2. kajian pustaka 2.1. pengertian sistem · 2. kajian pustaka 2.1. pengertian sistem definisi...
TRANSCRIPT
5
2. KAJIAN PUSTAKA
2.1. Pengertian Sistem
Definisi sistem menurut Schmidt dan Taylor (1970) adalah:
"Sekumpulan entiti misalnya orang atau mesin, yang saling bergantung dan
berinteraksi satu sama lain untuk mencapai suatu tujuan tertentu". Lingkungan sistem
adalah segala komponen yang berada di luar sistem dan mempunyai pengaruh
terhadap sistem tersebut.
Komponen-komponen dari sistem meliputi:
1. Entiti, yaitu obyek pengamatan dari sistem atau obyek sistem yang menjadi pusat
perhatian. Di dalam sistem, entiti akan diproses dan setelah selesai diproses,
entiti tersebut dapat meninggalkan atau tidak meninggalkan sistem.
2. Atribut, yaitu perlengkapan atau sifat yang dimiliki oleh entiti.
3. Aktivitas, yaitu menyatakan suatu proses selama interval waktu tertentu yang
menyebabkan perubahaan dalam sistem, baik mengubah atribut maupun entiti.
4. Kejadian, yaitu peristiwa sesaat yang dapat mengubah keadaan sistem atau
peristiwa sesaat yang dapat mengubah variabel status dalam sistem.
5. Status, yaitu suatu variabel untuk menggambarkan keadaan dari sistem pada
suatu waktu atau keadaan entiti dan aktivitas pada saat-saat tertentu kumpulan
variabel yang penting untuk menggambarkan sistem bergantung pada tujuan studi
sistemnya.
Contoh sistem dan komponen-komponennya dapat dilihat pada Tabel 2.1.
Tabel 2.1. Contoh Sistem dan Komponennya Sistem Entiti Atribut Aktivitas Kejadian Variabel status
Bank Pelanggan No
rekening
Menabung,
transfer,
mengambil
Kedatangan,
kepergian
Jumlah teller yang
sibuk, jumlah
pelanggan yang
menunggu
Bandara Penumpang Asal,
tujuan
Perjalanan Tiba di bandara,
tiba di tujuan
Jumlah penumpang
di lobby
6
Tabel 2.1. Contoh Sistem dan Komponennya (sambungan) Sistem Entiti Atribut Aktivitas Kejadian Variabel status
Produksi Mesin Kecepatan,
kapasitas,
breakdown
Mengelas,
memotong
Terjadinya
breakdown
Status mesin (idle,
sibuk, atau rusak)
Sistem dapat dibagi menjadi dua macam, yaitu:
1. Sistem diskrit
Sistem diskrit adalah sistem yang variabel statusnya berubah pada periode waktu
tertentu saja, contoh: sistem pelayanan di bank. Variabel status berupa jumlah
pelanggan yang ada di bank akan berubah ketika terjadi kedatangan dan
kepergian pelanggan saja.
2. Sistem kontinu
Sistem kontinu adalah sistem dimana variabel statusnya berubah secara kontinu
seiring dengan jalannya waktu. Contohnya adalah posisi dan kecepatan kereta api
yang sedang berjalan.
2.2. Model
Model adalah gambaran yang mewakili suatu sistem yang dapat digunakan
untuk suatu tujuan tertentu. Menurut Averill M. Law dan David Kelton (2000), jenis
model dibedakan atas:
• Model fisik (physical model)
Contohnya adalah miniatur, prototipe dan maket.
• Model matematis (mathematical model)
Model matematis adalah model yang menyatakan sistem dalam bentuk hubungan
logika dan kuantitatif yang nantinya akan dimanipulasi dan diubah-ubah nilainya
untuk mengetahui bagaimana reaksi dari sistem.
Berdasarkan cara penyelesaiaannya, model matematis dibedakan menjadi:
• Model analitik
Digunakan untuk sistem yang sederhana dan kurang mampu memuat dinamika
dari proses.
• Simulasi
7
Digunakan untuk sistem yang kompleks dan mampu menjelaskan dinamika dari
proses.
