bab i - marisimulasi.files.wordpress.com€¦ · web viewbab 2 memaparkan landasan teori yang...

LAPORAN TUGAS BESAR SISTEM SIMULASI

INDUSTRI“SIMULASI MENGGUNAKAN SOFTWARE ARENA”

KEKOMPOK 28:

1. ARIES SETYO WAHYUDI (16.04.211.00007)

2. NISFU LAYLATUS SABIHIS (16.04.211.00017)

3. LILIS KURNIA IKAMAWATI (16.04.211.00099)

ASISTEN:

SISKO ARIAWANTI

LABORATORIUM KOMPUTASI DAN SIMULASI INDUSTRI

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS TRUNOJOYO MADURA

2019

BAB I

PENDAHULUAN

Bab I berisikan latar belakang dan tujuan dari simulasi menggunakan software arena.

1.1 Latar Belakang

Kejadian dalam kehidupan sehari-hari sering terjadi yaitu menunggu. Kejadian

tersebuat akan terjadi apabila suatu kebutuhan pada pelayanan melebihi permintaan yang

tersedia dalam menyelenggarakan pelayanan. Terjadi dapat dilihat jika baris tunggu dari

motor yang menunggu pelayanan, karena saat itu bagian pelayanan sedang melayani

motor yang lain maka tidak mampu melayani pencucian pada saat yang bersamaan.

Arena adalah discrete event simulation software yang telah dikembangkan oleh

Rockwell Automation. Arena adalah suatu software simulasi yang digunakan dalam suatu

system aplikasi Microsoft windows yang terdapat packaging akan terlihat familiar dalam

penggunaannya. ARENA akan disimulasikan model dalam bentuk sebelumnya dengan

masukan data primer atau sekunder sebagai resources pada pengoperasiannya (Wahyani,

2014).

Sistem antrian meruapakan kedatangan motor untuk mendapatkan pelayanan

pencucian, menunggu untuk dilayani jika pelayanan (server) masih sibuk, terajsi

suatu pelayanan dan kemudian meninggalkan suatu sistem setelah dilayani.

Sistem antrean pencucian motor terdiri dari proses kedatangan motor untuk

pencucian, menunggu dilayani jika sibuk, selanjutnya pengeringan, pembayaran,

dan kemudian meninggalkan sistem setelah dilayani. Proses pencucian tersebut

terjadi antrian secara otomatis motor akan menunggu lebih lama, sehingga

berakibat akan memperpanjang waktu proses secara keseluruhan, dari mulai

pencucian antrian sampai pengambilan pembayaran.

1.2 Tujuan Tugas Besar

Tujuan tugas besar simulasi sistem industri modul 2 simulasi menggunakan software

arena adalah sebagai berikut:

1. Mengerti dan memahami penggunaan modul-modul yang terdapat dalam Rockwell

Software Arena 5.0

2. Mengerti dan memahami input dan output model Arena

3. Mengerti dan dapat membuat scenario perbaikan dalam software arena

BAB II

LANDASAN TEORI

Bab 2 memaparkan landasan teori yang meliputi pengertian uji kecukupan data,

model simulasi dan arena.

2.1 Uji kecukupan data

Menurut Rusdianto 2015, uji kecukupan data memiliki tujuan untuk

mendapatkan informasi apakah data hasil pengukuran dengan suatu tingkat

kepercayaan serta tingkat ketelitian tertentu yang memiliki jumlah telah

memenuhi atau tidak. Penetapan berapa jumlah observasi yang sebenarnya dibuat

(N1) , maka permulaan harus ditetapkan tingkat kepercayaan (convidence level)

dan derajat ketelitian (degree of accuracy) pada pengukuran rancangan. Uji

kecukupan data digunakan untuk memastikan bahwa yang telah dikumpulkan

serta disajikan pada laporan penimbangan tersebut memiliki nilai cukup secara

obyektif.

Idealnya pengukuran dapat dilakukan dengan jumlah banyak, bahkan hingga

jumlah yang tak terhingga agar data memiliki hasil pengukuran layak untuk

digunakan. Namun pengukuran dalam jumlah yang tak terhingga sulit dilakukan

mengingat keterbatasan-keterbatasan yang ada; baik dari segi biaya, tenaga, waktu

dan sebagainya. Sebaliknya, pengumpulan data dalam jumlah yang sekedarnya

juga kurang baik karena tidak mewakili keadaan yang sebenarnya. Untuk itu,

pengujian kecukupan data dilakukan dengan berpedoman pada konsep statistic,

yaitu tingkat ketelitian dan tingkat keyakinan.

Persamaan uji keculupan adalah sebagai berikut:

………………………………………………1)

Dimana:

N = Jumlah data yang didapat

x = Data yang didapat dari pengamatan.

