Analisis Output sebuah Simulasi #1

Analisis output (keluaran) adalah pengolahan data yang dihasilkan oleh sebuah simulasi dan analisis output ini berguna untuk memprediksi performansi sebuah sistem atau untuk membandingkan performansi terhadap dua atau  lebih rancangan sistem alternatif (Banks, et all., 2001).

Sebuah simulasi umumnya menghadirkan kejadian random sebagai hasil penggunaan input yang dibangkitkan secara random pula  oleh pembangkitan bilangan dan variable random. Kemudian dua buah stream atau urutan bangkitan bilangan random akan menghasilkan sekumpulan output yang berpeluang berbeda. Oleh karena itu, jika performansi sistem di ukur oleh parameter   maka hasil sekumpulan percobaan simulasi akan menjadi estimator terhadap parameter tersebut.  Presisi estimator dapat diukur oleh variansi tersebut. Dengan demikian, kegunaan analisis statistik adalah melakukan estimasi terhadap variansi ini, atau untuk menentukan jumlah observasi yang diperlukan untuk mendapatkan tingkat presisi yang diinginkan.

Dalam beberapa kasus, analisis statistik seperti dikemukakan di atas tidak tepat digunakan karena adanya ketidakbebasan (dependensi) antara output dalam rentang simulasi pertama dengan pada simulasi kedua. Hal ini dapat dicontohkan pada kejadian inventori, dimana menyatakan total biaya inventori selama seminggu. Kasus ini dapat memperlihatkan bahwa total biaya pada minggu kedua akan dipengaruhi oleh ketersediaan inventori pada minggu pertama, demikian seterusnya untuk minggu ke-3, 4 , n. Adanya autokorelasi antar parameter performansi tersebut menjadikan analisis variansi terhadap parameter menjadi tidak tepat. Contoh kasus ini mengharuskan perubahan metode analisis output dan perubahan terhadap desain eksperiman simulasi.

Lebih jauh terhadap adanya autokorelasi dalam kebanyakan simulasi, maka inisial nilai yang diberikan pada sistem simulasi juga dapat mempengaruhi output yang dihasilkan. Contoh bagaimana inisial awal dapat mempengaruhi dapat kita lihat pada kasus sistem inventori. Inisial awal sistem juga dapat berdampak pada estimasi kapan suatu sistem mencapai steady state. Oleh karena itu, untuk kepentingan analisis statistik, maka dampak inisial nilai terhadap output seharusnya tidak terdistribusi secara identik dan inisial awal seharusnya tidak menjadi representasi perilaku steady state sistem.

Apabila melakukan analisis keluaran data simulasi, maka bedakan terlebih dahulu antara terminating atau transient simulation dengan steady state simulation. Terminating simulation adalah simulasi  yang dijalankan dalam durasi waktu tertentu saja karena adanya events yang menghentikan simulasi. Berikut ini contoh-contoh terminating simulation.

Contoh 1. Sebuah bank beroperasi mulai pukul 8.30 pagi dan tutup pada pukul 14.30 sore. Pada saat buka, diawali dengan tidak ada nasabah dan sebagian teller dalam kondisi siap melayani. Penghentian sistem dalam contoh ini adalah waktu simulasi hanya dibatasi selama 480 menit. Kemudian tujuan simulasi dalah mengamati interaksi antara nasabah dengan teller selama satu hari penuh, mencakup dampak inisial awal berupa hanya sebagian teller saja yang siap dan dampak penutupan bank pada sore hari.

Contoh 2. Sebuah simulasi dilakukan untuk mengamati kondisi sibuk sebuah bank pada pukul 11.30 s.d. 13.30 atau selama 120 menit. Kondisi ini mengakibatkan inisial sistem dapat berupa (1) jumlah nasabah pada pukul 11.30 yang diambil dari observasi beberapa hari di sistem nyata, atau (2) simulasi dijalankan mulai pagi hari, kemudian kondisi pada pukul 11.30 dijadikan inisial awal untuk titik pengamatan.

