Verifikasi Dan Validasi Model [PDF]

Citation preview

Verifikasi dan Validasi Model



Model simulasi harus dapat merepresentasikan sistem nyata yang dimodelkannya, sehingga hasil



simulasi yang diperoleh dapat dijadikan dasar dalam proses pengambilan keputusan. Untuk



memastikan bahwa model sudah merepresentasikan sistem nyatanya (model memiliki karakteristik yang sama dengan karakteristik sistem nyatanya), diperlukan proses verifikasi dan validasi.



1. Verifikasi Model



Verifikasi adalah proses menentukan apakah model beroperasi sesuai dengan yang



direncanakan melalui debugging terhadap program komputer. Dengan demikian, verifikasi memeriksa penterjemahan model simulasi konseptual ke dalam program yang berjalan



dengan benar. Meskipun verifikasi sederhana secara konsep, debugging terhadap simulasi berskala besar sulit dilakukan dan merupakan pekerjaan yang berat. [Law & Kelton, hal. 299].



Proses verifikasi terdiri atas pengisolasian dan perbaikan kesalahan yang tidak



diinginkan dalam model. Secara teoritis, salah satu bagian penting dalam verifikasi model adalah penggunaan test case yang dapat mengungkapkan kesalahan logika dalam model



secara efektif. Hal ini dapat dilakukan dengan cara menetapkan parameter yang ekstrim untuk memaksa interaksi antar komponen sistem dalam model, seperti : 



Meningkatkan tingkat kedatangan atau mengurangi tingkat pelayanan (menambah waktu







Mengurangi kapasitas antrian untuk memaksa proses balking dalam sistem antrian.



 



pelayanan) untuk menciptakan kepadatan dalam model.



Mengubah komposisi jenis kargo untuk meningkatkan peluang terjadinya/datangnya kargo yang memiliki peluang terjadi yang kecil.



Mengurangi tingkat kedatangan untuk dan atau meningkatkan tingkat pelayanan (mempercepat waktu pelayanan) untuk memaksa kekosongan dalam model.



Keberhasilan verifikasi sering tergantung pada kemampuan memahami interaksi



kompleks yang terjadi di antara komponen dalam model. Dari semua teknik yang tersedia untuk membantu melakukan proses yang sulit ini, animasi adalah alat bantu yang ampuh. Hanya animasi yang dapat menampilkan gambar yang bergerak secara dinamis dalam



berbagai interaksi yang terjadi selama simulasi. Animasi menampilkan informasi yang sama [email protected]



Verifikasi & Validasi Model |1



untuk seluruh komponen model secara simultan. Tampilan yang simultan ini mempermudah



kita mengikuti interaksi kompleks yang terjadi dalam model. [Pegden, Shannon, & Sadowski, hal. 133-148].



2. Validasi Model



Validasi adalah proses pencapaian suatu tingkat penerimaan kepercayaan bahwa



kesimpulan yang ditarik dari model adalah benar dan dapat diterapkan pada sistem nyata



yang sedang dimodelkan. [Pegden, Shannon, & Sadowski, hal. 133]. Validasi berkaitan



dengan menentukan apakah model simulasi konseptual adalah representasi akurat dari sistem yang sedang dipelajari. Jika model sudah dinyatakan valid, maka keputusan yang dibuat



berdasarkan model tersebut, sama dengan keputusan yang akan dibuat dengan cara



bereksperimen secara fisik dengan sistem nyata (jika memungkinkan). [Law & Kelton, hal. 299].



Setiap proses validasi harus menguji hubungan antara asumsi dasar pemodelan dengan



sistem yang sedang dimodelkan. Berikut ini adalah beberapa pengujian yang dapat digunakan: [Pegden, Shannon, & Sadowski, hal. 157] 



Face Validity, yaitu validitas yang dicapai dengan meminta pendapat orang-orang yang tidak asing dan atau mengenal baik sistem, apakah model dan atau perilakunya layak atau tidak. Teknik ini dapat digunakan untuk memvalidasi kebenaran logika model dan



kelayakan hubungan input-output model. Face Validity sering digunakan bersama-sama dengan animasi, di mana perilaku operasional model diperlihatkan secara grafis selama 



model berjalan.



Parameter and Relationships, yaitu pengujian asumsi dasar mengenai hubungan nilai-nilai parameter dan variabel-variabel yang akan dijalankan jika fisibel. Biasanya berupa pengujian statistik.