N’ = Jumlah pengamatan yang diperlukan

k = harga indeks confidence (tingkat kepercayaan)

s = tingkat ketelitian

2.2 Model Simulasi

Menurut Nugraha (2014), model adalah suatu perwakilan atau abstraksi dari objek

atau situasi aktual. Model bisa diklasifikasikan sebagai model ikonik, analog dan

simbolik. Model ikonik merupakan mempresentasikan sistem ataupun benda menjadi

suatu objek model yang memiliki wujud menyerupai sistem tersebut. Model analog

merupakan model yang dapat mempresentasikan suatu sifat sistem menjadi lebih

sederhana. Model simbolik atau model matematis merupakan representasi secara abstrak

dari suatu sistem.

Model matematis atau simbolik terdapat dua tipe tujuan, yaitu deskriptif dan

preskriptif (normatif). Model deskriptif adalah suatu model yang dapat menggambarkan

suatu sistem. Sedangkan model preskriptif adalah suatu model yang didekatkan dengan

metode optimisasi maupun heuristik ataupun metode lainnya sehingga dapat

menghasilkan model yang optimal.

2.3 Arena

Arena merupakan suatu software simulasi yang dapat menggunakan system aplikasi

Microsoft windows yang secara packaging dapat terlihat familiar dalam penggunaannya.

ARENA akan disimulasikan model yang sesuai dengan bentuk sebelumnya dengan

masukan data primer maupun sekunder sebagai resources dalam suatu pengoperasianny,

(Wahyani ,2014).

Menurut Rahmadani (2010), verifikasi merupaka proses yang dapat menunjukan

(meyakinkan) bahwa suatu model d a p a t beroperasi m a u p u n d i j a l a n k a n sesuai

yang diinginkan oleh pembuat model. Sedangkan validasi merupakan proses penentuan

dari suatu model yang sudah dibuat sebagai konseptualisasi maupun abstraksi yang

berarti dan akurat pada sistem nyata. Validasi dapat juga memiliki pengertian sebagai

proses untuk memastikan bahwa suatu model merepresentasikan realitas dalam tingkat

kepercayaan tertentu (sesuai dengan sitem nyata yang diamati). Validasi bisa dilakukan

apabila suatu proses verifikasi telah berhasil. Proses verifikasi berhasil apabila dapat

memenuhi syarat sebagai berikut:

1. Memasukkan semua komponen yang telah diamatai dalam spesifikasi pada

fase pendefinisian sistem.

2. Secara aktual bisa dijalankan tanpa kesalahan maupun peringatan.

BAB III

METODOLOGI PRAKTIKUM

Bab III memaparkan alat dan bahan yang dibutuhkan pada tugas besar, prosedur

pelaksanan tugas besar, dan flowchart.

3.1 Alat dan Bahan

Alat dan bahan yang digunakan dalam tugas besar SSI modul 2 antara lain:

1. Laptop atau PC.

2. Kamera/HP.

3. Microsoft Word.

4. \Software Visio.

5. ARENA

3.2 Prosedur Pengolahan Data

Prosedur tugas besar SSI modul 2 terbagi menjadi 2 yaitu prosedur pengambilan data

dan prosedur pengolahan data.

3.2.1 Prosedur Pengambilan Data

Prosedur pengambilan data tugas besar SSI modul 1 adalah sebagai berikut:

1. Melakukan pengamatan pada sistem nyata yaitu sistem berobat pada puskesmas

Bangkalan.

2. Mencatat waktu antar kedatangan pasien, waktu pelayanan dan waktu selesai

dilayani pada masing-masing server yaitu pengambilan tiket, loket pendaftaran,

pemeriksaan dokter dan pengambilan obat.

3. Mengambil gambar/foto setiap pasien pada masing-masing server.

3.2.2 Prosedur Pengolahan Data

Prosedur pengolahan data tugas besar SSI modul 1 adalah sebagai berikut:

1. Merekap data waktu pengamatan sistem pelayanan puskesmas Bangkalan.

2. Melakukan uji kecukupan data pada masing-masing server.

3. Membuat rekapan data baru berdasarkan uji kecukupan data.

4. Menentukan pola data masing-masing data.

5. Menentukan parameter untuk acuan penelitian secara matematis.

6. Membuat model simulasi menggunakan software arena dan visio.

7. Melakukan validasi model arena dengan sistem nyata melalui parameter

performance sistem.

8. Membuat 3 skenario perbaikan.

9. Melakukan proses comparing system masing-masing scenario.

10. Melakukan identifikasi faktor penghambat apabila diimplikasikan dalam sistem

nyata.

