kelompok 40 modul 1 promodel - acc
DESCRIPTION
Praktikum SimulasiTRANSCRIPT
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Di era modern seperti saat ini, perkembangan sistem industri dan jasa di
Indonesia mempengaruhi perkembangan perekonomian Indonesia. Hal itu
disebabkan karena semakin berkembangnya zaman, kebutuhan masyarakat atau bisa
disebut pelanggan menginginkan semua proses yang ada dapat dilakukan
sesederhana mungkin, cepat (tidak lama mengantri), dan murah. Ketika berbicara
mengenai industri dan jasa, kedua hal tersebut tidak lepas dari sebuah sistem. Dan
semua sistem baik industri maupun jasa didalamnya terdapat beberapa entitas dan
resource yang bisa diamati sehingga dapat dianalisis dan diperbaiki untuk
menghasilkan output yang optimal.
Untuk melakukan analisis dan perbaikan terhadap suatu sistem diperlukan
ketelitian yang tinggi dari pengawas atau operator yang bekerja secara langsung.
Banyak faktor yang dapat mempengaruhi hal tersebut, mulai dari operator yang tidak
konsisten, kelalaian, dan human error. Untuk itu diperlukan cara agar dapat
melakukan analisis dan perbaikan pada suatu sistem. Salah satunya dengan
membuat simulasi terhadap suatu sistem yang akan diamati.
Pada modul ini, akan dimodelkan sistem pada sistem pembuatan pai apel di kota
Malang tepatnya di Jl. Tumenggung Suryo No 90B. Dalam pembuatan pai apel ini
ada beberapa proses antara lain pembuatan pai, pengovenan, pendinginan,
penyortiran, pembungkusan, dan terakhir melakukan packaging. Pada pemodelan
kali ini waktu yang didistribusikan meliputi waktu proses pembuatan pai, proses
pengovenan, proses pendinginan, proses sortir, proses pembungkusan dan proses
packaging. Dalam pembuatan pai apel ini juga terdapat beberapa masalah
diantaranya jadwal produksi yang tidak menentu dan tidak ada pembagian jobdesk
yang jelas untuk karyawannya. Dengan pembuatan model simulasi ini, diharapkan
permasalahan tersebut dapat diminimalisir.
-
2 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
1.2 Tujuan
Tujuan dari pelaksanaan praktikum ini antara lain:
1. Mengidentifikasi permasalahan yang terdapat pada sistem pembuatan pai apel.
2. Memodelkan sistem produksi pembuatan pai apel menggunakan Petri Net.
3. Memodelkan sistem produksi pembuatan pai apel pada software ProModel serta
mensimulasikannya.
4. Menganalisis hasil simulasi.
1.3 Manfaat
Manfaat yang dapat diperoleh dari pelaksanaan praktikum ini antara lain:
1. Mampu mengidentifikasi permasalahan yang terdapat pada sistem pembuatan
pai apel.
2. Mampu memodelkan sistem produksi pembuatan pai apel menggunakan Petri
Net.
3. Mampu menentukan distribusi waktu menggunakan stat:fit berdasarkan data
sistem nyata di proses pembuatan pai apel.
4. Mampu memodelkan sistem produksi pembuatan pai apel pada software
ProModel serta mensimulasikannya.
5. Mampu menganalisis hasil simulasi.
1.4 Batasan
Batasan dari praktikum ini antara lain:
1. Data yang diambil adalah proses pembuatan pai, pengovenan, pendinginan,
sortir, pembungkusan, dan packaging.
2. Pengambilan data sebanyak 5 set data dengan 10 data setiap set.
3. Pengamatan dilakukan selama 8 jam kerja.
1.5 Asumsi
Asumsi dari praktikum ini antara lain:
1. Karyawan dan mesin berada dalam kondisi fit(normal).
2. Berat masing-masing pai apel adalah 15gr.
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
3
BAB II
TINJAUAN PUSTAKA
2.1 Sistem
Kata sistem berasal dari bahasa Yunani, yaitu system yang mempunyai
pengertian suatu keseluruhan yang tersusun dari sekian banyak bagian atau dengan
pengertian yang lebih umum, sistem adalah kumpulan komponen atau elemen atau
entiti yang berinteraksi satu dengan yang lainnya dalam rangka mencapai tujuan
tertentu dan terjadi dalam lingkungan yang kompleks (Asmungi, 2006:19).
2.1.1 Karakteristik Sistem
Sistem memiliki beberapa karakteristik antara lain sebagai berikut:
1. Kejadian (event) merupakan suatu peristiwa yang dapat merubah keadaan
sistem. Contoh: kedatangan material.
2. Aktivitas (activity) merupakan suatu proses yang menyebabkan perubahan dalam
sistem yang dapat mengubah atribut maupun entity. Contoh: proses
penimbangan material.
3. Hubungan (relationship) merupakan kesinambungan interaksi antara dua objek
atau lebih yang memudahkan proses pengenalan satu akan yang lain. Contoh:
hubungan antara operator dan mesin.
4. Antarmuka penghubung (interface) merupakan media penghubung antar
subsistem. Contoh: monitor mesin produksi.
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. Contoh: material.
b. Subsistem: sistem di dalam suatu sistem dimana sistem berada pada lebih
dari satu tingkat. Contoh: sistem pada mesin.
6. Atribut merupakan sebutan, sifat atau karakteristik yang memiliki elemen
sistem, terdiri atas dua macam yaitu parameter dan variabel.
a. Parameter: merupakan suatu nilai yang besarannya dianggap tetap selama
model simulasi dijalankan. Contoh: ukuran standar material.
-
4 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
b. Variable: merupakan informasi yang mencerminkan karakteristik suatu
sistem, mengikat sistem secara keseluruhan sehingga semua entity dapat
mengandung variabel yang sama. Contoh: waktu kedatangan material.
7. Batas sistem (boundary) merupakan daerah yang membatasi antar sistem atau
lingkungan luarnya. Contoh: ruangan packaging.
8. Lingkungan luar (environment) merupakan apapun di luar sistem yang
mempengaruhi operasi sistem. Contoh: kelembaban dan suhu ruangan cooling.
9. Masukan sistem (input) merupakan suatu energi yang dimasukkan ke dalam
sistem. Contoh: apel sebagai material dalam proses pembuatan pai apel.
10. Pengganggu (disturbance atau noise) merupakan faktor yang menyebabkan
terjadinya kesalahan pada sistem. Contoh: bising yang mengganggu kerja
operator.
11. Keluaran sistem (output) merupakan hasil dari energi yang diolah dan
diklasifikasikan menjadi keluaran. Contoh: pai apel dalam kemasan.
12. Umpan balik (feedback) merupakan reaksi dan respon stakeholder atas sistem yang
dilakukan. Contoh: reaksi operator ketika mesin rusak.
13. Ukuran performansi sistem di bagi menjadi dua yaitu transient state dan steady
state.
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 properti yang tidak
berubah dalam waktu.
14. Proses pengolahan (transformation process) merupakan suatu proses yang akan
merubah masukan menjadi keluaran. Contoh: proses pengovenan.
15. Perilaku sistem (behavior) merupakan perilaku dari sistem yang melibatkan
masukan, pengolahan dan keluaran. Contoh: kerusakan pada sistem produksi.
2.1.2 Klasifikasi Sistem
Klasifikasi sistem antara lain sebagai berikut:
1. Sistem abstrak (abstract system) dan sistem fisik (physical system)
a. Sistem abstrak (abstract system) adalah sistem yang berupa pemikiran atau
ide-ide yang tampak secara fisik. Contoh: sistem teologia.
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
5
b. Sistem fisik (physical system) adalah sistem yang ada secara fisik. Contoh:
sistem komputer.
2. Sistem alamiah (natural system) dan sistem buatan manusia (human made system)
a. Sistem alamiah (natural system) adalah sistem yang terjadi melalui proses
alam dan tidak dibuat manusia. Contoh: sistem perputaran bumi.
b. Sistem buatan manusia (human made system) adalah sistem yang di rancang
oleh manusia dan melibatkan interaksi antara manusia dengan mesin.
Contoh: mesin CNC yang membutuhkan manusia sebagai operator.
3. Sistem tertentu (deterministic system) dan sistem tak tentu (probabilistic system)
a. Sistem tertentu beroperasi dengan tingkah laku yang sudah dapat di prediksi,
interaksi di antara bagian-bagiannya dapat dideteksi dengan pasti sehingga
keluarannya dapat diramalkan. Contoh: sistem komputer melalui program.
b. Sistem tak tentu adalah sistem yang kondisi masa depannya tidak dapat
diprediksi karena mengandung probabilitas. Contoh: kondisi alam yang
berhubungan dengan cuaca.
4. Sistem tertutup (closed system) dan sistem terbuka (open system)
a. Sistem tertutup (closed system) adalah sistem yang tidak berhubungan dan
tidak terpengaruh dengan lingkungan luarnya. Sistem ini bekerja secara
otomatis tanpa adanya turut campur tangan dari pihak diluarnya
(kenyataannya tidak ada sistem yang benar-benar tertutup), yang ada
hanyalah relatively closed system.
b. Sistem terbuka (open system) adalah sistem yang berhubungan dan
terpengaruh dengan lingkungan luarnya. Sistem ini menerima masukan dan
menghasilkan keluaran untuk lingkungan luar atau subsistem yang lainnya,
sehingga harus memiliki sistem pengendalian yang baik.
2.2 Model
Model dalam pemodelan sistem mempunyai arti cerminan atau gambaran atau
representasi dari sistem nyatanya. Dengan demikian pemodelan sistem adalah upaya
untuk membuat gambaran atau representasi daripada sistem nyatanya (Asmungi,
2006:25).
-
6 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
2.2.1 Stakeholder dari Pemodelan
Stakeholder dari pemodelan antara lain sebagai berikut:
1. Problem owner merupakan individu atau sekelompok orang memiliki
kewenangan mengendalikan permasalahan.
2. Problem user merupakan individu atau sekelompok orang yang menggunakan
solusi model untuk memecahkan masalah, meningkatkan kinerja dan
mengeksekusinya.
