonett Satya L. Djati,, edisi 1, ANDI Yogyakarta) Simulasi: Aplikasinya, Djati Yogyakarta)

Pelaksanaan Simulasi Persediaan Monte Carlo

TUGAS 1 Pilihlah dan amatilah salah satu dari sistem di bawah ini: Gerai makanan cepat saji Penyetoran uang di bank Sistem penjualan tiket Kereta Api Sistem pengisian BBM Sistem penjualan tiket bioskop

Tugas anda : Sebutkan nama dan lokasi sistem yang anda amati sebutkan elemen-elemen sistem dan jelaskan keterkaitan antar elemen k k l sebutkan subsistem-nya Jelaskan batasan sistem Jelaskan lingkungannya

Add a comment

Related presentations

Presentación que realice en el Evento Nacional de Gobierno Abierto, realizado los ...

In this presentation we will describe our experience developing with a highly dyna...

Presentation to the LITA Forum 7th November 2014 Albuquerque, NM

Un recorrido por los cambios que nos generará el wearabletech en el futuro

Um paralelo entre as novidades & mercado em Wearable Computing e Tecnologias Assis...

Microsoft finally joins the smartwatch and fitness tracker game by introducing the...

Related pages

Kasus Simulasi (Materi Teknik Simulasi Pertemuan II )

Menurut UU No.24/2007 tentang Penanggulangan Bencana, bencana adalah Peristiwa atau rangkaian peristiwa yang mengancam dan mengganggu kehidupan dan ...
Read more

Simulasi - Pertemuan III - Technology

Simulasi - Pertemuan II Simulasi - Pertemuan IV Pertemuan 1 ... Zufri Hasrudy Siregar,S.T.,M.Eng Model dan Simulasi MATERI KULIAH (PERTEMUAN KE-3) ...
Read more

Simulasi Dan Model (Pertemuan 2) [Compatibil

Zufri Hasrudy Siregar10/17/2010 SISTEM NYATA (REALITAS) MATERI KULIAH (PERTEMUAN 2) Model dan Simulasi Jurusan Tekni...
Read more

Pertemuan II "Contoh dari suatu Pemodelan" ~ Diskusi Kom B ...

Pertemuan II "Contoh dari suatu Pemodelan" Kelompok 'AMAN' Anggota : 1. Nurdin Siregar (131421036) 2. ... Pemodelan dan Simulasi Pertemuan Ke-2;
Read more

Pertemuan I Pemodelan ~ Diskusi Kom B Ilkom

Pertemuan I Pemodelan; Simulasi dalam Pembagian Tegangan Menggunakan MS-E... ... Pertemuan II "Contoh dari suatu Pemodelan" Pertemuan I Pemodelan;
Read more

PENERAPAN METODE PERMAINAN SIMULASI UNTUK MENINGKATKAN ...

Permainan simulasi pada pertemuan II siklus I tetap mengacu pada ... Aktivitas siswa yang masih menonjol pada pertemuan II siklus I adalah kurang ...
Read more

LAJU REAKSI ASYIK I: PERTEMUAN KE - 2

PERTEMUAN II; PERTEMUAN II PR ... Siswa dapat menentukan grafik dari data simulasi komputer tentang faktor-faktor ... - Pada tabung II H 2 O 2 ditambah ...
Read more

Pertemuan III | Anggi Anggriani

Pertemuan II; Pertemuan III; Pertemuan IV; Pertemuan V; Pertemuan VI; Pertemuan VII; ... Contoh : Cad, Simulasi Sistem Dan Aplikasi Interaktif (5) Embedded ...
Read more