11. Membuat animasi dengan software arena.

3.3 Flowchart Pelaksanaan Tugas Besar

Flowchart pelaksanaan tugas besar SSI modul 2 simulasi menggunakan software

arena adalah sebagai berikut:

Gambar 2.3.1 Flowchart tugas besar simulasi sistem industri modul 2

BAB IV

PENGOLAHAN DATA

Bab ini berisi tentang pengolahan data dari modul dua tentang simulasi

menggunakan software arena dengan objek pengamatan pencucian sepeda motor.

4.1 Rekapan Data

Rekapan data waktu pengamatan pada sistem yang terdiri dari waktu

kedatangan, pelayanan, dan waktu selesai adalah sebagai berikut;

Tabel 2.4.1 Rekapan data server 109:11:45 AM 09:32:00 AM 09:46:09 AM 849 1 121509:30:45 AM 09:47:45 AM 10:01:03 AM 798 1 102010:00:02 AM 10:02:47 AM 10:14:15 AM 688 2 107410:11:52 AM 10:14:54 AM 10:28:01 AM 787 2 194510:13:23 AM 10:28:50 AM 10:42:08 AM 798 2 293410:22:07 AM 10:42:12 AM 10:54:55 AM 763 2 338910:33:24 AM 10:56:00 AM 11:12:52 AM 1012 1 135610:48:42 AM 11:13:58 AM 11:26:32 AM 754 3 698211:16:13 AM 11:27:15 AM 11:40:25 AM 790 2 309711:14:00 AM 11:40:55 AM 11:53:30 AM 755 2 472511:14:55 AM 11:53:50 AM 12:09:20 PM 930 1 233511:34:00 AM 12:09:49 PM 12:24:00 PM 851 0 001:40:00 PM 01:46:22 PM 02:00:02 PM 820 1 38201:50:20 PM 02:20:50 PM 02:34:10 PM 800 2 356002:20:00 PM 02:34:50 PM 02:50:00 PM 910 3 823102:30:03 PM 02:52:20 PM 03:05:00 PM 760 2 391702:35:00 PM 03:05:10 PM 03:20:20 PM 910 2 518602:40:10 PM 03:20:48 PM 03:33:15 PM 747 1 243803:13:20 PM 03:33:35 PM 03:50:00 PM 985 1 121503:43:00 PM 03:53:06 PM 04:07:30 PM 864 2 254003:50:30 PM 04:07:55 PM 04:20:35 PM 760 3 724003:55:00 PM 04:21:00 PM 04:34:00 PM 780 2 407804:05:10 PM 04:34:04 PM 04:47:10 PM 786 1 173404:20:10 PM 04:47:00 PM 05:00:29 PM 809 0 0

Total waktu Pelayanan : 25292 46 76599Total waktu pengamatan : 32358 32359 32360

Utilitas : 0.782 0.001 2.367

Tabel 2.4.2 Rekapan data server 2998 2 2681 9:32:22 9:33:03 9:45:36849 1 1215 9:46:45 9:46:50 10:01:01798 1 1020 10:02:31 10:02:37 10:13:36688 2 1074 10:14:59 10:15:02 10:27:18787 2 1945 10:28:23 10:28:50 10:40:40798 2 2934 10:42:12 10:42:20 10:55:10763 2 3389 10:55:02 10:55:30 11:06:33

1012 1 1356 11:13:10 11:13:15 11:26:21754 3 6982 11:26:50 11:27:09 11:38:11790 2 3097 11:40:50 11:40:55 11:52:19755 2 4725 11:53:50 11:53:55 12:06:48930 1 2335 12:09:28 12:09:36 12:23:26851 0 0 12:24:15 12:25:30 12:38:00820 1 382 14:00:14 14:00:18 14:13:18800 2 3560 14:34:25 14:34:30 14:48:40910 3 8231 14:50:16 14:53:05 15:07:05760 2 3917 15:05:12 15:07:41 15:22:14910 2 5186 15:20:27 15:22:35 15:35:25747 1 2438 15:33:23 15:35:45 15:49:10985 1 1215 15:50:14 15:51:50 16:04:00864 2 2540 16:07:51 16:08:15 16:21:30760 3 7240 16:20:49 16:21:50 16:36:30780 2 4078 16:34:20 16:36:44 16:48:55786 1 1734 16:47:16 16:49:35 17:04:00809 0 0 17:00:51 17:04:30 17:14:58

25292 46 76599 Total waktu Pelayanan :32358 32359 32360 Total waktu pengamatan :0.782 0.001 2.367 Utilitas :

