LAPORAN RESMI
TUGAS BESAR SIMULASI SISTEM INDUSTRI
MODUL 1 DESKRIPSI SISTEM
DISUSUN OLEH:
KELOMPOK 44
RIO DWI AKBAR PRASETYO (160421100048)
NURGANDA ABI MULYA (160421100117)
DWI CHARIA NURROHMAT A. (160421100180)
ASISTEN:
AINUR RAFIK (150421100029)
LABORATORIUM KOMPUTASI DAN SIMULASI INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS TRUNOJOYO MADURA
2019
BAB 1
PENDAHULUAN
Pendahuluan pada bab satu ini akan membahas tentang latar belakang dan
tujuan dari tugas besar SSI modul dua Simulasi Menggunakan Software ARENA.
1.1 Latar Belakang
Klinik Mata EDC Bangkalan adalah klinik spesialis mata yang berada di
bangkalan. Klinik Mata EDC memiliki 4 server yaitu Registrasi, Perawatan,
Pemeriksaan, dan pembayaran dan pengambilan obat. Pada setiap server memiliki
jumlah antrian yang cukup banyak terutama saat di bagian perawatan dan
pemeriksaan. Dilakukan simulasi dengan software ARENA untuk melakukan
perbaikan sistem pada klinik mata EDC.
Menurut Bankset dalam Law (2007), Simulasi merupakan suatu upaya
meniru proses operasi dari sebuah kondisi nyata atau sistem dari waktu ke waktu
menggunakan bentuan komputer (Bankset al, 2004). Simulasi digunakan untuk
menggambarkan dan menganalisa perilaku dari sebuah sistem, menanyakan
pertanyaan bagaimana jika tentang sistem nyata, dan membantu dalam proses
design of real systems. Simulasi mengacu pada kumpulan metode yang luas dan
aplikasi dari pencitraan tingkah laku dari sistem yang sesungguhnya. Model
simulasi adalah alternatif yang tepat dalam menggambarkan suatu sistem yang
kompleks, terutama ketika model matematik analitik sulit dilakukan.
Praktikum modul 2 simulasi menggunakan software arena yaitu langkah
pertama merekap data waktu yang telah diambil pada klinik mata EDC lalu
melakukan uji kecukupan data dan menentukan pola data. Setelah data sudah
cukup dan menentukan pola data maka selanjutnya menentukan parameter
acuannya. Setelah menentukan selanjutnya membuat Activity Cycle Diagram
dengan menggunakan Visio dan membuat model simulasinya menggunakan
ARENA. Setelah membuat model simulasinya selanjutnya melakukan validasi
model dan membuat skenario perbaikan lalu melakukan comparing sistem dari
sistem awal dan skenario perbaikan. Terakhir melakukan identifikasi faktor yang
menjadi penghambat dalam sistem tersebut.
1.2 Tujuan
Tujuan dari tugas besar SSI modul dua ini 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 membuat skenario perbaikan dalam software Arena.
BAB II
LANDASAN TEORI
Pada bab dua akan membahas tentang landasan teori dari tugas besar modul
dua tentang simulasi menggunakan software arena.
2.1 Model dan Simulasi
Menurut Daellenbach dalam nashrulhaq (2014), Model merupakan suatu
perwakilan atau abstraksi dari sebuah objek atau situasi aktual Terdapat beberapa
klasifikasi model yaitu ikonik, analog dan simbolik. Model ikonik
mempresentasikan suatu sistem atau benda menjadi suatu objek model yang
wujudnya menyerupai sistem tersebut. Model analog adalah model yang mampu
menyederhanakan suatu sistem sedangkan model simbolik adalah representasi
secara abstrak dari suatu sistem. Model simbolik memiliki dua tipe tujuan, yaitu
deskriptif dan preskriptif (normatif). Model deskriptif merupakan model yang
menggambarkan suatu sistem. Sedangkan model preskriptif merupakan model
yang didekatkan dengan metode optimisasi ataupun heuristik ataupun metode
lainnya sehingga menghasilkan model yang optimal.
Menurut Bankset dan Law dalam nashrulhaq (2014), Simulasi merupakan
suatu upaya meniru proses operasi dari sebuah kondisi nyata atau sistem dari
waktu ke waktu menggunakan bentuan komputer. Simulasi digunakan untuk
menggambarkan dan menganalisa perilaku dari sebuah sistem, menanyakan
pertanyaan bagaimana jika tentang sistem nyata, dan membantu dalam proses
design of real systems. Simulasi mengacu pada kumpulan metode yang luas dan
aplikasi dari pencitraan tingkah laku dari sistem yang sesungguhnya.Model
simulasi adalah alternatif yang tepat dalam menggambarkan suatu sistem yang
kompleks, terutama ketika model matematik analitik sulit dilakukan. Discrete
event simulation adalah suatu jenis simulasi yang sistemnya berkembang dari
waktu ke waktu oleh representasi dimana status variabel berubah seketika pada
titik-titik yang terpisah dalam waktu. Titik waktu tersebut merupakan suatu
peristiwa yang terjadi, dimana peristiwa yang terjadi didefinisikan sebagai suatu
kejadian yang dapat mengubah keadaan dalam sistem.
2.2 Verifikasi Model
Verifikasi model dilakukan untuk memeriksa error pada model dan
meyakinkan bahwa model berfungsi sesuai dengan logika pada obyek sistem.
Verifikasi dilakukan dengan memeriksa formulasi apakah sudah sesuai dengan
hubungan variabel dengan variabel lain dan memeriksa satuan (unit) variabel
dalam model. Jika tidak terdapat error pada model, maka model telah terverifikasi.
Berdasarkan hasil verifikasi, model telah dibuat sudah dengan baik tanpa error
pada formulasi dan tanpa error pada unit yang digunakan model (Fakhruzy, 2012).