3. Problem customer merupakan pihak yang mendapatkan manfaat atau menjadi
objek akibat penerapan solusi.
4. Problem analyst merupakan pihak yang menganalisis masalah dan mendapatkan
solusi dan kemudian disampaikan kepada problem owner untuk mendapatkan
persetujuan.
2.2.2 Klasifikasi Model
Klasifikasi model menurut Murdick, Ross, Claggett (1984) dan Ackoff, Gupta,
Minas (1962) dibagi berdasarkan kelas, yaitu sebagai berikut:
1. Berdasarkan fungsi, model dibagi menjadi tiga yaitu:
a. Model deskriptif
Model yang memberikan gambaran dari sistem nyata. Contoh: struktur
organisasi, tampak atas tata letak fasilitas, laporan keuangan, peta.
b. Model prediktif
Model yang digunakan untuk meramalkan hasil dari kondisi tertentu.
Contoh: analisis break even point, diagram pohon keputusan, antrian.
c. Model normatif
Model yang memberikan jawaban terbaik dari alternatif yang ada terhadap
suatu masalah. Contoh: model optimasi, program linier, critical path method,
marketing mix.
2. Berdasarkan struktur, model dibagi menjadi tiga yaitu:
a. Model ikonis
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
7
Model yang merupakan perwakilan fisik dari beberapa hal, baik dalam
bentuk ideal maupun dalam skala yang berbeda. Contoh: maket, layout
fasilitas.
b. Model analog
Model yang dapat mewakili situasi dinamik atau keadaan berubah menurut
waktu. Contoh: sistem peredaran darah dengan selang, jaringan lalulintas
dengan jaringan listrik.
c. Model simbolik
Model yang merupakan perwakilan dari realitas yang dikaji, dapat berupa
angka, simbol, dan rumus. Contoh: model hukum pithagoras.
3. Berdasarkan acuan waktu, model dibagi menjadi dua yaitu:
a. Model statis
Model yang tidak memperhitungkan perubahan-perubahan karena
pengaruh waktu. Contoh: model laba yang diharapkan, struktur organisasi.
b. Model dinamis
Model yang memperhitungkan faktor waktu dalam menggambarkan
perilaku sistem nyata. Contoh: model pertumbuhan populasi, model
dinamis.
4. Berdasarkan tingkat ketidakpastian, model dibagi menjadi empat yaitu:
a. Model deterministik
Model yang keluarannya yang dihasilkan dapat diduga secara pasti
berdasarkan masukannya. Contoh: model laba, model persediaan Wilson.
b. Model probabilistik
Model yang mendasarkan pada teknik peluang dan memperhitungkan
ketidakmenentuan (uncertainty). Contoh: diagram pohon keputusan dan peta
kendali mutu.
c. Model konflik
Model yang memiliki sifat alamiah pengambil keputusan berada dalam
pengendalian lawan. Contoh: model kompetisi, model posisi tawar.
d. Model tak pasti
Model yang dikembangkan untuk kondisi ketidakpastian mutlak.
-
8 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
5. Berdasarkan derajat kuantifikasi, model dibagi menjadi tiga yaitu:
a. Model kualitatif, yaitu model yang menggambarkan suatu mutu pada suatu
realita. Model kualitatif dibagi menjadi dua:
1) Model mental
Model yang menggambarkan proses berfikir manusia. Contoh: proses
belajar manusia.
2) Model verbal
Model yang disajikan dalam bahasa sehari-hari. Contoh: model
konseptual.
b. Model kuantitatif, yaitu model yang variabelnya dapat dikuantifikasikan
berupa numerik. Model kuantitatif dibagi menjadi empat:
1) Model heuristik
Model yang digunakan utnuk mencari jawaban yang baik tetapi bukan
optimum. Contoh: kesetimbangan lintasan produksi.
2) Model simulasi
Model yang digunakan untuk mencari jawaban yang menguntungkan
pada sistem yang sangat kompleks. Contoh: model simulasi diskrit,
pemrograman dinamis.
3) Model optimum
Model optimum yaitu model yang digunakan untuk menentukan
jawaban terbaik. Contoh: analisis marjinal, analisis incremental, model
optimal algoritmik.
4) Model statistik
Model yang mendeskripsikan dan menyimpulkan data. Contoh: tabel
mortalitas, peta kendali.
6. Berdasarkan derajat generalisasi, model dibagi menjadi dua yaitu:
a. Model umum
Secara umum dapat diterapkan di berbagai bidang fungsional. Contoh:
model antrian.
b. Model spesifik
Hanya digunakan untuk masalah tertentu. Contoh: model persediaan
probabilistik.
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
9
7. Berdasarkan acuan dimensi, model dibagi menjadi dua yaitu:
a. Model dua dimensi
Model yang terdiri dari dua faktor atau dimensi penentu. Contoh: model
pegas, regresi linear.
b. Model multi dimensi
Model yang terdiri dari banyak faktor penentu. Contoh: model multikriteria,
prototype kapal.
8. Berdasarkan acuan lingkungan, model dibagi menjadi dua yaitu:
a. Model loop terbuka
Model yang memiliki interaksi dengan lingkungannya. Contoh: model aksi
reaksi, model sosial.
b. Model loop tertutup
Model yang tidak memiliki interaksi dengan lingkungannya. Contoh: model
thermostat.
2.3 Simulasi
Simulasi adalah suatu metodologi untuk melaksanakan percobaan dengan
menggunakan model dari suatu sistem nyata (Siagian, 1987). Simulasi adalah model
dari suatu sistem nyata, dimana sistem tersebut dimodelkan dengan menggunakan
sebuah software yang berfungsi untuk menirukan perilaku sistem nyata.
2.3.1 Elemen Simulasi
Suatu sistem dalam simulasi mencakup entities, activities, resources, dan control.
Elemen-elemen tersebut mendefinisikan siapa, apa, dimana, kapan, dan bagaimana
suatu entity diproses. Berikut merupakan penjelasan elemen desar pemodelan:
1. Entities, yaitu segala sesuatu yang dapat diproses. Entity dapat berupa part,
produk, manusia atau lembar kerja. Contoh entitas misalnya part dalam pabrik,
pasien rumah sakit, konsumen bank atau penumpang pesawat terbang.
2. Activity, yaitu kegiatan yang dilakukan di dalam sistem yang mempengaruhi
entitas baik secara langsung atau tidak langsung.
3. Resources, yaitu alat/operator untuk menjalankan aktivitas.
-
10 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
4. Controls, yaitu segala sesuatu yang menentukan bagaimana, kapan, dan dimana
aktivitas dijalankan.
2.3.2 Software Simulasi
Dalam pemodelan sistem 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
komputer. Secara umum programming language dibagi menjadi dua yaitu:
1. High level language
High level language adalah suatu bahasa atau suatu tata cara yang dapat digunakan
untuk memberikan perintah/instruksi kepada komputer. 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. Contoh: C++, C, FORTRAN, BASIC.
2. Low level language
Low level language adalah suatu bahasa atau suatu tata cara yang dapat digunakan
untuk berkomunikasi dengan komputer. Low level language juga disebut sebagai
bahasa mesin karena tata cara yang digunakan masih berorientasi dengan mesin.
Contoh: bahasa biner.
2.3.2.2 Simulation Application
Simulation application adalah suatu program (software) yang berfungsi untuk
menirukan atau memodelkan suatu perilaku sistem nyata sehingga hasilnya dapat
dianalisis dan dipelajari. Secara umum simulation application dibagi menjadi dua,
yaitu:
1. General Purposes Application
General purposes application adalah sebuah tipe software dengan tools yang dapat
digunakan secara umum sehingga dapat digunakan untuk berbagai macam tugas
atau tujuan. Contoh: Arena.
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
11
2. Special Purposes Application
Special purposes application adalah sebuah tipe software yang dibuat untuk
melakukan suatu tugas atau tujuan yang spesifik, tetapi biasanya untuk tugas
atau tujuan yang spesifik tersebut software jenis ini lebih lengkap dibandingkan
dengan general purposes application. Contoh: ProModel.
2.4 Pemodelan dengan ProModel
Pada praktikum kali ini menggunakan pemodelan dengan ProModel. ProModel
merupakan sebuah alat simulasi berbasis windows yang digunakan untuk
mensimulasikan dan menganalisis sistem. ProModel merupakan kombinasi yang
sempurna antara kemudahan pemakaian, kecanggihan, serta kefleksibilitasan yang
lengkap untuk pembuatan model yang menggambarkan beberapa situasi dan
merealisasikan animasi membuat simulasi menjadi hidup.
2.4.1 Definisi ProModel
ProModel (Production Modeler) yang dikeluarkan oleh ProModel Corporation
adalah alat simulasi untuk berbagai macam jenis model sistem manufaktur dan
sistem servis. ProModel merupakan tools yang sangat baik digunakan oleh engineer
untuk tes desain alernatif, ide, dan peta proses sebelum diterapkan. ProModel
berfokus pada utilisasi resources, kapasitas produksi, produktivitas, inventory levels,
bottleneck, waktu baku, dan lain sebagainya. ProModel menggunakan Graphical User
Interface yang bersifat multitasking dan pengoperasiannya bersifat pointandclick
sehingga mudah digunakan.
2.4.2 Struktur Elemen ProModel
Elemen dasar pemodelan yang ada dalam ProModel antara lain:
1. Locations
Location menggambarkan tempat yang tetap dalam sistem dimana entitas
dikelilingkan pada saat pemrosesan, waktu tunggu, penyimpanan, pengambilan
keputusan atau beberapa aktivitas lainnya. Beberapa tipe lokasi yang disediakan
disesuaikan dengan entitas yang masuk dan juga membutuhkan lokasi
-
12 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
pemrosesan dimana entitas akan mempunyai nilai tambahan dalam sistem
tersebut.
Dalam ProModel, location merupakan tempat atau layout dari model suatu
sistem, yang berisi gambar latar belakang seperti mesin-mesin, stasiun kerja,
gudang penyimpanan, dan sebagainya. Lokasi adalah komponen statis sehingga
tidak ikut bergerak selama simulasi dijalankan.