Tabel 2.4.3 Rekapan data server 39:45:36 753 0 0 9:45:41

10:01:01 851 0 0 10:01:0710:13:36 659 0 0 10:13:4010:27:18 736 0 0 10:27:2410:40:40 710 0 0 10:40:4410:55:10 770 1 8 10:55:1711:06:33 663 0 0 11:06:3811:26:21 786 0 0 11:26:2811:38:11 662 1 0 11:38:1711:52:19 684 0 0 11:52:2512:06:48 773 0 0 12:06:5412:23:26 830 0 0 12:23:3012:38:00 750 0 0 12:38:0414:13:18 780 0 0 14:13:2514:48:40 850 0 0 14:48:4515:07:05 840 1 113 15:07:1215:22:14 873 1 107 15:22:2015:35:25 770 0 122 15:35:3115:49:10 805 0 0 15:49:1416:04:00 730 0 0 16:04:0716:21:30 795 1 41 16:21:3516:36:30 880 1 130 16:36:3616:48:55 731 1 99 16:48:5917:04:00 865 1 189 17:04:0517:14:58 628 0 0 17:15:03

Total waktu Pelayanan : 23443Total waktu pengamatan : 32074

Utilitas : 0.731

4.2 Uji Kecukupan Data Masing-masing Server

Uji kecukupan data untuk mengetahui apakah data hasil pengamatan

mencukupi untuk diolah lebih lanjut. Uji kecukupan data pada masing-masing

server adalah seabagi berikut ;

4.2.1 Uji Kecukupan Data Server 1

Hasil dari uji kecukupan data pada server 1 pencucian adalah sebagai

berikut ;

Diketahui:

k = 2

s = 0,05

N = 30

Ʃx = 25292

(Ʃx)2 = 627602704 s

Ʃ(x2) = 21178264 s

Ditanyai : N’ = ?

Jawaban :

N’ = ks√¿¿¿

N’ = 2

0,05 √30. 627602704−21178264

25052

N’ = 19,745

hasil perhitungan kecukupan data pada server 1 pencucian diperoleh nilai

sebesar 19,442 berarti data pada server 1 cukup untuk diolah lebih lanjut.


Hasil dari uji kecukupan data pada server 1 pengeringan adalah sebagai

berikut ;

Diketahui:

k = 2

s = 0,05

N = 30

Ʃx = 23443

(Ʃx)2 = 549574249 s

Ʃ(x2) = 18502497 s

Ditanyai : N’ = ?

Jawaban :

N’ = ks√¿¿¿

N’ = 2

0,05 √30. 549574249−18502497

23443

N’ = 16,014

hasil perhitungan kecukupan data pada server 2 pengeringan diperoleh nilai

sebesar 16,014 berarti data pada server 2 cukup untuk diolah lebih lanjut


Hasil dari uji kecukupan data pada server 1 pengeringan adalah sebagai

berikut ;

Diketahui:

k = 2

s = 0,05

N = 30

Ʃx = 600

(Ʃx)2 = 360000 s

Ʃ(x2) = 12172 s

Ditanyai : N’ = ?

Jawaban :

N’ = ks√¿¿¿

N’ = 2

0,05 √30. 360000−12172

600

N’ = 22,9333

hasil perhitungan kecukupan data pada server 3 pembayaran diperoleh nilai

sebesar 22,93 berarti data pada server 3 cukup untuk diolah lebih lanjut

Tabel 2.4.4 Rekapan Hasil uji kecukupan data

No Server 1 Server 2 Server 3Xi xi^2 xi xi 2 xi xi^2

1 1049 1100401 932 868624 20 4002 721 519841 779 606841 21 441

Tabel 2.4.4 merupakan tabel rekapan uji kecukupan data pada detiap server.

Berdasarkan tabel tersebut dapat diketahui bahwa data setiap server sudah cukup

untuk dilakukan pengolahan data.

4.3 Rekapan Data Baru

Rekapan data baru setelah uji kecukupan data pada setiap server.

2.4.5 Rekapan data baru

No. Lama PelayananServer 1 Server 2 Server 3

1 1049 932 202 721 779 213 745 785 224 880 944 175 953 829 226 998 753 167 849 851 238 798 659 219 688 736 19

10 787 710 2211 798 770 2112 763 663 1813 1012 786 2214 754 662 2015 790 684 2216 755 773 1817 930 830 1918 851 750 2019 820 780 2120 800 850 1921 910 840 1722 760 873 1623 910 770 2124 747 805 1725 985 730 2726 864 795 1827 760 880 2128 780 731 1829 786 865 23

4.4 Pola Data dari Masing-masing Data

Pola data dari sistem pencucian motor tiap server sebagai berikut :

Gambar 2.4.2 Pola data server 1



Tabel 2.4.6 Rekapan expression

No. Elemen Expression1 Server 1 688 + WEIB(154, 1.24)2 Server 2 NORM(781, 78.2)3 Server 3 NORM(20, 2.39)

Tabel 2.4.6 merupakan rekapan expression dari sistem pencucian motor tiap

server. Server 1 dengan pola data 688 + WEIB(154, 1.24) , Server 2 dengan pola

data NORM(781, 78.2) , server 3 dengan pola data NORM(20, 2.39).

