bab i
DESCRIPTION
simulasiTRANSCRIPT
![Page 1: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/1.jpg)
BAB IPENDAHULUAN
1.1Latar Belakang
Menurut L. James Havery (2000), sistem adalah prosedur logis dan
rasional untuk merancang suatu rangkaian komponen yang
berhubungan satu dengan yang lainnya dengan maksud untuk
berfungsi sebagai suatu kesatuan dalam usaha mencapai suatu ujian
yang telah ditentukan. Di dalam masing-masing sistem memiliki
karekteristik dan perilaku khusus. Ketika suatu sistem diciptakan,
diharapkan mampu bekerja secara optimal, namun pada
kenyataannya sering sekali sistem tidak bekerja secara optimal.
Banyak faktor yang secara tidak langsung menjadi penyebab
timbulnya kemungkinan suatu sistem tidak dapat bekerja secara
optimal, beberapa faktor diantaranya man, machine, method,
material, dan money. Untuk meminimalisir kekurangan dan
kesalahan sistem dalam bekerja, maka muncul suatu pendekatan
ilmiah guna menganalisis sistem nyata dalam formulasi matematis
yang dievaluasi secara numerik dengan bantuan komputer untuk
mengestimasikan karakteristik dan perilaku yang mewakili sistem
tersebut. Selain itu, sistem dapat dipelajari secara lebih mendalam
sehingga dapat ditemukan masalah-masalah di dalam sistem dan
dapat dicari pemecahannya. Pendekatan ini disebut dengan simulasi.
Dengan menggunakan simulasi kecepatan suatu sistem dapat
disesuaikan dengan keinginan sehingga tanpa perlu mengamati
sistem nyata kita dapat mempelajari dan mendalami suatu sistem,
dengan waktu pengamatan yang minimal. Selain itu, dengan simulasi
akan lebih menghemat biaya dan sumber daya.
Seiring dengan perkembangan jaman muncul software yang dapat
digunakan untuk pemrograman yang juga menawarkan keunggulan
tertentu, seperti contohnya software Promodel yang digunakan dalam
praktikum kali ini. Promodel sendiri merupakan high-level program
![Page 2: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/2.jpg)
dan specify purpose simulation yang memiliki keunggulan friendly
user interface serta mampu menganalisis sistem produksi dari semua
tipe dan ukuran secara spesifik.
Dengan demikian, diharapkan dengan penggunaan Promodel
nantinya dapat memperbaiki sistem yang ada pada Galeri Kampung
Coklat. Galeri Kampung Coklat merupakan galeri yang bergerak di
bidang makanan. Kampung Coklat terletak di Plosorejo, Blitar, Jawa
Timur. Galeri ini menjual segala macam olahan coklat mulai dari
coklat bar sampai bibit coklat. Pada galeri ini, pelanggan yang datang
harus membeli tiket untuk masuk ke Kampung Coklat. Tiket ini
nantinya akan digunakan untuk membeli produk olahan coklat.
Pembeli dapat mencicipi olahan coklat bar dari yang manis hingga
yang pahit. Setelah itu, pembeli dapat menukarkan tiket masuknya
untuk membeli berbagai olahan coklat sesuai nominal di dalam tiket
tersebut. Masalah yang dihadapi dalam sistem Galeri Kampung Coklat
adalah lokasi di meja pilih coklat yang tersedia tidak sesuai dengan
jumlah pelanggan datang serta ingin mengetahui proses mana yang
menjadi penyebab terjadinya WIP. Sehingga kita harus memodelkan
sistem pembelian coklat agar nantinya tidak terjadi antrian yang
berlebih saat memilih coklat. Pengambilan data dilakukan pada
masing-masing pelayanan dan waktu antar kedatangan pelanggan.
Data yang diperoleh nantinya akan disimulsikan dengan software
Promodel serta dilakukan analisis terhadap outputnya. Hasil analisis
nantinya akan dapat memperbaiki sistem kerja menjadi lebih baik.
1.2Tujuan
Tujuan dari praktikum Promodel ini adalah sebagai berikut.
1. Mengetahui dan memahami tentang sistem, model dan simulasi
pada Galeri Kampung Coklat.
2. Membuat model konseptual petrinet mengenai sistem pada Galeri
Kampung Coklat.
![Page 3: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/3.jpg)
3. Mengaplikasikan dan menggunakan Promodel untuk simulasi pada
Galeri Kampung Coklat.
4. Menganalisis hasil simulasi pada Galeri Kampung Coklat.
1.3 Manfaat
Manfaat dari praktikum Promodel ini adalah sebagai berikut.
1. Dapat mengetahui dan memahami tentang sistem, model dan
simulasi pada Galeri Kampung Coklat.
2. Dapat merancang model konseptual petrinet mengenai sistem
Galeri Kampung Coklat.
3. Dapat mengaplikasikan dan menggunakan Promodel untuk
simulasi pada Galeri Kampung Coklat.
4. Praktikan dapat menganalisis hasil simulasi pada Galeri Kampung
Coklat.
1.4Batasan
Batasan dari praktikum ini adalah sebagai berikut.
1. Data yang diambil adalah data proses pembelian di Galeri
Kampung Coklat.
2. Data yang diambil adalah waktu kedatangan dan waktu proses
yang dilakukan oleh pelanggan yaitu pembelian tiket, mencicip,
memilih coklat, dan pembayaran.
3. Data yang diambil sebanyak 50 replikasi.
4. Entitas yang dimodelkan adalah pelanggan.
1.5Asumsi
Asumsi dari praktikum ini adalah sebagai berikut.
1. Pengamatan dilakukan saat jam buka pada Galeri Kampung
Coklat.
![Page 4: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/4.jpg)
2. Pelanggan yang diamati adalah pelanggan yang datang tidak
dengan rombongan.
3. Pelanggan yang diamati adalah pelanggan yang melakukan
aktivitas dari awal sampai selesai.
4. Rata-rata pelanggan yang datang setiap harinya 275 pelanggan.
5. Pekerja bekerja dengan keadaan normal.
6. Tidak terjadi kerusakan pada mesin kasir.
7. Pada 1 lokasi hanya dapat memuat 1 pelanggan.
Halaman ini sengaja dikosongkan
![Page 5: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/5.jpg)
BAB IITINJAUAN PUSTAKA
2.1Sistem
Menurut Gordon B. Davis (1984), sebuah sistem terdiri dari
bagian-bagian yang saling berkaitan yang beroperasi bersama untuk
mencapai beberapa sasaran atau maksud. Sedangkan menurut
Raymond Meleod (2001), Sistem adalah himpunan dari unsur-unsur
yang saling berkaitan sehingga membentuk suatu kesatuan yang
utuh dan terpadu. Secara umum sistem didefinisikan sebagai
kumpulan elemen yang bekerja bersama untuk mencapai tujuan yang
diharapkan (Blanchard, 1991). Sedangkan menurut Schmidt & Taylor
(1970), sistem didefinisikan sebagai kumpulan entitas yang berperan
dan berinteraksi dalamj mencapai tujuan tertentu.
2.1.1 Karakteristik Sistem
Sistem memiliki beberapa karakteristik antara lain:
1. Kejadian (event), merupakan suatu peristiwa yang dapat merubah
keadaan sistem.
2. Aktivitas (activity), merupakan suatu proses yang menyebabkan
perubahan dalam sistem yang dapat merubah atribut maupun
entity.
3. Hubungan (relationship), merupakan kesinambungan interaksi
antara dua objek atau lebih yang memudahkan proses
pengenalan satu akan yang lain.
4. Antarmuka penghubung (interface), merupakan media
penghubung antar subsistem.
5. Elemen-elemen, merupakan komponen bagian dari sistem yang
berupa entitas atau subsistem:
a. Entitas: merupakan kumpulan objek yang terdefinisikan yang
mempunyai karakteristik sama dan bisa dibedakan satu dan
lainnya.
![Page 6: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/6.jpg)
b. Subsistem: komponen atau bagian dari suatu sistem yang
dapat berupa fisik ataupun abstrak.
6. Atribut merupakan sebutan, sifat atau karakteristik yang memiliki
elemen sistem. Terdapat dua macam atribut, yaitu:
a. Parameter: merupakan suatu nilai yang besarannya dianggap
tetap selama model simulasi dijalankan.
b. Variabel: merupakan informasi yang mencerminkan
karakteristik suatu sistem, yang mengikat sistem secara
keseluruhan sehingga semua entity dapat mengandung
variabel yang sama, dalam Promodel dikenal variabel local dan
global.
7. Batas sistem (boundary), merupakan daerah yang membatasi
antar sistem atau lingkungan luarnya.
8. Lingkungan luar (environment), merupakan kondisi ataupun
entitas di luar dari sistem yang mempengaruhi operasi sistem.
9. Masukan sistem (input), merupakan suatu energi yang
dimasukkan ke dalam sistem.
10. Pengganggu (disturbance/noise), merupakan faktor-faktor yang
menyebabkan terjadinya kesalahan pada sistem.
11. Keluaran sistem (output), merupakan hasil dari energy yang
diolah dan diklasifikasikan menjadi keluaran.
12. Umpan balik (feedback), merupakan reaksi dan respon
stakeholder atas sistem yang dilakukan.
13. Ukuran performansi sistem dibagi menjadi dua:
a. Transient state: yaitu situasi awal setelah sistem dimulai atau
diinisialisasikan (start-up or warm-up period).
b. Steady state: yaitu keadaan stabil memiliki berbagai property
yang tidak berubah dalam waktu.
14. Proses pengolahan (transformation process), merupakan suatu
proses yang akan merubah masukan menjadi keluaran.
![Page 7: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/7.jpg)
15. Perilaku sistem (behaviour), merupakan perilaku dari sistem yang
melibatkan masukan, pengolahan, dan keluaran.
2.1.2 Klasifikasi Sistem
Sistem dapat diklasifikasikan dari beberapa sudut pandang,
diantaranya sebagai (Law and Kelton, 2000) berikut:
Sistem diklasifikasikan menjadi beberapa jenis yaitu:
1. Sistem Abstrak (Abstract Sistem) dan Sistem Fisik (Physical
Sistem)
Sistem abstrak adalah sistem yang berupa pemikiran atau ide-ide
yang tidak tampak secara fisik. Contoh: Sistem Teologia yaitu
sistem yang berupa pemikiran-pemikiran hubungan antara
manusia dengan Tuhan. Sistem fisik adalah sistem yang ada
secara fisik. Contoh: sistem komputer, sistem akuntansi, sistem
produksi dll.