Data-data yang diperlukan untuk mendefinisikan lokasi adalah sebagai berikut:
a. Name, yaitu nama masing-masing lokasi
b. Capacity, yaitu kapasitas lokasi dalam memproses entity
c. Unit, yaitu jumlah lokasi yang dimaksud
d. Downtimes (DTs), menyatakan saat lokasi tidak berfungsi, misalnya karena
kerusakan, maintenance, waktu setup, dan lain-lain
e. Rules, digunakan untuk merumuskan aturan pemrosesan entity yang
memasuki lokasi, bagaimana entity yang selesai diproses mengantri, dan
bagaimana lokasi yang lebih dari satu unit untuk memproses entity yang
datang
f. Notes, digunakan untuk memasukkan catatan tambahan atau program-
program lainnya
2. Entities
Entities adalah segala sesuatu yang dapat diproses atau sesuatu yang akan
menjadi objek yang akan diproses dalam model sistem. Entity dapat berupa part,
produk, manusia atau lembar kerja. Yang harus dilakukan pertama kali adalah
memilih icon untuk mewakili masing-masing entity. Begitu icon dipilih,
ProModel akan membuat record untuk entity yang bersangkutan. Beberapa
contoh misalnya part dalam pabrik, pasien rumah sakit, konsumen bank atau
penumpang pesawat terbang.
Data-data yang diperlukan untuk mendefinisikan entity adalah sebagai berikut.
a. Name, yaitu nama dari setiap entity.
b. Speed, adalah kecepatan entity bergerak atau berpindah dari satu lokasi ke
lokasi berikutnya.
3. Stats processing
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
13
Stats processing merupakan operasi yang terjadi didalam sistem dan dilakukan
pada lokasi dan antar lokasi. Proses merupakan kegiatan pengolahan input yang
dilakukan oleh setiap mesin (lokasi) sehingga akan menghasilkan output tertentu.
Dikatakan pada lokasi karena disini harus diidentifikasikan proses yang terjadi
pada lokasi yang bersangkutan, misal lamanya waktu proses, nama material
handling yang membawa, dan lamanya waktu perpindahan. Dari menu Build
pilih Processing. Processing menggambarkan operasional yang terjadi pada lokasi,
misalnya jumlah waktu yang dibutuhkan pada lokasi tertentu, sumber daya yang
dibutuhkan untuk pemrosesan secara lengkap dan segala sesuatu yang terjadi
pada lokasi tersebut termasuk pemilihan entities untuk lokasi tujuan selanjutnya.
Data-data yang diperlukan untuk mendefinisikan processing adalah sebagai
berikut.
a. Entity, menyatakan entity sebagai input yang akan diproses.
b. Location, menunjukan operasi yang akan dilakukan pada entity (input),
termasuk waktu operasinya.
c. Operation, menujukan proses operasi yang dialami entitas.
d. Block, adalah jalur yang ditempuh entitas. Yang diisikan dalam block adalah
nomor. Jika nomor blocknya sama maka asal jalurnya juga sama.
e. Output, menunjukan entitas yang keluar dari proses.
f. Destination, menyatakan lokasi yang menjadi tujuan selanjutnya dalam
memproses entity.
g. Rule, menyatakan aturan-aturan yang digunakan dalam processing, misalnya
proses perakitan (join), probabilitas, dan lainnya.
h. Move logic, digunakan untuk mendefinisikan metode pergerakan entitas,
yaitu dengan menetapkan waktu pergerakan atau dengan apa entitas
dipindahkan.
4. Arrivals
Arrivals adalah mekanisme untuk mendefinisikan bagaimana entities masuk ke
dalam sistem. Entities dapat dikirim secara individu maupun secara kelompok.
Jumlah pengiriman entities pada waktu yang sama disebut dengan batch size (Qty
each). Waktu antara pengiriman yang terjadi disebut dengan interarrival time
-
14 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
(frekuensi). Jumlah keseluruhan bagian yang terkirim disebut dengan occurences.
Sedangkan waktu awal pengiriman disebut dengan first time.
Data-data yang dibutuhkan untuk mendefinisikan arrivals adalah:
a. Entity, menunjukan entitas apa yang masuk kedalam sistem.
b. Location, menunjukan lokasi pertama kali entitas memasuki sistem.
c. Quantity Each(QtyEach), menyatakan jumlah entitas yang datang setiap satu
kali kedatangan.
d. First time, menunjukkan waktu pertama kali entity masuk kedalam sistem.
e. Occurences, menyatakan banyaknya entity setiap satu kali kedatangan.
f. Frequency, menyatakan selang waktu antar dua kedatangan yang berurutan.
g. Logic, digunakan untuk menyatakan logika-logika lain untuk menyatakan
arrival.
h. Disable, menyatakan apakah kedatangan entity yang bersangkutan ada atau
tidak. Default dalam ProModel adalah no, artinya tidak ada kedatangan entity
yang bersangkutan.
5. Variable
Variable digunakan untuk pengambilan keputusan dan pelaporan statistik. Nilai
dari variabel dapat dimonitor dari waktu ke waktu dan ditampilkan pada akhir
simulasi sebagai plot time series atau histogram. Variabel dapat memegang nilai-
nilai integer atau real. Variabel lokal dapat juga digunakan untuk kenyamanan
cepat bila mendefinisikan logika. Variabel terdiri atas dua jenis antara lain:
a. Variabel global, tempat pemegang didefinisikan oleh pengguna untuk
mewakili perubahan nilai numeric.
b. Variabel global, tempat pemegang yang tersedia hanya dalam logika yang
menyatakan mereka.
Beberapa variabel yang terdapat ProModel antara lain:
a. Total change menunjukkan berapa kali nilai variabel berubah selama
simulasi.
b. Average (time) per change merupakan waktu rata-rata yang diberikan pada
variabel namun tetap pada satu nilai.
c. Minimum value merupakan nilai minimum dari variabel selama simulasi
berlangsung.
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
15
d. Maximum value merupakan niali maksimum dari variabel selama simulasi
berlangsung.
e. Current value menunjukkan nilai terakhir dari variabel ketika simulasi
berakhir.
f. Average value menunjukkan nilai rata-rata dari variabel selama simulasi
berlangsung.
6. Resource
Resource adalah alat untuk menjalankan aktivitas (memproses entity). Sebuah
peralatan, manusia atau perlengkapan lainnya yang digunakan/bertugas untuk
mengantar sebuah entity.
Data-data yang diperlukan untuk mendefinisikan resources adalah sebagai
berikut:
a. Name, menunjukan nama dari resources tersebut.
b. Units, menunjukan jumlah resources.
7. Path network
Path networks ini terdiri dari node-node dan lintasan yang menghubungkan antara
node yang satu dengan node yang lainnya. Arah lintasan bisa satu arah atau dua
arah, dan bisa dibuat berdasarkan faktor jarak maupun faktor waktu.
Data-data yang diperlukan untuk mendefinisikan path networks adalah sebagai
berikut:
a. Name, yaitu nama lintasan yang bersangkutan.
b. Type, terdiri dari 3 pilihan yaitu:
1) Non passing, pergerakan hanya untuk satu arah.
2) Passing, pergerakan yang berlaku untuk dua arah.
3) Crane, pergerakan yang berlaku untuk sistem crane.
c. T/S, menunjukan pilihan berdasarkan satuan waktu (Time) atau jarak dan
kecepatan (Speed and Distance).
d. Path, menunjukan jumlah dari lintasan dalam suatu jaringan.
-
16 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
2.4.3 Konsep Pemodelan ProModel
ProModel merupakan sebuah alat simulasi berbasis windows yang digunakan
untuk mensimulasikan dan menganalisis sistem. ProModel merupakan kombinasi
yang sempurna antara kemudahan pemakaian, kecangihan serta kesfleksibilitasan
yang lengkap untuk pembuatan model yang menggambarkan beberapa situasi dan
merealisasikan animasi membuat simulasi menjadi hidup.
Konseptualisasi model yaitu membangun model yang masuk akal dan
memahami sistem. Konsep pemodelan ProModel dibagi menjadi dua, yaitu:
1. Pendekatan proses didasarkan pada tracking low dari entitas-entitas keseluruhan
sistem berikut titik pemprosesan 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 or ungroup dan permanent combine.
2.4.3.1.1 Temporary Batching Using Group or Ungroup
Temporary batching using group or ungroup memiliki dua perintah, yaitu group dan
ungroup. Group sendiri merupakan pengelompokan entitas-entitas secara sementara
sedangkan ungroup dilakukan untuk pemisahan. ProModel menjaga semua
karakteristik dan properties dari setiap individu entitas sebelum dan sesudah
menggunakan perintah ungroup. Pada kapasitas lokasi dimana pengelompokan
terjadi harus sedikit lebih banyak dari ukuran kelompok. Syntax: GROUP
AS .
Contoh syntax: GROUP 24 AS Pie_Loyang.
2.4.3.1.2 Permanent Combine
Permanent Combine digunakan untuk mengumpulkan jumlah tertentu dari entitas-
entitas menjadi satu kesatuan, dengan nama yang berbeda. Ketika mendefinisikan
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
17
lokasi, kapasitas lokasi yang menggunakan pernyataan Combine akan sama besar
dengan jumlah gabungan. Syntax: COMBINE.
Contoh syntax: COMBINE 5.
2.4.3.2 Accumulation of Entites
Accum digunakan pada saat suatu model menginginkan beberapa entitas harus
diakumulasikan terlebih dahulu sebelum diproses. Jadi, suatu entitas akan diproses
pada sebuah stasiun kerja ketika sudah memenuhi jumlah yang diinginkan atau
diperintahkan sebelumnya.
Jika menentukan operasi accum dalam proses untuk entitas individu, akumulasi
akan terjadi dengan tipe entitas individu. Namun, jika menentukan sebagai entitas
pengolahan, jenis entitas semua pada lokasi yang akan berpartisipasi dalam
akumulasi yang sama. Syntax: ACCUM .
Contoh syntax: ACCUM 10.