4.5 Parameter untuk Acuan Penelitian Secara Matematis

Parameter yang digunakan dalam penelitian adalah utiltas, panjang antrian

dan lama antrian. Perhitungan matematis dari setiap parameter sebagai berikut.

4.5.1 Utilitas

Perhitungan matematis utilitas setiap server sebagai berikut.

Utilitas = Ʃ x i

Ʃx

Keterangan :

Ʃxi = Total waktu pelayanan

Ʃx = Waktu pengamatan

1. Server 1

Diketahui : Ʃxi = 25052

Ʃx = 32358

Ditanyai : Utilitas ?

Jawaban :

Utilitas = 2529232358 = 0,774

2. Server 2


Ʃx = 32074


Jawaban :

Utilitas = 2344332074 = 0,730

3. Server 3


Ʃx = 31162


Jawaban :

Utilitas = 600

31162 = 0,019

4.5.2 Panjang Antrian

Perhitungan matematis panjang antrian setiap server sebagai berikut;

Panjang Antrian = Ʃ Panjang Antrian

Ʃ data

1. Server 1

Diketahui : Ʃ Panjang antrian = 46

Ʃ Data = 30

Ditanyai : Panjang antrian ?

Jawaban :

Panjang antrian = 4630 = 1,533

2. Server 2


Ʃ Data = 30


Jawaban :

Panjang antrian = 1230 = 0,4

3. Server 3


Ʃ Data = 30


Jawaban :

Panjang antrian = 0

30 = 0

4.5.3 Lama Antrian

Perhitungan matematis lama antrian setiap server sebagai berikut.

Lama Antrian = Ʃ Lama Antrian

Ʃ data

1. Lama Antrian Server 1

Diketahui : Ʃ Lama antrian = 76599 s

Ʃ Data = 30

Ditanyai : Lama antrian ?

Jawaban :

Lama antrian = 76599

30 = 2553,3


Diketahui : Ʃ Lama antrian = 1377 s

Ʃ Data = 30


Jawaban :

Lama antrian = 1377

30 = 45,9 s


Diketahui : Ʃ Lama antrian = 0

Ʃ Data = 30


Jawaban :

Lama antrian = 0

30 = 0

4.6 Model Simulasi Menggunakan Software Arena Dan Visio

Model simulasi sistem pencucian motor menggunakan software arena adalah sebagai

berikut:

Gambar 2.4.5 model simulasi pelayanan sistem pencucian motor dengan arena

Gambar 2.3.5 menunjukkan model simulasi sistem pada pencucian motor dengan

menggunakan shoftware arena.

4.7 Validasi Model Arena dengan Sistem Nyata Melalui Parameter

Performance Sistem

Dalam melakukan proses validasi sebuah model dari simulasi terlebih dahulu

melakukan uji Paired T-test dengan hipotesis awal:

Hipotesis :

H0 = tidak terdapat perbedaan antara model dengan sistem nyata.

H1 = terdapat perbedaan antara model dengan sistem nyata.

Keputusan:

0.05 < sig = terima H0

0.05 > sig = tolak H0

Dibawah ini merupakan Tabel utilitas ARENA dan sistem nyata serta pengujian

parameter dari replikasi.

1. Sistem Nyata

Pengujian sisitem nyata pada replikasi 1 adalah sebagai berikut:

Tabel 2.4.7 Utilitas replikasi 1

Nyata

Server Replikasi

1 21 0.211 0.19942 0.9965 0.9979

Rekapan dari utilitas dan arena pada replikasi 1 pada server 1 didapatkan nilai pada

arena sebesar 0,211 sedangkan pada sistem nyata sebesar 0.774213, server 2 pada arena

sebesar 0,9965 sedangkan pada sistem nyata sebesar 0.730904.Utilitas Replikasi 1 Paired Samples Test

Replikasi Server Arena Manual

3 4 5 1 0.211 0.7742130.1942 0.199 0.147 2 0.9965 0.730904

0.9979 0.9957 0.989 30.0256 0.019254

Pair 1 VAR00001 - VAR00002

Gambar 2.4.6 Uji paired t test

Uji t-test pada replikasi 1 didapatkan hasil sig (2-tailed) 0.73 lebih dari 0.05 maka

sig (2-tailed) maka dapat disimpulkan terima H0 yang artinya tidak terdapat perbedaan

antara sistem dengan model.


Replikasi

3 4 5

0.1942 0.199 0.147



sebesar 0,9979 sedangkan pada sistem nyata sebesar 0.730904.Utilitas Replikasi 1 Paired Samples Test


3 4 5 1 0.211 0.7742130.1942 0.199 0.147 2 0.9965 0.730904

0.9979 0.9957 0.989 30.0256 0.019254

Pair 1 VAR00001 - VAR00002






0.0261 0.0247 0.0245



sebesar 0,9979 sedangkan pada sistem nyata sebesar 0.730904.

