 Statistical Simulation, menggambarkan sistem yang stochastic maupun static dan digunakan untuk meng-estimate nilai-nilai yang tidak bisa dengan mudah.

Slides:



Advertisements
Presentasi serupa
Statistik dan Parameter
Advertisements

Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
BAB VII TEKNIK EVALUASI DAN REVIEW PROYEK.
 Kita perlu memperhatikan struktur probabilistik yang mendasari pengamatan ini.  Kita menulis Z t untuk pengamatan pada waktu t.  Dalam hal ini,
Pendahuluan Landasan Teori.
Distribusi Probabilitas
Pengenalan Riset Operasional
BAB 1 MENGENAL SIMULASI.
Bab 5. Probabilitas Diskrit
Averill M. Law W. David Kelton.  ( The Nature of Simulation ), teknik penggunaan komputer untuk ‘ imitate ’ atau ‘ simulate ’ operasi-operasi dari berbagai.
EVENT & VARIABLES.
BAB 9 SIMULASI ANTRIAN.
OFC-11: Pengertian Random Number
Distribusi Probabilitas Diskrit BINOMIAL
MONTE CARLO INVENTORY SIMULATION
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
Pemodelan dan Simulasi Sistem (Pendahuluan)
F2F-7: Analisis teori simulasi
1 Pertemuan 25 Troubleshooting : Teknik Simulasi Matakuliah: H0204/ Rekayasa Sistem Komputer Tahun: 2005 Versi: v0 / Revisi 1.
BAB 1 MENGENAL SIMULASI.
Simulasi Monte Carlo.
Analisis Output Pemodelan Sistem.
Pertemuan 18 Aplikasi Simulasi
SIMULASI SISTEM PERSEDIAAN
SIMULASI.
Pemodelan Simulasi Sistem Diskrit
Analisis Model dan Simulasi
DISUSUN OLEH : IPHOV KUMALA SRIWANA
Bagian 4 – DISTRIBUSI DISKRIT Laboratorium Sistem Produksi 2004
DISTRIBUSI PROBABILITAS
MODUL 11. Analisa & Perancangan Kerja 1. Tujuan Instruksional Khusus
BAB I TEKNIK SIMULASI.
SAMPLING PEKERJAAN / UJI PETIK
MODEL SIMULASI Modul 14. PENELITIAN OPERASIONAL I Oleh : Eliyani
Statistik dan Probabilitas
Review probabilitas (2)
PENGUMPULAN DAN PENGOLAHAN DATA
PEMODELAN SISTEM Modul 8 JURUSAN TEKNIK INDUSTRI
PELUANG (PROBABILITY)
DISTRIBUSI PROBABILITAS DISKRIT (1)
DISTRIBUSI PROBABILITAS DISKRIT (1)
MODEL SIMULASI Pertemuan 13
DISUSUN OLEH : IPHOV KUMALA SRIWANA
Distribusi Sampling.
Manajemen sains “Analisis Antrian” oleh: KELOMPOK 13 - STMIK RAHARJA
PRODI MIK | FAKULTAS ILMU-ILMU KESEHATAN
Tutun Juhana Review probabilitas Tutun Juhana
Tutun Juhana Review probabilitas Tutun Juhana
RANDOM VARIATE DISTRIBUSI DISKRIT
Distibusi Probabilitas Statistik Bisnis -8
Random Variable (Peubah Acak)
Distribusi Sampling Tujuan Pembelajaran :
Pengantar Statistik Juweti Charisma.
SIMULASI.
PEMBANGKIT RANDOM NUMBER
SIMULASI SISTEM PERSEDIAAN
DISTRIBUSI PROBABILITAS DISKRET
PEMODELAN SISTEM Dasar pemodelan dan simulasi sistem.
Simulasi Monte Carlo.
DISTRIBUSI VARIABEL RANDOM DISKRIT
BEBERAPA DISTRIBUSI PROBABILITAS DISKRET
Distribusi Variabel Acak Kontiyu
Distribusi Sampling.
BEBERAPA DISTRIBUSI PROBABLITAS DISKRET (SSTS 2305 / 3 sks)
Veni Wedyawati, M. Kom MODEL DAN SIMULASI
COURSE DAY 3.
Monte Carlo Simulation
DISTRIBUSI PROBABILITAS DISKRIT (1)
Transcript presentasi:

 Statistical Simulation, menggambarkan sistem yang stochastic maupun static dan digunakan untuk meng-estimate nilai-nilai yang tidak bisa dengan mudah disimpulkan secara matematik. Sering disebut juga dengan Monte Carlo Simulation.

