laporan modul 2 asistensi 1 kelompok 8A€¦ · 78*$6 %(6$5 02'8/ 6,08/$6, 0(1**81$.$1 62)7:$5( $5(1$ 'lvxvxq 2ohk .(/ $ 1dpd -$(1$/ $-, 18*52+2 3+,/,3 +(50$:$1

TUGAS BESAR

MODUL 2

SIMULASI MENGGUNAKAN SOFTWARE ARENA

Disusun Oleh : KEL (8A)

Nama : 1. JAENAL AJI NUGROHO (130421100050)

2. PHILIP HERMAWAN (150421100081)

3. JUNIALDI (150421100097)

ASISTEN PRAKTIKUM:

FILIA SANDRAYANI (140421100047)

LABORATORIUM KOMPUTASI DAN SIMULASI

INDUSTRI

PROGRAM STRUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS TRUNOJOYO MADURA

2018

BAB I

PENDAHULUAN

Bab 1 adalah pendahuluan yang berisikan latar belakang dan tujuan dari tugas

besar modul 2 tentang simulasi menggunakan software arena sebagai berikut.

1.1 Latar Belakang

Simulasi pada dasarnya ditempatkan dalam industri luar angkasa dengan

model-model yang sederhana. Simulasi berkembang dan menjadi nyata untuk

tingkat pemodelan pada sistem antrian. Sistem antrian yang diterapkan di usaha

cucian motor yang terletak di daerah Bangkalan Kota. Usaha cucian motor

mengalami kendala atau masalah dalam proses pencucian motor dari kedatangan

sampai pembayaran dari customer, permasalahan dapat diselesaikan dengan

simulasi antrian dengan mengunakan software arena untuk mengetahui solusi yang

baik untuk memecahkan masalah dalam usaha cucian motor.

Simulasi adalah sebuah kesamaan proses operasi dari sebuah kondisi nyata atau

disebut sistem dari waktu ke waktu. Simulasi digunakan dalam menggambarkan

dan menganalisa dari sebuah sistem dan simulasi membantu proses design of real

system. Simulasi memiliki sekumpulan metode yang luas dari sistem yang nyata

atau sesungguhnya (Nashrulhaq, 2014).

Praktikum tentang simulasi menggunakan software arena yaitu untuk mengerti

dan memahami penggunaan model-model yang terdapat dalam rockwell software

arena 5.0. Model-model yang terdapat di software arena memiliki input dan output

yang harus di mengerti dan dipahami dalam melakukan praktikum modul 2. Hasil

input dan output dapat dibuat skenario perbaikan dalam software arena sehingga

dapat diketahui dan dimengerti antara skenario awal dengan skenario perbaikan.

1.2 Tujuan

Tujuan tugas besar modul 2 tentang simulasi menggunakan software arena

berikut:

1. Dapat mengerti dan memahami penggunaan modul-modul yang terdapat dalam

Rockwell Software Arena 5.0.

2. Dapat mengerti dan memahami input dan output model Arena.

3. Dapat mengerti dan membuat skenario perbaikan dalam software Arena.

BAB II

LANDASAN TEORI

Bab 2 tentang landasan teori mengenai simulasi menggunakan software arena

sebagai berikut.

2.1 Arena

Arena merupakan software simulasi yang menggunakan sistem aplikasi

microsoft windows dimana secara packaging akan terlihat familiar dalam

penggunaannya. Arena dapat disimulasikan dengan model yang telah dibentuk

sebelumnya dengan input data primer dan data sekunder sebagai resources dalam

pengoperasian nya. Arena sebuah program penyusun model dan simulator.

(Wahyani, 2013).

2.2 Modul-Modul Di ARENA

Menurut (Sukendar, 2013) Modul-modul yang terdapat dalam software arena

ada Basic Process Panel, Advanced Process Panel dan Advanced Transfer Panel.

Modul-modul yang akan dibahas adalah modul yang digunakan dalam pembuatan

model.

2.2.1 Basic Process Panel

Sesuai dengan namanya, modul-modul yang terdapat pada Basic Process

Panel biasa dijadikan dasar untuk membuat simulasi proses dari sistem nyata yang

ada sebagai berikut:

1. Create Module

Titik awal atau kedatangan entitas kedalam simulasi. Contohnya: kedatangan

pelanggan dalam proses pelayanan dan kedatangan bahan baku dalam proses

produksi.

2. Dispose Module

Modul ini adalah titik akhir untuk entitas dalam model simulasi yang dimana

entitas statistik dapat direkam sebelum entitas tersebut dijual. Contohnya: part-

part meninggalkan model fasilitas dan customer keluar dari sebuah toko.

3. Process Module

Modul ini digunakan untuk mendefinisikan langkah-langkah proses dimana

ketika entity masuk ke Process Module maka akan menunggu sampai server yang

bisa berupa resource atau transporter dalam kondisi siap. Contohnya: pelayanan

customer dan peninjauan dokumen untuk kelengkapan data.

4. Batch Module

Modul ini digunakan untuk mengumpulkan sejumlah entitas sebelum dapat

diproses pada proses selanjutnya. Contohnya: penyatuan salinan data yang pada

awalnya terpisah dan pasien dan data pasien yang dibawa sebelum dimulai

pemeriksaan.