0.0261 0.0247 0.0245

Utilitas Replikasi 2 Paired Samples Test

Server Arena Manual

Replikasi 10.1994 0.774213






Per 2

Server Replikasi

1 21 0.001 0.0008



sebesar 00.989 sedangkan pada sistem nyata sebesar 0.730904.2 0.9979 0.730904

Replikasi 30.0261 0.019254

Pair 1

3 4 50.0009 0.0008 0.0008 Utilitas Replikasi 4 Paired Samples Test

0.9984 0.7464 0.9986 Server Arena Manual

0.8598 0.9986 0.5443 10.147 0.774213

VAR00001 - VAR00002






Replikasi

3 4 50.0009 0.0008 0.0008



sebesar 0,9957 sedangkan pada sistem nyata sebesar 0.730904.2 0.9979 0.730904

Replikasi 30.0261 0.019254

Pair 1

3 4 50.0009 0.0008 0.0008 Utilitas Replikasi 4 Paired Samples Test

0.9984 0.7464 0.9986 Server Arena Manual

VAR00001 - VAR00002





2. Skenario Perbaikan 1

Pengujian sistem skenario perbaikan pada replikasi 1 sampai 5 adalah sebagai

berikut:


Replikasi

3 4 5

0.1942 0.199 0.1470.9979 0.9957 0.9890.0261 0.0247 0.0245


arena sebesar 0,2113 sedangkan pada sistem nyata sebesar 0.774213, server 1 perbaikan

pada arena sebesar 0,0002 sedangkan pada sistem nyata sebesar 0,774213.Utilitas Replikasi 1 Paired Samples Test


3 4 5 1 0.1213 0.7742130.1942 0.199 0.147 1.2 0.0002 0.774213

0.9979 0.9957 0.9892 0.9989 0.730904

Pair 1






Replikasi

3 4 5

0.1942 0.199 0.147

0.9979 0.9957 0.989



pada arena sebesar 0,0002 sedangkan pada sistem nyata sebesar 0,774213.Utilitas Replikasi 1 Paired Samples Test


3 4 5 1 0.1213 0.7742130.1942 0.199 0.147 1.2 0.0002 0.774213

0.9979 0.9957 0.9892 0.9989 0.730904

Pair 1






Replikasi

3 4 50.0502 0.0649 0.0950.0003 0.0003 0.00020.9991 0.9991 0.9992



pada arena sebesar 0,0003 sedangkan pada sistem nyata sebesar 0,774213.

Replikasi Utilitas Replikasi 2Paired Samples Test

3 4 5 Server Arena Manual0.0502 0.0649 0.095 1 0.0601 0.7742130.0003 0.0003 0.0002 1.2 0.0003 0.7742130.9991 0.9991 0.9992 2 0.9992 0.730904 Pair 1






0.9984 0.7464 0.9986

0.8598 0.9986 0.5443

0.046 0.0447 0.0393



pada arena sebesar 0,0003 sedangkan pada sistem nyata sebesar 0,774213.0.9984 0.7464 0.9986 1.2 0.0003 0.774213

0.8598 0.9986 0.54432 0.9991 0.730904

Pair 1

0.046 0.0447 0.0393 3 0.0261 0.019254






Replikasi3 4 5

0.0005 0.0006 0.0004



pada arena sebesar 0,0002 sedangkan pada sistem nyata sebesar 0,774213.0.9984 0.7464 0.9986 1.2 0.0003 0.774213

0.8598 0.9986 0.54432 0.9991 0.730904

Pair 1

0.046 0.0447 0.0393 3 0.0261 0.019254







berikut:

Tabel 2.4.16 Utilitas replikasi 1Paired Samples Test

Paired Differences

Lower Upper

.25254 -1.09177 .51562

Std. Error Mean

95% Confidence Interval of the Difference



pada arena sebesar 0,9983 sedangkan pada sistem nyata sebesar 0.730904.Paired Samples Test Utilitas replikasi 1 Paired Samples Test

df

Server Arena Manual

1 0.001 0.7742132.1 0.8131 0.730904

3 .3372.2 0.9983 0.730904

Pair 1

Sig. (2-tailed)

VAR00001 - VAR00002






Paired Samples Test

df

3 .337

Sig. (2-tailed)



pada arena sebesar 0,9987 sedangkan pada sistem nyata sebesar 0.730904.Paired Samples Test Utilitas replikasi 1 Paired Samples Test

df

Server Arena Manual

1 0.001 0.7742132.1 0.8131 0.730904

3 .3372.2 0.9983 0.730904

Pair 1

Sig. (2-tailed)

VAR00001 - VAR00002






Paired Samples Test

df

3 .328

Sig. (2-tailed)



pada arena sebesar 0,8598 sedangkan pada sistem nyata sebesar 0.730904.