2.4.3.3 Splitting of One Entity into Multiple Entities
Dalam ProModel sebuah entitas dapat dipisahkan menjadi jumlah yang spesifik
dengan nama entitas yang berbeda, dan dengan biaya serta waktu pengerjaan yang
berbeda untuk masing-masing entitas baru tersebut. Entitas-entitas baru tersebut
akan memiliki atribut yang sama dengan entitas awalnya. Untuk melakukan hal
tersebut digunakan pernyataan SPLIT AS. Syntax: SPLIT AS .
Contoh syntax: SPLIT 5 AS Pie_Loyang.
2.5 Teori Antrian
Teori antrian merupakan studi matematika dari antrian atau kejadian garis
tunggu (waiting lines), yaitu suatu garis tunggu dari pelanggan yang memerlukan
layanan dari sistem yang ada.
2.5.1 Komponen Dasar Antrian
Komponen dasar antrian adalah sebagai berikut:
1. Kedatangan
-
18 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Setiap masalah antrian melibatkan kedatangan, misalnya orang, mobil, atau
panggilan telepon untuk dilayani. Unsur ini sering disebut proses input. Proses
input meliputi sumber kedatangan atau biasa dinamakan calling population, dan
cara terjadinya kedatangan yang umumnya merupakan proses random.
Terdapat tiga perilaku antrian, yaitu:
a. Reneging (pembatalan) adalah meninggalkan antrian 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
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. Sebuah bank dapat mempekerjakan seorang atau banyak teller.
Di samping itu, perlu diketahui cara pelayanan diselesaikan, yang kadang-
kadang merupakan proses random. 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.
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.
Karena itu, fasilitas pelayanan dapat memiliki satu atau lebih saluran.
Fasilitas yang mempunyai satu saluran disebut saluran tunggal atau sistem
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
19
pelayanan tunggal dan fasilitas yang mempunyai lebih dari satu saluran
disebut saluran ganda atau pelayanan ganda.
c. Lamanya pelayanan
Lamanya pelayanan adalah waktu yang dibutuhkan untuk melayani seorang
langganan atau satu-satuan. Waktu pelayanan boleh tetap dari waktu ke
waktu untuk semua langganan atau boleh juga berupa variabel acak.
Umumnya untuk keperluan analisis, waktu pelayanan dianggap sebagai
variabel acak yang terpencar secara bebas dan sama serta tidak tergantung
pada waktu kedatangan.
3. Antrian komponen
Inti dari analisis antrian adalah antri itu sendiri. Timbulnya antrian terutama
tergantung dari sifat kedatangan dan proses pelayanan. Penentu antrian lain
yang penting adalah disiplin antri. Disiplin antri adalah aturan keputusan yang
menjelaskan cara melayani pengantri, misalnya datang awal dilayani dulu yang
lebih dikenal dengan singkatan FCFS, datang terakhir dilayani dulu LCFS,
berdasar prioritas, berdasar abjad, berdasar janji, dan lain-lain. Jika tak ada
antrian berarti terdapat pelayan yang nganggur atau kelebihan fasilitas
pelayanan.
2.5.2 Disiplin Pelayanan Antrian
Displin pelayanan antrian adalah aturan keputusan yang menjelaskan cara
melayani pengantri. Menurut Siagian (1987), ada empat bentuk disiplin pelayanan
yang biasa digunakan, yaitu:
1. First come first served (FCFS) atau first in first out (FIFO) artinya, lebih dulu datang,
lebih dulu dilayani. Misalnya, antrian pada loket bioskop.
2. Last come first served (LCFS) atau last in first out (LIFO) artinya, yang tiba terakhir
yang lebih dulu keluar. Misalnya, sistem antrian dalam elevator untuk antrian
yang sama tiba terakhir yang lebih dulu keluar.
3. Service in random order (SIRO) artinya, panggilan didasarkan pada peluang secara
random, tidak dipermasalahkan siapa yang lebih dulu tiba. Misalnya, pada arisan
dimana penarikan berdasarkan nomor undian.
-
20 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
4. Priority service (PS) artinya, prioritas pelayanan diberikan kepada pelanggan yang
memiliki prioritas lebih tinggi dibandingkan dengan pelanggan yang memiliki
prioritas lebih rendah, meskipun yang terakhir ini kemungkinan sudah tiba lebih
dulu di garis tunggu. Misalnya, ada pasien yang datang terakhir ke UGD namun
kondisinya sangat parah, sehingga ditangani lebih dulu.
2.5.3 Model Antrian
Ada empat model struktur antrian dasar yang umum yaitu:
1. Single channel single phase
Berarti hanya ada satu pelanggan yang masuk system pelayanan atau hanya ada
satu fasilitas pelayanan. Single phase berarti hanya ada satu pelayanan. Contoh:
sistem antrian pada ATM.
Gambar 2.1 Single channel single phase Sumber: Murti, Surachman (2012:259)
2. Multiple channel single phase (paralel)
Terjadi kapan saja dimana ada dua atau lebih fasilitas pelayanan dialiri oleh
antrian tunggal. Contoh: antrian pada teller sebuah bank.
Gambar 2.2 Multiple channel single phase Sumber: Murti, Surachman (2012:259)
3. Single channel multiple phase (seri)
Menunjukkan ada dua atau lebih pelayanan yang dilaksanakan secara berurutan
(dalam fase-fase). Contoh: pencucian mobil maupun motor.
Gambar 2.3 Single channel multiple phase Sumber: Murti, Surachman (2012:259)
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
21
4. Multiple channel multiple phase
Sistem yang mempunyai beberapa fasilitas pelayanan pada setiap tahapannya.
Contoh: registrasi mahasiswa di universitas.
Gambar 2.4 Multiple channel multiple phase
Sumber: Murti, Surachman (2012:260)
2.6 Petri Net
Petri Net adalah salah satu model untuk merepresentasikan sistem terdistribusi
diskrit. Sebagai sebuah model, Petri Net merupakan grafik dua arah yang terdiri
dari place, transition, dan tanda panah yang menghubungkan keduanya. Di samping
itu, untuk merepresentasikan keadaan sistem,token diletakkan pada place tertentu.
Ketika sebuah transition terpantik, token akan bertransisi sesuai tanda panah. Petri
Net pertama kali diajukkan oleh Carl Adam Petri pada tahun 1962.
Tabel 2.1 Simbol Petri Net
Simbol Kegunaan
Lingkaran (Location)
Merepresentasikan aktivitas (pasif/aktif) atau kondisi/status (pre/post)
Segi Empat (Transition)
Merepresentasikan kejadian atau saat perubahan/transisi kondisi
Panah (Flow Relation)
Merepresentasikan relasi urutan antar node yang menunjukkan bahwa node pendahulu
berlanjut menjadi node berikutnya
Token (Marking)
Merepresentasikan pergerakan location atau
perubahan kondisi yang dialami entitas
Sumber: Asmungi (2004:31)
-
22 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
2.7 Pengumpulan Data Simulasi dan Data Input
Input dari model simulasi adalah distribusi tertentu dari parameter yang ingin
dimodelkan. Angka acak akan dibangkitkan oleh perangkat model simulasi sesuai
dengan distribusi yang telah dimasukkan. Untuk itu perlu proses pengumpulan data
yang baik dan intensif untuk mendapatkan distribusi yang dapat
mempresentasikansistem nyata garbage in garbage out (GIGO) adalah konsep dasar
pada computer science yang dapat diaplikasikan pada lingkup discrete-event simulation
(Banks, et al., 2004). Konsep ini menyatakan bahwa kendatipun struktur dari model
sudah tervalidasi, namun bila input data tidak dikumpulkan atau dianalisa secara
tepat, serta tidak mempresentasikan output sistem simulasi akan menjadi rancu
sehingga dapat merusak proses simulasi penentuan keputusan.
Data input untuk model simulasi adalah faktor yang mempengaruhi jalannya
simulasi (Banks, et al., 2004). 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. Proses ini
memerlukan waktu dan tenaga yang cukup banyak. Namun, dalam beberapa
situasi pengumpulan data tidak mungkin untuk dilakukan contohnya adalah
ketika tidak tersedianya waktu, atau ketika peraturan dan undang-undang tidak
mengijinkan pengumpulan data. Apabila mengalami kejadian seperti demikian,
pemodelan harus menggunakan expert opinion sehingga dapat membuat dugaan
yang memiliki dasaran yang tepat.
2. Mengidentifikasi distribusi probabilitas untuk mempresentasikan input proses.
Distribusi probabilitas yang dapat dipilih seperti normal, uniform, triangular,
exponential, poisson, dan sebagainya. Bila pemodel memiliki distribusi data,
langkah ini dapat dimulai dengan menentukan distribusi frekuensi seharusnya
dengan melihat histogram dari data.
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
23
3. Memilih parameter yang sesuai untuk mempresentasikan data dari distribusi
yang telah ditentukan. Contohnya bila menentukan sebuah input proses memiliki
distribusi normal, maka perlu menentukan berapa rata-rata dan standar deviasi
yang sesuai. Namun pada software simulasi, seringkali sudah terintegrasi dengan
tools yang dapat digunakan untuk melihat parameter dari distribusi data tersebut
seperti stat:fit pada ProModel dan input analyzer pada Arena.
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 mempresentasikan sistem,
maka ulangi langkah kedua dan ketiga hingga merasa yakin. Keyakinan
terhadap distribusi dapat dilihat dari nilai eror antara distribusi yang dipilih
dengan data aktual 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 2.5 Grafik distribusi uniform
Sumber: Suprayogi.2006.distribusi probabilitas kontinyu teorits.pdf
2. Distribusi normal
Sebuah fungsi yang berbentuk lonceng dengan parameter (mean) dan (standar
deviasi).
Gambar 2.6 Grafik distribusi normal
Sumber: Suprayogi.2006.distribusi probabilitas kontinyu teorits.pdf
-
24 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Variabel acak normal digunakan untuk memodelkan banyak fenomena acak
yang dapat dinyatakan sebagai jumlah variabel acak, berdasarkan central limit
theorem. Analisa harus berhati-hati dalam menggunakan distribusi normal untuk
model fenomena acak, yang tidak dapat mengasumsikan nilai negatif. Distribusi
normal pada umumnya digunakan untuk menggambarkan proses.
