1. Model
Model adalah pola (contoh, acuan, ragam) dari sesuatu yang akan dibuat atau dihasilkan (Depdikbud, 1984). Pengertian lain, model merupakan abstraksi dari suatu realitas sebagai penyederhanaan dengan memusatkan perhatian pada beberapa sifat dari kehidupan sebenarnya (Simamarta, 1983) [2].
Menurut Ramos , et al.( 2012) model adalah representasi dari bagian yang dipilih dari kehidupan, yakni domain yang menarik, meliputi aspek-aspek penting, dari sudut pandang tertentu, termasuk di dalamnya ada penyederhanaan dengan menghilangkan aspek yang tidak relevan. Istilah model itu sendiri berasal dari Bahasa Latin, yaitu modulus, yang berarti ukuran, aturan, pola, atau contoh yang harus diikuti . Selanjutnya, Ludewig menjelaskan bahwa ada tiga indikator yang harus dipenuhi oleh statu model agar model tersebut dikatakan baik, yaitu “kriteria pemetaan (mapping criterion)”, yang berarti bahwa model harus merefleksikan objek, “kriteria pengurangan (reduction criterion)”, berarti bahwa model hanya mewakili satu atau beberapa karakter objek dan tidak perlu menggambarkan semua karakter objek. Dalam hal ini, yang mewakili karakter objek adalah karakter yang paling kmenonjol pada objek. Kriteria selanjutnya adalah “kriteria pragmatis (pragmatic criterion)”, yakni model tersebut harus menjadi duplikasi objek asli [4].
2. Simulasi
Simulasi merupakan metode untuk melakukan percobaan dengan berbasis pada model dari satu sistem nyata (Siagian, 1987). Menurut Hasan (2002), simulasi dapat digunakan sebagai cara pengambilan keputusan dari suatu sistem yang sebenarnya (karena telah dimodelkan) tanpa harus benar-benar dilakukan pada keadaan yang sesungguhnya. Dengan demikian, simulasi merupakan teknik yang dapat digunakan untuk memformulasikan dan memecahkan model-model dari berbagai sistem kehidupan. Oleh karenanya Schroeder (1997) mengatakan bahwa apabila semua cara gagal, lakukanlah dengan cara simulasi [5].
Dalam prakteknya, simulasi merupakan suatu kegiatan untuk meniru aktivitas operasional atau proses bisnis dalam suatu sistem, menggunakan perangkat komputer yang disertai sejumlah asumsi (Law and Kelton, 1991). Komputer digunakan untuk memahami sistem secara numerik melalui pengumpulan data untuk estimasi statistik dalam rangka memperoleh sifat asli sistem. Cara seperti ini dapat lebih murah dibandingkan apabila dilakukan secara eksperimental langsung [5].
Oleh karena itu, ada sejumlah kelebihan simulasi sebagai pengujian suatu model sebagai berikut:
- Simulasi adalah cara pembuktian suatu model yang apabila dilakukan dengan cara analitik gagal.
- Simulasi dipandang lebih realistis dalam mewakili perilaku sistem nyata karena asumsinya yang lebih sedikit.
- Perubahan konfigurasi dan struktur dalam simulasi lebih sederhana jika diperlukan untuk menjawab pelbagai kemungkinan perubahan perilaku sistem.
- Dalam banyak hal, simulasi jelas lebih murah.
3. Simulasi Monte Carlo
Metode Monte Carlo merupakan dasar semua algoritma dari metode simulasi yang didasari pada pemikiran, bahwa penyelesaian suatu masalah harus dengan hasil yang lebih baik, melalui penggunaan nilai sebanyak-banyaknya (nilai bangkitan/ Generated Random Number atau Random Number Generator). Hal ini dilakukan dalam rangka memperoleh ketelitian yang lebih tinggi. Metode ini mengutamakan pemrograman yang bebas sehingga tanpa telalu terikat dengan rule atau aturan tertentu [1].
Dengan kata lain, metode Monte Carlo merupakan metode untuk menghitung atau memperkirakan nilai atau solusi menggunakan angka acak, probabilitas, dan statistik. Metode ini terkait erat dengan bidang probabilitas dan statistika karena penerapannya membutuhkan sampel acak. Metode Monte Carlo dapat diaplikasikan ke dalam berbagai bidang, seperti ekonomi, kimia, teknologi nuklir, teknologi informasi dll.
Hal yang lain dari simulasi Monte Carlo adalah bahwa metode ini membalikkan bentuk simulasi yang umum dipakai. Metode ini mencari kemungkinan terlebih dahulu sebelum memahami permasalahan yang ada. Sementara yang lain, menggunakan simulasi untuk menguji masalah yang sebelumnya telah dipahami. Sebenarnya pendekatan terbalik ini sudah ada sejak lama, namun baru populer setelah metode Monte Carlo digunakan [3].
Metode ini cocok digunakan dalam kondisi model yang cukup kompleks, non linear atau melibatkan lebih dari sepasang parameter tidak pasti. Sebuah simulasi Monte Carlo dapat melibatkan 10.000 evaluasi atas sebuah model, suatu pekerjaan di masa lalu yang hanya bisa dikerjakan oleh sebuah software komputer.
Suatu model memerlukan parameter input dan beberapa persamaan yang digunakan untuk menghasilkan output. Dengan menggunakan parameter input berupa bilangan random, maka dapat mengubah suatu model deterministik menjadi model stokastik, dimana model deterministik merupakan suatu model pendekatan yang diketahui dengan pasti sedangkan model stokastik tidak pasti.
Simulasi Monte Carlo adalah metode untuk menganalisa perambatan ketidakpastian. Cara ini dapat digunakan untuk menentukan bagaimana variasi random atau error mempengaruhi sensitivitas, performa atau reliabilitas dari sistem yang sedang dimodelkan. Simulasi Monte Carlo digolongkan sebagai metode sampling karena input dibangkitkan secara random dari suatu distribusi probabilitas untuk proses sampling dari suatu populasi nyata. Oleh karena itu, suatu model harus memilih suatu distribusi input yang paling mendekati data yang dimiliki (Rubinstein, 1981) [1].
Reference
- Ahmad, M., “Teknik Simulasi dan Pemodelan”, http://www.unhas.ac.id/lkpp/tani/Mahmud%20-%20BAB%207.pdf, diakses tgl 30 Januari, 2014.
- Chairulah, A., W., “Tinjauan Pustaka”, http://damandiri.or.id/file/abdwahidchairulahunairbab2.pdf, diakses tgl 29 Januari 2014.
- Nadinastiti, “Metode Monte Carlo”, Sekolah Teknik Elektro dan Informatika ITB, 2010.
- Ramos, A.L., Ferreira, J.V. & Barcel´o, J., “Model-Based Systems Engineering: An Emerging Approach for Modern Systems”, IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS—PART C: APPLICATIONS AND REVIEWS, 42(1), 101-111, 2012.
- —-,”Pengertian Simulasi”, http://id.scribd.com/doc/57521941/Pengertian-Simulasi, diakses tgl 29 Januari 2014.