Paired Samples Test Utilitas replikasi 2 Paired Samples Test

df

Server Arena Manual

1 0.0008 0.7742132.1 0.6978 0.730904

Sig. (2-tailed)






df

3 .327

Sig. (2-tailed)




df 2.1 0.9984 0.730904

3 .3272.2 0.8598 0.730904

Pair 1

3 0.046 0.019254

Sig. (2-tailed)

VAR00001 - VAR00002






df

3 .327

Sig. (2-tailed)




df 2.1 0.9984 0.730904

3 .3272.2 0.8598 0.730904

Pair 1

3 0.046 0.019254

Sig. (2-tailed)

VAR00001 - VAR00002







berikut:


Utilitas replikasi 1

Server Arena Manual1 0.001 0.774213

2.1 0.8131 0.730904

2.2 0.9983 0.730904

3 0.0461 0.019254


arena sebesar 00124 sedangkan pada sistem nyata sebesar 0.019254, server 3 perbaikan

pada arena sebesar 0,0128 sedangkan pada sistem nyata sebesar 0.019254.Paired Samples Test

Paired Differences

t df

Utilitas replikasi 1Server Arena Manual

Lower Upper 1 0.0005 0.774213.23048 -.83270 .63431 -.430 3 .696 2 0.9992 0.730904

3.1 0.0124 0.019254

Sig. (2-tailed)

Std. Error Mean






Tabel 2.4.22 Utilitas replikasi 2Paired Samples Test

Paired Differences

Lower Upper

.23048 -.83270 .63431

Std. Error Mean




pada arena sebesar 0,0141 sedangkan pada sistem nyata sebesar 0.019254.Paired Samples Test

Paired Differences

t df

Utilitas replikasi 1Server Arena Manual

Lower Upper 1 0.0005 0.774213.23048 -.83270 .63431 -.430 3 .696 2 0.9992 0.730904

Sig. (2-tailed)

Std. Error Mean







Paired Samples Test

Paired Differences

Lower UpperStd. Error

Mean




pada arena sebesar 0,0107 sedangkan pada sistem nyata sebesar 0.019254.3.2 0.0128 0.019254

Paired Samples Test Utilitas replikasi 2

Paired Differences

t df

Server Arena Manual

1 0.0005 0.774213Lower Upper 2 0.9992 0.730904

Sig. (2-tailed)

Std. Error Mean







Paired Samples Test

Paired Differences

Lower Upper

.23385 -.83177 .65668

Std. Error Mean





Paired Samples Test Utilitas replikasi 3Paired Differences

t df

Server Arena Manual

1 0.0005 0.774213

Lower Upper 2 0.9991 0.730904Sig. (2-tailed)

Std. Error Mean







Paired Samples Test

Paired Differences




3.2 0.0107 0.019254

Paired Samples Test Utilitas replikasi 4Paired Differences

t df

Server Arena Manual

Sig. (2-tailed)





4.8 Skenario Perbaikan

4.8.1 Skenario Perbaikan 1

Model simulasi sistem pencucian motor menggunakan software arena dengan

melakukan perbaikan adalah sebagai berikut:

Gambar 2.4.24 perbaikan 1 sistem pencucian motor dengan arena

Gambar 2.3.24 menunjukkan model perbaikan 1 sistem pada pencucian motor

dengan menggunakan shoftware arena, terjadi penambahan resource pada server satu

pencucian.





Gambar 2.3.25 menunjukkan model perbaikan 2 sistem pada pencucian motor

dengan menggunakan shoftware arena, terjadi penambahan resource pada server dua

pengeringan.





Gambar 2.3.26 menunjukkan model perbaikan 3 sistem pada pencucian motor dengan

menggunakan shoftware arena, terjadi penambahan resource pada server tiga

pembayaran.

4.9 Proses Comparing System Masing-Masing Skenario

Berikut merupakan comparing system dari parameter utilitas pada skenario yang

telah dibuat:

Hipotesa:

H0 = Tidak terdapat perbedaan secara signifikan anatara rata-rata utilitas pada

sistem dengan skenario 1, 2, dan 3.

H0 = Terdapat perbedaan secara signifikan anatara rata-rata utilitas pada

sistem dengan skenario 1, 2, dan 3.

Pengambilan Keputusan:

Jika F hitung ≥ F tabel, maka tolak H0

Jika F hitung < F tabel, maka terima H0

Jika Sig ≤ α (0,05), maka tolak H0

Jika Sig > α (0,05), maka terima H0

Tabel 2.4.27 Rekapan data

Server ModelAwal Perbaikan 1 Perbaikan 2 Perbaikan 3

1 0.190 0.078 0.001 0.0011.1 0.0002 0.995 0.999 0.851 0.999

2.2 0.8803 0.025 0.280 0.044 0.013

3.3 0.012Tabel 2.4.27 menunjukakan inputan untuk uji anova hasil dari output utilitas,

seperti pada server 1 untuk skenario awal sebesar 0,19 perbaikan 1 sebesar 0,78,

perbaikan 2 sebesar 0,001 dan perbaikan 3 sebesar 0,001.