3. Distribusi triangular
Sebuah distribusi dengan batas bawah (minimum) adalah a, modus c, dan batas
atas (maksimum) b.
Gambar 2.7 Grafik distribusi triangular
Sumber: Suprayogi.2006.distribusi probabilitas kontinyu teorits.pdf
Variabel acak triangular digunakan ketika distribusi yang mendasari tidak
diketahui, tetapi masuk akal untuk mengasumsikan bahwa nilai berkisar dari
beberapa nilai minimal, bentuk linear kurva PDF adalah cara paling sederhana
untuk mewakili jenis perilaku. Variabel acak triangular biasanya digunakan
untuk mempresentasikan proses.
4. 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 eksponensial
Sumber: Suprayogi.2006.distribusi probabilitas kontinyu teorits.pdf
Variabel acak eksponensial banyak digunakan untuk model acak waktu antar
kedatangan untuk waktu kontinyu. Variabel acak eksponensial biasanya
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
25
digunakan untuk mempresentasikan interarrival pelanggan, banyaknya
kegagalan, dan sebagainya.
5. Distribusi weibull
Biasanya digunakan untuk menyelesaikan masalah-masalah yang mmenyangkut
lama waktu (umur) suatu objek yang mampu bertahan hingga akhirnya objek
tersebut tidak berfungsi sebagaimana mestinya (rusak atau mati).
Gambar 2.9 Grafik distribusi weibull
Sumber: Suprayogi.2006.distribusi probabilitas kontinyu teorits.pdf
Distribusi weibull pada umumnya digunakan mempresentasikan waktu
kerusakan.
6. Distribusi lognormal
Merupakan distribusi probabilitas sebuah variabel acak yang logaritmanya
tersebar secara normal.
Gambar 2.10 Grafik distribusi lognormal
Sumber: Suprayogi.2006.distribusi probabilitas kontinyu teorits.pdf
Distribusi lognormal pada umumnya digunakan untuk mempresentasikan
waktu kerusakan.
7. Distribusi Poisson
Merupakan limit dari distribusi binomial dengan banyaknya percobaan n relatif
besar.
-
26 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Gambar 2.11 Grafik distribusi Poisson
Sumber: Darsyah.2013.perbandingan kurva pada distribusi uniformdan distribusi binomial.pdf
Distribusi Poisson pada umumnya digunakan untuk menggambarkan jumlah
kedatangan dalam satuan waktu.
2.8 Verifikasi dan Validasi
Verifikasi dan validasi merupakan tahapan untuk menguji
kredibilitas/kesesuaian sistem nyata dengan model simulasi. Verifikasi adalah proses
untuk menentukan apakah model telah beroperasi sesuai dengan 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 komputer) 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 pencocokan ulang
terhadap logika proses.
3. Melakukan pencocokan animasi apakah sudah berjalan sesuai dengan sistem
nyata.
4. Melakukan kompilasi error atau debugging.
Validasi adalah proses penentuan apakah model, sebagai konseptualisasi,
merupakan representasi yang akurat dan sesuai dengan sistem nyata (Hoover dan
Perry, 1989). Validasi model simulasi dilakukan dengan partisipasi analis, pengambil
keputusan dan manajer sistem. Uji validasi adalah apakah pengambil keputusan
dapat mempercayai model yang digunakan sebagai bagian dari proses pengambilan
keputusan. Tidak ada teknik tunggal untuk melakukan validasi model. Prosedur
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
27
validasi model simulasi tergantung dari sistem yang sedang dimodelkan dan
lingkungan pemodelan. Beberapa metode validasi adalah:
1. Perbandingan output simulasi dengan sistem nyata
Perbandingan statistik dan perbedaan dalam performansi harus diuji untuk
signifikansi statistiknya. Perbandingan ini tidak bisa dilakukan dengan
sederhana begitu, karena performansi yang diukur menggunakan simulasi
didasarkan pada periode waktu yang sangat lama, mungkin beberapa tahun.
Kinerja yang diukur dalam sistem nyata sebaliknya didasarkan pada periode
waktu singkat, mungkin hanya dalam ukuran minggu atau paling lama bulan.
2. Metode Delphi
Metode Delphi dikembangkan sebagai pendekatan ke analisis permasalahan
ketika sangat sedikit data tersedia atau sistem nyata sedang dipertimbangkan.
Dalam metode Delphi, sekelompok ahli terpilih membentuk panel yang akan
menghasilkan jawaban konsensus terhadap pertanyaan yang diajukan ke
mereka. Dalam lingkungan simulasi, panel mungkin terdiri dari manager dan
pengguna sistem yang sedang dimodekan dan pertanyaan adalah tentang
perilaku atau kinerja sistem di bawah kondisi operasi tertentu. Metode Delphi
terdiri dari prosedur interaktif berikut:
1. Kuesioner yang memuat pertanyaan respon sistem nyata terhadap input
tertentu atau perubahan struktural dikirim ke setiap anggota panel.
2. Didasarkan pada respon akan kuesioner pertama, kuesioner kedua dibentuk
yang akan menarik respon lebih spesifik dari panel.
3. Kuesioner baru dikirimkan ke panel bersamaan dengan pemurnian respon
panel akan pertanyaan dari tahap sebelumnya.
Tahap 1 sampai 3 diulang 2 kali atau lebih sampai analis mendapatkan
prediksi ahli akan respon sistem terhadap input atau perubahan struktural yang
sedang dipertimbangkan.
3. Pengujian Turing
Metode ini diajukan oleh Alan Turing sebagai uji intelegensia buatan. Seorang
ahli atau panel ahli menyediakan ringkasan gambaran atau laporan berdasarkan
sistem nyata dan model simulasi. Jika ahli tidak dapat mengidentifikasi laporan
berdasarkan output model simulasi, kredibilitas model ditingkatkan. Kesulitan
-
28 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
utama validasi model menggunakan uji Turing adalah penyesuaian ukuran
kinerja sistem nyata sehingga pengaruh tidak dimaksudkan sebagai bagian dari
model simulasi dihilangkan.
4. Perilaku ekstrim
Kadang-kadang sistem nyata dapat diamati di bawah kondisi ekstrim dimana
situasi tidak biasa muncul. Kadang-kadang hal ini menjadi solusi ideal untuk
mengumpulkan data ukuran kienrja sistem nyata untuk perbandingan output
mode simulasi yang dijalankan pada kondisi yang sama. Kadang-kadang juga
manager sistem lebih mudah memprediksi bagaimana perilaku sistem nyata
pada kondisi ekstrim daripada pada kondisi normal. Dengan membandingkan
prediksi perilaku sistem nyata di bawah kondisi ekstrim dengan kinerja model
pada kondisi sama, mode dapat divalidasi.
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
29
BAB III
METODOLOGI PENELITIAN
3.1 Diagram Alir Praktikum
Diagram alir praktikum modul 1 adalah sebagai berikut:
Gambar 3.1 Diagram alir praktikum modul 1
-
30 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
3.2 Prosedur Praktikum
Langkah-langkah yang perlu dilakukan dalam praktikum ini adalah:
1. Mulai
2. Melakukan studi pustaka, yaitu mempelajari segala materi yang berkaitan
dengan praktikum yang terdapat ditemukan dari berbagai referensi.
3. Mengidentifikasi masalah, yaitu menentukan permasalahan yang akan
dimodelkan dalam praktikum modul ini.
4. Pengambilan data berupa data proses pembuatan Pai Apel Malang.
5. Penentuan distribusi, menggunakan software ProModel, yaitu dengan
memasukkan data ke dalam menu stat fit pada ProModel hingga muncul output
distribusi data, dan pilih distribusi dengan ranking tertinggi dengan status do not
reject.
6. Pemodelan sistem menggnakan Petri Net, merupakan proses membentuk sebuah
model dengan Petri Net dari suatu sistem nyata yang diamati. Pada praktikum
ini, sistem yang diamati adalah proses pembutan Pai Apel Malang.
7. Pemodelan sistem dengan ProModel, menggambarkan cara kerja sistem yang
dijalankan dengan software ProModel.
8. Verifikasi, adalah proses pemeriksaan logika operasional model (program
komputer) sesuai dengan logika diagram alur.
9. Validasi, adalah proses penentuan apakah model, sebagai konseptualisasi,
merupakan representasi yang akurat dan sesuai dengan sistem nyata.
10. Analisis dan pembahasan
Analisa dan pembahasan dari sebelum simulasi dan hasil setelah disimulasikan
berupa input dan output data yang diperoleh.
11. Kesimpulan dan saran
Kesimpulan dan saran memberikan rangkuman dari awal proses hingga akhir
dan melengkapi apa yang kurang pada proses tersebut.
12. Selesai
Hasil dari praktikum didapatkan output dari data yang diolah, serta kesimpulan
yang didapat pada praktikum ini.
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
31
BAB IV
ANALISA DAN PEMBAHASAN
4.1 Gambaran Sistem
Sistem yang digunakan dalam pemodelan di modul ini adalah sistem pembuatan
kue pie di Pai Apel Malang, Sanan. Komponen yang ada di dalamnya adalah sebagai
berikut:
1. Entitas yaitu potongan pai.
2. Resource yaitu pegawai pertama adalah yang membuat pai dan melakukan
pengovenan. Kemudian yang kedua adalah pegawai yang melakukan
pengemasan dan pengepakan.
3. Aktivitas yaitu pengovenan, pendinginan, penyortiran, pengemasan, dan
pengepakan.
Alur di dalam sistem adalah adonan pai yang telah dibuat kemudian dioven.
Setelah proses pengovenan kemudian dilakukan pendinginan. Selanjutnya dilakukan
proses penyortiran kue pai yang sudah matang. Setelah itu, dilakukan pengemasan
dan pengepakan.
4.2 Petri Net
Berikut merupakan Petri Net dari proses pembuatan Pai Apel Malang.
