TUGAS 1 [AHMAD] SOSIN 7A

 1.  Perkuliahan ini dengan Bobot 2 SKS, diselenggarakan tiap Hari Senin, Jam 16.20 - 18.00.

2.  Mohon untuk selalu membaca doa sebelum dan setelah belajar. 

3.  Mohon mengisi daftar hadir  paling lambat 30 menit setelah jadwal dimulai, pada hari dan tanggal perkuliahan dijadwalkan. 

5. Perkuliahan direncanakan dilaksanakan 16 pertemuan termasuk UTS dan UAS.

6. Penilaian akhir dilakukan menggunakan formula : 10 % Keaktifan ; 20 % Tugas ; 30 % UTS ; 40 % UAS.

7. Keaktifan terdiri dari absensi dan ketepatan waktu mengerjakan Tugas

8.  Setiap mahasiswa diwajibkan memiliki BLOG PRIBADI untuk mengerjakan tugas kuliah.

9. Bagi yang sebelumnya sudah punya BLOG PRIBADI dianjurkan untuk menggunakan BLOG PRIBADI yang sudah lama tersebut.

10. Bagi yang belum punya silahkan membuat BLOG berbasis BLOG SPOT dengan berbasis gmail. 

11. Mahasiswa diwajibkan mengikuti UTS dan UAS untuk bisa memperoleh nilai Akhir.

12. Bila pada saat UTS dan atau UAS mahasiswa berhalangan diwajibkan untuk menghubungi kesekretariatan untuk meminta ujian susulan.

13. Selamat mengikuti perkuliahan, Semoga dapat berjalan dengan lancar dan sukses.

14. Semoga mendapat ilmu yang berkah dan bermanfaat untuk bekal dunia serta akherat. Amin.

SUMBER : https://onlinelearning.uhamka.ac.id/mod/assign/view.php?id=457196

UAS PEMODELAN DAN SIMULASI

 

SUMBER LINK : https://onlinelearning.uhamka.ac.id/mod/forum/discuss.php?d=183756

PEMODELAN DAN SIMULASI (AHMAD FIRDAUS)

 Contoh keacakan dalam simulasi

Contoh Keacakan Dalam simulasi seperti di bawah ini :

Waktu Pelayanan : Dalam simulasi antrian, pelanggan atau entitas yang tiba dan mengantri, waktu yang di perlukan untuk melayani mereka juga dapat dimodelkan secara acak.

Waktu Kedatangan : Dalam simulasi antrian atau sistem layanan, waktu kedatangan pelanggan, pengunjung, atau entitas lainnya sering dimodelkan dengan keacakan.

Bilangan acak : terdistribusi secara uniform dalam interval.

Digit acak : terdistribusi secara uniform dalam himpunan.

Bilangan acak yang sebenarnya sangat sulit dibuat : 

Bilangan acak bayangan (pseudo-random numbers).

Membangkitkan bilangan acak dari tabel digit acak.

Contoh simulasi sistem antrian layanan tunggal

Jika digambarkan seperti situasi di mana ada satu saluran layanan yang melayani entitas yang tiba dalam antrian.

Contohnya seperti pelanggan yang sedang mengantri untuk mendapatkan layanan di loket pembayaran barang belanjaannya di loket pembayarannya.

Entitas : Pelanggan yang telah selesai berbelanja dan ingin membayar belanjaannya di loket pembayaran.

Keadaan : Antrian, loket pembayaran, dan petugas pembayaran.

Peristiwa : Kedatangan pelanggan (entitas) ke dalam sistem antrian, Antrian Pelanggan, Pelayanan petugas, Selesai pembayaran dan pelanggan meninggalkan loket.

Kapan peristiwa terjadi? Peristiwa dalam simulasi terjadi sesuai dengan logika simulasi yang ditetapkan. Misalnya, kedatangan pelanggan baru bisa terjadi setiap beberapa interval waktu yang ditentukan secara acak. Pelayanan kepada pelanggan baru bisa dimulai ketika loket pembayaran kosong.