Structural and Boundary Verification. Sasaran yang ingin dicapai adalah memastikan







Sensitivity Analysis. Dengan memvariasikan nilai-nilai parameter dan memperhatikan



bahwa struktur model tidak kontradiktif dengan kenyataan.



bagaimana perubahan tersebut mempengaruhi perilaku model, kita dapat merasakan



pengaruh ketidakpastian pada nilai-nilai parameter. Jika perubahan kecil nilai-nilai parameter menghasilkan implikasi keputusan atau kebijakan yang berbeda, kita harus mencurigai hasil yang kita peroleh.



Pengujian validasi yang paling meyakinkan adalah pengujian perilaku model dalam



hubungannya dengan perilaku sistem yang dimodelkan. Banyak pengujian statistik dapat digunakan untuk membandingkan output model dengan output sistem yang dimodelkan, di



antaranya Uji Chi-Square Dua Sampel dan Uji Kolmogorov-Smirnov Dua Sampel, yang dapat



[email protected]



Verifikasi & Validasi Model |2



digunakan untuk menentukan apakah distribusi yang dijadikan dasar bagi kedua set data (hasil observasi dan hasil simulasi) adalah sama atau tidak. [Law & Kelton, hal. 314-315]



Tidak berbeda dengan Uji Chi-Square Satu Sampel dan Uji Kolmogorov-Smirnov Satu



Sampel pada pengujian kesesuaian bentuk distribusi (Goodness of Test), Uji Chi-Square Dua Sampel dapat digunakan untuk menguji sampel diskrit maupun kontinyu namun menuntut ukuran sampel yang besar, sedangkan Uji Kolmogorov-Smirnov Dua Sampel hanya cocok untuk menguji sampel kontinyu namun tidak menuntut ukuran sampel yang besar. Mengingat hal tersebut, Uji Chi-Square dapat digunakan untuk membandingkan output simulasi yang



bersifat diskrit seperti tingkat kedatangan entity per satuan waktu tertentu, sedangkan Uji Kolmogorov-Smirnov akan digunakan untuk membandingkan output sistem yang bersifat kontinyu seperti waktu antar kedatangan, waktu pelayanan, waktu perjalanan/transportasi, dll.



Proses validasi (pengujian kecocokan perilaku model dengan perilaku sistem yang



dimodelkan) dilakukan dengan Uji Hipotesis dengan prosedur berikut ini : 1) Hipotesis :



H0 : Tidak ada perbedaan antara perilaku model dengan perilaku sistem yang dimodelkan (Model Valid).



H1 : Terdapat perbedaan antara perilaku model dengan perilaku sistem yang dimodelkan (Model Tidak Valid).



2) Statistik Pengujian (Test Statistics): a.



Jika menggunakan Chi-Square Dua Sampel :



 (o r



2 



k



i 1 j 1



dengan :



ij



eij



 eij ) 2



r = jumlah kelas atau interval



k = jumlah sampel yang dibandingkan = 2 (sampel dari model dan sampel dari sistem nyata yang dimodelkan)



oi1 = frekuensi observasi untuk kelas/interval ke-i sampel ke-1 (model)



oi2 = frekuensi observasi untuk kelas/interval ke-i sampel ke-2 (sistem nyata yang dimodelkan)



ei1 = frekuensi ekspektasi untuk kelas/interval ke-i sampel ke-1 (model)



ei2 = frekuensi ekspektasi untuk kelas/interval ke-i sampel ke-2 (sistem nyata b.



yang dimodelkan)



Jika menggunakan Kolmogorov-Smirnov Dua Sampel



D  MaxFr1  Fr2 



dengan :



[email protected]



Verifikasi & Validasi Model |3



Fr1 = frekuensi kumulatif relatif sampel yang diambil dari output model, untuk setiap kelas/interval



Fr2 = frekuensi kumulatif relatif sampel yang diambil dari sistem yang dimodelkan, untuk setiap kelas/interval



3) Kriteria Penolakan H0 : a.



b.



Jika menggunakan Uji Chi-Square Dua Sampel :



Tolak Ho jika 2 > 2(r-1) (k-1) ; dengan  = (r – 1)(k – 1) ; r = jumlah kelas/interval; dan k = jumlah macam sampel yang dibandingkan = 2.



Jika menggunakan Uji Kolmogorov-Smirnov Dua Sampel :



Tolak Ho jika D > D(,) ; dengan  = jumlah data (sample size).



4) Kesimpulan : 







Jika H0 diterima, maka kesimpulan yang harus diambil adalah bahwa model



dinyatakan valid karena perilaku model tidak berbeda dengan perilaku sistem nyata yang dimodelkan.



Jika H0 ditolak, maka kesimpulan yang harus diambil adalah bahwa model dinyatakan tidak valid karena perilaku model berbeda dengan perilaku sistem nyata yang dimodelkan.



[email protected]



Verifikasi & Validasi Model |4