2.3. Simulasi
Simulasi adalah bentuk imitasi dari sebuah operasi yang bergantung pada
suatu sistem nyata ataupun suatu sistem baru yang hendak dibuat. Simulasi berupa
proses perancangan model sistem nyata yang digunakan untuk melakukan uji coba
sekaligus pembanding sebelum membuat sistem baru. Maksud dan tujuan banyaknya
simulasi digunakan dalam dunia industri antara lain:
• Memungkinkan dilakukannya proses pembelajaran dan percobaan terhadap
sistem-sistem yang kompleks sekalipun.
• Menganalisa keadaan sistem sekarang untuk melihat kekurangan-kekurangannya.
• Aliran informasi, struktur organisasi dan perubahan pada lingkungan dapat
disimulasikan, sehingga dapat dilakukan observasi terhadap efek yang timbul.
• Memberikan masukan yang mengarah pada perkembangan sistem.
• Mencari hubungan-hubungan yang terjadi antar variabel yang ada dalam suatu
sistem.
• Membandingkan suatu alternatif perancangan sistem yang baru.
Model simulasi dibagi menjadi dua, yaitu:
a. Model simulasi statis dan dinamis.
Model simulasi statis merupakan suatu perwakilan dari sistem pada suatu
periode waktu saja, atau digunakan untuk menyatakan suatu sistem dimana
waktu tidak memegang peranan penting. Contohnya adalah simulasi Monte
Carlo.
Sedangkan model simulasi dinamis adalah suatu model simulasi dimana waktu
memegang peranan yang penting. Contohnya adalah simulasi pada lantai
produksi dengan jam kerja pukul 08.00-16.00.
b. Model simulasi deterministik dan stokastik.
Suatu model simulasi tidak mengandung komponen yang sifatnya probabilistik
atau random disebut model simulasi deterministik. Suatu output model yang
dianalisa secara lengkap berdasarkan inputnya tanpa memperhatikan bilangan
random, merupakan model simulasi deterministik. Sedangkan suatu model
8
simulasi mengandung komponen yang sifatnya random disebut model simulasi
stokastik.
Keuntungan simulasi adalah memudahkan orang dalam memodelkan suatu sistem
dan menganalisanya, sehingga mereka tidak perlu melakukan percobaan langsung di
lapangan.
2.4. Entity Flow
Pengumpulan data yang baik berangkat dari hal-hal umum hingga ke hal-hal
khusus. Entity flow menggambarkan perpindahan entiti dalam sistem, dari satu lokasi
ke lokasi yang lain. Diagram alir entiti berbeda dengan flowchart, karena flowchart
menggambarkan perubahan aktivitas, sedangkan diagram alir entiti menggambarkan
perubahan fisik dan lokasi yang dialami oleh entiti. Pada sistem sederhana, diagram
ini dapat berfungsi sebagai informasi operasional. Contoh entity flow dapat dilihat
pada Gambar 2.1.
Entiti A
Gambar 2.1. Diagram Aliran Entiti
(Sumber: Harrell, Dr. Charles, Ghosh, Dr. Biman K., dan Bowden, Dr. Royce, 2003)
2.5. Tabel Deskripsi Proses
Setelah entity flow dibuat, diperlukan suatu deskripsi proses untuk
menjelaskan bagaimana entiti-entiti tersebut diproses dalam sistem. Pendeskripsian
proses ini ditampilkan dalam bentuk tabel, yang merupakan penjelasan dari diagram
alir entiti. Entity flow dan tabel deskripsi proses akan menjadi informasi penting
sebelum membuat model awal pada simulasi. Contoh tabel deskripsi proses dapat
dilihat pada Tabel 2.2.
Tabel 2.2. Tabel Deskripsi Proses
Location Activity Time
Activity Resource
Next Location
Move Trigger
Move Resource
Stasiun Pengeplongan
N(7.5,0.81) detik
Mesin, operator
Stasiun Pencetakan
Spon telah dipotong
- Operator - Kereta dorong
Stasiun 1 Stasiun 2
Stasiun 3B
Stasiun 3A
9
Tabel 2.2. Tabel Deskripsi Proses (sambungan)
Location Activity Time
Activity Resource
Next Location
Move Trigger
Move Resource
Stasiun Pencetakan
N(91.23,14.2) detik
Mesin, operator
Stasiun Penyelepan
Spon telah dicetak
- Operator - Kereta dorong
2.6. Uji Independensi
Uji independensi data bertujuan untuk mengetahui apakah ada korelasi/
ketergantungan antar data yang diambil, karena salah satu syarat penggunaan data
sebagai inputan simulasi adalah data-data sitem nyata harus saling independen (tidak
saling mempengaruhi).