Lalu bagaimana keadaan berubah ketika peristiwa terjadi? Keadaan sistem berubah setiap kali peristiwa terjadi. Misalnya, ketika pelanggan baru tiba, antrian bertambah. Saat pelanggan dipanggil untuk dilayani, pelanggan tersebut dihapus dari antrian, dan loket pembayaran tidak lagi kosong.

Ringkasan

Konsep dasar simulasi :

Menetapkan karakteristik data masukan.

Mengkonstruksi tabel simulasi.

Membangkitkan variable acak berdasarkan model masukan dan menghitung nilai respon.

Menganalisis hasol-hasil masalah utama dengan pendekatan tabel simulasi.

Tidak dapat digunakan atau mengatasi ketergantungan yang kompleks antar entitas.

Masalah utama dengan pendekatan tabel simulasi :

Tidak dapat digunakan atau mengatasi ketergantungan yang kompleks antar entitas.

Pertanyaan essai

Apa yang dimaksud dengan keacakan dalam simulasi? Keacakan dalam simulasi mengacu pada penggunaan elemen acak atau tidak terduga untuk merepresentasikan variasi atau ketidakpastian dalam proses simulasi, memungkinkan untuk memodelkan situasi yang lebih mirip dengan dunia nyata.

Mengapa keacakan penting dalam simulasi sistem antrian layanan tunggal? Keacakan penting karena dalam sistem antrian, waktu kedatangan pelanggan dan waktu pelayanan tidak selalu teratur. Keacakan memungkinkan kita untuk merepresentasikan variasi dalam kedatangan pelanggan dan durasi pelayanan yang lebih realistis.

Bagaimana keacakan dimasukkan dalam simulasi sistem antrian layanan tunggal? Keacakan dimasukkan melalui distribusi waktu kedatangan pelanggan baru ke dalam antrian dan distribusi waktu pelayanan di loket. Ini bisa berupa distribusi acak seperti distribusi Poisson atau distribusi lain yang sesuai dengan pola kejadian nyata.

Apa peran distribusi keacakan dalam simulasi sistem antrian layanan tunggal? Distribusi keacakan digunakan untuk merepresentasikan variasi dalam waktu kedatangan pelanggan dan waktu pelayanan, memungkinkan simulasi untuk memperhitungkan ketidakpastian yang ada dalam situasi nyata.

Bagaimana entitas didefinisikan dalam simulasi sistem antrian layanan tunggal? Entitas dalam simulasi sistem antrian adalah pelanggan atau objek yang mengantri untuk menerima layanan di loket pembayaran.

Apa yang dimaksud dengan waktu tunggu rata-rata dalam simulasi sistem antrian? Waktu tunggu rata-rata adalah rata-rata dari waktu yang dihabiskan oleh entitas dalam antrian sebelum mereka mendapatkan layanan di loket pembayaran.

Bagaimana simulasi sistem antrian dapat membantu dalam mengoptimalkan efisiensi layanan? Simulasi sistem antrian dapat digunakan untuk menguji berbagai skenario dan strategi untuk mengurangi waktu tunggu, meningkatkan jumlah pelanggan yang dilayani, atau memperbaiki penggunaan sumber daya dalam sistem.

Apa perbedaan antara waktu kedatangan dan waktu pelayanan dalam simulasi sistem antrian? Waktu kedatangan adalah interval antara kedatangan entitas baru ke dalam antrian, sementara waktu pelayanan adalah waktu yang diperlukan untuk memberikan layanan kepada entitas yang sedang dilayani di loket.

Apa manfaat penggunaan keacakan dalam menganalisis sistem antrian? Penggunaan keacakan memungkinkan simulasi untuk merepresentasikan variasi dalam situasi nyata, memungkinkan pemodelan kondisi yang lebih realistis dan memungkinkan analisis lebih mendalam terhadap kinerja sistem.

Bagaimana distribusi waktu pelayanan dapat mempengaruhi kinerja sistem antrian? Distribusi waktu pelayanan yang lebih cepat atau lebih lambat dapat memengaruhi waktu tunggu rata-rata. Jika waktu pelayanan lebih cepat, waktu tunggu cenderung lebih pendek, sedangkan jika waktu pelayanan lebih lambat, waktu tunggu bisa lebih panjang.