5. Separate Module

Modul ini digunakan untuk menyalin entitas yang ada untuk menjadi

beberapa entitas atau membagi sebuah entitas yang sebelumnya telah

dikelompokkan (batch). Contohnya: pemisahan dokumen sebelum

dikelompokkan dan pengiriman sebuah pesanan untuk memenuhi proses paralel.

6. Decide Module

Modul ini digunakan untuk menentukan keputusan dalam proses, didalamnya

termasuk beberapa pilihan untuk membuat keputusan berdasarkan satu atau

beberapa pilihan.

2.2.2 Advanced Process Panel

Advanced Transfer Panel adalah panel yang memiliki beberapa modul yang

memiliki fungsi dan aplikasi transfer atau transportasi yang lebih ervariasi sebagai

berikut:

1. Hold Module

Modul ini akan memegang sebuah entitas dalam sebuah antrian untuk

menunggu sinyal, menunggu untuk kondisi tertentu benar kemudian dilakukan

pemindaian, atau terpegang selama waktu yang tidak terbatas. Contohnya: saat

menunggu lampu lalu lintas menjadi hijau.

2. Match Module

Match module membawa beberapa entitas sekaligus untuk menunggu di

antrian yang berbeda. Contohnya: perakitan part, mempertemukan produk yang

bervariasi untuk pesanan pelanggan dan sinkronisasi pelanggan yang keluar

dengan pesanan yang terisi.

2.2.3 Advanced Transfer Panel


memiliki fungsi dan aplikasi transfer atau transportasi yang lebih bervariasi.


memiliki fungsi dan aplikasi transfer atau transportasi yang lebih bervariasi.

2.3 Elemen Sistem

Menurut Satrio, (2011) elemen sistem terbagi menjadi beberapa sebagai

berikut.

1. Entitas

Entity (entitas) adalah suatu obyek yang dapat dibedakan dari lainnya yang

dapat diwujudkan dalam basis data. Pengertian lainnya menurut Brady dan

Loonam (2010), entitas adalah objek yang menarik di bidang organisasi yang

dimodelkan. Contoh: Mahasiswa, Kartu Anggota Perpustakaan (KAP), dan Buku.

2. Aktivitas

Aktivitas adalah kegiatan pada sistem yang dapat memberikan pengaruh baik

secara langsung ataupun tidak dari proses entitas yang ada.

3. Resource

Resource adalah elemen sistem yang dapat melakukan suatu aktivitas yang ada

pada entitas.

2.4 Model

Model adalah alat yang sangat berguna untuk menganalisis maupun merancang

sistem. Model dapat menunjukkan bagaimana suatu operasi bekerja dan mampu

merangsang untuk berpikir bagaimana meningkatkan atau memperbaikinya. Model

didefinisikan sebagai suatu deskripsi logis tentang bagaimana sistem bekerja atau

komponen-komponen berinteraksi. Dengan membuat model dari suatu sistem maka

diharapkan dapat lebih mudah untuk melakukan analisis. Hal ini merupakan prinsip

pemodelan, yaitu bahwa pemodelan bertujuan untuk mempermudah analisis dan

pengembangannya. (Effendi,2012).

2.5 Simulasi

Simulasi adalah suatu teknik atau usaha untuk tampilan operasi-operasi, dan

karateristik dalam sebuah sistem. Model ini ditunjukan bagaimana mensimulasikan

sebuah sistem manajemen operasi dengan menggembangkan model matematika

paling dekat yang menggambarkan sistem yang sesungguhnya. Simulasi juga

merupakan suatu model pengambilan keputusan dengan mempergunakan

gambaran sebenarnya dari suatu sistem kehidupan dunia nyata tanpa harus

mengalaminya pada keadaan yang sesungguhnya. Simulasi komputer dalam suatu

rekayasa teknik sangat membantu perancang untuk menggambarkan /

memvisualisasikan karakteristik sistem yang akan dibuat. Dengan pemodelan

sistem perancang bisa menganalisis karakteristik sistem pada berbagai kondisi

operasi tanpa harus kehilangan banyak waktu dan biaya, karena semua proses bisa

dilakukan dengan bantuan komputer. Untuk menjamin analisis yang tepat, model

matemastis dari sistem yang akan dianalisis serta program komputer harus dibuat.

Beberapa kasus yang diambil dari kondisi riil akan disimulasikan untuk dianalisis

karakteristiknya (Wahyani, 2010).

2.6 Sistem Arena

Arena adalah software simulasi dan otomasi pada sebuah program yang

dikembangkan oleh system modelling dan simulator. Arena dapat untuk eksperimen

dengan menggunakan modul-modul yang menyatakan proses. Garis penghubung

dalam arena digunakan untuk menyatakan aliran entitas. Arena baik digunakan

pada Microsoft baik visual basic maupun Microsoft visio untuk membuat diagram

alir atau lain sebagainya (Prihati, 2012).

BAB III

METODOLOGI

Bab 3 tentang alat dan bahan, prosedur praktikum, prosedur pengolahan data

serta flowchart yang terdapat dalam modul 2 tentang simulasi menggunakan

software arena sebagai berikut.