 Contoh, estimasi luas area bentuk tak-beraturan.  Penyelesaian dengan simulasi statistik : meng-enclose area (dengan bentuk 4 persegi panjang), sebut saja 4 persegi panjang dengan panjang 100 satuan dan lebar 50 satuan. 4 persegi panjang dipetakan pada koordinat X dan Y, sehingga pojok kiri bawah mempunyai koordinat (0,0) dengan 0  X  100 dan 0  Y  50.  Pasangan koordinat (X, Y) akan berada di dalam atau di dalam area tak beraturan.

 Jika pasangan koordinat dipilih secara random, maka akan menghasilkan “sukses” (berada di dalam area) atau “gagal” (di luar area). Jika sejumlah koordinat-koordinat random dibentuk, maka perbandingan “sukses” terhadap ukuran sampel akan mencerminkan perbandingan antara luas area yang dimaksud dengan luas 4 persegi panjang.  Sehingga jika A : ukuran sebenarnya area, m : banyaknya “sukses” dalam n pembentukan pasangan random, maka variabel random diberi nilai 1 untuk sukses, dan 0 jika gagal, mempunyai distribusi Bernoulli. Parameter p diestimasi sebagai m/n untuk n  .  Dalam contoh yang lebih kompleks, bilangan-bilangan random disample dari distribusi-distribusi probabilitas dibanding dengan range-range mereka yang seragam (uniform).

 Hospital  #bed di bangsal (ward) merupakan konstrain pada penggunaan fasilitas RS, pasien diterima di ward, mengikuti pengobatan (treatment), dan dipungut biaya.  Maksud perancangan simulasi ini : menguji pengaruh tingkat resource yang berbeda (seperti, #bed) pada pelayanan yang diberikan pada pasien (diukur dengan waktu tunggu untuk dilayani, atau dengan panjang daftar tunggu).

 Dalam simulasi, kedatangan pasien baru bisa disampelkan dari distribusi statistik dan diletakkan dalam antrian (queue). Jika bed ada yang kosong dan ada pasien di daftar tunggu, maka pasien bisa diterima (dilayani) di ward dan bed digunakan sampai selesai. Kemudian bed dibebaskan dan menjadi bisa digunakan oleh pasien lain.  Permasalahan yang lebih kompleks, jika selain ward ada ruang operasi. Sehingga pasien yang perlu operasi harus dalam daftar tunggu lagi setelah memerlukan bed.

 Hospital case :  Sistem terbuka (open) – obyek-obyek sementara (transient) mengalir melalui system.  Sistem bersifat customer oriented – pasien merupakan obyek utama yang diperhatikan.  Sistem berlangsung terus menerus – masuk dan keluar dari RS bisa diduga berlanjut sampai waktu mendatang.  Aktifitas bisa berakhir berhari-hari bahkan berminggu-minggu.

 Summary of Hospital System ◦ Tujuan (objectives)  Mengamati pengaruh pemakaian bed dan ruang operasi pada daftar tunggu pasien. ◦ Asumsi-asumsi Awal (Initial Assumptions)  Sistem berjalan terus menerus tanpa istirahat untuk akhir pekan atau hari-hari libur.  Pasien yang tidak perlu operasi dianggap pasien emerjensi dan dilayani berdasarkan pilihan yang akan melayani.

◦ Variabel-variabel Keputusan (Decision variables)  Banyaknya beds.  Waktu buka ruang operasi. ◦ Tanggapan-tanggapan (Responses) ◦ Daftar tunggu dan waktu tunggu pasien. ◦ Kejdian-kejadian (events)  Kedatangan pasien, penerimaan (pelayanan), mulai operasi, akhir operasi dan pembayaran.  Ruang operasi buka, ruang operasi tutup.