2.3 Validasi Model
Menurut Barlas dalam Fakhruzy (2012), Validasi model bertujuan untuk
mengetahui kesesuaian antara hasil simulasi dengan gejala atau proses yang
ditirukan. terdapat dua proses validasi model yang dilakukan, yaitu validasi
struktur model dan validasi behavior model.
1. Uji Validitas Struktur
Uji validitas struktur secara langsung dapat dilakukan juga secara teori
dengan membandingkan formulasi dan bentuk hubungan model dengan
sumber literatur.
2. Validitas Behavior Model
Validitas behavior model memiliki tujuan untuk memberikan keyakinan
sejauh mana kemampuan kinerja model menghasilkan secara akurat hasil
simulasi sesuai dengan kinerja sistem nyata sehingga memenuhi syarat
sebagai model ilmiah. Validitas ini dapat dilakukan secara statistik dengan
membandingkan data empiris sistem nyata dengan output simulasi model.
2.4 Activity Cycle Diagram (ACD)
Activity Cycle Diagram (ACD) adalah bahasa grafik/gambar yang
memodelkan sistem dengan menunjukkan hubungan interaksi antar elemen
dengan perubahan secara diskrit terhadap waktu. Entitas di ACD ada 2, permanen
dan sementara. Sedangkan aktivitas pada ACD ada 2, pasif dan aktif. ACD biasa
digunakan untuk menggambarkan proses yang terjadi dalam sistem tersebut.
(Wahyani, 2014)
2.5 Arena
Menurut (Wahyani,2010) arena merupakan sebuah software simulasi yang
menggunakan system aplikasi Microsoft windows dimana secara packaging akan
terlihat familiar dalam penggunaannya. Di dalam ARENA akan disimulasikan
model yang telah dibentuk sebelumnya dengan input data primer maupun
sekunder sebagai resources dalam pengoperasiannya.
Macam-macam modul dalam arena:
1. Modul process adalah bagian constrained resource dari advanced server,
Modul ini juga menerangkan tentang adanya aktivitas pelayanan dari server
terhadap adanya kedatangan (arrival).
2. Modul chance adalah modul yang menerangkan suatu kondisi dimana ada dua
pilihan / kemungkinan modul chance ini biasanya diaplikasikan pada
perusahaan jasa.
3. Modul simulate adalah pendefinisian nama proyek, eksperimentasi dan
informasi-informasi lain yang relevan.
2.6 Antrian
Menurut (Wahyani,2010) antrian terdapat pada kondisi apabila obyek-obyek
menuju suatu area untuk dilayani, namun kemudian menghadapi keterlambatan
disebabkan oleh mekanisme pelayanan mengalami kesibukan. Antrian timbul
karena adanya ketidakseimbangan antara yang dilayani dengan pelayanannya.
Contoh antrian: antrian pada pelayanan kasir supermarket, antrian membeli bahan
bakar, antrian pada lampu merah (orang menyeberang maupun kendaraan), antrian
pesawat akan mendarat di suatu bandara, antrian pelayanan dokter, dan lain-lain.
Sifat fundamental problema antrian mencakup suatu imbangan antara waktu
menunggu dan waktu pelayanan (service).
Macam bentuk antrian:
1. Antrian tunggal, banyak server dalam paralel :
Gambar 2.2.1 Antrian tunggal, banyak server dalam paralel
2. Antrian tunggal, server tunggal :
Gambar 2.2.2 Antrian tunggal, server tunggal
3. Antrian tunggal, banyak server dalam seri :
Gambar 2.2.3 Antrian tunggal, banyak server dalam seri
4. Antrian banyak, server banyak dalam paralel
Gambar 2.2.4 Antrian banyak, server banyak dalam paralel
5. Antrian banyak, server banyak dalam seri :
Gambar 2.2.5 Antrian banyak, server banyak dalam seri
2.7 Utilitas Mesin
Menurut Ali (2017), Utiltas mesin adalah seberapa lama mesin bekerja
dibandingkan terhadap total waktu kerja yang dilakukan pada mesin tersebut. Utilitas
mesin dapat dirumuskan sebagai berikut:
Keterangan :
Jam Operasi : Lama mesin digunakan dalam 1x hari kerja
Jam Kerja : Lama jam kerja dalam perusahaan (8 jam kerja)
BAB III
METODOLOGI PENELITIAN
Metodologi penelitian pada modul dua tentang simulasi menggunakan
software arena meliputi alat dan bahan, flowchart, prosedur praktikum yaitu:
3.1 Alat dan Bahan
Alat dan bahan yang digunakan dalam praktikum simulasi sistem
menggunakan software arena adalah sebagai berikut.
1. Software visio
2. Software Arena
3. Microsoft Word
4. Micosoft Excel
5. Laptop/PC
3.2 Prosedur Pelaksanaan Praktikum
Prosedur pelaksanaan praktikum yang digunakan dalam praktikum modul
simulasi sistem menggunakan software arena adalah sebagai berikut:
1. Melakukan uji kecukupan data.
2. Menentukan pola data.
3. Menentukan parameter yang menjadi acuan.
4. Memodelkan sistem menggunakan Visio dan Arena.
5. Melakukan validasi model.
6. Membuat skenario perbaikan.
7. Melakukan perbandingan sistem awal dan perbaikan.
8. Mengidentifikasi faktor yang menjadi penghambat dalam sistem.
3.3 Flowchart
Flowchart tugas besar dan pengolahan data untuk modul simulasi sistem
menggunakan software arena adalah sebagai berikut:
3.3.1 Flowchart Tugas Besar
Flowchart tugas besar yang dilakukan pada modul simulasi sistem
menggunakan software arena adalah sebagai berikut:
Gambar 2.3.6 Flowchart tugas besar SSI
3.3.2 Flowchart Pengolahan Data
Flowchart pengolahan data praktikum modul simulasi sistem
menggunakan software arena adalah sebagai berikut:
Gambar 2.3.7 Flowchart pengolahan data SSI
BAB IV
ANALISIS DAN PEMBAHASAN
Bab empat analisis dan pembahasan dari tugas besar modul dua berisi
rekapan data, uji kecukupan, pola data, parameter, model simulasi, skenario
perbaikan, serta identifikasi faktor penghambat dan animasi menggunakan
software arena.