3.1 Alat dan Bahan

Bahan dan peralatan yang dibutuhkan dalam praktikum modul 2 sebagai

berikut:

1. Laptop atau Komputer.

2. Software Arena.

3. Software SPSS.

4. Microsoft Visio.

5. Microsoft Word.

6. Microsoft Excel.

3.2 Prosedur Praktikum

Prosedur praktikum dari modul 2 mengenai prosedur pelaksanaan prkatikum

sebagai berikut:

1. Pengambilan data seperti, data kedatangan, data pelayanan, waktu selesai dan

lama waktu antrian.

2. Pengolahan data yang terdiri dari uji kecukupan data, menentukan pola data,

menentukan parameter acuan, model visio dan arena, validasi model, skenario

perbaikan, comparing system dan identifikasi faktor penghambat.

3.3 Flowchart Pelakasanaan Praktikum

Flowchart pelaksanaan praktikum dari modul 2 tentang simulasi menggunakan

software arena sebagai berikut:

Mulai

Tugas Pendahuluan Modul 2

Briefing Pengolahan Data

Pengambilan data:1. Waktu Kedatangan.2. Waktu Pelayanan.3. Waktu selesai.4. Lama Waktu Antrean.

Pengolahan data:*uji kecukupan data, menentukan pola data, menentukan parameter acuan, model visio dan arena, validasi model, skenario perbaikan, comparing system dan identifikasi faktor penghambat

Kesimpulan Dan Saran

Selesai

Tahan Awal dan Persiapan

Tahap Pengambilan Data

Tahap Kesimpulan

Tahap Pengolahan Data

Gambar 2.3.1 Flowchart Pelaksanaan Praktikum

BAB IV

ANALISIS DAN PEMBAHASAN

Bab IV berisi tentang rekapan data, uji kecukupan data disetiap server, pola

data dari setiap data, parameter untuk acuan penelitian, model simulasi dengan

software Arena dan Visio, validasi model Arena dengan sistem nyata melalui

parameter performance sistem, skenario perbaikan, proses comparing dari masing-

masing skenario, identifikasi faktor penghambat apabila skenario

diimplementasikan pada sistem nyata dan animasi dengan software Arena.

4.1 Rekapan Data

Rekapan data yang digunakan untuk proses pengolahan data adalah sebagai

berikut:

Tabel 2.4.1 Rekapan data

W Kedatangan W Pelayanan W Selesai W Kedatangan W Pelayanan W Selesai W Kedatangan W Pelayanan W Selesai08:01:24 08:01:24 08:01:24 08:10:18 08:10:37 08:10:37 08:25:13 08:25:19 08:25:19 08:25:51 08:25:51 008:20:12 08:20:12 08:20:12 08:36:19 08:36:30 08:36:30 08:52:13 08:52:21 08:52:21 08:52:54 08:52:54 008:37:08 08:37:08 08:37:08 08:50:12 08:50:30 08:50:30 09:06:19 09:06:26 09:06:26 09:06:57 09:06:57 008:41:28 08:41:28 08:41:28 08:54:27 08:54:40 08:54:40 09:10:09 09:10:17 09:10:17 09:10:45 09:10:45 008:58:11 08:58:11 08:58:11 09:12:17 09:12:32 09:12:32 09:28:49 09:28:59 09:28:59 09:29:24 09:29:24 009:20:09 09:20:09 09:20:09 09:35:13 09:35:24 09:35:24 09:49:12 09:49:21 09:49:21 09:49:52 09:49:52 009:31:46 09:31:46 09:31:46 09:44:47 09:45:00 09:45:00 10:00:17 10:00:30 10:00:30 10:00:57 10:00:57 009:45:09 09:45:09 09:45:09 10:00:30 10:00:42 10:00:42 10:14:19 10:14:30 10:14:30 10:14:52 10:14:52 009:58:47 09:58:47 09:58:47 10:12:19 10:12:30 10:12:30 10:26:48 10:27:00 10:27:00 10:27:33 10:27:33 110:07:15 10:09:42 10:09:42 10:21:27 10:21:39 10:25:17 10:41:39 10:41:45 10:41:45 10:42:12 10:42:12 110:10:50 10:21:23 10:21:23 10:35:19 10:35:32 10:40:02 10:53:19 10:53:29 10:53:29 10:53:50 10:53:50 010:30:39 10:30:39 10:30:39 10:43:18 10:43:30 10:43:30 11:00:19 11:00:24 11:00:24 11:00:58 11:00:58 010:53:26 10:53:26 10:53:26 11:07:12 11:07:29 11:07:29 11:21:57 11:22:09 11:22:09 11:22:45 11:22:45 011:09:04 11:09:04 11:09:04 11:24:37 11:24:45 11:24:45 11:40:12 11:40:23 11:40:23 11:40:54 11:40:54 011:20:19 11:20:19 11:20:19 11:35:12 11:35:20 11:35:20 11:50:51 11:50:59 11:50:59 11:51:33 11:51:33 012:25:17 12:25:17 12:25:17 12:41:38 12:41:52 12:41:52 12:55:19 12:55:30 12:55:30 12:55:54 12:55:54 012:51:03 12:51:03 12:51:03 13:03:19 13:03:30 13:03:30 13:20:24 13:20:32 13:20:32 13:21:06 13:21:06 013:25:57 13:25:57 13:25:57 13:39:27 13:39:40 13:39:40 13:55:17 13:55:25 13:55:25 13:55:56 13:55:56 013:40:14 13:40:14 13:40:14 13:52:29 13:52:38 13:52:38 14:13:36 14:13:50 14:13:50 15:14:14 15:14:14 013:51:18 13:51:18 13:51:18 14:04:08 14:04:24 14:04:24 14:20:08 14:20:19 14:20:19 14:20:51 14:20:51 014:15:21 14:15:21 14:15:21 14:29:13 14:29:22 14:29:22 14:44:19 14:44:28 14:44:28 14:44:53 14:44:53 014:23:18 14:23:18 14:23:18 14:38:57 14:39:07 14:39:07 14:54:21 14:54:32 14:54:32 15:54:58 15:54:58 014:38:29 14:38:29 14:38:29 14:52:09 14:52:21 14:52:21 15:08:23 15:08:39 15:08:39 15:09:07 15:09:07 114:45:04 14:45:04 14:45:04 14:59:37 14:59:49 14:59:49 15:15:36 15:15:45 15:15:45 15:16:18 15:16:18 014:51:48 14:53:33 14:53:33 15:08:14 15:08:28 15:08:28 15:20:09 15:20:20 15:20:20 15:20:50 15:20:50 015:02:27 15:02:27 15:02:27 15:15:53 15:16:00 15:16:00 15:30:11 15:30:21 15:30:21 15:30:48 15:30:48 015:14:29 15:14:29 15:14:29 15:27:41 15:27:53 15:27:53 15:41:31 15:41:37 15:41:37 15:42:01 15:42:01 015:27:41 15:27:41 15:27:41 15:40:47 15:40:56 15:40:56 15:53:08 15:53:18 15:53:18 15:53:50 15:53:50 015:30:07 15:30:07 15:30:07 15:44:39 15:44:52 15:44:52 16:01:24 16:01:33 16:01:33 16:02:04 16:02:04 015:47:19 15:47:19 15:47:19 15:58:27 15:58:40 15:58:40 16:15:19 16:15:25 16:15:25 16:15:54 16:15:54 0