-
32 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Gambar 4.1 Petri Net proses pembuatan Pai Apel Malang
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
33
4.3 Flowchart Sistem
Berikut merupakan flowchart sistem dari proses pembuatan Pai Apel Malang.
Mulai
a = proses antrian pengovenan
b = proses antrian pendinginan
c = proses antrian penyortiran
d = proses antrian pembungkusan
a, b, c, d = 0
Pembuatan Pai Apel
Oven idle?
a = a + 1
Tidak
Ya
a = a - 1
Fan idle?
b = b + 1
Pai Apel
matang
b = b - 1
Pai Apel siap
disortir
A
Tidak
Ya
c = c + 1
Apakah Operator
menyortir Pai Apel
idle?
Tidak
c = c - 1
A
YaPai Apel
mentah
Proses
Pengepakan
Selesai
Pai Apel siap
dibungkus
d = d + 1
Apakah Operator
membungkus Pai
Apel idle?
d = d - 1
Ya
Tidak
Gambar 4.2 Flowchart sistem proses pembuatan Pai Apel Malang
-
34 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
4.4 Pengujian Distribusi Data
Berikut ini merupakan data pengamatan pembuatan pai apel, sortir,
membungkus pai dan proses packing.
Tabel 4.1 Data Hasil Pengamatan
NO. P1 P2 P3 P4 NO. P1 P2 P3 P4
1. 7 11 5 8 26. 6 13 4 8
2. 7 14 6 10 27. 4 15 6 4
3. 8 14 5 7 28. 9 14 6 7
4. 7 14 6 7 29. 6 11 3 5
5. 9 10 4 6 30. 5 14 7 7
6. 6 15 3 5 31. 6 14 7 5
7. 7 14 3 8 23. 7 14 4 7
8. 9 15 4 9 33. 7 13 4 9
9. 6 12 5 8 34. 5 11 6 4
10. 6 13 6 10 35. 4 14 5 6
11. 5 13 5 7 36. 5 14 6 7
12. 5 13 5 5 37. 8 14 4 9
13. 9 11 4 4 38. 5 11 6 10
14. 7 13 4 7 39. 5 10 7 10
15. 8 10 4 7 40. 7 10 5 10
16. 4 10 4. 5 41. 9 15 6 4
17. 6 13 4 10 42. 4 10 3 9
18. 6 12 3 7 43. 4 10 6 6
19. 8 15 7 7 44. 7 14 4 4
20. 7 15 4 10 45. 4 11 5 5
21. 9 12 5 7 46. 7 12 5 6
22. 5 13 5 10 47. 5 15 7 5
23. 9 12 4 7 48. 4 12 5 9
24. 4 13 7 6 49. 6 11 7 8
25. 4 10 4 8 50. 6 12 7 10
Keterangan: P1 = waktu kedatangan Pai Apel Malang (menit)
P2 = waktu penyortiran Pai Apel Malang (detik)
P3 = waktu membungkus Pai Apel Malang (detik)
P4 = waktu proses packing (detik)
Berikut ini langkah-langkah pengujian distribusi data dengan Stat:Fit:
1. Menjalankan software ProModel.
2. Pilih tools pada tool bar, pilih Stat:Fit.
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
35
Gambar 4.3 Langkah pengujian Stat:Fit
3. Masukkan data pengamatan yang telah dilakukan pada datable.
Gambar 4.4 Pengujian Stat:Fit
4. Klik Fit, kemuudian Auto:Fit, pilih continuos klik Ok.
Gambar 4.5 Proses Stat:Fit
5. Hasil akan ditambahkan berupa automatic filling. Untuk penggunaan distribusi
pada simulasi pilih distribusi dengan acceptance do not reject dan memiliki rank
terbesar.
Gambar 4.6 Contoh hasil pengujian Stat:Fit
-
36 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Tabel 4.2 Tabel Pengujian Stat:Fit
Aktivitas Pendugaan
Distribusi
Distribusi
Stat:Fit Rank Acceptance
Distribusi
Terpilih Alasan
Pembuatan Pai Apel
Eksponensial / Normal /
Uniform
Uniform
(4., 9.)
Uniform
(22.4)
Uniform (Do not reject)
Uniform
(4., 9.)
Karena sesuai
dengan
pendugaan distribusi
(uniform) dan memiliki rank
tertinggi (22.4)
dengan
acceptance (do
not reject)
Lognormal (4., 0.874,
0.554)
Lognormal (0.211)
Lognormal
(reject)
Exponential (4., 2.26)
Exponential (0)
Exponential (reject)
Penyortiran Pai Apel
Triangular /
Normal / Uniform
Uniform (10., 15.)
Uniform (95.) Uniform
(Do not reject)
Uniform
(10., 15.)
Karena sesuai dengan
pendugaan
distribusi (uniform) dan
memiliki rank
tertinggi (95.) dengan
acceptance (do
not reject)
Lognormal (10., 1.02,
0.537)
Lognormal (1.46)
Lognormal
(reject)
Pembungkusan Pai Apel
Triangular / Normal /
Uniform
Uniform
(3., 7.)
Uniform
(43.3)
Uniform (Do not reject)
Uniform
(3., 7.)
Karena sesuai
dengan
pendugaan distribusi
(uniform) dan memiliki rank
tertinggi (43.3)
dengan
acceptance (do
not reject)
Lognormal (3., 0.675,
0.531)
Lognormal (0.139)
Lognormal
(reject)
Exponential (3., 2.02)
Exponential (0)
Exponential (reject)
Proses packing
Pai Apel
Triangular /
Normal / Uniform
Uniform (4., 10.)
Uniform (55.6)
Uniform
(Do not reject)
Uniform (4., 10.)
Karena sesuai dengan
pendugaan
distribusi (uniform) dan
memiliki rank
tertinggi (55.6) dengan
acceptance (do
not reject)
Lognormal
(4., 1.1, 0.586)
Lognormal
(30.3)
Lognormal (reject)
Exponential
(4., 3.14)
Exponential
(1.69e-002)
Exponential
(reject)
4.5 Pembuatan Model Sistem Produksi Pai Apel Malang
Berikut ini merupakan langkah-langkah pembuatan model sistem produksi Pai
Apel Malang dengan software ProModel:
1. Menjalankan software ProModel.
Gambar 4.7 Pemilihan latar belakang
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
37
2. Kemudian membuatan background yang berfungsi sebagai latar belakang
permodelan sistem. Dengan cara klik Build pada toolbar pilih Background Graphics
pilih BehindGrid. Setelah itu klik Edit pilih ImportGraphic, pilih Tutorial Back klik
Open.
Gambar 4.8 Latar belakang ProModel 3D
3. Langkah berikutnya adalah pembuatan layout sistem produksi dengan cara, pilih
Build pada toolbar, klik Locations atau klik Ctrl+L. Buat locations dengan cara men-
dragsimbol locations yang diinginkan layout, ketikkan nama lokasi yang
diinginkan klik Ok.
Tabel 4.3 Icon Location
No.
Locations
Graphics
Type
Name Capacity Units Dts Stats Rules
1. Raw
Material Pembuatan Pai INFINITE 1 None
Time
Series Oldest
2. Oven Oven 24 1 None Time
Series Oldest
3. Table Pendinginan 1 1 None Time
Series Oldest
4. Table Sortir 1 1 None Time
Series Oldest
5. Desk Pembungkusan 1 1 None Time
Series Oldest
6. Box Pengepakan 10 1 None Time
Series Oldest
7. Conveyor Keluar INFINITE 1 None Time
Series Oldest, FIFO
-
38 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Gambar 4.9 Location proses pembuatan pai apel
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.
Tabel 4.4 Icon Entity
No. Icon Name Speed (fpm) Stats
1. Gear Pai Mentah 150 Time Series
2. Pallet Pai Loyang 150 Time Series
3. Pallet Pai Matang Loyang 150 Time Series
4. Gear Pai Matang Satuan 150 Time Series
5. Gear Pai Kemasan 150 Time Series
6. Gear Pai Kotakan 150 Time Series
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 location berikutnya klik kanan
pada locations tujuan kemudian lanjutkan lagi sesuai langkah di awal.
Gambar 4.10 Langkah pembuatan Net 1 dan Net 2
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
39
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. Untuk menambahkan resources yang akan digunakan klik Build pilih resources atau
Ctrl+R. Tambahkan machinist dengan memilih machinist graphic, ganti nama
machinist menjadi operator 1. Klik menu Specs untuk membuka dialog box Resource
specification pilih Path Network, pilih Net 1.Lalu klik Ok.