4.1 Rekapan Data
Rekapan data hasil pengamatan waktu kedatangan, waktu pelayanan, waktu
selesai, dan jumlah antrian pada objek klinik mata EDC Bangkalan sebagai
berikut.
Tabel 2.4.1 Rekapan data pengamatanObjek Pengamatan : Klinik Mata EDC BangkalanHari, Tanggal Pengamatan : Senin, 15 April 2019
Prosses
No
Server 1 (Pendaftaran) Server 2 (Perawat) Server 3 (Dokter) Server 4 (Kasir)
1 17.04.57 17.04.57 17.06.11 0 17.06.11 17.48.47 17.53.01 12 17.53.01 18.33.26 18.37.02 6 18.37.02 18.37.02 18.40.26 02 17.10.02 17.10.02 17.11.59 0 17.11.59 18.15.20 18.18.55 18 18.18.55 18.37.02 18.40.09 5 18.40.09 18.40.26 18.43.25 13 17.13.11 17.13.11 17.14.08 0 17.14.08 18.18.55 18.23.16 18 18.23.16 18.40.09 18.43.28 5 18.43.28 18.43.28 19.46.32 04 17.16.55 17.16.55 17.17.57 0 17.17.57 18.23.16 18.27.29 19 18.27.29 18.43.28 18.47.30 5 18.47.30 18.47.30 18.50.51 05 17.17.47 17.17.57 17.19.06 1 17.19.06 18.27.29 18.31.02 20 18.31.02 18.47.30 18.51.06 5 18.51.06 18.51.06 18.55.48 06 17.22.23 17.22.23 17.23.31 0 17.23.31 18.31.02 18.34.23 20 18.34.23 18.51.06 18.54.50 5 18.54.50 18.55.48 18.59.03 17 17.25.00 17.25.00 17.26.17 0 17.26.17 18.34.23 18.38.04 20 18.38.04 18.54.50 18.58.28 4 18.58.28 18.59.03 19.02.19 18 17.27.00 17.27.00 17.27.58 0 17.27.58 18.38.04 18.41.50 20 18.41.50 18.58.28 19.01.55 4 19.01.55 19.02.19 19.05.01 19 17.29.56 17.29.56 17.31.20 0 17.31.20 18.41.50 18.46.00 19 18.46.00 19.01.55 19.05.02 4 19.05.02 19.05.02 19.07.10 0
10 17.34.50 17.34.50 17.35.59 0 17.35.59 18.46.00 18.50.24 20 18.50.24 19.05.02 19.09.02 4 19.09.02 19.09.02 19.11.23 011 17.39.03 17.39.03 17.40.03 0 17.40.03 18.50.24 18.54.40 20 18.54.40 19.09.02 19.13.06 3 19.13.06 19.13.06 19.12.58 012 17.43.21 17.43.21 17.44.18 0 17.44.18 18.54.40 19.00.02 20 19.00.02 19.13.06 19.16.24 3 19.16.24 19.16.24 19.17.48 013 17.44.36 17.44.36 17.45.52 0 17.45.52 19.00.02 19.04.16 22 19.04.16 19.16.24 19.20.08 3 19.20.08 19.20.08 19.20.27 014 17.48.50 17.48.50 17.50.11 0 17.50.11 19.04.16 19.07.10 22 19.07.10 19.20.08 19.23.57 3 19.23.57 19.23.57 19.25.26 015 17.52.33 17.52.33 17.53.51 0 17.53.51 19.08.10 19.10.58 21 19.10.58 19.23.57 19.28.16 4 19.28.16 19.28.16 19.31.05 016 17.54.03 17.54.03 17.55.09 0 17.55.09 19.10.58 19.14.21 20 19.14.21 19.28.16 19.32.15 5 19.32.15 19.32.15 19.34.01 017 17.56.34 17.56.34 17.57.29 0 17.57.29 19.14.21 19.17.09 19 19.17.09 19.32.15 19.36.16 5 19.36.16 19.36.16 19.39.01 018 18.08.12 18.08.12 18.09.16 0 18.09.16 19.17.09 19.20.12 18 19.20.12 19.36.16 19.40.52 5 19.40.52 19.40.52 19.45.29 019 18.09.10 18.09.16 18.10.14 1 18.10.14 19.20.12 19.23.23 17 19.23.23 19.40.52 19.45.00 5 19.45.00 19.45.29 19.48.25 120 18.13.20 18.13.20 18.14.31 0 18.14.31 19.23.23 19.27.11 16 19.27.11 19.45.00 19.49.27 5 19.49.27 19.49.27 19.51.40 021 18.15.02 18.15.02 18.15.59 0 18.15.59 