2. Sistem Alamiah (Natural Sistem) dan Sistem Buatan Manusia
(Human Made Sistem)
Sistem alamiah adalah sistem yang terjadi melalui proses alam
dan tidak dibuat manusia. Contoh: Sistem perputaran bumi.
Sistem buatan manusia adalah sistem yang dirancang oleh
manusia dan melibatkan interaksi antara manusia dengan mesin
disebut dengan man-machine system. Sistem informasi
merupakan contoh man-machine system, karena menyangkut
penggunaan komputer yang berinteraksi dengan manusia.
3. Sistem Tertentu (Deterministic Sistem) dan Sistem Tak Tentu
(Probabilistic Sistem)
Sistem tertentu beroperasi dengan tingkah laku yang sudah dapat
diprediksi. Interaksi diantara bagian-bagiannya dapat dideteksi
dengan pasti, sehingga keluaran dari sistem dapat diramalkan.
Sistem komputer adalah contoh dari sistem tertentu yang tingkah
lakunya dapat dipastikan berdasarkan program-program yang
![Page 8: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/8.jpg)
dijalankan. Sistem tak tentu adalah sistem yang kondisi masa
depannya tidak dapat diprediksi karena mengandung unsur
probabilitas.
4. Sistem Tertutup (Closed Sistem) dan Sistem Terbuka (Open
Sistem)
Sistem tertutup merupakan sistem yang tidak berhubungan dan
tidak terpengaruh dengan lingkungan luarnya. Sistem ini bekerja
secara otomatis tanpa adanya turut campur tangan dari pihak
diluarnya. Secara teoritis sistem tertutup ini ada, tetapi
kenyataannya tidak ada sistem yang benar-benar tertutup, yang
ada hanyalah relatively closed system (secara relatif tertutup,
tidak benar-benar tertutup).
Sistem terbuka adalah sistem yang berhubungan dan terpengaruh
dengan lingkungan luarnya. Sistem ini menerima masukan dan
menghasilkan keluaran untuk lingkungan luar atau subsistem
yang lainnya. Karena sistem sifatnya terbuka dan terpengaruh
oleh lingkungan luarnya, maka suatu sistem harus mempunyai
suatu sistem pengendalian yang baik. Sistem yang baik harus
dirancang sedemikian rupa, sehingga secara relatif tertutup
karena sistem tertutup akan bekerja secara otomatis dan terbuka
hanya untuk pengaruh yang baik saja.
2.2Model
Definisi dari model adalah abstraksi dari sistem sebenarnya,
dalam gambaran yang lebih sederhana serta mempunyai tingkat
prosentase yang bersifat menyeluruh, atau model aadalah abstraksi
dari realita dengan hanya memusatkan perhatian pada beberapa sifat
dari kehidupan sebenarnya (Harrell, 2012).
2.2.1 Stakeholder dari Pemodelan
Stakeholder sering dinyatakan sebagai para pihak, lintas pelaku,
atau pihak-pihak yang terkait dengan suatu issu atau suatu rencana.
![Page 9: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/9.jpg)
Beberapa defenisi yang penting dikemukakan seperti Freeman (1984)
yang mendefenisikan stakeholder sebagai kelompok atau individu
yang dapat memengaruhi dan atau dipengaruhi oleh suatu
pencapaian tujuan tertentu. Macam-macam stakeholder antara lain:
1. Problem Owner, merupakan individu atau sekelompok orang yang
memiliki kewenangan mengendalikan permasalahan. Contoh dari
problem owner adalah pemilik perusahaan, atau dalam sistem
yang lebih kecil yaitu supervisor.
2. Problem User, merupakan individu atau kelompok orang yang
menggunakan solusi model untuk memecahkan masalah,
meningkatkan kinerja dan mengeksekusinya. Contohnya adalah
para pekerja dalam sistem.
3. Problem Customer, merupakan pihak yang mendapatkan manfaat atau
menjadi objek akibat penerapan solusi. Contohnya adalah
konsumen.
4. Problem Analyst, merupakan pihak yang menganalisis masalah
dan mendapatkan solusi kemudian disampaikan kepada problem
owner untuk mendapatkan persetujuan. Contohnya misalnya
manager sebagai decision maker dalam suatu permasalahan yang
kemudian meminta persetujuan problem owner dalam hal ini
misalnya direktur utama.
2.2.2 Klasifikasi Model
Berikut ini adalah klasifikasi model:
1. Model Simulasi Statis dan Dinamis
Model simulasi statis adalah merepresentasikan sistem pada
waktu utama, atau model ini mungkin digunakan untuk
menunjukkan sistem yang mana permainan waktunya sederhana
tanpa aturan; contoh simulasi statis adalah model Monte Carlo
samping itu model simulasi dinamik menunjukkan sistem sistem
yang lambat laun melampaui waktu seperti sistem konveyor pada
pabrik.
![Page 10: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/10.jpg)
2. Model Simulasi Determinsistik dan Stokastik
Jika model simulasi tidak berisikan komponen-komponen yang
probabilitik (dengan kata lain random), model ini disebut
deterministik; penyelesaian sistem (dan analisis yang tidak bisa
dikembalikan) pada penjabaran persamaan yang berbeda sebuah
reaksi kimia semesti sebagai model. Dalam model deterministik,
outputnya ditentukan sekali membentuk output kuantitas dan
hubungan dalam model dikhususkan sama walaupun penentuan
yang sebenarnya memerlukan sedikit waktu berhitung untuk
mengevaluasi. Banyak sistem bagaimanapun harus dimodelkan
seperti pemilikan sekurang-kurangnya beberapa komponen-
komponen input random dan membangkitkan model simulasi
stokastik. Kebanyakan teori antrian dan sistem inventori
(pergudangan) dimodelkan secara stokastik. Model simulasi
stokastik menghasilkan output random, karenanya diuji hanya
berupa estimasi (perkiraan) kebenaran karakteristiknya pada
model; ini merupakan model utama yang tidak menguntungkan
dalam simulasi.
3. Model Simulasi Kontinyu dan Diskrit
Kita mendefinisikan model simulasi diskrit dan kontinyu analog
dengan cara kita mendefinisikan sistem diskrit dan kontinyu
sebelumnya.
Keputusan apakah menggunakan model diskrit atau kontinyu
pada sistem-sistem utama tergantung dalam kekhususan yang
obyektif. Sebagai contoh, model arus lalu lintas jalan tol menjadi
diskrit jika karakteristik dan gerakan mobil secara individu adalah
terpenting. Alternatifnya jika mobil dapat diuji secara bersama-
sama atau berkelompok, arus lalu lintas dapat dijelaskan dengan
persamaan yang berbeda dalam model kontinyu.
2.3Simulasi
![Page 11: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/11.jpg)
Tersine (1994), simulasi merupakan sebuah studi dengan
memasukkan manipulasi sebuah model dari suatu sistem dengan
tujuan mengevaluasi alternatif desain atau aturan keputusan. Dengan
simulasi, percobaan sistem dapat mengurangi resiko kebingungan
struktur yang ada dengan perubahan yang tidak mendatangkan
keuntungan.
Simulasi digunakan untuk menganalisis respon dari sebuah sistem
atasvariasinya input-input (ke dalam sistem), oleh karena itu simulasi
perlu dilakukan sebelum keadaan yang sesungguhnya terjadi untuk
mengurangi effect dari kejadian tersebut. Contoh:
1. Pengaruh peningkatan suhu terhadap kecepatan kimia.
2. Pengaruh jumlah pintu tol terhadap panjang antrian mobil.
3. Masalah sistem sangat komplek tidak terstruktur sehingga sulit
diselesaikan secara analitik.
4. Biaya sangat mahal apabila digunakan sistemaslinya (dalam
percobaan).
5. Berbahaya bila digunakan “sistem aslinya” (dalam percobaan)
Resiko.
6. Masalah Optimal kadang sulit diperoleh hasiloptimal mutlak untuk
memperoleh angka mendekati mutlak
7. Waktu percobaan mungkin sangat panjang bila digunakan sistem
aslinya.
2.3.1 Elemen Simulasi
Suatu sistem dalam simulasi mencakup entities, activities,
resources, and control. Elemen-elemen tersebut mendefinisikan
siapa, apa, di mana, kapan, dan bagaimana suatu entity diproses.
Berikut merupakan penjelasan elemen dasar pemodelan:
1. Entities, yaitu segala sesuatu yang dapat diproses.
2. Activity, yaitu kegiatan yang dilakukan di dalam sistem yang
memperngaruhi entitas baik secara langsung atau tidak langsung.
3. Resources, yaitu alat/operator untuk menjalankan aktivitas.
![Page 12: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/12.jpg)
4. Controls, yaitu segala sesuatu yang menentukan bagaimana,
kapan, dan di mana aktivitas dijalankan.
Gambar 2.1 Elemen SimulasiSumber: Hill, McGraw (2000:13)
2.3.2 Software Simulasi
Dalam pemodelan simulasi dikenal dua software yang paling
umum digunakan, yaitu Programming Language dan Simulation
Application.
2.3.2.1 Programming Language
Programming Language adalah suatu bahasa ataupun tata cara
yang dapat digunakan oleh manusia (programmer) untuk
berkomunikasi secara langsung dengan computer. Secara umum
programming language dibagi menjadi dua, yaitu: High Level
Language dan Low Level Language. High level language lebih mudah
dipelajari karena semua kalimat, kata ataupun aturan yang ada di
dalam high level language juga merupakan kalimat, kata ataupun
aturan yang digunakan dalam kehidupan sehari-hari.
2.3.2.2 Simulation Application
Simulation application adalah suatu program (software) yang
berfungsi untuk menirukan/memodelkan suatu perilaku sistem nyata
sehingga hasilnya dapat dianalisis dan dipelajari. Secara umum
simulation application dibagi menjadi dua, yaitu: General Purposes
Application yang dapat digunakan secara umum untuk berbagai
![Page 13: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/13.jpg)
macam tugas atau tujuan dan Special Purposes Application yang
memiliki tugas atau tujuan yang spesifik dan lebih lengkap.