Sumber : https://onlinelearning.uhamka.ac.id/mod/forum/view.php?id=422297

UTS PEMODELAN DAN SIMULASI (AHMAD)

 

Sumber : https://onlinelearning.uhamka.ac.id/mod/forum/view.php?f=59642

Quis Pemodelan dan Simulasi (Ahmad Firdaus Zakaria)

 QUIS 

1. Apa itu pemodelan dalam konteks simulasi?

Jawaban: Pemodelan dalam konteks simulasi adalah pembuatan representasi matematis atau komputasional dari sistem fisik atau proses nyata.

2. Mengapa pemodelan diperlukan dalam simulasi?

Jawaban: Pemodelan diperlukan untuk memahami, menganalisis, atau meramalkan perilaku sistem yang akan disimulasikan.

3. Apa itu simulasi komputer?

Jawaban: Simulasi komputer adalah penggunaan komputer untuk menghasilkan hasil simulasi dengan memodelkan sistem tertentu.

4. Apa perbedaan antara simulasi kontinu dan simulasi diskrit?

Jawaban: Simulasi kontinu menggambarkan sistem yang berubah dalam waktu kontinu, sedangkan simulasi diskrit menggambarkan perubahan sistem dalam langkah-langkah terpisah.

5. Apa yang dimaksud dengan parameter dalam konteks pemodelan?

Jawaban: Parameter adalah nilai-nilai yang digunakan dalam model untuk menggambarkan karakteristik sistem.

6. Bagaimana validasi hasil simulasi dilakukan?

Jawaban: Validasi hasil simulasi melibatkan perbandingan hasil simulasi dengan data empiris atau observasi dunia nyata.

7. Apa yang dimaksud dengan "sensitivity analysis" dalam pemodelan dan simulasi?

Jawaban: "Sensitivity analysis" adalah analisis yang mengukur sejauh mana hasil simulasi sensitif terhadap perubahan dalam parameter atau input awal.

8. Apa itu "random variable" dalam simulasi?

Jawaban: "Random variable" adalah variabel yang menggambarkan ketidakpastian dalam model, yang dapat mengikuti distribusi probabilitas tertentu.

9. Bagaimana "Monte Carlo simulation" digunakan dalam pemodelan?

Jawaban: "Monte Carlo simulation" adalah metode simulasi yang menggunakan angka acak untuk memodelkan ketidakpastian dalam sistem.

10. Apa yang dimaksud dengan "event-driven simulation"?

Jawaban: "Event-driven simulation" adalah jenis simulasi di mana perubahan dalam sistem dipicu oleh peristiwa tertentu.

11. Apa yang menjadi tujuan dari "optimization simulation"?

Jawaban: Tujuan dari "optimization simulation" adalah mencari solusi optimal untuk suatu masalah dengan mengubah parameter atau variabel dalam model.

12. Apa yang dimaksud dengan "discrete-event simulation"?

Jawaban: "Discrete-event simulation" adalah jenis simulasi yang fokus pada pemodelan dan analisis peristiwa yang terjadi pada titik waktu tertentu.

13. Bagaimana "simulator" berbeda dari "simulasi"?

Jawaban: "Simulator" adalah perangkat lunak atau perangkat keras yang digunakan untuk menjalankan simulasi.

14. Apa yang dimaksud dengan "simulation time"?

Jawaban: "Simulation time" adalah waktu yang berlalu dalam dunia simulasi dan tidak selalu sesuai dengan waktu nyata.

15. Bagaimana "stochastic simulation" berbeda dari "deterministic simulation"?

Jawaban: "Stochastic simulation" mempertimbangkan ketidakpastian dengan menggunakan elemen acak, sementara "deterministic simulation" mengabaikan ketidakpastian.

16. Apa itu "sensitivity coefficient" dalam analisis sensitivitas?

Jawaban: "Sensitivity coefficient" adalah ukuran sejauh mana perubahan dalam parameter memengaruhi perubahan dalam hasil simulasi.

17. Bagaimana "simulasi Monte Carlo" membantu dalam analisis risiko?

Jawaban: Simulasi Monte Carlo digunakan untuk mengukur dan mengelola risiko dengan memodelkan variasi dalam parameter dan input.