19.27.11 19.30.33 15 19.30.33 19.49.27 19.54.19 5 19.54.19 19.54.19 19.58.13 022 18.19.22 18.19.22 18.20.24 0 18.20.24 19.30.33 19.34.30 14 19.34.30 19.54.19 19.58.26 5 19.58.26 19.58.26 20.02.44 023 18.20.38 18.20.38 18.22.01 0 18.22.01 19.34.30 19.38.55 13 19.38.55 19.58.26 20.03.02 5 20.03.02 20.03.02 20.06.35 024 18.23.45 18.23.45 18.25.11 0 18.25.11 19.38.55 19.43.14 12 19.43.14 20.03.02 20.07.42 6 20.07.42 20.07.42 20.11.50 025 18.25.31 18.25.31 18.26.58 0 18.26.58 19.43.14 19.47.31 11 19.47.31 20.07.42 20.10.55 6 20.10.55 20.11.50 20.15.10 126 18.29.20 18.29.20 18.30.25 0 18.30.25 19.47.31 19.51.50 10 19.51.50 20.10.55 20.14.23 6 20.14.23 20.15.10 20.18.27 127 18.31.12 18.31.12 18.32.14 0 18.32.14 19.51.50 19.54.55 9 19.54.55 20.14.23 20.17.35 5 20.17.35 20.18.27 20.22.09 128 18.35.40 18.35.40 18.36.41 0 18.36.41 19.54.55 19.58.36 8 19.58.36 20.17.35 20.22.11 5 20.22.11 20.22.11 20.25.43 029 18.41.45 18.41.45 18.42.52 0 18.42.52 19.58.36 20.03.06 7 20.03.06 20.22.11 20.25.50 6 20.25.50 20.25.50 20.29.03 030 18.42.50 18.42.52 18.44.09 1 18.44.09 20.03.06 20.06.42 6 20.06.42 20.25.50 20.29.36 6 20.29.36 20.29.36 20.32.42 031 18.46.07 18.46.07 18.47.31 0 18.47.31 20.06.42 20.10.01 5 20.10.01 20.29.36 20.33.10 5 20.33.10 20.33.10 20.37.29 032 18.52.53 18.52.53 18.53.59 0 18.53.59 20.10.01 20.14.26 4 20.14.26 20.33.10 20.36.22 4 20.36.22 20.37.29 20.40.46 1
Jumlah Antrian
Jumlah Antrian
Jumlah Antrian
Jumlah AntrianWaktu
KedatanganWaktu
PelayananWaktu Selesai
Waktu Kedatangan
Waktu Pelayanan
Waktu Selesai
Waktu Kedatangan
Waktu Pelayanan
Waktu Selesai
Waktu Kedatangan
Waktu Pelayanan
Waktu Selesai
4.2 Uji Kecukupan Data Masing-masing Server
Uji kecukupan data masing-masing server pengamatan modul simulasi
menggunakan software arena adalah sebagai berikut. Dalam uji kecukupan data
tiap server hipotesa yang di gunakan yaitu:
N’ : Jumlah pengamatan/pengukuran yang seharusnya dilaksanakan.
N : Jumlah pengamatan/pengukuran awal yang telah dilakukan.
Pengambilan Keputusan:
Jika N’ ≤ N maka data cukup
Jika N’ > N maka data tidak cukup
1. Server 1 (Pendaftaran)
Diketahui :
N = 34 ∑ x2= 168900
∑ x = 2374 k = 2
(∑ x )2 = 5635876 s = 0.05
Ditanya : N’ ?
Jawab :
N '=[ ks √N ∑ x2−(∑ x )2
∑ x ]2
=[40√34(168900 )−56358762374 ]
2
=30 , 298
2. Server 2 (Pemeriksaan Perawat)
Diketahui :
N = 34 ∑ x2= 1670860
∑ x = 7462 k = 2
(∑ x )2 = 55681444 s = 0.05
Ditanya : N’ ?
Jawab :
N '=[ ks √N ∑ x2−(∑ x )2
∑ x ]2
==[40√34(1670860 )−556814447462 ]
2
=32 ,407
3. Server 3 (Pemeriksaan Dokter)
Diketahui :
N = 34 ∑ x2= 1780861
∑ x = 7717 k = 2
(∑ x )2 = 59552089 s = 0.05
Ditanya : N’ ?
Jawab :
N '=[ ks √N ∑ x2−(∑ x )2
∑ x ]2
==[40√34(1780861)−595520897717 ]
2
=26 , 709
4. Server 4 (Kasir)
Diketahui :
N = 34 ∑ x2= 1676541
∑ x = 7475 k = 2
(∑ x )2 = 55875625 s = 0.05
Ditanya : N’ ?