Contoh 3. Sebuah mesin yang terdiri dari 4 komponen akan berhenti bekerja apabila komponen 1 rusak, atau komponen 4 rusak, atau kedua komponen no 2 dan 3 rusak. Berhentinya mesin tersebut tidak berdasarkan rentang waktu yang pasti, tetapi masih probabilitas. Dalam hal ini, tujuan simulasi mungkin ingin mengetahui waktu antar kerusakan mesin.

Contoh 4. Sebuah pabrik memiliki sistem produksi kontinu dimulai dari senin pagi sampai sabtu malam. Shift pertama (senin-sabtu) digunakan untuk mengisi bahan baku ke tangki untuk menghasilkan beberapa jenis produk. Bahan baku itu sendiri dibuat secara kuntinu selama hari kerja (senin sampai jumat, dan khusus jumat shift ketiga digunakan untuk pembersihan mesin pembuat bahan baku. Oleh karena itu, tangki-tangki bahan baku umumnya hampir habis setiap akhir pekan, selain itu, sisa bahan baku pada tangki pada hari senin digunakan untuk mengkover kegagalan pencapaian produksi minggu sebelumnya. Simulasi yang dirancang digunakan untuk mengamati kondisi persediaan tangki-tangki bahan baku pada shit pertama (waktu ke 0 s.d. 8) untuk mendapatkan kebijakan jadwal pengisian persediaan yang baik.

 

Contoh 1 dan 2 sebenarnya secara tegas menunjukkan terminating simulation karena masa pengamatan simulasi secara tegas dapat dibatasi untuk rentang waktu tertentu. Hal tersebut karena titik tujuan evaluasi sudah jelas. Berbeda sedikit dengan contoh 3, apabila tujuannya hanya untuk melihat kapan mesin rusak, maka simulasi cukup dihentikan saat mesin rusak dan dilengkapi dengan beberapa kali eksperiman. Namun apabila diinginkan mengamati proses sistem secara menyeluruh dalam artian setelah mesin breakdown, sistem jalan lagi, maka simulasi tetap jalan dalam rentang waktu yang bisa tidak terbatas (nonterminating) sesuai keinginan pengamat. Dengan demikian, apakah sebuah simulasi akan dipertimbangkan menjadi terminating atau nonterminating akan tergantung pada tujuan simulasi dan kondisi real sistem yang diamati. Secara khusus, contoh 4 termasuk terminating simulation, hanya saja juga contoh dalam transient / nonstationary simulation. Hal ini karena titik amatan pada level inventori yang bergerak terus dalam periode pagi sampai sore.

Nonterminating simulation atau nantinya juga disebut steady state simulation adalah simulasi yang ditujukan untuk mengamati sistem dalam jangka waktu lama, atau melihat kondisi steady state suatu simulasi nonterminating.

Contoh 5. Sama halnya dengan contoh 4, namun simulasi dilakukan untuk melihat level produksi dan efisiensi produksi pada proses pembuatan produk pada shit kedua dan ketiga (selama 13 shift sampai sabtu malam). Untuk melihat secara presisi terkait level produksi dan efisiensi produksi, bisa saja dipertimbangkan menjalankan simulasi lebih dari 13 shift (13 shift adalah proses real yang terjadi di sistem)

Contoh 6.  Sebuah perusahaan cloud computing menyediakan jasa cloud computing baik dalam skala jasa infrastruktur (penyedia hardware, OS, dan software) maupun platform (jasa OS). Berkaitan dengan adanya beban kerja, perusahaan mempertimbangkan adanya penambahan komputer server, hardisk dan berbagai konfigurasinya. Oleh karena itu, dbuat simulasi yang dijalankan dalam waktu yang lama untuk melihat kondisi steady state kebutuhan server dan konfigurasinya.