18. Apa yang dimaksud dengan "simulation input data"?

Jawaban: "Simulation input data" adalah data yang digunakan sebagai parameter dan input awal dalam model simulasi.

19. Bagaimana "simulasi waktu nyata" berbeda dari "simulasi biasa"?

Jawaban: "Simulasi waktu nyata" mensimulasikan peristiwa seiring waktu sesuai dengan waktu nyata, sedangkan "simulasi biasa" dapat melompati waktu dengan cepat.

20. Apa itu "distribusi probabilitas"?

Jawaban: "Distribusi probabilitas" adalah fungsi yang menggambarkan peluang berbagai hasil yang mungkin dari suatu peristiwa acak.

21. Apa yang dimaksud dengan "validasi silang" dalam pemodelan dan simulasi?

Jawaban: "Validasi silang" adalah metode di mana hasil simulasi dibandingkan dengan data yang tidak digunakan dalam pengembangan model untuk memastikan keakuratannya.

22. Apa yang dimaksud dengan "respon sistem" dalam analisis sensitivitas?

Jawaban: "Respon sistem" mengacu pada output atau hasil dari sistem yang dihasilkan melalui simulasi.

23. Bagaimana "time-step" memengaruhi simulasi?

Jawaban: "Time-step" adalah interval waktu di mana perubahan dalam simulasi dihitung, dan ukurannya dapat memengaruhi ketelitian hasil simulasi.

24. Apa yang menjadi tujuan dari "simulasi distribusi"?

Jawaban: Tujuan dari "simulasi distribusi" adalah memodelkan variasi dalam parameter atau input dengan menggambarkan distribusi probabilitasnya.

25. Bagaimana "stochastic modeling" digunakan dalam pemodelan sistem?

Jawaban:"Stochastic modeling" menggunakan elemen acak untuk menggambarkan ketidakpastian dalam sistem, sehingga memungkinkan pemodelan sistem yang lebih realistis. 

Hubungan Simulasi & Pemodelan (Ahmad Firdaus Zakaria) PDS5B

 Hubungan Simulasi dan Pemodelan dalam Sebuah Sistem

Pendahuluan:

Dalam dunia yang semakin kompleks saat ini, pemahaman yang mendalam tentang sistem menjadi sangat penting. Simulasi dan pemodelan adalah dua alat yang digunakan untuk mempelajari dan menganalisis sistem secara lebih mendalam. Dalam artikel ini, kita akan menjelajahi hubungan antara simulasi dan pemodelan dalam sebuah sistem.

Definisi Simulasi dan Pemodelan:

Simulasi adalah proses membuat model matematis atau komputer dari suatu sistem yang ingin dipelajari atau dipahami. Model ini digunakan untuk menggambarkan sistem perilaku dalam berbagai skenario. Pemodelan, di sisi lain, adalah proses membuat representasi abstrak dari suatu sistem menggunakan diagram, grafik, atau model fisik. Pemodelan membantu kita dalam memvisualisasikan sistem dan memahami hubungan antara komponen-komponennya.

Tujuan Simulasi dan Pemodelan:

Simulasi dan pemodelan memiliki tujuan yang sama, yaitu memahami dan menganalisis sistem perilaku. Dengan menggunakan simulasi, kita dapat menguji skenario yang berbeda dan melihat bagaimana sistem akan berperilaku dalam situasi yang berbeda. Simulasi memungkinkan kita untuk memprediksi hasil dari suatu kejadian dan mengoptimalkan kinerja sistem. Pemodelan, di sisi lain, membantu kita dalam merancang sistem baru dan memahami struktur serta hubungan antara komponen-komponennya.

Keuntungan Simulasi dan Pemodelan:

Simulasi dan pemodelan memiliki beberapa keuntungan yang sama. Pertama, mereka memungkinkan kita untuk menghindari risiko yang terkait dengan menguji sistem secara langsung. Dengan menggunakan simulasi dan pemodelan, kita dapat menguji berbagai skenario tanpa harus mengganggu sistem yang sebenarnya. Kedua, mereka memberikan kita maksud untuk menguji dan menganalisis sistem dalam lingkungan yang terkendali. Kita dapat mengubah variabel dan parameter sistem sesuai kebutuhan kita. Ketiga, simulasi dan pemodelan memungkinkan kita mengambil keputusan yang lebih baik. Dengan memiliki pemahaman yang mendalam tentang sistem, kita dapat mengambil keputusan yang lebih informasi dan efektif.