Jawab :
N '=[ ks √N ∑ x2−(∑ x )2
∑ x ]2
==[40√34(1676541)−558756257475 ]
2
=32 ,27
Tabel 2.4.2 Uji kecukupan data
NoServer 1 (Pendaftaran)
NoServer 2 (Pemeriksaan perawat)
NoServer 3 (Pemeriksaan dokter)
NoServer 4 (Kasir)
∑(x2) k/s N N' ∑(x2) k/s N N' ∑(x2) k/s N N' ∑(x2) k/s N N'
1 74 5476 40 34
30.30
1 254 64516 40 34
30.94
1 216 46656 40 34
25.94
1 204 41616 40 34
32.75
2 69 4761 40 34 2 215 46225 40 34 2 187 34969 40 34 2 179 32041 40 343 57 3249 40 34 3 261 68121 40 34 3 199 39601 40 34 3 194 37636 40 344 62 3844 40 34 4 253 64009 40 34 4 242 58564 40 34 4 181 32761 40 345 69 4761 40 34 5 213 45369 40 34 5 216 46656 40 34 5 222 49284 40 346 68 4624 40 34 6 201 40401 40 34 6 224 50176 40 34 6 195 38025 40 347 77 5929 40 34 7 221 48841 40 34 7 218 47524 40 34 7 196 38416 40 348 58 3364 40 34 8 226 51076 40 34 8 207 42849 40 34 8 162 26244 40 349 84 7056 40 34 9 249 62001 40 34 9 187 34969 40 34 9 228 51984 40 34
10 69 4761 40 34 10 264 69696 40 34 10 240 57600 40 34 10 261 68121 40 3411 60 3600 40 34 11 256 65536 40 34 11 244 59536 40 34 11 172 29584 40 3412 57 3249 40 34 12 262 68644 40 34 12 198 39204 40 34 12 204 41616 40 3413 76 5776 40 34 13 204 41616 40 34 13 214 45796 40 34 13 199 39601 40 3414 81 6561 40 34 14 174 30276 40 34 14 231 53361 40 34 14 269 72361 40 3415 78 6084 40 34 15 168 28224 40 34 15 261 68121 40 34 15 269 72361 40 3416 66 4356 40 34 16 203 41209 40 34 16 239 57121 40 34 16 226 51076 40 3417 55 3025 40 34 17 168 28224 40 34 17 241 58081 40 34 17 225 50625 40 3418 64 4096 40 34 18 183 33489 40 34 18 276 76176 40 34 18 217 47089 40 3419 58 3364 40 34 19 191 36481 40 34 19 248 61504 40 34 19 176 30976 40 3420 71 5041 40 34 20 228 51984 40 34 20 267 71289 40 34 20 193 37249 40 3421 57 3249 40 34 21 202 40804 40 34 21 292 85264 40 34 21 234 54756 40 3422 62 3844 40 34 22 237 56169 40 34 22 247 61009 40 34 22 258 66564 40 3423 83 6889 40 34 23 265 70225 40 34 23 276 76176 40 34 23 183 33489 40 3424 86 7396 40 34 24 259 67081 40 34 24 282 79524 40 34 24 248 61504 40 3425 87 7569 40 34 25 260 67600 40 34 25 193 37249 40 34 25 200 40000 40 3426 75 5625 40 34 26 259 67081 40 34 26 208 43264 40 34 26 197 38809 40 3427 62 3844 40 34 27 185 34225 40 34 27 192 36864 40 34 27 222 49284 40 3428 61 3721 40 34 28 221 48841 40 34 28 276 76176 40 34 28 212 44944 40 3429 67 4489 40 34 29 260 67600 40 34 29 219 47961 40 34 29 193 37249 40 3430 77 5929 40 34 30 216 46656 40 34 30 226 51076 40 34 30 186 34596 40 3431 84 7056 40 34 31 199 39601 40 34 31 214 45796 40 34 31 259 67081 40 3432 66 4356 40 34 32 265 70225 40 34 32 192 36864 40 34 32 257 66049 40 3433 84 7056 40 34 33 196 38416 40 34 33 250 62500 40 34 33 194 37636 40 3434 70 4900 40 34 34 213 45369 40 34 34 255 65025 40 34 34 171 29241 40 34∑ 2374 168900 ∑ 7631 1745831 ∑ 7877 1854501 ∑ 7186 1549868
Lama pelayanan
Lama pelayanan
Lama pelayanan
Lama pelayanan
Tabel 2.4.3 Rekapan uji kecukupan data
Server 1 (Pendaftaran)No
Server 2 (Pemeriksaan perawat)
N' ∑(x2) k/s
30.30
1 254 64516 402 215 46225 40
Lama pelayanan
Berdasarkan uji kecukupan data pada tabel 2.4.2 diperoleh hasil rekapan uji
kecukupan data seperti pada tabel 2.4.3, dimana nilai N’ pada seluruh server ≤ N
yang berarti data hasil pengamatan telah cukup untuk mewakili populasi yang ada.
4.3 Rekapan Data Baru
Rekapan data baru dari data pengamatan modul simulasi menggunakan
software arena adalah sebagai berikut.
Tabel 2.4.5 Rekapan data baru
NoServer 1 Server 2 Server 3 Server 4
1 74 0 0 254 12 2556 216 6 2425 204 0 02 69 0 0 215 18 3801 187 5 1087 179 1 173 57 0 0 261 18 3887 199 5 1013 194 0 04 62 0 0 253 19 3919 242 5 959 181 0 05 69 1 10 213 20 4103 216 5 988 222 0 06 68 0 0 201 20 4051 224 5 1003 195 1 587 77 0 0 221 20 4266 218 4 1006 196 1 358 58 0 0 226 20 4206 207 4 998 162 1 249 84 0 0 249 19 4820 187 4 955 228 0 0
10 69 0 0 264 20 4201 240 4 904 261 0 011 60 0 0 256 20 4221 244 3 862 172 0 012 57 0 0 262 20 4222 198 3 784 204 0 013 76 0 0 204 22 4450 214 3 728 199 0 014 81 0 0 174 22 4445 231 3 778 269 0 015 78 0 0 168 21 4459 261 4 779 269 0 016 66 0 0 203 20 4567 239 5 835 226 0 017 55 0 0 168 19 4192 241 5 906 225 0 018 64 0 0 183 18 4073 276 5 964 217 0 019 58 1 6 191 17 4198 248 5 809 176 1 2920 71 0 0 228 16 4132 267 5 1069 193 0 021 57 0 0 202 15 4270 292 5 1134 234 0 022 62 0 0 237 14 4209 247 5 1189 258 0 023 83 0 0 265 13 4349 276 5 1171 183 0 024 86 0 0 259 12 4424 282 6 1188 248 0 025 87 0 0 260 11 4576 193 6 1211 200 1 5526 75 0 0 259 10 4626 208 6 1145 197 1 4727 62 0 0 185 9 4776 192 5 1168 222 1 5228 61 0 0 221 8 4694 276 5 1139 212 0 029 67 0 0 260 7 4544 219 6 1145 193 0 030 77 1 2 216 6 4737 226 6 1148 186 0 031 84 0 0 199 5 4751 214 5 1175 259 0 032 66 0 0 265 4 4562 192 4 1124 257 1 6733 84 0 0 196 3 4662 250 3 1120 194 1 1434 70 0 0 213 2 4672 255 2 1157 171 0 0
Lama pelayanan
(detik)Jumlah antrian
Lama antrian (detik)
Lama pelayanan
(detik)Jumlah antrian
Lama antrian (detik)
Lama pelayanan
(detik)Jumlah antrian
Lama antrian (detik)
Lama pelayanan
(detik)Jumlah antrian
Lama antrian (detik)
Tabel 2.4.5 di atas merupakan rekapan data baru yang berisi data lama
pelayanan pada setiap server, jumlah antrian, dan lama antrian yang diperoleh dari
data hasil pengamatan.