AntrianWaktu DatangServer 1 Server 2 Server 3

W Selesai

Tabel 2.4.1 merupakan rekapan data pengamatan yang digunakan untuk proses

pengolahan data. Data yang diambil terdiri dari data waktu kedatangan, waktu

pelayanan dan waktu selesai disetiap server, waktu pelanggan meninggalkan

tempat dan waktu pelanggan datang serta jumlah antrian yang ada. Data yang

diambil dalam bentuk jam pada saat pengamatan dilakukan.

4.2 Uji Kecukupan Data Masing-Masing Server

Uji kecukupan dilakukan untuk mengetahui apakah data yang diambil sudah

mencukupi atau tidak. Berikut ini merupakan uji kecukupan data dimasing-masing

server yang ada:

4.2.1 Server 1

Uji kecukupan data pada server 1 adalah sebagai berikut:

Tabel 2.4.2 Data waktu server 1

W Kedatangan W Pelayanan W Selesai08:01:24 08:01:24 08:10:1808:20:12 08:20:12 08:36:1908:37:08 08:37:08 08:50:1208:41:28 08:41:28 08:54:2708:58:11 08:58:11 09:12:1709:20:09 09:20:09 09:35:1309:31:46 09:31:46 09:44:4709:45:09 09:45:09 10:00:3009:58:47 09:58:47 10:12:1910:09:42 10:09:42 10:21:2710:21:23 10:21:23 10:35:1910:30:39 10:30:39 10:43:1810:53:26 10:53:26 11:07:1211:09:04 11:09:04 11:24:3711:20:19 11:20:19 11:35:1212:25:17 12:25:17 12:41:3812:51:03 12:51:03 13:03:1913:25:57 13:25:57 13:39:2713:40:14 13:40:14 13:52:2913:51:18 13:51:18 14:04:0814:15:21 14:15:21 14:29:1314:23:18 14:23:18 14:38:5714:38:29 14:38:29 14:52:0914:45:04 14:45:04 14:59:3714:53:33 14:53:33 15:08:1415:02:27 15:02:27 15:15:5315:14:29 15:14:29 15:27:4115:27:41 15:27:41 15:40:4715:30:07 15:30:07 15:44:3915:47:19 15:47:19 15:58:27

Server 1

Diketahui : N = 30

k = 2

s = 0,05

∑x = 24471

∑x² = 20240977

(∑x)² = 598829841

Ditanyakan : N’ = … ?

Penyelesaian : N’ = / ∑ (∑ )²

∑²

N’ = / , √

²

N’ = 22,44

N’ = 23

Perhitungan kecukupan data pada server 1 yang telah dilakukan

menghasilkan bahwa data yang harus diambil agar cukup adalah 23 data.

Sehingga, N ≥ N’ dimana N sebagai data yang telah diambil dan N’ sebagai data

yang harus diambil. Data yang telah diambil sebanyak 30 data sehingga data

dikatakan cukup.

4.2.2 Server 2




Server 2

Diketahui : N = 30

k = 2

s = 0,05

∑x = 27020

∑x² = 24644440

(∑x)² = 730080400



∑²

N’ = / , √

²

N’ = 20,28

N’ = 21





dikatakan cukup.