2.4Pemodelan dengan Promedel
Pemodelan dengan menggunakan promodel adalah salah satu
cara untuk mensimulasikan suatu sistem. Promodel didesain untuk
memodelkan sistem ketika kejadian pada sistem muncul pada waktu
tertentu
2.4.1 Definisi Promodel
Promodel adalah software simulasi yang dapat digunakan untuk
mensimulasi dan menganalisa sistem produksi dari berbagai tipe dan
berbagai ukuran. Promodel merupakan software simulasi diskrit
walaupun untuk beberapa proses industry dapat dimodelkan dengan
cara mengkonversi sistem continous seperti produksi minyak menjadi
sistem produksi minyak berdasarkan barrel. Pada simulasi
menggunakan promodel dapat ditampilkan animasi yang mewakili
sistem yang telah dimodelkan. Promodel melihat suatu sistem
produksi sebagai susunan dari location process seperti mesin atau
stasiun kerja dimana entitas diproses sesuai dengan logika proses
yang telah dibuat.
2.4.2Struktur Elemen Promodel
Suatu sistem dalam simulasi mencakup entities, activities,
resources, and control. Elemen–elemen tersebut mendefinisikan
siapa, apa, dimana, kapan, dan bagaimana suatu entity diproses.
Berikut merupakan penjelasan elemen dasar pemodelan yang ada
dalam Promodel:
1. Locations
Dalam promodel, location merepresentasikan sebuah area tetap
dimana bahan baku, bahan setengah jadi ataupun bahan jadi
mengalami atau menunggu proses, ataupun mencari aliran
![Page 14: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/14.jpg)
material atau proses selanjutnya. Tempat dimana entitas
diproses, di-delay, disimpan serta beberapa aktivitas lainnya.
2. Entities
Setiap bahan yang akan diproses oleh model. Entitas merupakan
suatu objek yang akan diamati dari sistem. Contoh: part kerja,
operator.
3. Processing
Merupakan operasi yang dilakukan dalam location. Processing
mengambarkan apa yang dialami oleh suatu entitas mulai dari
saat entitas masuk sistem sampai keluar dari sistem.
4. Arrivals
Kedatangan entity dalam sistem ada empat macam, yaitu:
a. Periodic
Entitas datang pada interval periodik.
b. Scheduled
Pada waktu yang spesifik.
c. Fluctuating
Rata-rata kedatangan berfluktuasi pada waktu.
d. Event Triggered
Datang pada suatu event tertentu saja.
5. Variabel
Variabel yang ada dalam sistem bias dikategorikan menjadi tiga,
yaitu:
a. Decision Variable
Variabel independen dalam eksperimen dan yang akan
menjadi masukan dari simulasi. Variabel ini bisa controllable
atau uncontrollable. Mengubah nilai Decision Variable berarti
mengubah data masukan simulasi yang akan merubah pula
perilaku sistem.
b. State Variable
![Page 15: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/15.jpg)
State Variable merupakan variabel dependen yang
menggambarkan status atau keadaan sistem pada suatu
waktu tertentu.
c. Response Variable
Response Variable merupakan performance sistem yaitu
respon dari beberapa macam setting decision variable. Dalam
suatu eksperimen tujuannya adalah menentukan nilai atau
setting dari decision variable yang tepat yang akan
menghasilkan response variable yang diinginkan. Macam-
macam dari variabel ini adalah waiting time, utilization, flow
rate, flow time, dan inventory level.
6. Resource and Path Network
Resource adalah alat untuk menjalankan aktivitas.Path network
adalah lintasan pergerakan dari entity dan resource yang
menghubungkan antara path yang satu dengan path yang
lainnya.
2.4.3 Konsep Pemodelan Promodel
Konseptualisasi model yaitu membangun model yang masuk akal
dan memahami sistem.
1. Pendekatan proses didasarkan pada tracking low dari entitas-
entitas keseluruhan sistem berikut titik pemorsesan dan aturan
keputusan percabangan.
2. Pendekatan peristiwa (event) atau pendekatan perubahan
keadaan (state change approach) didasarkan pada variabel
keadaan internal dan events sistem yang mengubahnya, diikuti
oleh deskripsi operasi sistem ketika suatu event terjadi.
2.4.3.1 Batching Multiple Entities of Similar Type
Batching multiple entities of similar type terdiri dari dua macam,
yaitu Temporary Batching Using GROUP/UNGROUP dan Permanent
Combine.
![Page 16: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/16.jpg)
2.4.3.1.1 Temporary Batching Using Group/Ungroup
Proses pengelompokan sementara antar entitas dapat
didefinisikan sebagai group sedangkan untuk memisahkan entitas
tersebut dapat didefinisikan sebagai ungroup. Sebelum proses
pemisahan entitas tersebut, Promodel menjaga semua karakteristik
dari setiap entitas, baik sebelum maupun sesudah perintah ungroup
digunakan.
2.4.3.1.2 Permanent Combine
Pernyataan combine digunakan untuk mengumpulkan dan
mengkonsolidasikan jumlah tertentu dari entitas menjadi satu
kesatuan namun dengan nama yang berbeda. Ketika mengkondisikan
lokasi, kapasitas lokasi saat menggunakan pernyataan combine
setidaknya harus memiliki jumlah gabungan yang sama.
2.4.3.2 Accumulation of Entities
Accum dapat digunakan untuk situasi model dengan beberapa
entitas harus diakumulasi sebelum diproses. Jika pengoprasian accum
digunakan saat proses individu dari entitas, maka akumulasi akan
terjadi dengan tipe entitas individu. Namun, jika menggunakan
sebagai entitas pengolahan, maka semua jenis entitas pada lokasi
tersebut akan turut berpartisipasi dalam akumulasi yang sama pula.
2.4.3.3 Spliting of One Entity Into Multiple Entities
Split digunakan pada saat entitas yang menjadi satu dapat
dipisahkan menjadi beberapa entitas pada lokasi dan proses yang
bersifat individual. Entitas hasil pemisahan memiliki nilai atribut yang
sama sesuai dengan entitas aslinya.
2.5Teori Antrian
![Page 17: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/17.jpg)
Teori antrian merupakan studi matematika dari antrian atau
kejadian garis tunggu (waiting lines), yaitu suatu garis tunggu dari
pelanggan yg memerlukan layanan dari sistem yang ada.
2.5.1 Komponen Dasar Antrian
Komponen dasar antrian adalah:
1. Kedatangan
Setiap masalah antrian melibatkan kedatangan, misalnya orang,
mobil atua panggilan telepon untuk dilayani. Unsur ini sering
disebut proses input. cara terjadinya kedatangan yang umumnya
merupakan proses random. Terdapat 3 perilaku antrian, yaitu:
a. Reneging (pembatalan) adalah meninggalan aantrian sebelum
dilayani.
b. Balking adalah orang yang langsung pergi ketika melihat
panjangnya antrian, menolak untuk memasuki antrian.
c. Jockeying adalah orang yang berpindah-pindah dari satu
antrian ke antrian yang lain karena ingin dilayani lebih cepat.
2. Pelayanan
Pelayan atau mekanisme pelayanan dapat terdiri dari satu atau
lebih pelayan, atau satu atau lebih fasilitas pelayanan. Contohnya
pada sebuah check out counter dari suatu supermarket terkadang
hanya ada seorang pelayan, tetapi bisa juga diisi seorang kasir
dengan pembantunya untuk memasukkan barang-barang ke
kantong plastik. Ada 3 aspek yang harus diperhatikan dalam
mekanisme pelayanan, yaitu:
a. Tersedianya Pelayanan
Mekanisme pelayanan tidak selalu tersedia untuk setiap saat.
Misalnya dalam pertunjukan bioskop, loket penjualan karcis
masuk hanya dibuka pada waktu tertentu antara satu
pertunjukan dengan pertunjukan berikutnya. Sehingga, pada
saat loket ditutup, mekanisme pelayanan terhenti dan petugas
pelayanan istirahat.
![Page 18: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/18.jpg)
b. Kapasitas Pelayanan
Kapasitas dari mekanisme pelayanan diukur berdasarkan
jumlah langganan yang dapat dilayani secara bersama-sama.
Kapasitas pelayanan tidak selalu sama untuk setiap saat, ada
yang tetap, tetapi ada juga yang berubah-ubah.
c. Lamanya Pelayanan
Lamanya pelayanan adalah waktu yang dibutuhkan untuk
melayani seorang langganan atau satu-satunya. Ini harus
dinyatakan secara pasti. Oleh karena itu, waktu pelayanan
boleh tetap dari waktu ke waktu untuk semua langganan atau
boleh juga berupa variabel acak.
3. Komponen Antrian
Munculnya antrian tergantungdari sifat kedatangan dan proses
pelayanan. Penentu lain yang penting dalam antrian adalah
disiplin antrian. Disiplin antrian adalah aturan keputusan yang
menjelaskan cara melayani pengantrian, misalnya dating awal
dilayani dulu yang lebih dikenal dengan singkatan FCFS, dating
terakhir dilayani dulu LCFS, berdasar prioritas, berdasar abjad,
berdasar janji, dan lain-lain. Jika tak ada antrian berarti terdapat
pelayan yang menganggur atau kelebihan fasilitas pelayanan.
2.5.2 Disiplin Pelayanan Antrian
Disiplin antrian adalah aturan keputusan yang menjelaskan cara
melayani pengantri. Menurut Christopher A Chung (2001) ada 6
bentuk disiplin pelayanan yang biasa digunakan, yaitu:
1. First Come First Served (FCFS) atau First In First Out (FIFO).
2. Last Come First Served (LCFS) atau Last In First Out (LIFO).
3. Least Value First
4. High Value First
5. Priority Service
6. Random Order
![Page 19: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/19.jpg)
2.5.3 Model Antrian
Ada 4 model struktur antrian dasar yang umum terjadi dalam
seluruh sistem antrian:
1. Single Channel – Single Phase
Single Channel berarti hanya ada satu pelanggan yang masuk
sistem pelayanan atau hanya ada satu fasilitas pelayanan. Single
Phase berarti hanya ada satu pelayanan. Contohnya adalah sistem
antrian pada ATM.
