Peranan Simulasi dalam Inovasi

Karena inovasi, terutama inovasi yang radikal, merupakan upaya dengan resiko tinggi, perusahaan selalu berusaha mencari cara-cara untuk mengurangi resiko tersebut. Salah satu cara yang semakin sering dipakai saat ini adalah simulasi. Memang konsep simulasi sudah lama ada. Teknik simulasi seperti Monte Carlo sudah lama beredar. Tetapi perkembangan kemampuan komputer dewasa ini memungkinkan diciptakannya simulasi yang jauh lebih rumit dan realistis. Kemampuan software simulator yang dilengkapi dengan animasi juga membantu orang awam melihat langsung hasil simulasi tanpa harus menganalisis data keluaran berlembar-lembar.


Simulasi menjadi penting karena kompleksitas hubungan sebab akibat di dunia bisnis saat ini. Interaksi antar komponen dan aktor dalam sistem sering sulit diramalkan melalui metode analisis linier yang lebih kita kuasai. Otak kita dirancang untuk menganalisis data berdasarkan rata-rata (mean), dan bukan distribusi statistik. Sebagai contoh, bila kita mengetahui rata-rata layanan di kasir adalah 1 menit, dan setiap menit ada 3 orang yang membutuhkan layanan di kasir, Anda mungkin akan memasang 3 orang kasir bila Anda tidak ingin menciptakan antrian. Benarkah perhitungan tersebut? Ya, memang benar bila semua pelayanan diselesaikan tepat dalam 1 menit. Namun 1 menit di sini adalah rata-rata. Pada kenyataannya, mungkin saja ada transaksi yang membutuhkan waktu 5 menit. Hal-hal seperti ini sulit divisualisasikan dengan pikiran kita, tetapi bisa terlihat dengan mudah melalui simulasi komputer.

Contoh tersebut hanyalah contoh sederhana. Bagaimana dengan proses yang lebih rumit seperti di restoran? Tamu datang dengan rata-rata interval tertentu, dan memesan dengan rata-rata interval tertentu. Pesanan makanan juga berbeda dan makanan berbeda membutuhkan waktu penyajian yang berbeda. Belum lagi pengaruh dari jumlah waiter yang ada saat itu. Jumlah tamu juga mempengaruhi berapa lama mereka akan bersantap. Lalu ada juga unsur hari. Tamu di akhir pekan akan duduk lebih lama dibanding hari-hari biasa. Masing-masing kegiatan di atas memiliki karakteristik yang berbeda. Berapakah jumlah waiter, juru masak, dan kasir yang dibutuhkan? Bisakah Anda menghitungnya, meski dengan bantuan Microsoft Excel?

Otak manusia tidak dilengkapi dengan kemampuan meramalkan efek interaksi rumit seperti itu. Ini masih restoran. Bagaimana dengan proses manufaktur yang pasti lebih rumit lagi? Di sinilah simulasi komputer datang menjadi penyelamat. Tanpa harus mengeluarkan biaya yang besar terlebih dahulu, kita bisa meramalkan apa yang terjadi melalui simulasi yang dibangun dengan biaya yang jauh lebih kecil.

Simulasi tentu saja tidak bisa selalu meramal dengan tepat. Bagaimanapun, keakuratan sebuah model tergantung dari kelengkapan variabel dan data yang dimasukkan. Untuk membuat sebuah simulasi yang bagus, harus dilakukan iterasi terus menerus. Selain itu juga dibutuhkan ahli statistik yang mampu mengumpulkan dan menganalisis data yang dimasukkan. Setelah model awal dibuat, model tersebut harus diuji dulu dengan beberapa set data dari dunia nyata. Hasil simulasi lalu dibandingkan dengan kenyataan. Bila terjadi penyimpangan yang besar, model diperiksa kembali. Lakukan secara terus menerus sampai diperoleh hasil yang lumayan akurat. Barulah setelah itu, model bisa dijalankan dengan data yang lebih lengkap.

Simulasi membantu inovasi dalam beberapa cara. Untuk proses bisnis seperti contoh di atas, simulasi mampu memberikan gambaran secara kasar apa yang akan terjadi bila sebuah inovasi proses dilakukan. Simulasi mampu membantu kita menjawab pertanyaan seperti berapa banyak waktu dan biaya yang dihemat. Sedangkan untuk inovasi produk baru, perusahaan bisa terbantu dalam mengidentifikasi produk baru mana yang menjanjikan potensi keuntungan yang lebih besar, atau adakah pengaruh urutan perkenalan produk baru terhadap kemampulabaan perusahaan. Perusahaan juga bisa melakukan uji sensitivitas (sensitivity analysis) seperti menentukan berapa laju adopsi minimum yang dibutuhkan untuk mencapai break-even point. Untuk memasukkan unsur ketidakpastian, teknik Monte Carlo bisa dijalankan ribuan kali dengan skenario berbeda untuk mendapatkan hasil statistik agregat. Dalam hal ini, simulasi memang tidak bisa menghilangkan ketidakpastian dan memberikan jaminan sukses 100%, tetapi hasilnya akan sangat membantu perusahaan mengantisipasi ketidakpastian tersebut dengan lebih baik.

Selain itu, seperti yang kita ketahui, memperkenalkan inovasi dalam perusahaan sering mengakibatkan gesekan politis dan perbenturan antara asumsi-asumsi lama dan baru. Dengan simulasi, pertentangan semacam itu bisa dikurangi karena pendapat yang ada telah didukung oleh data yang lebih akurat.

Terlepas dari semua keuntungan simulasi, tetap haruslah diingat bahwa simulasi adalah alat bantu. Pada akhirnya, semua keputusan dan hasil akhir harus kembali ke tangan manusia yang menjalankannya.