4.2.2 Server 3




Server 3

Diketahui : N = 30

k = 2

s = 0,05

∑x = 883

∑x² = 26459

(∑x)² = 779689



∑²

N’ = / , √

²

N’ = 28,89

N’ = 29





dikatakan cukup.

4.3 Rekapan Data Baru

Berikut ini merupakan rekapan data baru berdasarkan hasil pengujian

kecukupan data yang telah dilakukan:

Tabel 2.4.5 Rekapan data baru

Server 1 Server 2 Server 31 534 876 322 967 943 333 784 949 314 779 929 375 846 977 396 904 828 317 781 752 328 921 950 359 812 953 34

10 705 982 2711 836 797 2112 759 1009 3413 826 868 3614 933 927 3115 893 931 3416 981 807 2417 736 1014 3418 810 937 3119 735 1438 3720 650 944 3221 832 897 2522 939 1034 3223 820 962 2824 873 947 3825 891 819 3126 806 851 3827 792 818 2428 786 732 3229 872 812 3130 668 818 29

NoWaktu (s)

Tabel 2.4.5 merupakan tabel berisi rekapan data baru disetiap server setelah

dilakukan uji kecukupan. Berdasarkan uji kecukupan data yang dilakukan,

diketahui data yang harus diambil adalah 29 data sedangkan data yang sudah

diambil sebanyak 30 data sehingga data tidak perlu ditambah karena sudah cukup.

4.4 Pola Data dari Masing-Masing Data

Berikut ini merupakan pola data yang terbentuk dari data waktu pengamatan

pada setiap server:

Gambar 2.3.2 Grafik distribusi data server 1

Gambar 2.3.3 Hasil pengujian pola data server 1

Gambar 2.3.2 merupakan grafik yang menunjukkan bagaimana pola distribusi

data yang didapat dari data waktu yang digunakan pada server 1. Distribusi data

yang dihasilkan dari waktu untuk pengujian berjenis Beta dengan expression adalah

534+447 * BETA(2.41, 1.41) seperti yang ditunjukkan gambar 2.3.3. Dari hasil

tersebut dapat diketahui bahwa nilai minimal dari data waktu yang diambil pada

server 1 sebesar 534 detik dan nilai maksimalnya sebesar 981 detik.



Gambar 2.3.4 merupakan grafik yang menunjukkan bagaimana pola distribusi


yang dihasilkan dari waktu untuk pengujian berjenis Normal dengan expression

adalah NORM(917, 124) seperti yang ditunjukkan gambar 2.3.5. Dari hasil tersebut

dapat diketahui bahwa nilai minimal dari data waktu yang diambil pada server 2

sebesar 732 dengan nilai maksimal sebesar 1440.



Gambar 2.3. 6merupakan grafik yang menunjukkan bagaimana pola distribusi


yang dihasilkan dari waktu untuk pengujian berjenis Triangular dengan expression

adalah TRIA(20.5, 31.3, 36.5) seperti yang ditunjukkan gambar 2.3.7. Dari hasil

tersebut dapat diketahui bahwa nilai minimal sebesar 21 dan maksimal sebesar 36.

Tabel 2.4.6 Pola data

Server Pola DataServer 1 534 + 447 * BETA(2.41, 1.41)Server 2 NORM(901, 101)Server 3 TRIA(20.5, 31.3, 36.5)

Tabel 2.4.6 merupakan pola data dari setiap server yang terdiri dari 3 server.

Pada server 1 memiliki pola data 534+447 * BETA(2.41, 1.41) server 2 memiliki

pola data NORM(901, 101) dan server 3 memiliki pola data TRIA (20.5, 31.3,

36.5).

4.5 Parameter untuk Acuan Penelitian

Parameter yang digunakan untuk acuan penelitian adalah utilitas, lama antrian

dan panjang antrian yang dijelaskan sebagai berikut:

4.5.1 Utilitas

Utilitas pada setiap server yang diamati adalah sebagai berikut:

4.5.1.1 Utilitas Server 1

Utilitas server 1 adalah sebagai berikut:

Diketahui : ∑waktu pelayanan = 24471 detik

∑waktu kerja = 29754 detik

Ditanyakan : Utilitas server 1 = … ?

Penyelesaian : Utilitas server 1 = ∑

∑ x 100%

=

x 100%

= 82,24 %

Berdasarkan perhitungan utilitas, diketahui bahwa utilitas pada server 1

sebesar 82,24 %.







∑ x 100%

=

x 100%

= 90,81 %


sebesar 90,81 %.







∑ x 100%

=

x 100%

= 2,97 %


sebesar 2,97 %.

4.5.2 Panjang Antrian

Panjang antrian yang terjadi dimasing-masing server adalah 1 pada server 1

dan 2 serta tidak ada antrian pada server 3.

4.5.3 Lama Antrian

Perhitungan untuk mengetahui lama antrian pada setiap server adalah sebagai

berikut:

4.5.3.1 Lama Antrian Server 1

Berikut ini merupakan perhitungan lama antrian pada server 1:

Diketahui : Jumlah waktu antrian = 885 detik

Jumlah antrian = 3

Ditanya : Lama antrian server 1 = … ?