Gambar 2.2 Model single channel – single phase
2. Multiple Channel – Single Phase (Paralel)
Sistem Multi Channel – Single Phase terjadi kapan saja dimana ada
dua atau lebih fasilitas pelayanan dialiri oleh antrian tunggal,
sebagai contoh model ini adalah antrian pada teller sebuah bank
yang dapat ditunjukkan pada gambar.
Gambar 2.3 Model multiple channel – single phase (paralel)
3. Single Channel – Multiple Phase (Seri)
Istilah multi-phase menunjukan ada dua atau lebih pelayanan
yang dilaksanakan secara berurutan (dalam phase-phase).
Sebagai contoh pada pencucian mobil ataupun motor.
Gambar 2.4 Model single channel – multiple phase (seri)
![Page 20: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/20.jpg)
4. Multiple Channel – Multiple Phase
Sistem multi-channel multi-phase adalah sistem yang mempunyai
bebrapa fasilitas pelayanan pada setiap tahapannya. Contohnya:
registrasi mahasiswa di universitas.
Gambar 2.5 Model Multiple Channel – Multiple PhaseSumber: Hamdy A. Taha (1976: 622)
![Page 21: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/21.jpg)
2.6Petrinet
Petri net dikembangkan Carl Adam Petri sejak tahun 1962 dimulai
dengan disertasinya. Petri net merupakan model bipartipe graph yang
memiliki dua tipe node yaitu place dan transition yang dipergunakan
untuk menganalisa informasi penting mengenai struktur dan perilaku
dinamis dari sistem yang dimodelkan. Sistem yang dipergunakan:
1. Lingkaran (location)
Merepresentasikan aktivtas (aktif/pasif) atau kondisi/status (pre/cost).
Gambar 2.6 Simbol activity dalam Petri NetSumber: Asmungi (2004:31)
2. Segi empat (transition)
Merepresentasikan kejadian atau saat perubahan/transisi kondisi.
Gambar 2.7 Simbol event dalam Petri NetSumber: Asmungi (2004:31)
3. Panah (flow relation)
Merepresentasikan relasi urutan antar node yang menunjukkan
bahwa node pendahulu berlanjut menjadi node berikutnya.
Gambar 2.8 Simbol flow relation dalam Petri NetSumber: Asmungi (2004:31)
4. Token (marking)
Merepresentasikan pergerakan location atau perubahan kondisi yang dialami entitas.
Gambar 2.9 Simbol entity dalam Petri NetSumber: Asmungi (2004:31)
Activity
Event
![Page 22: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/22.jpg)
2.7Pengumpulan Data Input Simulasi
Input dari model simulasi adalah distribusi tertentu dari parameter
yang ingin dimodelkan. Angka acak akan dibangkitkan oileh
perangkat model simulasi sesuai dengan distribusi yang telah
dimasukkan. Untuk itu perlu proses pengumpulan data yang baik dan
intensif untuk mendapatkan distribusi yang dapat merepresentasikan
sistem nyata. Garbage-in-garbage-out (GIGO) adalah konsep dasar
pada computer science yang dapat diaplikasikan pada lingkup
discrete-event simulation (Banks, et al., 2014). Konsep ini
menyatakan bahwa kendatipun struktur dari model sudah tervalidasi,
namun bila input data tidak dikumpulkan atau dianalisa secara tepat,
serta tidak merepresentasikan sistem, output simulasi akan menjadi
rancu sehingga dapat merusak proses simulasi dan penentuan
keputusan.
Data input untuk model simulasi adalah factor yang
mempengaruhi jalannya simulasi (Banks,et al., 2014). Pada simulasi
sistem antrian, data yang dikumpulkan adalah distribusi waktu antar
kedatangan dan waktu pelayanan. Sedangkan untuk waktu inventory
simulasi sistem, data masukan adalah distribusi permintaan dan lead
time. Sementara simulasi dari reliabilitas sistem, data yang
digunakan adalah distribusi time to failure. Adapun langkah-langkah
dalam mengumpulkan data simulasi adalah sebagai berikut:
1. Mengumpulkan data dari sistem nyata yang akan dimodelkan.
2. Mengidentifikasi distribusi probabilitas untuk merepresentasikan
input proses. Distribusi probabilitas yang dapat dipilih seperti
normal, uniform, triangular, exponential, poisson, dan sebagainya.
3. Memilih parameter yang sesuai untuk merepresentasikan data
dari distribusi yang telah ditentukan.
4. Melakukan evaluasi terhadap distribusi yang dipilih serta
parameter yang ditentukan dengan goodness of fit. Jika merasa
kurang yakin terhadap kesesuaian distribusi dan parameter yang
telah dipilih untuk merepresentasikan sistem, maka ulangi
![Page 23: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/23.jpg)
langkah kedua dan ketiga hingga merasa yakin. Keyakinan
terhadap distribusi dapat dilihat dari nilai error anatara distribusi
yang dipilih dengan data actual yang dikumpulkan dari sistem
nyata.
Dalam menentukan distribusi yang paling sesuai untuk jenis input
proses (langkah 2), dapat digunakan dasaran sebagai berikut:
1. Distribusi Uniform
Nilai antara a dan b, dimana a < b dan probabilitas dari semua
nilai-nilai adalah sama.
Gambar 2.6 Distribusi UniformSumber: Suprayogi.pdf (2006:7)
Distribusi uniform pada umumnya digunakan variabel acak
seragam (uniform) umum digunakan karena tidak adanya
informasi tentang distribusi yang mendasari yang dimodelkan.
2. Distribusi Eksponensial
Fungsi eksponensial adalah salah satu fungsi yang paling penting
dalam matematika. Biasanya fungsi ini ditulis dengan notasi
exp(x), dimana e adalah basis logaritma natural yang kira-kira
sama dengan 2,71828183.
Gambar 2.8 Grafik Distribusi EksponensialSumber: Supriyadi.pdf (2006;43)
Variabel acak eksponensial banyak digunakan untuk model “acak”
waktu antar kedatangan untuk waktu kontinyu. Variable acak
![Page 24: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/24.jpg)
eksponensial biasanya dibunakan untuk merepresentasikan
interarrival pelanggan, banyaknya kegagalan, dan sebagianya.
![Page 25: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/25.jpg)
2.8Verifikasi dan Validasi
Verifikasi dan validasi merupakan tahapan untuk menguji
kredibilitas atau kesesuaian sistem nyata dengan model simulasi.
Verifikasi adalah proses untuk menentukan apakah model telah
beroperasi sesuai yang diinginkan oleh programmer. Verifikasi
berkaitan dengan kondisi konseptual apakah model telah sesuai
dengan konsep yang diinginkan (Banks, Carson, dan Nelson. 1995).
Verifikasi adalah proses pemeriksaan logika operasional model
(program computer) sesuai dengan logika diagram alur (Hoover dan
Perry, 1989). Langkah-langkah verifikasi (Jerry Banks, 2004) adalah:
1. Membandingkan diagram alir konseptual dengan model pada
software simulasi
2. Melihat rangkuman proses pada model dan melakukan
pengocokan ulang terhadap logika proses.
3. Melakukan pengocokan animasi apakah sudah berjalan sesuai
dengan sistem nyata.
4. Melakukan compilasi error atau debugging.
Validasi adalah proses penentuan apakah model, sebagai
konseptualisasi, merupakan representasi yang akurat dan sesuai
dengan sistem nyata (Hoover dan Perry. 1989).
![Page 26: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/26.jpg)
BAB IIIMETODOLOGI PRAKTIKUM
3.1Diagram Alir Praktikum
Berikut merupakan diagram alir praktikum modul 1.
Gambar 3.1 Diagram alir praktikum
3.2Prosedur Praktikum
![Page 27: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/27.jpg)
Berikut ini merupakan prosedur praktikum modul 1.
1. Memulai praktikum.
2. Identifikasi Masalah.
Pada identifikasi masalah ini, praktikan mengamati masalah pada
suatu sistem yang menjadi topik bahasan pada praktikum ini.
Dalam hal ini, galeri Kampung Coklat adalah objek pengamatan.
3. Studi Kepustakaan.
Dalam studi kepustakaan dilakukan dengan mempelajari berbagai
referensi yang sesuai dengan materi praktikum.
4. Pengumpulan Data
Pengumpulan data meliputi data sistem pelayanan yang ada pada
studi kasus yaitu data waktu kedatangan dan waktu proses
pelanggan dari awal hingga selesai. Dalam pengumpulan data ini
diambil 5 set replikasi data dimana setiap set terdapat 10 data,
jadi total keseluruhan data yang diambil adalah 50 data.
5. Pengolahan Data
Data yang telah dikumpulkan akan diolah sesuai dengan tahapan-
tahapan yang ada.
6. Perancangan Model Konseptual
Memastikan sebuah model sesuai dengan keinginan pengguna
sistem.
7. Penentuan Distribusi
Penentuan distribusi dilakukan dengan menggunakan stat::fit.
Data-data hasil pengamatan dimasukkan dan diproses hingga
muncul output distribusi data. Pilih distribusi dengan ranking
tertinggi. Selain itu, melihat hasil stat::fit apakah sesuai dengan
distribusi dugaan.
8. Pemodelan Sistem
Merupakan proses membangun atau membentuk sebuah model
dari suatu sistem nyata yang diamati dan diterapkan dengan
menggunakan software Promodel.
9. Verifikasi Model
![Page 28: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/28.jpg)
Merupakan proses menentukan apakah model simulasi
merefleksikan model konseptual dengan tepat.
10. Validasi Model
Merupakan proses menentukan apakah model konseptual
merefleksikan sistem nyata dengan tepat.
11. Kesimpulan dan Saran
Kesimpulan dan saran memberikan rangkuman dari awal proses
hingga akhir dan melengkapi apa yang kurang pada proses
tersebut.
12. Selesai
Di akhir praktikum didapatkan hasil atau output dari data yang
diolah, serta kesimpulan yang di dapat pada praktikum ini.
![Page 29: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/29.jpg)
Halaman ini sengaja dikosongkan
![Page 30: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/30.jpg)
BAB IVHASIL DAN PEMBAHASAN
4.1Gambaran Sistem
Sistem yang dibuat adalah sistem pada Galeri Kampung Coklat.
Industri ini bergerak dalam bidang makanan dan pariwisata edukasi.