Gambar 4.11 Proses pemilihan specs path network
7. Tahap selanjutnya adalah menentukan logika proses. Klik Build pilih Processing
atau Ctrl+P. Pada Processing terdapat dua jenis logika yaitu logika process layout
dan routing layout. Alur proses ditunjukkan pada tabel berikut ini:
a. Kedatangan pai apel mentah ke oven
Tabel 4.5 Tabel Processing Kedatangan ke Oven
Entity Location Operation
Pai_Mentah Pembuatan_Pai INC WIP
Tabel 4.6 Tabel Routing Kedatangan ke Oven
Blk Output Destination Rule Move Logic
1 Pai_Mentah Oven FIRST 1 MOVE WITH Operator1 THEN FREE
b. Menggabungkan 24 pai apel mentah menjadi loyang untuk masuk ke oven
Tabel 4.7 Tabel Processing Penggabungan Pai Mentah Entity Location Operation
Pai_Mentah Oven GROUP 24 AS Pie_Loyang
-
40 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
c. Pai apel di dalam oven selama 30 menit
Tabel 4.8 Tabel Processing Pengovenan Entity Location Operation
Pai_Loyang Oven WAIT 30 MIN UNGROUP
d. Pai matang dari oven ke pendinginan
Tabel 4.9 Tabel Processing Pendinginan Entity Location Operation
Pai_Matang_Loyang Oven
Tabel 4.10 Tabel Routing Pendinginan
Blk Output Destination Rule Move Logic
1 Pai_Matang_Satuan Pendinginan FIRST 1 MOVE WITH Operator1 THEN FREE
e. Pendinginan ke sortir
Tabel 4.11 Tabel Processing Pendinginan ke Sortir Entity Location Operation
Pai_Matang_Satuan Pendinginan
Tabel 4.12 Tabel Routing Pendinginan ke Sortir
Blk Output Destination Rule Move Logic
1 Pai_Matang_Satuan Sortir FIRST 1 MOVE WITH Operator1 THEN FREE
f. Sortir ke bungkus
Tabel 4.13 Tabel Processing Sortir ke Bungkus Entity Location Operation
Pai_Matang_Satuan Sortir WAIT U(10, 15) SEC
Tabel 4.14 Tabel Routing Sortir ke Bungkus
Blk Output Destination Rule Move Logic
1 Pai_Matang_Satuan Bungkus FIRST 1
g. Bungkus ke pengepakan
Tabel 4.15 Tabel Processing Bungkus ke Pengepakan Entity Location Operation
Pai_Matang_Satuan Bungkus WAIT U(3, 7) SEC
Tabel 4.16 Tabel Routing Bungkus ke pengepakan
Blk Output Destination Rule Move Logic
1 Pai_Matang_Satuan Pengepakan FIRST 1
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
41
h. Pengepakan ke keluar
Tabel 4.17 Tabel Processing Pengepakan ke Keluar Entity Location Operation
Pai_Kemasan Pengepakan COMBINE 10WAIT U(4, 10)SEC
Tabel 4.18 Tabel Routing Pengepakan ke Keluar
Blk Output Destination Rule Move Logic
1 Pai_Kotakan Keluar FIRST 1
i. Keluar ke exit
Tabel 4.19 Tabel Processing Keluar ke Exit Entity Location Operation
Pai_Kotakan Keluar DEC WIP
4.20 Tabel Routing Keluar ke Exit
Blk Output Destination Rule Move Logic
1 Pai_Kotakan EXIT FIRST 1
8. Setelah logika proses selesai, kemudian melakukan pendefinisian kedatangan.
Klik Build pilih Arrivals.
4.21 Tabel Arrival
Entity Location Qty
Each
First
Time Occurances Frequency Logic Disable
Pai_Mentah Pembuatan
_Pai 1 INFINITE U (4,9) MIN No
9. Untuk pembuatan variables dapat dilakukan dengan cara klik Build pilih Variables
atau klik icon V. Ketikkan ID yang diinginkan, kemudian aktifkan Icon variable
menjadi yes.
4.22 Tabel Variables Icon ID Type Initial
Value
Stats Notes
Yes WIP Integer 0 Time Series, Time
Yes Total_Produk Integer 0 Time Series, Time
-
42 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
10. Jalankan simulasi dengan cara klik Simulation pada toolbar, lalu klik Run
Gambar 4.12 Simulasi sedang berjalan
4.6 Analisa dan Pembahasan
Berdasarkan model yang telah dibuat untuk sistem produksi Pai Apel Malang,
analisis nya adalah sebagai berikut:
1. Location
Tabel 4.23 Output Utilization Location Sistem Pai Apel pada ProModel
Location
% Utilization
Replikasi
1 2 3 4 5
Pembuatan Pai 0,00 0,00 0,00 0,00 0,00
Oven 71,98 64,85 67,43 66,44 66,87
Pendinginan 3,70 2,80 3,66 2,90 2,27
Sortir 3,34 2,76 3,59 2,76 2,15
Bungkus 1,34 0,96 1,24 0,91 0,69
Pengepakan 34,28 32,02 34,54 26,41 15,55
Keluar 0,02 0,02 0,02 0,02 0,01
Pada location yang dianalisis adalah utilization, utilization menggambarkan kinerja
dari tiap lokasi. Utilization pada masing-masing replikasi berbeda, namun
perbedaannya tidak terlalu signifikan, karena pada setiap replikasi jumlah entitas
kedatangan yang diproses berbeda, hal ini disebabkan waktu proses
menggunakan distribusi probabilitas sehingga menghasilkan sistem bersifat
probabilistik (tidak menentu). Utilization terbesar dan yang paling optimal
terdapat pada location oven, yaitu sebesar 71,98, itu karena pada location oven
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
43
sebagai mesin. Sedangkan utilization terkecil dan tidak optimal terdapat pada
location pembungkusan, yaitu sebesar 0,69 karena proses pada location tersebut
membutuhkan waktu yang singkat.
2. Entity activity
Tabel 4.24 Output Entity Activity Sistem Pai Apel pada ProModel
Entity
Total Exits Current Qty In System
Replikasi Replikasi
1 2 3 4 5 1 2 3 4 5
Pai Mentah 0,00 0,00 0,00 0,00 0,00 7,00 25,00 18,00 30,00 10,00
Pai Loyang 4,00 3,00 4,00 3,00 2,00 0,00 1,00 0,00 1,00 0,00
Pai Matang
Loyang 0,00 0,00 0,00 0,00 0,00
0,00 0,00 0,00 0,00 0,00
Pai Matang Satuan
0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
Pai Kemasan
90,00 70,00 90,00 70,00 30,00 6,00 2,00 6,00 2,00 6,00
Pai Kotakan 9,00 7,00 9,00 7,00 3,00 0,00 0,00 0,00 0,00 0,00
Pada entity activity, yang dianalisis adalah total exits dan current qty in system. Total
exits digunakan untuk mengetahui berapa banyak entitas yang keluar dari sistem
produksi pai apel. Total exits tertinggi terletak pada entitas pai kemasan yaitu
sebesar 90 karena menghasilkan pai satuan yang nantinya akan dipacking ke
dalam kotak masing-masing 10 pai dalam tiap kotak. Sedangkan pai mentah, pai
matang loyang, dan pai matang satuan tidak ada jumlah keluaran karena entitas
tersebut merupakan entitas setengah jadi yang nantinya masih diproses menjadi
pai apel.
Current quantity in system digunakan untuk mengetahui jumlah entitas yang
berada pada sistem ketika sistem berikut dihentikan. Pada output menunjukkan
bahwa ada beberapa entitas termasuk entitas setengah jadi yang masih berada di
dalam sistem. Current quantity in system tertinggi terletak pada entitas pai mentah
yaitu sebesar 25 karena entitas pai mentah memiliki waktu proses yang lama di
dalam sistem.
-
44 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
3. Resource
Tabel 4.25 Output Utilization Resource Sistem Pai Apel pada ProModel
Resource
%Utilization
Replikasi
1 2 3 4 5
Operator 1 8,25 6,79 8,61 6,79 8,35
Operator 2 4,26 3,19 4,26 3,19 4,26
Pada resource, yang dianalisis adalah utilization tiap operator. Utilization
digunakan untuk menentukan kinerja tiap operator. Presentase utilization pada
resource yang baik antara 50-70%. Utilization pada operator 1 dan operator 2
kurang dari 10%, itu artinya operator 1 dan operator 2 mempunyai tingkat
produktivitas yang rendah, karena pada proses pengovenan dan pendinginan
membutuhkan waktu yang lama sehingga operator tidak bekerja untuk
melakukan pemindahan material.
4.7 Verifikasi dan Validasi
Verifikasi dilakukan untuk menentukan apakah model telah berjalan sesuai
dengan yang diinginkan, sedangkan validasi dilakukan unutk mengetahui apakah
model telah sesuai dengan kondisi konseptual yang diinginkan. Berikut ini
merupakan hasil verifikasi dan validasi dari pemodelan data simulasi sistem
pembuatan Pai Apel Malang.
4.7.1 Verifikasi
Berikut ini adalah tahapan-tahapan yang dilakukan dalam melakukan verifikasi
model simulasi proses pembuatan Pai Apel Malang.
1. Membandingkan hasil Petri Net dengan hasil software ProModel. Tahapan dari
Petri Net adalah pai datang antrian pai proses pengovenan antrian pai
matang proses pendinginan antrian sortir proses penyortiran antrian pai
siap bungkus proses pembungkusan pai antrian pengepakan pai proses
pengepakan pai pai keluar.
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
45
Gambar 4.13 Verifikasi Petri Net
-
46 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Kemudian proses yang dilakukan di ProModel juga sama, seperti pada gambar
dibawah ini:
Gambar 4.14 Verifikasi software ProModel
Berdasarkan kesamaan proses Petri Net dan model pada ProModel maka dapat
dikatakan model yang dibuat sudah terverifikasi dengan sistem nyatanya. Yaitu
diawali dengan kedatangan pai mentah kemudian masuk lokasi oven. Setelah
melalui lokasi oven menuju lokasi pendinginan, penyortiran, pengemasan,
pengepakan, dan selesai.
2. Melakukan pengecekan satuan pada processingdi ProModel`
Gambar 4.15 Pengecekan processing di ProModel
3. Melakukan pengecekan pada compile error.
Gambar 4.16 Pengecekan pada compile error
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
47
Berdasarkan verifikasi yang telah dilakukan, maka dapat disimpulkan model
yang telah dibuat di software ProModel telah terverifikasi, yang artinya model
telah berjalan sesuai dengan yang diinginkan programmer.
4. Melakukan pencocokan animasi apakah sudah berjalan sesuai dengan sistem
nyata.
Gambar 4.17 Proses running dalam ProModel
4.7.2 Validasi
Berikut ini adalah tahapan-tahapan yang dilakukan dalam melakukan validasi
model simulasi proses pembuatan Pai Apel Malang.
1. Buka program yang telah dibuat pada ProModel.
2. Run program.
3. Pada Report Selection, pilih pada Replication. Klik OK.
Gambar 4.18 Proses validasi pada ProModel
4. Pada General Report, klik Location untuk mengetahui average time per entry (MIN)
dan klik Entity Activities untuk mengetahui Total Exits, sehingga akan muncul
output dengan total replikasi sebanyak 5 kali untuk masing-masing location.
-
48 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Tabel 4.26 Data Sortir, Pembungkusan, dan Output Sistem Pada 5 Replikasi
Replikasi Sortir Pembungkusan Output Sistem
Aktual Simulasi Aktual Simulasi Aktual Simulasi
1 10.7 10.2 4.4 4.2 10 9
2 10.9 10.8 3.8 3.6 8 7
3 10.7 10.8 3.6 3.6 10 9
4 10.6 10.8 3.7 3.6 9 7
5 10.7 10.8 3.9 3.6 8 9
5. Melakukan validasi menggunakan software SPSS
a. Uji kenormalan data penyortiran dengan statistik parametrik
1) Aktifkan Variable View danisikan nama variabel, kemudian isikan data
pada Data View.