Penyelesaian : Lama antrian server 1 =

=

= 295 detik

Berdasarkan perhitungan yang dilakukan, diketahui bahwa lama antrian

pada server 1 sebesar 295 detik.

4.5.3.2 Lama Antrian Server 2

Berikut ini merupakan perhitungan lama antrian pada server 2:

Diketahui : Jumlah waktu antrian = 488 detik

Jumlah antrian = 2

Ditanya : Lama antrian server 2 = … ?

Penyelesaian : Lama antrian server 2 =

=

= 244 detik

Berdasarkan perhitungan yang dilakukan, diketahui bahwa lama antrian

pada server 2 sebesar 244 detik.

4.6 Model Simulasi Menggunakan Arena dan Visio

Berikut ini merupakan model simulasi menggunakan software Arena dan

Visio:

Gambar 2.4.2 Model simulasi dengan Arena

Gambar 2.4.2 merupakan model simulasi dengan menggunakan software

Arena dari objek cucian motor Cokro Bangkalan. Model diawali dengan

kedatangan pelanggan dan memasuki area pencucian yang terdapat 2 orang

operator. Setelah itu melewati area pengeringan dengan 3 orang operator dan

melakukan pembayaran setelah pencucian dan pengeringan selesai.

Gambar 2.4.3 Model simulasi dengan Visio

Keterangan:

1. Pencucian

2. Pengeringan

3. Pembayaran

4. Tempat menunggu untuk pelanggan

Gambar 2.4.3 menunjukkan model area pencucian motor Cokro Bangkalan

dengan menggunakan Visio. Area pencucian motor terdiri dari 4 bagian, yaitu

pencucian diwakili nomor 1, pengeringan diwakili nomor 2, pembayaran diwakili

nomor 3 dan tempat pelanggan menunggu diwakili nomor 4.

4.7 Validasi Model Arena dengan Sistem Nyata melalui Parameter

Performance Sistem

Validasi model arena yang dibuat terdiri dari 2 jenis, yaitu validasi internal

yang berupa verifikasi dan validasi eksternal yang berupa pengujian dengan

menggunakan acuan parameter yang ditentukan. Berikut ini merupakan validasi

dari model arena dengan sistem nyata melalui parameter performance sistem:

4.7.1 Verifikasi

Berikut ini merupakan verifikasi dari model arena yang telah dibuat:

Gambar 2.4.4 Hasil verifikasi dengan software Arena

Gambar 2.4.4 merupakan hasil dari proses verifikasi yang dilakukan dengan

software Arena yang menunjukkan bahwa tidak ada error yang terdapat dalam

model. Hal ini dapat disimpulkan bahwa model dapat berjalan dengan baik tanpa

adanya error.

4.7.2 Validasi

Berikut ini merupakan hasil validasi model arena yang dibuat dengan sistem

nyata melalui parameter berupa utilitas :

Uji Hipotesis:

H0 = Tidak terdapat perbedaan antara model arena dengan sistem nyata

H1 = Terdapat perbedaan antara model arena dengan sistem nyata

Pengambilan Keputusan:

Apabila Sig<0,05 maka tolak H0

Apabila Sig≥0,05 maka terima H0

Tabel 2.4.7 Perbandingan utilitas replikasi 1 dan manual

Server Replikasi 1 ManualServer 1 100% 82.24%Server 2 100% 90.81%Server 3 4% 2.97%

Tabel 2.4.7 merupakan hasil perbandingan utilitas untuk replikasi 1 yang

didapatkan dari software Arena dengan utilitas perhitungan manual. Pada

replikasi 1 didapatkan hasil 100% pada server 1 dan 2, sedangkan server 3 sebesar

4%. Untuk perhitungan utilitas manual didapatkan bahwa server 1 memiliki

utilitas sebesar 82,84%, server 2 sebesar 90,81% dan server 3 sebesar 2,97%.

Tabel 2.4.8 Hasil perhitungan independent sample T-test replikasi 1 dan manual

Lower Upper

VAR00001Equal variances assumed 0.21966 4 0.83689 0.0933333 0.424905218 -1.08639268 1.27306

Equal variances not assumed 0.21966 3.929083795 0.83708 0.0933333 0.424905218 -1.094837822 1.2815

Independent Samples Test

95% Confidence Interval of the

Std. Error Difference

Sig. (2-tailed)

F Sig.

Levene's Test for Equality of Variances

t-test for Equality of Means

t df Mean Difference

0.7188014910.14939

Berdasarkan hasil perhitungan independent sample t-test antara utilitas pada

replikasi 1 dan manual yang ditunjukkan oleh tabel 2.4.8 didapatkan hasil Sig

sebesar 0,7188 atau nilai Sig ≥ H0. Sehingga hasil yang didapat adalah terima H0

atau tidak terdapat perbedaan antara model arena dengan sistem nyata.





replikasi 1 didapatkan hasil 86% pada server 1 dan 93% pada server 2, sedangkan

server 3 sebesar 3%. Untuk perhitungan utilitas manual didapatkan bahwa server

1 memiliki utilitas sebesar 82,84%, server 2 sebesar 90,81% dan server 3 sebesar

2,97%.