Di dalam galeri ini, pengamatan dilakukan pada sistem pembelian
coklat oleh pelanggan yang berada di dalam Kampung Coklat. Sistem
ini terdiri dari beberapa proses. Proses pertama adalah masuknya
pelanggan ke dalam sistem atau kedatangan pelanggan. Selanjutnya,
pelanggan langsung membeli tiket yang nantinya tiket itu digunakan
untuk ditukarkan dengan produk yang dibuat oleh perusahaan
tersebut. Pelanggan yang telah selesai membeli tiket akan langsung
menuju meja cicip. Meja cicip ini adalah meja yang berisi dengan
tester berbagai olahan coklat. Setelah pelanggan selesai, pelanggan
akan menuju tempat dimana olahan-olahan tersebut dijual.
Pelanggan dapat memilih berbagai macam olahan coklat yang ada
pada lokasi tersebut. Proses terakhir yang dilakukan oleh pelanggan
setelah memilih dan mengambil olahan coklat tersebut adalah
penukaran tiket yang dibawa pelanggan kepada kasir. Jika harga yang
tertera pada produk coklatnya melebihi harga yang tertera pada tiket,
pelanggan wajib menambahkan dengan uang mereka sendiri.
Pelanggan yang telah selesai melakukan transaksi pada kasir,
diasumsikan langsung keluar dari sistem. Input dari sistem ini adalah
pelanggan dan output dari sistem adalah pelanggan yang membawa
coklat. Waktu distribusi yang dibutuhkan adalah waktu kedatangan,
proses 1, proses 2, proses 3, dan proses 4. Nama pengamatan dan
penjelasannya dapat dilihat pada Tabel 4.1.
Tabel 4.1 Nama Pengamatan dan KeterangannyaNo.
Nama Pengamatan
Keterangan
1Waktu Antar Kedatangan
Selisih waktu kedatangan antar pelanggan yang berurutan
2 Proses 1 Pelanggan membeli tiket masuk pada operator3 Proses 2 Pelanggan mencicipi olahan coklat
![Page 31: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/31.jpg)
4 Proses 3 Pelanggan membeli olahan coklat
5 Proses 4Pelanggan menukarkan tiket ke kasir untuk
membayar
![Page 32: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/32.jpg)
4.2PetriNet
Petri net merupakan model konseptual yang dipergunakan untuk
menganalisis informasi penting mengenai struktur dan perilaku
dinamis dari sistem yang dimodelkan. Berikut adalah PetriNet sistem
pada Galeri Kampung Coklat:
![Page 33: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/33.jpg)
Gambar 4.1 PetriNet pada galeri kampung coklat4.3Flowchart Sistem
Flowchart sistem pada Galeri Kampung Coklat dapat dilihat pada
Gambar 4.2.
![Page 34: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/34.jpg)
Gambar 4.2 Flowchart sistem pada galeri kampung coklat
![Page 35: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/35.jpg)
Gambar 4.2 Flowchart sistem pada galeri kampung coklat (lanjutan)4.4Pengujian Distribusi Data
![Page 36: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/36.jpg)
Pada subbab ini akan dibahas tentang pengujian distribusi data
dugaan dengan data nyata. Adapun pengambilan data dilakukan di
Galeri Kampung Cokat sehingga dapat memodelkan sistem tersebut.
Data yang diambil adalah sebanyak 5 set replikasi dimana 1 set
replikasi berisi 10 data. Data diambil secara random, maksudnya data
diambil selama 2 hari dengan pengambilan data saat pagi, siang, dan
sore. Data hasil pengamatan dapat dilihat pada Tabel 4.2.
Tabel 4.2 Data Waktu Pengamatan (dalam detik)No.
PelangganWaktu Antar Kedatangan
Proses 1
Proses 2
Proses 3
Proses 4
1 107 9 35 189 52 105 6 61 137 73 310 5 40 210 94 110 5 34 291 55 185 9 19 167 86 300 4 19 148 77 269 5 25 173 88 375 9 45 286 59 478 13 50 160 8
10 198 8 63 187 411 155 10 45 189 612 420 5 54 133 913 283 12 26 236 914 246 13 46 241 515 298 8 55 187 616 298 4 73 269 617 424 12 35 179 618 334 10 56 224 519 247 7 25 220 920 242 5 59 255 421 130 4 37 148 422 224 8 23 234 623 452 6 55 125 724 179 11 38 200 825 269 7 63 238 426 187 5 67 233 527 422 13 38 168 928 111 10 59 234 829 223 5 67 157 730 336 13 20 226 531 415 7 33 233 832 434 8 72 246 533 465 5 25 250 734 340 10 56 262 735 355 9 27 130 936 332 4 69 164 6
![Page 37: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/37.jpg)
37 430 7 62 186 8Tabel 4.2 Data Waktu Pengamatan (lanjutan)
No. Pelanggan
Waktu Antar Kedatangan
Proses 1
Proses 2
Proses 3
Proses 4
38 490 8 32 215 639 266 4 41 181 440 179 13 61 178 941 184 11 57 296 642 198 10 63 155 643 159 10 42 220 644 247 10 45 196 445 365 13 23 289 746 479 4 73 126 447 900 7 70 290 648 330 7 63 257 849 339 13 62 294 750 405 11 69 170 6
Berdasarkan proses pengambilan data yang telah dirangkum pada
tabel hasil pengamatan di atas, dapat dianalisis distribusi data yang
didapatkan.
Tabel 4.3 Tabel Pemilihan Distribusi Data Hasil Pengamatan
Aktivitas Distribusi Dugaan
Hasil Stat::fit Rank
Acceptance
Distribusi Pilihan
Waktu Antar
Kedatangan
Exponential
Exponential(105, 200)
72.7 Do not reject
Exponential
Lognormal(105, 4.95, 1.12)
72.1 Do not reject
Uniform(105, 900)
0. Reject
Proses 1 Uniform
Uniform(4, 13) 100 Do not reject
UniformLognormal(4, 1.35, 0.748)
2.27 Reject
Exponential(4, 4.24)
1.44 Do not reject
Proses 2 Uniform
Uniform(20, 73) 100 Do not Reject
UniformLognormal(20,3.1, 0.76)
15.8 Reject
Exponential(20, 27.1)
1.59 Reject
Proses 3 Uniform
Uniform(125, 500)
100 Do not reject
UniformLognormal(125, 4.23, 0.94)
1.47 Reject
Exponential(125, 90)
0.2 Reject
Proses 4 Uniform Uniform(4, 9) 47 Do not Uniform
![Page 38: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/38.jpg)
RejectLognormal(4, 0.918, 0,554)
0.956
Reject
Exponential(4, 3.78)
0. Reject
Tabel di atas merupakan tabel perbandingan antara distribusi dugaan
dan distribusi hasil stat::fit. Di bawah ini akan dijelaskan alasan-
alasan pemilihan distribusi data hasil pengamatan.
1. Pada aktivitas waktu antar kedatangan distribusi dugaan adalah
eksponensial karena pada umumnya distribusi eksponensial
merepresentasikan interarrival time. Sedangkan, hasil stat::fit
rank yang tertinggi adalah distribusi eksponensial yaitu 72.7. Hal
ini berarti bahwa distribusi dugaan dan hasil stat::fit memiliki
hasil yang sama. Jadi, pada waktu antar kedatangan dipilih
distribusi eksponensial.
2. Pada proses 1 distribusi dugaan adalah uniform karena distribusi
uniform dapat merepresentasikan waktu proses. Sedangkan, hasil
stat::fit rank yang tertinggi adalah distribusi uniform yaitu 100.
Hal ini berarti bahwa distribusi dugaan dan hasil stat::fit memiliki
hasil yang sama. Jadi, pada proses 1 dipilih distribusi uniform.
3. Pada proses 2 distribusi dugaan adalah uniform karena distribusi
uniform dapat merepresentasikan waktu proses. Sedangkan, hasil
stat::fit rank yang tertinggi adalah distribusi uniform yaitu 100.
Hal ini berarti bahwa distribusi dugaan dan hasil stat::fit memiliki
hasil yang sama. Jadi, pada proses 2 dipilih distribusi uniform.
4. Pada proses 3 distribusi dugaan adalah uniform karena distribusi
uniform dapat merepresentasikan waktu proses. Sedangkan, hasil
stat::fit rank yang tertinggi adalah distribusi uniform yaitu 100.
Hal ini berarti bahwa distribusi dugaan dan hasil stat::fit memiliki
hasil yang sama. Jadi, pada proses 3 dipilih distribusi uniform.
5. Pada proses 4 distribusi dugaan adalah uniform karena distribusi
uniform dapat merepresentasikan waktu proses. Sedangkan, hasil
stat::fit rank yang tertinggi adalah distribusi uniform yaitu 47. Hal
![Page 39: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/39.jpg)
ini berarti bahwa distribusi dugaan dan hasil stat::fit memiliki
hasil yang sama. Jadi, pada proses 4 dipilih distribusi uniform.
Jadi, dapat disimpulkan bahwa semua distribusi dugaan dan hasil
stat::fit adalah sama dengan melihat rank dan acceptable pada
stat::fit.
4.5Pembuatan Model Sistem Galeri Kampung Coklat
Langkah-langkah untuk membuat permodelan sistem dengan
software Promodel:
1. Menjalankan software Promodel. Kemudian membuat Project baru,
dengan cara klik File-New atau memilih icon New, atau
menggunakan CTRL-N. Setelah di pilih, File-New maka akan
muncul kotak dialog General Information, ketikkan judul project
yang akan dibuat pada Title. Klik OK.
Gambar 4.1 Gambar langkah pembuatan project baru Promodel
2. Setelah membuat project baru, langkah berikutnya adalah
pembuatan background yang berfungsi sebagai latar belakang
permodelan sistem. Dengan cara klik Build pada toolbar pilih
Background Graphics pilih Behind Grid. Setelah itu klik Edit pilih
Import Graphic, pilih Tutorial Back klik Open.