2) Klik Analyze, pilih Descriptive Statics, lalu Explore.
3) Masukkan variabel Sortir sebagai Dependent List.
4) Klik Plots, centang Normality plots with tests, klik Continue.
Gambar 4.19 Uji normalitas data penyortiran
5) Kemudian akan muncul output sebagai berikut:
Tabel 4.27 Output Uji Normalitas Penyortiran Tests of Normality
Jenis Kolmogorov-
Smirnova Shapiro-Wilk
Statistic df Sig. Statistic Df Sig.
Sortir sortir_simulasi .372 5 .022 .828 5 .135
sortir_nyata .473 5 .001 .552 5 .000
a. Lilliefors Significance Correction
Hipotesis:
H0: Data berdistribusi normal
H1: Data tidak berdistribusi normal
Kriteria pengujian:
H0 diterima apabila Sig. 0,05 dan ditolak apabila Sig. < 0,05.
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
49
Kesimpulan:
Pada data simulasi, H0 diterima karena Sig. sortir_simulasi 0,05
sehingga data simulasi berdistribusi normal. Pada data aktual, H0
ditolak karena Sig. sortir_nyata < 0,05 sehingga data aktual tidak
berdistribusi normal.
b. Uji kenormalan data penyortiran dengan statistik nonparametrik
Karena data simulasi berdistribusi normal tetapi data aktual tidak
berdistribusi normal, maka dilakukan uji nonparametrik yaitu uji Mann-
Whitney. Langkah-langkah pengujiannya antara lain:
1) Aktifkan Variable View danisikan 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. Klik OK.
Gambar 4.20 Uji normalitas data penyortiran statistik nonparametrik
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:
-
50 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Tabel 4.28 Output Uji Normalitas Penyortiran Statistik Nonparametrik
Test Statisticsa
Sortir
Mann-Whitney U 9.000
Wilcoxon W 24.00
0 Z -.764 Asymp. Sig. (2-tailed) .445 Exact Sig. [2*(1-tailed Sig.)] .548b
a. Grouping Variable: Jenis b. Not corrected for ties.
Hipotesis:
H0: tidak terdapat perbedaan antara data proses sortir pada simulasi
dengan data aktual (valid)
H1: ada perbedaan antara data proses sortir pada simulasi dengan data
aktual (tidak valid)
Kriteria pengujian:
H0 diterima jika nilai Asymp. Sig. (2-tailed) /2 dan H0 ditolak jika nilai
Asymp. Sig. (2-tailed) < /2.
Kesimpulan:
Berdasarkan hasil output pada tabel, didapatkan nilai Asymp. Sig.
(2tailed)/2 > 0.025, maka H0 diterima, berarti tidak terdapat perbedaan
antara data proses pencetakan pada simulasi dengan data aktual (valid).
c. Uji kenormalan data pembungkusan
Selanjutnya muncul output sebagai berikut:
Tabel 4.29 Output Uji Normalitas Pembungkusan Tests of Normality
Jenis Kolmogorov-
Smirnova Shapiro-Wilk
Statistic df Sig. Statistic Df Sig.
Bungkus bungkus_nyata .274 5 .200* .867 5 .254
bungkus_simulasi .473 5 .001 .552 5 .000
*. This is a lower bound of the true significance. a. Lilliefors Significance Correction
Hipotesis:
H0: Data berdistribusi normal
H1: Data tidak berdistribusi normal
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
51
Kriteria pengujian:
H0 diterima apabila Sig. 0,05 dan ditolak apabila Sig. < 0,05.
Kesimpulan:
Pada data bungkus_simulasi, H0 ditolakkarena Sig. bungkus_simulasi < 0,05
sehingga data simulasi tidak berdistribusi normal. Pada data aktual Ho
diterima karena Sig. bungkus_nyata 0,05; sehingga data aktual
berdistribusi normal.
d. Uji kenormalan data pembungkusan dengan statistik nonparametrik
Karena data aktual berdistribusi normal tetapi data simulasi tidak
berdistribusi normal, maka dilakukan uji nonparametrik pada Software SPSS,
yaitu uji Mann-Whitney. Selanjutnya muncul output sebagai berikut:
Tabel 4.30 Output Uji Normalitas Statistik Nonparametrik
Test Statisticsa
Bungkus
Mann-Whitney U 6.000 Wilcoxon W 21.000 Z -1.448 Asymp. Sig. (2-tailed) .147 Exact Sig. [2*(1-tailed Sig.)]
.222b
a. Grouping Variable: Jenis
b. Not corrected for ties.
Hipotesis:
H0: tidak terdapat perbedaan antara data proses sortir pada simulasi dengan
data aktual (valid)
H1: ada perbedaan antara data proses sortir pada simulasi dengan data aktual
(tidak valid)
Kriteria pengujian:
H0 diterima jika nilai Asymp. Sig. (2-tailed) /2 dan H0 ditolak jika nilai
Asymp. Sig. (2-tailed) < /2.
Kesimpulan:
Berdasarkan hasil output pada tabel, didapatkan nilai Asymp. Sig. (2tailed)/2
> 0.025, maka H0 diterima, berarti tidak terdapat perbedaan antara data
proses pencetakan pada simulasi dengan data aktual (valid).
-
52 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
e. Uji kenormalan data output sistem dengan statistik parametrik
Selanjutnya muncul output sebagai berikut:
Tabel 4.31 Output Uji Normalitas Output Sistem Tests of Normality
Jenis Kolmogorov-
Smirnova Shapiro-Wilk
Statistic df Sig. Statistic Df Sig.
Output output_nyata .241 5 .200* .821 5 .119
output_simulasi .367 5 .026 .684 5 .006
*. This is a lower bound of the true significance. a. Lilliefors Significance Correction
Hipotesis:
H0: Data berdistribusi normal
H1: Data tidak berdistribusi normal
Kriteria pengujian:
H0 diterima apabila Sig. 0,05 dan ditolak apabila Sig. < 0,05
Kesimpulan:
Berdasarkan hasil output pada tabel, didapatkan nilai Asymp. Sig. (2tailed)/2
> 0.025, maka H0 diterima, berarti tidak terdapat perbedaan antara data
proses pencetakan pada simulasi dengan data aktual (valid).
f. Uji kenormalan data output sistem dengan statistik nonparametrik
Karena data aktual berdistribusinormal tetapi data simulasi tidak
berdistribusi normal, maka dilakukan uji nonparametrik pada software SPSS,
yaitu uji Mann-Whitney. Selanjutnya muncul output sebagai berikut:
Tabel 4.32 Output Uji Normalitas Output Sistem Statistik Nonparametrik Test Statisticsa
Output
Mann-Whitney U 7.500 Wilcoxon W 22.500 Z -1.088 Asymp. Sig. (2-tailed) .277 Exact Sig. [2*(1-tailed Sig.)] .310b
a. Grouping Variable: Jenis b. Not corrected for ties.
Hipotesis:
H0: tidak terdapat perbedaan antara data proses sortir pada simulasi dengan
data aktual (valid)
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
53
H1: ada perbedaan antara data proses sortir pada simulasi dengan data aktual
(tidak valid)
Kriteria pengujian:
H0 diterima jika nilai Asymp. Sig. (2-tailed) /2 dan H0 ditolak jika nilai
Asymp. Sig. (2-tailed)
-
54 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Halaman ini sengaja dikosongkan
-
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
55
BAB V
PENUTUP
5.1 Kesimpulan
Kesimpulan yang dapat diambil dari praktikum ini adalah:
1. Dalam pembuatan Pai Apel Malang terdapat beberapa masalah diantaranya
jadwal produksi yang tidak menentu, tidak ada pembagian jobdesk yang jelas
untuk karyawannya dan karyawan banyak yang idle.
2. Tahapan dari Petri Netproses pembuatan pai apel adalah pai datang antrian pai
proses pengovenan antrian pai matang proses pendinginan antrian sortir
proses penyortiran antrian pai siap bungkus proses pembungkusan pai
antrian pengepakan pai proses pengepakan pai pai keluar.
3. Proses pada Petri Netdan model pada ProModel sudah terverifikasi dengan
sistem nyatanya, yaitu diawali dengan kedatangan pai mentah kemudian masuk
lokasi oven. Setelah melalui lokasi oven menuju lokasi pendinginan, penyortiran,
pengemasan, pengepakan, dan selesai.
4. Utilization terbesar dan yang paling optimal terdapat pada location oven, yaitu
sebesar 71,98, itu karena pada location oven sebagai mesin. Sedangkan utilization
terkecil dan tidak optimal terdapat pada location pembungkusan, yaitu sebesar
0,69, itu karena pada location pembungkusan waktu proses yang dibutuhkan
singkat. Pada Current quantity in system tertinggi terletak pada entitas paimentah
yaitu sebesar 25 karena merupakan entitas yang memiliki waktu proses terlama
didalam sistem.Presentaseutilization resource pada operator 1 dan operator 2
kurang dari 10%, itu artinya operator 1 dan operator 2 mempunyai tingkat
produktivitas yang rendah, karena pada proses pengovenan dan pendinginan
membutuhkan waktu yang lama sehingga kedua operator banyak melakukan.
5.2 Saran
Saran yang dapat diambil dari praktikum ini adalah:
1. Sebaiknya tidak perlu digunakan operator khusus untuk memindahkan entitas
dari proses satu ke proses yang lain karena dari hasil simulasi, utilitas
-
56 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
operatornya kecil sehingga dapat dibebankan pada pekerja yang melakukan
proses pembungkusan dan pengepakan.
2. Pada lokasi proses penyortiran sebaiknya menjadi satu lokasi serta pada proses
pembungkusan dan pengepakan menjadi satu lokasi, sehingga utilitas pada
lokasi akan meningkat.