4.4 Pola Data dari Masing-masing Data
Pola data dari masing-masing data modul simulasi menggunakan software
arena adalah sebagai berikut.
Gambar 2.4.8 Pola data server 1
Berdasarkan plotting data lama pelayanan pada server 1, diperoleh gambar
pola data seperti gambar 2.4.8 yang menunjukkan bahwa data berdistribusi
BETA(0.971 , 108).
Gambar 2.4.9 Pola data server 2
Berdasarkan plotting data lama pelayanan pada server 2, diperoleh gambar
pola data seperti gambar 2.4.9 yang menunjukkan bahwa data berdistribusi
BETA(0.772 , 0.557).
Gambar 2.4.10 Pola data server 3
Berdasarkan plotting data lama pelayanan pada server 3, diperoleh gambar
pola data seperti gambar 2.4.10 yang menunjukkan bahwa data berdistribusi
NORM(232 , 29.5).
Gambar 2.4.11 Pola data server 4
Berdasarkan plotting data lama pelayanan pada server 4, diperoleh gambar
pola data seperti gambar 2.4118 yang menunjukkan bahwa data berdistribusi
WEIB(52.3 , 1.32).
Tabel 2.4.6 Rekapan pola distribusi data pada tiap server
Pola dataServer 1 54.5 + 33 * BETA(0.971, 1.08)Server 2 168 + 98 * BETA(0.772, 0.557)Server 3 NORM(232, 29.5)Server 4 162 + WEIB(52.3, 1.32)
4.5 Parameter untuk Acuan Penelitian (sesuai modul 1) Secara Matematis
Perhitungan tiap parameter dalam modul simulasi menggunakan software
arena adalah sebagai berikut.
4.5.1 Server 1 (Pendaftaran)
Parameter yang ada pada server 1 yakni sebagai berikut.
4.5.1.1 Utilitas
Perhitungan utilitas server 1 adalah sebagai berikut.
Utilitas = Totalwaktu pelayanan
Totalwaktu pengamatan
Utilitas = 237413351 = 0,1778
4.5.1.2 Lama antrian
Perhitungan lama antrian server 1 adalah sebagai berikut.
Lama antrian = waktu antrian
Totalwaktu pengamatan
Lama antrian = 0,53
13351 = 0,0000
4.5.1.3 Panjang antrian
Perhitungan panjang antrian server 1 adalah sebagai berikut.
Panjang antrian = jumlah panjangantrian
jumlah waktu pengamatan
Panjang antrian = 3
13351 = 0,0002
4.5.2 Server 2 (Pemeriksaan Perawat)
Parameter yang ada pada server 2 yakni sebagai berikut.
4.5.2.1 Utilitas
Perhitungan utilitas server 2 adalah sebagai berikut.
Utilitas = Totalwaktu pelayanan
Totalwaktu pengamatan
Utilitas = 7631
13351 = 0,5716
4.5.2.2 Lama antrian
Perhitungan lama antrian server 2 adalah sebagai berikut.
Lama antrian = waktu antrian
Totalwaktu pengamatan
Lama antrian = 4312,413351 = 0,3230
4.5.2.3 Panjang antrian
Perhitungan panjang antrian server 2 adalah sebagai berikut.
Panjang antrian = jumlah panjangantrian
jumlah waktu pengamatan
Panjang antrian = 500
13351 = 0,0375
4.5.3 Server 3 (Pemeriksaan Dokter)
Parameter yang ada pada server 3 yakni sebagai berikut.
4.5.3.1 Utilitas
Perhitungan utilitas server 3 adalah sebagai berikut.
Utilitas = Totalwaktu pelayanan
Totalwaktu pengamatan
Utilitas = 787713351 = 0,5900
4.5.3.2 Lama antrian
Perhitungan lama antrian server 3 adalah sebagai berikut.
Lama antrian = waktu antrian
Totalwaktu pengamatan
Lama antrian = 106113351 = 0,0795
4.5.3.3 Panjang antrian
Perhitungan panjang antrian server 3 adalah sebagai berikut.
Panjang antrian = jumlah panjangantrian
jumlah waktu pengamatan
Panjang antrian = 157
13351 = 0,0118
4.5.4 Server 4 (Kasir)
Parameter yang ada pada server 4 yakni sebagai berikut.
4.5.4.1 Utilitas
Perhitungan utilitas server 4 adalah sebagai berikut.
Utilitas = Totalwaktu pelayanan
Totalwaktu pengamatan
Utilitas = 718613351 = 0,5382
4.5.4.2 Lama antrian
Perhitungan lama antrian server 4 adalah sebagai berikut.
Lama antrian = waktu antrian
Totalwaktu pengamatan
Lama antrian = 11,7113351 = 0,0009
4.5.4.3 Panjang antrian
Perhitungan panjang antrian server 4 adalah sebagai berikut.