![Page 40: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/40.jpg)
Gambar 4.2 Gambar pemilihan latar belakang
Gambar 4.3 Latar belakang promodel 3D3. Langkah berikutnya adalah pembuatan layout sistem produksi
dimana proses akan dilakukan. Pilih Build pada tool bar, klik
Locatios atau klik CTRL-L. Buat locations dengan cara men-drag
symbol locations yang diinginkan ke layout. Untuk mempermudah
pembuatan sebaiknya pembuatan layout dilakukan sesuai urutan
![Page 41: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/41.jpg)
proses produksi. Sehingga yang pertama kali dibuat adalah entity
spot kedatangan. Kemudian beri nama pada masing-masing
locations dengan cara klik Text pada kotak dialog Graphics
kemudian klik di lokasi yang diinginkan di layout, klik kanan pada
kotak Text di layout pilih Edit, ketikkan nama lokasi yang
diinginkan klik OK.
Gambar 4.4 Gambar pembuatan locationTabel 4.4 Pembuatan Locations Graphic Type
NO Locations Graphic Type
Name Capacity
1 Entitiy Spot Kedatangan Pelanggan
INFINITE
2 Desk Meja Tiket 13 Desk Meja Nyicip 14 Desk Meja Pilih 15 Desk Kasir 16 Pickup Keluar INFINITE
4. Setelah pembuatan locations selesai sesuai sistem yang
dimodelkan, langkah berikutnya adalah pendefinisian entitas yang
akan diproses. Klik Build klik Entities atau CTRL-E. Pilih simbol
entitas yang diinginkan, ganti nama entitas pada kotak dialog box
name. Untuk mengganti warna entitas di kotak dialog Graphics,
pilih Edit, pilih Color klik OK pada dialog box color, klik OK pada
library graphic. Untuk mengganti ukuran entitas pilih Edit pada
dialog box graphics, pada library graphics pilih Dimensions,
masukkan ukuran yang diinginkan, klik OK. Kemudian klik OK
pada library graphic.
![Page 42: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/42.jpg)
Gambar 4.5 Gambar daftar entitas (pelanggan) pada galeri kampung coklat
5. Langkah berikutnya adalah pembuatan jaringan aliran produksi.
Klik Build, pilih path networks. Pilih kolom Path pada dialog box
Path Networks. Pada layout klik kiri di sekitar locations tertentu
lalu tarik garis menuju locations berikutnya klik kanan pada
locations tujuan kemudian lanjutkan lagi sesuai langkah di awal.
Pada sistem ini terdapat 1 aliran produksi, yaitu Net1. Dengan
jalur produksi sebagai berikut:
Gambar 4.6 Gambar langkah pembuatan Net1
Untuk pembuatan interfaces pilih kolom interfaces klik kiri pada
locations yang dijadikan awal proses kemudian klik pada locations.
Ulangi semua langkah hingga seluruh tempat proses produksi
terhubung sesuai jalur dengan interfaces.
6. Tahap selanjutnya adalah menentukan logika proses. Klik Bulid
pilih Processing atau CTRL-P. Pada Processing terdapat dua jenis
logika yaitu logika process layout dan routing layout. Alur proses
ditunjukan pada gambar, sebagai berikut:
a. Kedatangan Pelanggan ke Meja Tiket
![Page 43: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/43.jpg)
Gambar 4.7 Logika proses kedatangan pelanggan ke meja tiket
b. Meja Tiket ke Meja Nyicip
Gambar 4.8 Logika proses meja tiket ke meja nyicipc. Meja Nyicip ke Meja Pilih
Gambar 4.9 Logika proses meja pilih
d. Meja Pilih ke Kasir
Gambar 4.10 Logika proses meja pilih ke kasir
e. Kasir ke Keluar
Gambar 4.11 Logika proses kasir ke keluar
![Page 44: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/44.jpg)
f. Keluar ke Exit
Gambar 4.12 Logika proses keluar ke exit
7. Setelah logika proses selesai, yang perlu dilakukan adalah
mendefinisikan kedatangan. Klik Build pilih Arrivals. Klik dialog box
entity, pilih pelanggan klik OK. Untuk locations pilih
Kedatangan_Pelanggan klik OK. Kemudian masukkan data seperti
pada tutorial.
Gambar 4.13 Logika proses kedatangan pelanggan ke meja tiket8. Untuk pembuatan variable yang mendefinisikan fungsi tertentu
seperti total produk, WIP dan biaya produksi. Dapat dilakukan
dengan cara sebagai berikut: klik Build pilih variables atau klik
icon V. Ketikkan ID yang diinginkan, untuk pertama ketikkan WIP.
Aktifkan ICON variables menjadi yes dengan klik variables WIP
tempatkan pada layout model yang telah dibuat. Ulangi langkah
tersebut untuk total produk dan total biaya.
Gambar 4.14 Logika proses pendefinisian variabel (global)
9. Setelah membuat variabel, definisikan variabel pada processing
untuk WIP pada process layout operation entitas pelanggan
tambahkan INC WIP, kemudian tambahan DEC WIP, INC
TOTALPELANGGAN, INC TOTAL BIAYA, GETCOST() pada process
pelanggan yang keluar.
![Page 45: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/45.jpg)
Gambar 4.15 Definisi INC WIP
Gambar 4.16 Definisi pelanggan pada process
10. Untuk menghitung total biaya yang diperlukan pendefinisian
biaya, klik build pilih cost. Masukkan data biaya pada tabel di cost
tabel biaya.
Tabel 4.5 Definisi BiayaLocations
Meja Tiket 50000
Kasir 50000
![Page 46: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/46.jpg)
Gambar 4.17 Pendefinisian biaya
11. Jalankan simulasi, klik Simulation pada toolbar. Pilih options, pada
run time ketik 8 (to run for 8 hours). Hilangkan centang pada cost
pada replications ketikkan jumlah replikasi yang diinginkan. Klik
tombol OK. Kemudian save project, klik Run dan simulasi akan
dijalankan.
Gambar 4.18 Menjalankan simulasi
4.6Analisis dan Pembahasan
Pada subab ini akan dibahas hasil simulasi yang dijelaskan sebagai
berikut.
1. Location Utilization (%)
![Page 47: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/47.jpg)
Tabel 4.6 Location Utilization (%) Replikas
i ke- Nama
1 2 3 4 5
Kedatangan Pelanggan
0 0 0 0 0
Meja Tiket 10,43
15,17
16,17
19,67
21,49
Operator Tiket 0 0 0 0 0Meja Nyicip 23,2
030,96
30,26
37,70
38,23
Meja Pilih 52,15
62,30
61,95
65,64
63,11
Kasir 4,43 4,58 3,95 4,97 4,65Operator Bayar 0 0 0 0 0Keluar 0 0 0 0 0
Pada tabel di atas terdapat 5 replikasi pada location utilization.
Kedatangan pelanggan, operator tiket, operator bayar dan keluar
memiliki utilitas 0. Ini berarti tidak ada usaha atau kerja yang
dilakukan di lokasi tersebut. Hal ini karena pada lokasi
kedatangan, operator tiket, dan operator bayar tidak terdefiniskan
waktu proses untuk lokasi tersebut. Namun, pada meja tiket, meja
nyicip, dan kasir memiliki utilitas yang berbeda-beda (dapat dilihat
pada tabel di atas) . Utilisasi pada meja tiket sebanyak 10,43%,
15,17%, 16,17%, 19,67%, 21,49%. Utilisasi pada meja nyicip
sebesar 23,2%, 30,96%, 30,26%, 37,7%, 38,23%. Utilisasi pada
meja pilih sebesar 52,15%, 62,3%, 61,95%, 65,64%, 63,11%.
Utilisai pada kasir sebesar 4,43%, 4,58%, 3,95%, 4,97%, dan
4,65%. Utilisasi pada meja tiket, meja nyicip dan kasir tidak besar
sebab banyak yang mengganggur dalam satu kali proses ini.
Sedangkan pada meja pilih utilisasinya paling besar di antara
lainnya. Hal ini menunjukkan bahwa pada meja pilih paling sering
dan lama digunakan. Penyebabnya adalah waktu proses yang
paling panjang bila dibandingkan dengan proses pada lokasi lain.
Selain itu, pada meja tiket, meja nyicip, dan kasir memiliki waktu
yang singkat yang dapat dilihat dari data yang diambil. Waktu ini
merepresentasikan banyaknya entitas yang lewat pada lokasi-
![Page 48: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/48.jpg)
lokasi tersebut dari proses sebelumnya, misalnya sebelum
pelanggan ke meja pilih, pelanggan harus ke lokasi meja cicip,
waktu pada pengamatan menunjukkan bahwa di lokasi meja cicip
tidak sebanyak waktu pelanggan saat memilih coklat sehingga
utilitas pada meja nyicip lebih sedikit dibandingkan dengan utilitas
pada meja pilih.
2. Entity Activity (Total Exits)
Tabel 4.7 Entity Activity (Total Exits) Replikasi ke- Nama
1 2 3 4 5
Pelanggan 263 275
265
283 285
Pada tabel di atas terdapat 5 replikasi pada entity activity. Entitas
pada sistem ini adalah pelanggan yang datang ke galeri. Total
exits maksudnya total output yang keluar dari sistem. Jadi, pada
setiap replikasi entitas pelanggan yang keluar dari sistem
berbeda-beda, misalnya pada replikasi 1 ada 263 pelanggan yang
keluar dari sistem. Penyebab perbedaan ini adalah karena waktu
kedatangan dan masing-masing waktu pelayanan menggunakan
distribusi sehingga model bersifat stokastik.
3. Entity Activity (Current Quantity in System)
Tabel 4.8 Entity Activity (Current Quantity in System) Replikasi ke- Nama
1 2 3 4 5
Pelanggan 2 2 9 1 2
Pada tabel di atas terdapat 5 replikasi pada entity activity. Tabel
ini menunjukkan jumlah entitas yang masih ada di dalam sistem
ketika simulasi dihentikan pada setiap replikasi berbeda-beda,
misalnya pada replikasi ke 5 sebanyak 2 orang. Work in process
terjadi pada proses meja pilih, hal ini karena waktu proses pada
meja pilih paling lama bila dibandingkan dengan proses lainnya,
sehingga entitas pelanggan mengantri pada lokasi meja pilih.