Tabel 2.4.28 Anova

Server ModelAwal Perbaikan 1 Perbaikan 2 Perbaikan 3 Anova: Single Factor

1 0.190 0.078 0.001 0.0011.1 0.000 SUMMARY2 0.995 0.999 0.851 0.999 Groups

2.2 0.880 Awal

Tabel Anova menunjukkan f sebesar 0.1105 lebih kecil dari 3,587 yang berarti

maka dapat disimpulkan terima H0 yang artinya terdapat perbedaan antara sistem dengan

model 1,2,3.

4.10 Identifikasi Faktor Penghambat Apabila Skenario Diimplementasikan

pada Sistem Nyata

Faktor penghambat jika skenario perbaikan terjadi penambahan operator pada

masing-masing scenario perbaikan yang dibuat adalah terjadi penambahan modal untuk

memeberi gaji karyawan , serta pembelian alat pada proses pencucian sehingga

memelukan lebih besar modal dan pengeluaran yang dibutuhkan. Selain itu, pelanggan

cuci motor juga tidak selalu ramai sehingga apabila telah dilakukan penambahan operator

pada proses yang ditentukan akan terjadi server dan operatoryang menganggur sehingga

menurunkan performansi dan nilai produktivitas serta dapat menurunkan profit usaha,

karena mengeluarkan gaji untuk karyawan tetap namun kinerjanya kurang. Kendala lain

yaitu apabila dilakukan penambahan server tanpa adanya perluasan wilayah akan

mengakibatkan ruangan terlalu sempit dan pergerakan operator serta pemindahan motor

untuk menuju server 1 ke server lain akan terjadi kesulitan.

4.11 Animasi Menggunakan Arena

Animasi dengan menggunakan arena pada sistem nyata adalah sebagai berikut.

Gambar 2.4.27 Animasi arena

Gambar diatas adalah penggambaran sistem nyata dengan menggunakan arena dan

visio untuk membuat animasi agar lebih jelas dan menarik untuk mensimulasikan sebuah

sistem.

BAB V

KESIMPULAN DAN SARAN

Bab 5 memaparkan kesimpulan dan saran dari tugas besar SSI modul 2

simulasi menggunakan software arena.

5.1 Kesimpulan

Kesimpulan dari pembahasan tugas besar SSI modul 2 adalah sebagai berikut:

1. Modul-modul yang terdapat pada arena yaitu create, process, record, dan

dispose. Dalam tugas responsi SSI modul 2 dengan pengamatan obyek

pencucian motor bangkalan modul yang digunakan pada arena meliputi

proses yang menggambarkan sistem nyata, yaitu terdapat 3 server, yakni

pencucian, pengeringan dan pembayaran, terdapat satu operator pada masing-

masing proses yang terkait.

2. Input sistem pada modul arena yaitu pelanggan yang mencuci motor di

pencucian motor Bangkalan sedangkan prosesnya melewati beberapa server

yaitu pencucian, pengeringan, dan pembayaran. Sedangkan output dari

pengamatan ini merupakan pelanggan yang telah dilayani dengan motornya

yang sudah dicuci.

3. Terdapat 3 skenario perbaikan pada model simulasi sistem pencucian motor

Bangkalan. perbaikan yang pertama yaitu penambahan operator pada server 1

yaitu proses pencucian, yang kedua penambahan operator pada server 2 yaitu

pengeringan, yang ketiga penambahan operator pada server 3 yaitu

pembayaran.

5.2 Saran

Penggunaan metode terbaik yaitu dengan perbaikan 2. Karena pada perbaikan

2 terdapat penambahan resource yaitu pada proses pengeringan, karna pada

proses pengeringan terjadi paling banyak antrian.

DAFTAR PUSTAKA

Nugraha, Cahyadi. 2014. Model Sistem Simulasi Antrean Elevator. no. 01. Vol 02.

Rahmadani, Dewi. 2010. Simulasi Pelayanan Kasir Swalayan Citra di Bandar

Buat Padang. Jurnal Optimasi Sistem Industri, Vol. 9 No. 1. ISSN:

2038-4842.

Rusdianto, Beni. 2015. Redesain Helm Militer Untuk Siswa TNI AL. ITS

Wahyani, Widhi. 2014. Analisis Bottle Neck Dengan Pendekatan Simulasi Arena Pada Produk Sarung Tenun Ikat Tradisional. ITATS

bab i - marisimulasi.files.wordpress.com€¦ · web viewbab 2 memaparkan landasan teori yang...

Documents