Panjang antrian = jumlah panjangantrian
jumlah waktu pengamatan
Panjang antrian = 10
13351 = 0,0007
Tabel 2.4.7 Rekapan hasil perhitungan parameter
Parameter Server 1 Server 2 Server 3 Server 4Utilitas 0.1778 0.5716 0.5900 0.5382Panjang antrian 0.0002 0.0375 0.0118 0.0007Lama antrian 0.0000 0.3230 0.0795 0.0009
4.6 Model Simulasi menggunakan Arena dan Visio (sedetail mungkin)
Gambaran arena dan visio modul simulasi menggunakan software arena
adalah sebagai berikut.
Gambar 2.4.12 Model simulasi menggunakan arena
Gambar 2.4.13 Model simulasi menggunakan visio
Keterangan:
1. Pendaftaran pasien
2. Pemeriksaan oleh perawat
3. Pemeriksaan dokter
4. Kasir
4.7 Validasi Model Arena Dengan Sistem Nyata Melalui Parameter
Performance Sistem
Validasi model arena dengan sistem nyata melalui parameter performance
sistem adalah sebagai berikut.
Hipotesa:
H0 = Tidak terdapat perbedaan dari model arena yang dibuat dengan sistem nyata.
H1 = Terdapat perbedaan dari model arena yang dibuat dengan sistem nyata.
Pengambilan keputusan:
Jika sig 2 tailed ≥ α (0,05) maka terima H0
Jika sig 2 tailed < α (0,05) maka tolak H0
Tabel 2.4.8 Rekapan utilitas replikasi 1
Server 3 Server 40.5900 0.53820.0118 0.00070.0795 0.0009
Tabel 2.4.9 Validasi uji t-test replikasi 1
Utilitas
ServerReplikasi 1
ServerReplikasi 4
Nyata Arena Nyata1 0.1778 0.0014 1 0.17782 0.5716 0.0016 2 0.57163 0.5900 0.5880 3 0.59004 0.5382 0.1230 4 0.5382
ServerReplikasi 2
ServerReplikasi 5
Nyata Arena Nyata1 0.1778 0.0014 1 0.17782 0.5716 0.0014 2 0.57163 0.5900 0.5849 3 0.5900
Berdasarkan hasil validasi replikasi 1 menggunakan uji t-test diperoleh hasil
sig 2 tailed (0,103) ≥ α (0,05) maka terima H0, Tidak terdapat perbedaan antara
model arena yang dibuat dengan sistem nyata.
Tabel 2.4.10 Rekapan utilitas replikasi 2
Utilitas
Server
123
Tabel 2.4.11 Validasi uji t-test replikasi 2
ServerReplikasi 2
ServerNyata Arena
1 0.1778 0.0014 12 0.5716 0.0014 23 0.5900 0.5849 34 0.5382 0.1211 4
ServerReplikasi 3
Nyata Arena1 0.1778 0.00112 0.5716 0.00143 0.5900 0.5946
Berdasarkan hasil validasi replikasi 2 menggunakan uji t-test diperoleh hasil
sig 2 tailed (0,102) ≥ α (0,05) maka terima H0, Tidak terdapat perbedaan antara
model arena yang dibuat dengan sistem nyata.
Tabel 2.4.12 Rekapan utilitas replikasi 3
Server
123
Tabel 2.4.13 Validasi uji t-test replikasi 3
Berdasarkan hasil validasi replikasi 3 menggunakan uji t-test diperoleh hasil
sig 2 tailed (0,106) ≥ α (0,05) maka terima H0, Tidak terdapat perbedaan antara
model arena yang dibuat dengan sistem nyata.
Tabel 2.4.14 Rekapan utilitas replikasi 4
Utilitas
Server
123
Tabel 2.4.15 Validasi uji t-test replikasi 4
UtilitasReplikasi 1
ServerReplikasi 4
Nyata Arena Nyata Arena0.1778 0.0014 1 0.1778 0.00130.5716 0.0016 2 0.5716 0.00150.5900 0.5880 3 0.5900 0.59050.5382 0.1230 4 0.5382 0.0977
Replikasi 2Server
Replikasi 5Nyata Arena Nyata Arena0.1778 0.0014 1 0.1778 0.00120.5716 0.0014 2 0.5716 0.00150.5900 0.5849 3 0.5900 0.5907
Berdasarkan hasil validasi replikasi 4 menggunakan uji t-test diperoleh hasil
sig 2 tailed (0,104) ≥ α (0,05) maka terima H0, Tidak terdapat perbedaan antara
model arena yang dibuat dengan sistem nyata.
Tabel 2.4.16 Rekapan utilitas replikasi 5
UtilitasReplikasi 1
Nyata Arena0.1778 0.00140.5716 0.00160.5900 0.5880
Tabel 2.4.17 Validasi uji t-test replikasi 5
Replikasi 2Server
Replikasi 5Nyata Arena Nyata Arena0.1778 0.0014 1 0.1778 0.00120.5716 0.0014 2 0.5716 0.00150.5900 0.5849 3 0.5900 0.59070.5382 0.1211 4 0.5382 0.1294
Replikasi 3Nyata Arena0.1778 0.00110.5716 0.00140.5900 0.5946
Berdasarkan hasil validasi replikasi 5 menggunakan uji t-test diperoleh hasil
sig 2 tailed (0,105) ≥ α (0,05) maka terima H0, Tidak terdapat perbedaan antara
model arena yang dibuat dengan sistem nyata.
4.8 Skenario Perbaikan (3 skenario)
Skenario perbaikan modul simulasi menggunakan software arena adalah
sebagai berikut.
1. Skenario Perbaikan 1
Gambar 2.4.14 Skenario perbaikan 1
Skenario perbaikan 1 yaitu dilakukan dengan menggabungkan server 1
(pendaftaran) dan server 2 (pemeriksaan dokter) menjadi 1 server karena
utilitas pada server 1 sangat rendah, sehingga dengan digabungkannya server 1
dan 2 bisa menambah utilitasnya.