Lower UpperVAR00003 Equal variances assumed 0.04974 4 0.96272 0.02 0.402105569 -1.09642404 1.13642


Independent Samples Test

95% Confidence Std. Error Difference

t df Sig. (2-tailed)

Mean Difference

t-test for Equality of MeansLevene's Test for Equality of Variances

0.00939 0.927457155

Sig.F












2,97%.


Lower UpperVAR00004 Equal variances assumed -0.13247 4 0.90101 -0.05 0.377432849 -1.097921586 0.99792

Equal variances not assumed -0.13247 3.962633808 0.90106 -0.05 0.377432849 -1.101830188 1.001830.8083231030.06715


Independent Samples Testt-test for Equality of Means


Mean Difference

F Sig. t df Sig. (2-tailed)












2,97%.





dftSig.F

0.00237 0.963489372


Mean Difference

Sig. (2-tailed)



replikasi 4 dan manual yang ditunjukkan oleh tabel 2.4.14 didapatkan hasil Sig sebesar

0,963 atau nilai Sig ≥ H0. Sehingga hasil yang didapat adalah terima H0 atau tidak terdapat

perbedaan antara model arena dengan sistem nyata.








2,97%.





F Sig. t df Sig. (2-tailed)

Mean Difference


0.8358546230.04888



replikasi 5 dan manual yang ditunjukkan oleh tabel 2.4.16 didapatkan hasil Sig sebesar

0,836 atau nilai Sig ≥ H0. Sehingga hasil yang didapat adalah terima H0 atau tidak terdapat

perbedaan antara model arena dengan sistem nyata.

4.8 Skenario Perbaikan

Skenario perbaikan bertujuan untuk memperbaiki model awal dari sistem nyata

yang dibuat. Berikut ini terdapat 3 skenario perbaikan dari sistem yang ada:

Gambar 2.4.5 Skenario perbaikan 1

Gambar 2.4.5 merupakan skenario perbaikan 1 dari sistem cuci motor Cokro

Bangkalan. Perbaikan yang dilakukan adalah menambah operator lagi di bagain

pencucian atau server 1, sehingga operator di pencucian motor menjadi 3 operator

dari semula 2 operator. Hal ini bertujuan untuk mengurangi jumlah antrian dan

waktu tunggu antrian serta menurunkan utilitas yang tinggi.



Bangkalan. Perbaikan yang dilakukan adalah menambah operator lagi di bagian

pengeringan atau server 2, sehingga operator di pengeringan motor menjadi 4

operator dari semula 3 operator. Hal ini bertujuan untuk mengurangi jumlah antrian

dan waktu tunggu antrian serta menurunkan utilitas yang tinggi.



Bangkalan dimana dilakukan penambahan 1 operator di bagian pencucian atau

server 1 dan 1 operator di bagian pengeringan atau server 2. Sehingga operator di

bagian pencucian menjadi 3 operator dan di bagian pengeringan menjadi 4 operator.

Hal ini bertujuan untuk mengurangi jumlah antrian dan waktu tunggu antrian serta

menurunkan utilitas yang tinggi.

4.9 Proses Comparing System Masing-Masing Skenario

Proses comparing system dilakukan untuk mengetahui ada tidaknya perbedaan

dari setiap skenario yang dibuat. Berikut ini merupakan proses comparing system

dari setiap skenario di Arena:

Uji Hipotesis:

H0 = Tidak terdapat perbedaan signifikan antara model awal dengan skenario

perbaikan yang dibuat

H1 = Terdapat setidaknya satu perbedaan signifikan antara model awal dengan

skenario perbaikan yang dibuat

Pengambilan Keputusan:

Apabila nilai Sig ≥ 0,05 maka terima H0

Apabila nilai Sig < 0,05 maka tolak H0

Tabel 2.4.17 Comparing system replikasi 1

Server 1 Server 2 Server 3Model awal 1.00 1.00 0.04 Skenario 1 0.85 0.91 0.03 Skenario 2 0.93 1.02 0.03 Skenario 3 0.88 0.95 0.03

ServerSkenario

Tabel 2.4.17 merupakan comparing system dari replikasi 1, dimana utilitas di

setiap server dibandingkan antara model awal dengan semua model perbaikan.

Pada replikasi 1, utilitas awal sebesar 1 pada server 1, 1 pada server 2 dan 0,04

pada server 3 dan akan dibandingkan dengan semua skenario perbaikan yang

terdiri dari 3 skenario perbaikan.

Tabel 2.4.18 Hasil uji ANOVA SPSS replikasi 1

Sum of Squares df Mean Square F Sig.Between Groups 0.013 3 0.004Within Groups 2.222 8Total 2.235 11

ANOVAreplikasi1

0.9970.0150.278

Berdasarkan hasil uji ANOVA pada SPSS pada replikasi 1, diketahui nilai

Sig yang dihasilkan sebesar 0,997. Hal ini dapat diartikan bahwa nilai Sig ≥ 0,05

sehingga terima H0 atau tidak terdapat perbedaan yang signifikan antara model

awal dengan skenario perbaikan yang dibuat.



