antrian

Model – model Simulasi
Model – model simulasi yang ada dapat dikelompokkan ke dalam beberapa
penggolongan, antara lain :
1. Model Stochastic atau probabilistic
Model stokastik adalah model yang menjelaskan kelakuan sistem secara
probabilistik; informasi yang masuk adalah secara acak
(http://sipoel.unimed.in/file.php/44/COURSE/ BAB_I/BAB1.doc). Model ini
kadang – kadang juga disebut sebagai model simulasi Monte Carlo. Di
dalam proses stochastic sifat – sifat keluaran (output) merupakan hasil
dari konsep random (acak). Meskipun output yang diperoleh dapat
dinyatakan dengan rata – rata, namun kadang – kadang ditunjukkan pula
pola penyimpangannya. Model yang mendasarkan pada teknik peluang
dan memperhitungkan ketidakpastian (uncertainty) disebut model
probabilistic atau model stokastik (http://www.dephut.go.id/INFORMASI/
INTAG/PKN/Makalah/SISTEM_DAN_MODEL%20_Tim_P4W.pdf).
2. Model Deterministik
Pada model ini tidak diperhatikan unsur random, sehingga pemecahan
masalahnya menjadi lebih sederhana.
3. Model Dinamik
Model simulasi yang dinamik adalah model yang memperhatikan
perubahan – perubahan nilai dari variabel – variabel yang ada kalau
terjadi pada waktu yang berbeda.
4. Model Statik
Model statik adalah kebalikan dari model dinamik. Model statik tidak
memperhatikan perubahan – perubahan nilai dari variabel – variabel yang
ada kalau terjadi pada waktu yang berbeda.
5. Model Heuristik
Model heuristik adalah model yang dilakukan dengan cara coba – coba,
kalau dilandasi suatu teori masih bersifat ringan, langkah perubahannya
dilakukan berulang – ulang, dan pemilihan langkahnya bebas, sampai
diperoleh hasil yang lebih baik, tetapi belum tentu optimal (Subagyo,
2000).
 Langkah – Langkah Dalam Proses Simulasi
Pada umumnya terdapat 5 langkah pokok yang diperlukan dalam
menggunakan simulasi, yaitu :
1. Menentukan persoalan atau sistem yang hendak disimulasi.
2. Formulasikan model simulasi yang hendak digunakan.
3. Ujilah model dan bandingkan tingkah lakunya dengan tingkah laku dari
sistem nyata, kemudian berlakukanlah model simulasi tersebut.
4. Rancang percobaan – percobaan simulasi.
5. Jalankan simulasi dan analisis data (Levin, dkk, 2002).
2.7. Pengujian Distribusi
Hipotesis statistik adalah pernyataan atau dugaan mengenai satu atau lebih
populasi. Benar atau salahnya suatu hipotesis tidak akan pernah diketahui
dengan pasti, kecuali bila seluruh populasinya diperiksa. Tentu saja, dalam
kebanyakan situasi hal itu tidak mungkin dilakukan. Oleh karena itu, dapat
diambil suatu contoh acak dari populasi tersebut dan menggunakan informasi
yang dikandung contoh itu untuk memutuskan apakah hipotesis tersebut
kemungkinan besar benar atau salah. Bukti dari contoh yang tidak konsisten
dengan hipotesis yang dinyatakan tentu saja membawa pada penolakan
hipotesis tersebut, sedangkan bukti yang mendukung hipotesis akan membawa
pada penerimaannya (Walpole, 1990).
Hipotesis yang dirumuskan dengan harapan akan ditolak membawa
penggunaan istilah hipotesis nol yang dilambangkan dengan Ho. Penolakan Ho
mengakibatkan penerimaan suatu hipotesis alternatif, yang dilambangkan
dengan H1.
Pada penelitian ini digunakan uji chi kuadrat, untuk menguji apakah frekuensi
yang diamati menyimpang secara significance dari suatu distribusi frekuensi
yang diharapkan.
Menurut Spiegel (1988), suatu ukuran mengenai perbedaan yang terdapat
antara frekuensi yang diharapkan dengan yang diamati untuk uji chi – kuadrat
adalah
å=
= -
k
i i
i i
e
o e
1
2
2 ( ) c
Dimana : k = jumlah kategori
i o = frekuensi yang diamati, kategori ke – i
i e = frekuensi yang diharapkan, kategori ke – i
Bila frekuensi yang teramati sangat dekat dengan frekuensi harapannya, nilai
c2 akan kecil, menunjukkan adanya keselarasan. Bila frekuensi yang teramati
berbeda cukup besar dari frekuensi harapannya, nilai c2 akan besar,
menunjukkan terjadinya penyimpangan.