2. Skenario Perbaikan 2
Gambar 2.4.15 Skenario perbaikan 2
Skenario perbaikan 2 yaitu dilakukan dengan menggabungkan menambah
resource perawat pada server 2 (pemeriksaan perawat) dari yang awalnya 1
menjadi 2, untuk mengurangi jumlah antrian yang ada pada server tersebut.
3. Skenario Perbaikan 3
Gambar 2.4.16 Skenario perbaikan 3
Skenario perbaikan 3 yaitu dilakukan dengan menggabungkan menambah
resource dokter pada server 3 (pemeriksaan dokter) dari yang awalnya 1
menjadi 2, untuk mengurangi jumlah antrian yang ada pada server tersebut.
4.9 Proses Comparing System Masing-masing Skenario (Secara otomatis dan
software SPSS)
Proses compairing system modul simulasi menggunakan software arena
adalah sebagai berikut.
Hipotesa:
H0 = Tidak terdapat perbedaan secara signifikan antara rata-rata utilitas pada
sistem nyata dengan skenario perbaikan 1, 2, dan 3.
H1 = Terdapat perbedaan secara signifikan antara rata-rata utilitas pada sistem
nyata dengan skenario perbaikan 1, 2, dan 3.
Pengambilan Keputusan:
Jika Sig ≤ α (0,05), maka tolak H0
Jika Sig > α (0,05), maka terima H0
Tabel 2.4.18 Descriptive statistics dari perbandingan utilitas tiap skenario
0.469379 4 0.538203 Descriptives
2.308302 Utilitas N0.052096 Nyata 42.353363 Skenario 1 30.104193 Skenario 2 43.182446 Skenario 3 4
Tabel 2.4.19 Output anova menggunakan SPSS
0.469379 4 0.5382 0.127903 Descriptives
2.308302 Utilitas N Mean0.052096 Nyata 4 0.4694
Berdasarkan tabel 2.4.19 diketahui bahwa perhitungan Anova dengan hasil p-
value statistik uji F sebesar 1,83 yang berarti lebih besar dari α (0,05) yang berarti
terima H0, Tidak terdapat perbedaan secara signifikan antara rata-rata utilitas pada
sistem nyata dengan skenario perbaikan 1, 2, dan 3.
4.10 Identifikasi Faktor Penghambat Apabila Skenario Diimplementasikan
pada Sistem Nyata
Skenario perbaikan yang terdiri dari 3 skenario perbaikan dalam meningkatakan
utilitas pada setiap server dalam sistem, memiliki faktor penghambat utama yaitu biaya.
Dimana diperlukan tambahan biaya dalam penambahan resource perawat ataupun dokter
dalam sistem. Skenario 1 apabila diimplementasikan sangat memungkinkan karena
menggabungkan server pendaftaran dan pemeriksaan perawat tidak perlu penambahan
biaya. Sedangkan skenario 2 dan 3 tidak memungkinkan karena penambahan resource
perawat maupun dokter memerlukan tambahan biaya yang tidak sedikit.
4.11 Animasi menggunakan Software Arena
Gambaran animasi modul simulasi menggunakan software arena adalah
sebagai berikut.
BAB V
KESIMPULAN DAN SARAN
Bab lima berisi tentang kesimpulan dan saran pada modul simulasi
menggunakan software arena adalah sebagai berikut.
5.1 Kesimpulan
Kesimpulan dari tugas besar simulasi sistem industri tentang simulasi
menggunakan software arena adalah sebagai berikut:
1. Modul-modul yang terdapat pada software arena diantaranya adalah modul
create yang berfungsi untuk sebagai titik awal kedatangan, modul process
digunakan untuk menggambarkan proses dari simulasi, modul dispose untuk
mengakhiri simulasi, modul route digunakan untuk mengirim entitas ke station
yang telah ditentukan, modul station dmenunjukkan lokasi station dimana
proses berlangsung.
2. Input untuk membuat model dengan menggunakan software arena adalah waktu
kedatangan, waktu pelayanan dan juga waktu selesai pada masing-masing
server. Sedangkan output yang dihasilkan adalah output, utilitas, lama antrian,
dan panjang antrian.
3. Skenario perbaikan untuk meningkatkan perfomansi kinerja Klinik mata EDC
Bangkalan ada tiga yaitu yang pertama penggabungan proses pendaftaran dan
pemeriksaan perawat, yang kedua menambah jumlah perawat, dan yang ketiga
menambah jumlah dokter.
5.2 Saran
Saran untuk tugas besar tentang simulasi menggunakan software Arena yaitu
perlu memahami dengan baik modul-modul yang ada dalam arena supaya ketika
memodelkan sistem nyata menggunakan arena dapat dimodelkan dengan baik
agar simulasi yang dibuat sesuai dengan sistem nyata.
DAFTAR PUSTAKA
Fakhruzy, H. Dkk, 2012. Penentuan Komosisi Alat Angkut Pertambangan
(Dumptruck) dengan Menggunakan Model Simulasi ( Studi Kasus: PT United
Tracktors Semen Gresik, Tuban). Institut Teknologi Sepuluh Nopember.
Fortunella, A. Dkk. Model Simulasi Sistem Produksi dengan Sistem Dinamik
Guna Membantu perencanaan Kapasitas Produksi. Universitas Brawijaya
Malang.
Nashrulhaq, Dkk 2014. Model Simulasi Sistem Antrean Elevator. Intitut
Teknologi Nasional.
Wahyani, W. Ahmad, N. H. Analisis Botlle Neck dengan Pendekatan Simulasi
Arena pada Produk Sarung Tenun Ikat Tradisional. Institut Teknologi
Adhitama Surabaya.