Contoh Penggunaan Simulasi dan Pemodelan:

Simulasi dan pemodelan dapat digunakan dalam berbagai bidang. Misalnya, dalam ilmu komputer, simulasi dan pemodelan digunakan untuk menguji dan mengoptimalkan kinerja jaringan komputer. Dalam teknik, simulasi dan pemodelan digunakan untuk merancang dan memprediksi perilaku sistem mekanik. Dalam perekonomian, simulasi dan pemodelan digunakan untuk memprediksi dampak kebijakan ekonomi terhadap pasar. Contoh-contoh ini hanya sebagian kecil dari penggunaan simulasi dan pemodelan dalam berbagai bidang.

Kesimpulan:

Simulasi dan pemodelan adalah alat yang sangat penting dalam memahami dan menganalisis sistem. Mereka saling melengkapi dan memberi kita pemahaman yang mendalam tentang sistem perilaku. Dengan menggunakan simulasi dan pemodelan, kita dapat mengoptimalkan kinerja sistem, merancang sistem baru, dan mengambil keputusan yang lebih baik. Oleh karena itu, penting bagi kita untuk memahami hubungan antara simulasi dan pemodelan dalam sebuah sistem.

Sumber : https://onlinelearning.uhamka.ac.id/my/

Definisi & Pemodelan Simulasi ( Ahmad Firdaus Zakaria)

 Simulasi adalah sebuah proses peniruan operasi sistem dunia nyata dengan memperhitungkan waktu. Metode ini dapat dilakukan secara manual atau menggunakan komputer. Simulasi melibatkan pembuatan data buatan dan sejarah buatan dari sistem yang dituju, pengamatan terhadap data dan sejarah tersebut, serta penarikan kesimpulan terkait dengan karakteristik sistem yang bersangkutan.

Dalam melakukan simulasi, langkah pertama adalah mengembangkan model simulasi yang akan digunakan. Evaluasi model ini biasanya melibatkan penggunaan komputer untuk mengestimasi karakteristik yang diharapkan dari model tersebut. Simulasi diperlukan dalam beberapa kondisi, seperti untuk mempelajari interaksi internal sistem yang kompleks, mengamati dampak perubahan lingkungan atau variabel internal terhadap sistem, meningkatkan kinerja sistem melalui pembangunan model, eksperimen desain baru, dan lainnya. Namun, ada situasi di mana simulasi tidak diperlukan, seperti jika masalah dapat diselesaikan secara sederhana, secara analitik, atau jika biaya dan sumber daya terbatas.

Model, dalam konteks simulasi, adalah representasi sederhana dari suatu sistem, proses, atau teori. Model-model ini dapat disederhanakan, dikontrol, digeneralisasi, atau diidealkan, dan tidak harus mencakup semua atribut dari sistem yang mereka wakili. Deskripsi model harus jelas dan praktis, sehingga sifat-sifat yang relevan dapat ditetapkan dengan baik.

Validasi model merupakan tahap penting dalam penggunaan model tersebut. Setelah divalidasi, model dapat digunakan untuk menyelidiki dan memprediksi perilaku sistem atau menjawab pertanyaan "what-if" untuk memahami lebih baik sistem tersebut. Ada berbagai tipe model, termasuk model fisik seperti model rumah atau jembatan, serta model matematis seperti persamaan E = mc².

Proses pembangunan model melibatkan tiga langkah utama, yaitu observasi sistem riil dan pengumpulan data, konstruksi model konseptual dengan asumsi dan hipotesis, serta penerjemahan model ke bentuk yang dapat diakses oleh komputer. Model yang akan dipelajari lebih lanjut adalah model simulasi peristiwa diskrit, yang merupakan model dinamik dan stokastik.

Sumber : https://onlinelearning.uhamka.ac.id/mod/forum/view.php?id=408900 : https://onlinelearning.uhamka.ac.id/mod/forum/view.php?id=408900