4. Variable (All)
a. Total Changes
![Page 49: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/49.jpg)
Tabel 4.9 Variable (Total Changes) Replikasi ke- Nama
1 2 3 4 5
Total Pelanggan 263 275
265
283 285
Total Biaya 263 275
265
283 285
WIP 528 552
539
567 572
Total changes adalah nilai yang diberikan pada variabel dan
ebrubah selama simulasi. Jadi, nilai yang diberikan pada total
pelanggan, total biaya, dan WIP berubah selama simulasi yaitu
pada total pelanggan di setiap replikasi berbeda-beda dari 263,
275, 265, 283, 285 kali, total biaya adalah 263, 275, 265, 283,
285 kali, dan WIP (work in process) adalah 528, 552, 539, 567,
572 kali.
b. Average Time Per Change (sec)
Tabel 4.10 Variable (Average Time Per Change (sec)) Replikasi ke- Nama
1 2 3 4 5
Total Pelanggan 1.82 1.74 1.81 1.70 1.68Total Biaya 1.82 1.74 1.81 1.70 1.68WIP 0.91 0.87 0.89 0.85 0.84
Average Time Per Change adalah rata-rata yang diberikan pada
variabel selama simulasi. Tabel ini menunjukkan rata-rata yang
diberikan pada variabel (total pelanggan, total biaya, dan WIP)
selama simulasi dalam detik. Tabel di atas memperlihatkan
bahwa nilai pada total pelanggan dan total biaya setiap
replikasi adalah sama pada setiap replikasinya. Nilai yang
berbeda hanya terdapat pada WIP yaitu 0.91, 0.87, 0.89, 0.85,
0.84.
c. Maximum Value and Current Value
Tabel 4.11 Variable (Maximum Value and Current Value) Replik
asi ke- Nama
1 2 3 4 5
Total Pelanggan 263 275 265 283 285Total Biaya 160
21429
1413
1613
1548
![Page 50: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/50.jpg)
WIP (Maximum Value) 9 11 12 14 11WIP (Current Value) 2 2 9 1 2
Pada tabel di atas minimum value dari total pelanggan, total
biaya, dan WIP di setiap replikasinya adalah 0. Namun, nilai
maximum value (nilai tertinggi dari variabel selama simulasi
berlangsung) total pelanggan, total biaya dan WIP berbeda-
beda. Sedangkan current value pada total pelanggan dan total
biaya sama dengan maximum valuenya dan current value (nilai
terakhir dari variabel ketika simulasi berakhir) pada WIP lah
yang berbeda dengan maximum value WIP. Utilisasi pada setiap
lokasi berbeda dan di setiap lokasi memiliki distribusi yang
nilainya berbeda. Jadi total biaya, total pelanggan dan WIP pun
berbeda.
d. Average Value
Tabel 4.12 Variable (AverageValue) Replik
asi ke- Nama
1 2 3 4 5
Total Pelanggan 127.09
133.17
124.88
143.65
133.65
Total Biaya 788.64
686.86
676.67
802.67
710.76
WIP 2.45 3.11 311 3.44 3.46
Pada tabel di atas dapat diketahui bahwa selama simulasi
berlangsung nilai rata-rata pada setiap replikasi tidak sama.
Hal ini dikarenakan pada setiap variabel memiliki nilai
maksimum dan minimum yang berbeda-beda.
5. Location Costing (Total Cost Dollar)
Tabel 4.13 Location Costing (Total Cost Dollar) Replikas
i ke- Nama
1 2 3 4 5
Meja Tiket 991.77
792.67
894.65
918.89
902.53
Kasir 739.13
762.88
658.85
828.02
775.63
![Page 51: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/51.jpg)
Pada tabel di atas terdapat 5 replikasi pada location costing. Tabel
ini menunjukkan jumlah uang yang harus dikeluarkan setiap
harinya untuk membayar operator. Pada operator yang berada
pada meja tiket lebih banyak dibandingkan operator yang berada
di kasir. Hal ini dipengaruhi juga oleh utilitas operator satu dengan
lainnya. Selain itu, nilai distribusi pada meja tiket dan kasir
berbeda sehingga akan memiliki variasi yang berbeda juga. Jadi,
hal inilah yang membuat jumlah uang yang dikeluarkan setiap
harinya untuk membayar operator berbeda.
![Page 52: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/52.jpg)
4.7Verifikasi dan Validasi
Dalam pemodelan suatu sistem, dibutuhkan proses verifikasi dan
validasi. Hal ini dilakukan untuk memastikan ketepatan model dalam
menggambarkan sistem nyata dan model konseptual sebagai
terjemahan dari sistem nyata.
4.7.1Verifikasi
Verifikasi adalah proses untuk menentukan apakah model telah
beroperasi sesuai yang diinginkan oleh programmer. Verifikasi
berkaitan dengan kondisi konseptual apakah model telah sesuai
dengan konsep yang diinginkan (Banks, Carson, dan Nelson, 1995).
Berikut ini adalah tahapan-tahapan yang dilakukan dalam
memverifikasi model simulasi.
1. Membandingkan diagram alir konseptual dengan model pada
software simulasi.
![Page 53: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/53.jpg)
Gambar 4.19 Perbandingan antara Petrinet dengan Promodel
Gambar di atas dapat merepresentasikan bahwa diagram alir
konseptual dan aliran proses serta path network model pada
software simulasi sama. Jadi dapat dikatakan model Galeri
Kampung Coklat pada software simulasi terverifikasi.
2. Melihat rangkuman proses pada model dan melakukan
pencocokan ulang terhadap logika proses.
Gambar 4.20 Logika proses pada software simulasi
Dari gambar diatas dapat dilihat bahwa rangkuman proses pada
model sudah sesuai dengan logika proses. Selain itu satuan waktu
![Page 54: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/54.jpg)
(dalam detik) sudah sesuai dengan sistem nyata sehingga model
simulasi Galeri Kampung Coklat terverifikasi.
3. Melakukan pengocokan animasi dengan model pada software
simulasi dapat berjalan dengan sesuai.
Gambar 4.21 Animasi model pada software simulasi
Dari gambar diatas dapat dilihat animasi dengan model pada
software simulasi dapat berjalan sesuai dengan logika proses
sehingga dapat terverifikasi.
4. Melakukan pengecekan Compiled Successfully
Gambar 4.22 Pengecekan complied successfully
Pada gambar diatas, operation dalam build prossecing, lambang
compiler yang ada di kotak dialog menyatakan bahwa Complied
![Page 55: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/55.jpg)
Successfully maka tidak terdapat error pada build processing,
sehingga model simulasi Galeri Kampung Coklat terverifikasi.
4.7.2Validasi
Untuk melakukan validasi dapat dilihat sebagai berikut.
Tabel 4.14 Tabel Data Aktual dan Data Simulasi
Replikasi ke-
OutputWaktu Proses Meja
Tiket (sec)Waktu Proses Kasir
(sec)Aktu
alSimula
siAktual Simulasi Aktual Simulasi
1 275 263 13 11.4 5 4.82 275 275 12 15.6 5 4.83 275 265 11 17.4 4 4.24 275 283 13 19.8 5 4.85 275 285 12 21.6 5 4.8
Langkah-langkah pengujian validasi dengan menggunakan SPSS
adalah sebagai berikut.
1. Uji Normalitas Data
a. Aktifkan variable view dan isikan nama variabel, kemudian
isikan data pada data view.
b. Klik analyze, pilih Descriptive statistic, kemudian pilih explore
dan masukkan seluruh variabel ke dalam Dependent List.
c. Klik OK, maka akan muncul output seperti pada Tabel 4.15
d. Menguraikan hipotesis
Tabel 4.15 Tabel Uji Normalitas DataTests of Normalitya
Kolmogorov-Smirnovb
Shapiro-Wilk
Statistic df Sig. Statistic
df
Sig.
Simulasi_Output ,220 5 ,200* ,889 5,35
0Aktual_Proses_Tiket
,231 5 ,200* ,881 5,31
4Simulasi_Proses_Tiket
,148 5 ,200* ,974 5,90
0Aktual_Proses_Kasir
,473 5 ,001 ,552 5,00
0Simulasi_Proses_Kasir
,473 5 ,001 ,552 5,00
0*. This is a lower bound of the true significance.
![Page 56: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/56.jpg)
a. Aktual_Output is constant. It has been omitted.b. Lilliefors Significance Correction
1) Data aktual output tidak berdistribusi normal karena semua
nilainya konstan.
2) Data simulasi output
H0: Data simulasi output berdistribusi normal
H1 : Data simulasi output tidak berdistribusi normal
Kriteria pengujian:
H0 diterima apabila nilai Sig. (2-Tailed) ≥ 0.05
H1 diterima apabila nilai Sig. (2-Tailed) ˂ 0.05
Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk (0,35)
lebih dari 0.05 maka data pada simulasi berdistribusi
normal.
3) Data aktual proses di meja tiket
H0: Data aktual proses di meja tiket berdistribusi normal
H1 : Data aktual proses di meja tiket tidak berdistribusi
normal
Kriteria pengujian:
H0 diterima apabila nilai Sig. (2-Tailed) ≥ 0.05
H1 diterima apabila nilai Sig. (2-Tailed) ˂ 0.05
Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk
(0,314) lebih dari 0.05 maka data aktual berdistribusi
normal.
4) Data simulasi proses di meja tiket
H0: Data simulasi proses di meja tiket berdistribusi normal
H1 : Data simulasi proses di meja tiket tidak berdistribusi
normal
Kriteria pengujian:
H0 diterima apabila nilai Sig. (2-Tailed) ≥ 0.05
H1 diterima apabila nilai Sig. (2-Tailed) ˂ 0.05
![Page 57: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/57.jpg)
Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk(0,9)
lebih dari 0.05 maka data pada simulasi berdistribusi
normal.
5) Data aktual proses di kasir
H0: Data aktual proses di kasir berdistribusi normal
H1 : Data aktual proses di kasir tidak berdistribusi normal
Kriteria pengujian:
H0 diterima apabila nilai Sig. (2-Tailed) ≥ 0.05
H1 diterima apabila nilai Sig. (2-Tailed) ˂ 0.05
Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk(0,00)
kurang dari 0.05 maka data aktual tidak berdistribusi
normal.