SkenarioServer



Pada replikasi 2, utilitas awal sebesar 0,86 pada server 1, 0,93 pada server 2 dan

0,03 pada server 3 dan akan dibandingkan dengan semua skenario perbaikan yang



Sum of Squares df Mean Square F Sig.Between Groups 0.001 3 0Within Groups 2.011 8 0.251Total 2.012 11

10.001

ANOVAreplikasi2


Sig yang dihasilkan sebesar 1. Hal ini dapat diartikan bahwa nilai Sig ≥ 0,05





SkenarioServer







Sum of Squares df Mean Square F Sig.Between Groups 0.001 3 0Within Groups 1.59 8 0.199Total 1.59 11

ANOVA

0.001 1

replikasi3


Sig yang dihasilkan sebesar 1. Hal ini dapat diartikan bahwa nilai Sig ≥ 0,05




Server 1 Server 2 Server 3Model awal 0.84 0.92 0.03 Skenario 1 0.86 0.9 0.03Skenario 2 0.77 0.85 0.03Skenario 3 0.93 0.89 0.03

SkenarioServer







Sum of Squares df Mean Square F Sig.Between Groups 0.007 3 0.002Within Groups 1.893 8 0.237Total 1.9 11

0.9980.01

ANOVAreplikasi4







SkenarioServer







Sum of Squares df Mean Square F Sig.Between Groups 0.015 3 0.005Within Groups 2.401 8 0.3Total 2.415 11

0.9970.016

replikasi5ANOVA





4.10 Identifikasi Faktor Penghambat Apabila Skenario Diimplementasikan

kedalam Sistem Nyata

Skenario yang dilakukan adalah melakukan penambahan operator, hal ini tentu

akan menambah biaya gaji pegawai. Hal ini dinilai tidak sebanding dengan hasil

yang didapatkan karena tidak terlalu berpengaruh signifikan terhadap operasional

langsung. Selain itu, kedatangan pengunjung juga tidak bisa ditebak, sehingga jika

dilakukan penambahan operator dan tempat cucian sepi, maka akan berdampak

kepada kerugian karena biaya gaji yang besar.

BAB V

KESIMPULAN DAN SARAN

Bab V berisi tentang kesimpulan dan saran yang didapatkan dari modul 2

tentang simulasi menggunakan software Arena.

5.1 Kesimpulan

Kesimpulan yang didapatkan dari modul 2 tentang simulasi menggunakan

software Arena adalah sebagai berikut:

1. Terdapat beberapa modul yang sering digunakan dalam software Arena dan

mewakili aktivitas didalam sistem nyata. Diambil contoh modul create

berfungsi untuk mewakili kedatangan material atau pelanggan, modul proccess

berfungsi untuk mewakili aktivitas yang dilakukan dalam sistem nyata.

2. Simulasi dalam software Arena melibatkan data input dan output yang mewakili

representasi dari sistem nyata. Dalam tugas besar ini, input yang digunakan

adalah data waktu pelayanan disetiap server serta output yang dihasilkan adalah

banyaknya pelanggan yang dilayani. Selain itu, dalam output terdapat pula

utilitas, lama antrian dan panjang antrian dari setiap server yang ada.

3. Perbaikan dilakukan untuk membuat sistem nyata menjadi lebih baik lagi dari

sisi utilitas maupun yang lainnya. Perbaikan yang dilakukan pada tugas besar

kali ini adalah melakukan penambahan 1 operator di bagian pencucian,

melakukan penambahan 1 operator dibagian pengeringan dan melakukan

penambahan 1 operator dibagian pencucian dan pengeringan.

5.2 Saran

Saran yang didapatkan dari tugas besar yang telah dilakukan adalah tetap

mempertahankan sistem nyata yang ada karena dinilai sudah cukup baik dan tidak

perlu melakukan penambahan operator.

DAFTAR PUSTAKA

Agung, Satrio W, Dkk. 2011. Modul 3 Database Entity Relasionship Diagram.

Teknik Informatika, Universitas Barawijaya.

Effendi, Mas’ud. 2012. Klasifikasi Model Teori dan Pemodelan Sistem.TIP-FTP-

UB.

Nashrulhaq, Mochamad Iqbal, Dkk. 2014. Model Simulasi Sistem Antrean

Elevator. Teknik Industri, Institut Teknologi Bandung.No.01, Vol.02.

Wahyani, Widhy dan Ahmad,Nofan Hadi. 2013. Analisis Bottle Neck Dengan

Pendekatan Simulasi Arena Pada Produk Sarung Tenun Ikat Tradisional.

Teknik Industri, Institut Teknologi Adhi Tama Surabaya.

Kuenendi, M.S. 2014. Modul 1 Konsep Dasar Informasi.

Prihati, Yani. 2012. Simulasi Dan Permodelan Sistem Antrian Pelanggan Di Loket

Pembayaran Rekening Xyz Semarang. Fakultas Ilmu Komputer Universitas

AKI. Majalah Ilmiah INFORMATIKA Vol. 3 No. 3.

laporan modul 2 asistensi 1 kelompok 8A€¦ · 78*$6 %(6$5 02'8/ 6,08/$6, 0(1**81$.$1 62)7:$5( $5(1$ 'lvxvxq 2ohk .(/ $ 1dpd -$(1$/ $-, 18*52+2 3+,/,3 +(50$:$1

Documents