6) Data simulasi proses di kasir
H0: Data simulasi proses di kasir berdistribusi normal
H1 : Data simulasi proses di kasir tidak berdistribusi normal
Kriteria pengujian:
H0 diterima apabila nilai Sig. (2-Tailed) ≥ 0.05
H1 diterima apabila nilai Sig. (2-Tailed) ˂ 0.05
Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk(0,00)
kurang dari 0.05 maka data simulasi tidak berdistribusi
normal.
e. Kesimpulan
Dari pengujian hipotesis di atas dapat diambil kesimpulan
sebagai berikut.
1) Output aktual tidak berdistribusi normal sedangkan output
simulasi berdistribusi normal.
2) Data aktual dan data simulasi proses di meja tiket
berdistribusi normal.
3) Data aktual dan data simulasi proses di kasir tidak
berdistribusi normal.
![Page 58: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/58.jpg)
2. Uji Perbandingan Rata-rata Dua Sampel Independen
a. Output
Output aktual tidak berdistribusi normal sedangkan output
simulasi berdistribusi normal sehingga harus diuji lagi dengan
non parametrik pada SPSS yaitu Mann-Whitney. Langkah-
langkahnya adalah sebagai berikut:
1) Aktifkan variable view dan isikan nama variabel, kemudian
isikan data pada data view.
2) Klik analyze, pilih Nonparametric Tests, kemudian pilih
Legacy Dialogs dan klik 2 Independent Samples.
3) Masukkan variabel pada kotak test variable list, kemudian
centang Mann-Whitney U pada kotak Test Type.
4) Untuk menentukan grup, klik define groups. Selanjutnya
pada kotak dialog groups, tuliskan “1” untuk group 1 dan
“2” untuk group 2. Lalu klik continue.
5) Klik tombol options, kemudian centang descriptive dan pilih
Exclude cases test-by-test, lalu klik continue, kemudian klik
OK.
6) Kemudian muncul output sebagai berikut:
Tabel 4.16 Hasil Output Data Aktual dengan Mann WhitneyTest Statisticsa
JenisMann-Whitney U 12,500
Wilcoxon W 27,500Z ,000
Asymp. Sig. (2-tailed)
1,000
Exact Sig. [2*(1-tailed Sig.)]
1,000b
a. Grouping Variable: datab. Not corrected for ties.
7) Hipotesis:
H0 = tidak terdapat perbedaan antara data simulasi dengan
data nyata (valid)
H1 = terdapat perbedaan antara data simulasi dengan data
nyata (tidak valid)
![Page 59: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/59.jpg)
Nilai taraf nyata (α) = 0.05
Kriteria pengujian:
H0 diterima jika nilai Asymp. Sig. (2-tailed) ≥ α/2
H0 ditolak jika nilai Asymp. Sig. (2-tailed) < α/2
Kesimpulan: Berdasarkan hasil output pada tabel pengujian
Mann Whitney pada output data aktual didapatkan nilai
Asymp. Sig. (2-tailed)/2= 0.5>0.025, maka H0 diterima,
berarti tidak terdapat perbedaan antara data simulasi
dengan data nyata (valid).
b. Proses di meja tiket
Hasil output pada data aktual dan data simulasi di meja tiket
dengan uji independen T-test dapat dilihat sebagai berikut.
Tabel 4.17 Hasil Output pada Data Aktual dan Data Simulasi di Meja TiketIndependent Samples TestLevene's Test
for Equality
of Varianc
es
t-test for Equality of Means
F Sig.
T df Sig. (2-
tailed)
Mean Differen
ce
Std. Error Differenc
e
95% Confidence Interval of
the DifferenceLower
Upper
Proses_Meja_Tiket
Equal variances assumed
5,173
,053
-2,74
88 ,025 -4,9600
1,8049
-9,12
2
-,7979
Equal variances not assumed
-2,74
8
4,36
,047 -4,96001,8049
-9,813
-,1073
Hipotesis:
H0 = tidak terdapat perbedaan antara data simulasi dengan
data nyata (valid)
H1 = terdapat perbedaan antara data simulasi dengan data
nyata (tidak valid)
![Page 60: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/60.jpg)
Nilai taraf nyata (α) = 0.05
Kriteria pengujian:
H0 diterima jika nilai Asymp. Sig. ≥ α
H0 ditolak jika nilai Asymp. Sig. < α
Kesimpulan: Berdasarkan hasil output pada tabel, didapatkan
nilai Asymp. Sig. = 0.053 > 0.05, maka H0 diterima, berarti
tidak terdapat perbedaan antara data simulasi dengan data
nyata (valid).
c. Proses di kasir
Hasil output pada data aktual dan data simulasi di kasir dapat
dilihat sebagai berikut.
Tabel 4.18 Hasil Output pada Data Aktual dan Data Simulasi di KasirTest Statisticsa
JenisMann-Whitney U 5,000Wilcoxon W 20,000Z -1,671Asymp. Sig. (2-tailed)
,095
Exact Sig. [2*(1-tailed Sig.)]
,151b
a. Grouping Variable: datab. Not corrected for ties.
Hipotesis:
H0 = tidak terdapat perbedaan antara data simulasi dengan
data nyata (valid)
H1 = terdapat perbedaan antara data simulasi dengan data
nyata (tidak valid)
Nilai taraf nyata (α) = 0.05
Kriteria pengujian:
H0 diterima jika nilai Asymp. Sig. (2-tailed) ≥ α/2
H0 ditolak jika nilai Asymp. Sig. (2-tailed) < α/2
Kesimpulan: Berdasarkan hasil output pada tabel, didapatkan
nilai Asymp. Sig. (2-tailed)/2= 0.0475 > 0.025, maka H0
![Page 61: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/61.jpg)
diterima, berarti tidak terdapat perbedaan antara data simulasi
dengan data nyata (valid).
![Page 62: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/62.jpg)
BAB VPENUTUP
5.1 Kesimpulan
Berdasarkan praktikum Simulation and Promodel Software yang
telah dilakukan, maka dapat disimpulkan sebagai berikut.
1. Sistem adalah sekumpulan unsur atau elemen yang saling
berkaitan dan saling mempengaruhi dalam melakukan kegiatan
bersama untuk mencapai suatu tujuan. Model didefinisikan
sebagai suatu deskripsi logis tentang bagaimana sistem bekerja
atau komponen-komponen berinteraksi. Dengan membuat model
dari suatu sistem maka diharapkan dapat lebih mudah untuk
melakukan analisis. Simulasi ialah suatu metodologi untuk
melaksanakan spercobaan dengan menggunakan model dari
suatu sistem nyata. Pada galeri kampong coklat, pelanggan yang
datang harus membeli tiket untuk masuk ke Kampung Coklat.
Tiket ini nantinya akan digunakan untuk membeli produk olahan
coklat. Pembeli dapat mencicipi olahan coklat bar dari yang manis
hingga yang pahit. Setelah itu, pembeli dapat menukarkan tiket
masuknya untuk membeli berbagai olahan coklat sesuai nominal
di dalam tiket tersebut. Untuk membandingkan utilitas masing-
masing proses (lokasi) pada sistem serta mengetahui proses
mana yang memiliki kontribusi terbesar terhadap timbulnya WIP,
maka dibuat model simulasi sebagai sarana untuk melakukan
eksperimen dan memberikan saran yang berkaitan dengan utilitas
dan proses penyebab timbulnya WIP.
2. Model konseptual PetriNet yang telah dibuat disesuaikan dengan
sistem nyata yang ada dalam sistem Galeri Kampung Coklat.
Sehingga PetriNet tersebut daat membantu dalam
penyederhanaan dan penerjemahan sistem nyata terhadap
Promodel yang dibuat. Dengan begitu, hasil dari Promodel dapat
menggambarkan permasalahan yang ada dalam sistem dan
![Page 63: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/63.jpg)
akhirnya dapat dijadikan dasaran dalam pengambilan keputusan
secara tepat.
3. Software Promodel merupakan suatu program komputer yang
dapat digunakan untuk simulasi dan menganalisa sistem produksi
dari semua tipe dan ukuran. Software tersebut digunakan untuk
mensimulasikan proses dari beberapa lokasi pada Galeri Kampung
Coklat. Pengambilan data dilakukan pada masing-masing
pelayanan dan waktu antar kedatangan pengunjung.
4. Hasil analisis simulasi adalah sebagai berikut.
a. Utilisasi pada meja tiket sebanyak 10,43%, 15,17%, 16,17%,
19,67%, 21,49%. Utilisasi pada meja nyicip sebesar 23,2%,
30,96%, 30,26%, 37,7%, 38,23%. Utilisasi pada meja pilih
sebesar 52,15%, 62,3%, 61,95%, 65,64%, 63,11%. Utilisai pada
kasir sebesar 4,43%, 4,58%, 3,95%, 4,97%, dan 4,65%. Utilisasi
pada meja tiket, meja nyicip dan kasir tidak besar sebab
banyak yang mengganggur dalam satu kali proses ini.
Sedangkan pada meja pilih utilisasinya paling besar di antara
lainnya. Hal ini menunjukkan bahwa pada meja pilih paling
sering dan lama digunakan.
b. Work in process terjadi pada proses meja pilih, hal ini karena
waktu proses pada meja pilih paling lama bila dibandingkan
dengan proses lainnya, sehingga entitas pelanggan mengantri
pada lokasi meja pilih.
5.2Saran
Berdasarkan simulasi, saran yang dapat diberikan untuk sistem
Galeri Kampung Coklat adalah sebagai berikut.
1. Utilitas lokasi tertinggi terdapat pada meja pilih yaitu sebesar
52,15% – 65,64%, untuk utilitas manusia, utilitas ini masih
tergolong cukup. Namun untuk utilitas pada lokasi meja cicip
rendah yaitu sebesar 23,20% - 38,23%, sehingga kapasitas dari
![Page 64: BAB I](https://reader035.vdocuments.mx/reader035/viewer/2022062308/55cf9225550346f57b940201/html5/thumbnails/64.jpg)
meja cicip dapat dikurangi untuk meningkatkan utilitasnya dan
mengefisienkan proses bisnis.
2. WIP terjadi karena proses yang terjadi di meja pilih terlalu lama,
hal ini disebabkan oleh kedatangan entitas pelanggan yang terlalu
cepat serta ketidak mampuan kapasitas pada meja pilih. Untuk
menanggulangi hal ini melalui upaya menurunkan WIP,
dibutuhkan meja tambahan unuk memilih coklat di Galeri
Kampung Coklat.