Suatu data dikatakan independen terhadap data yang lain bila hasil plot pada
scatter diagram yaitu antara Xi dan Xi-j (sesuai dengan urutan sampel yang diambil
pada saat pengambilan data) membentuk pola random/ acak secara visual. Selain
cara tersebut, untuk menyimpulkan bahwa apakah pola data tersebut independen atau
tidak, ada 2 cara numerik yang dapat digunakan yaitu dengan melihat nilai
autokorelasi antara Xi dan Xi-j atau pengujian hipotesa.
Rumus untuk mencari nilai autokorelasi (ρ) menurut Dr. Charles Harrel
(1950) adalah:
ρ = ∑−
=
−
−
−−jn
1i2
jii
j)(nσ)X)(XX(X
(2.1)
Dimana:
ρ = koefisien relasi atau nilai autokorelasi
Xi = data ke-i
X = rata-rata data
Xi-j = j data sebelum data ke-i
σ2 = varians data
Jika nilai autokorelasi antara Xi dan Xi-j ≈ 0, maka pola data bersifat
independen yang berarti bahwa data-data yang diuji membentuk pola acak dan tidak
membentuk relasi linear. Sedangkan dengan pengujian hipotesa adalah sebagai
berikut:
Ho: Pola data independen
H1: Pola data tidak independen
10
Jika Pvalue < α maka kesimpulan yang diambil adalah tolak Ho, dimana α=0.05.
Jika ternyata data-data tersebut saling bergantung satu sama lain, maka data-
data tersebut tidak dapat digunakan sebagai inputan simulasi, karena tidak sesuai
dengan kondisi nyata.
2.7. Uji Homogenitas
Uji homogenitas digunakan untuk mengidentifikasi apakah dua kelompok
data yang diuji memiliki pola distribusi yang identik. Pengujian ini dilakukan jika
ada dua kelompok data yang terlihat tidak homogen, seperti:
1. Waktu pengukuran antara periode yang sama pada hari yang berbeda.
2. Waktu pengamatan yang satu lebih lama dibandingkan pengamatan yang lain.
3. interval data waktu yang diambil terlihat berfluktuasi tergantung pada hari
pengamatan.
Untuk melakukan pengujian tersebut dapat digunakan uji two sample-t. Jika
pada pengujian ini didapatkan bahwa data yang diambil sudah cukup mewakili
keseluruhan data/ homogen, maka kedua kelompok data tersebut dapat dijadikan 1
kelompok data. Uji hipotesa yang dilakukan:
Ho: Data-data homogen
H1: Data-data tidak homogen
Jika Pvalue < α maka kesimpulan yang diambil adalah tolak Ho, dimana α=0.05.
2.8. Uji Kesesuaian Keluarga Distribusi
Uji kesesuaian keluarga distribusi atau Distribution Fitting Test digunakan
untuk mengetahui jenis distribusi yang sesuai untuk data yang akan digunakan dalam
simulasi, contohnya adalah data waktu proses. Data mean tidak cukup digunakan
sebagai data inputan simulasi, karena tidak valid dan tidak sesuai dengan realita.
Jenis pengujian yang biasa digunakan untuk melakukan distribution fitting adalah uji
Chi-Square dan uji Kolmogorov-Smirnov (K-S).
Menurut Averill M. Law dan David Kelton (2000), dasar pengujian yang
paling baik adalah dengan melihat nilai expected frequency.
Rumus yang digunakan untuk mendapatkan nilai expected ferequency:
n x Pj (2.2)
11
Di mana:
n = jumlah data.
Pj = probabilitas dari data untuk masuk ke dalam interval tertentu.
Jika nilai expected frequency lebih besar atau sama dengan 5, maka
disarankan untuk menggunakan uji Chi-Square, tetapi jika nilai expected frequency
kurang dari 5, maka disarankan untuk menggunakan uji Kolmogorov-Smirnov.
Uji hipotesa yang dilakukan:
Ho: Data X1, X2,…, Xi dengan distribusi F
H1: Data X1, X2,…, Xi tidak sesuai dengan distribusi F
Keterangan:
Data X1, X2,…, Xi : variabel random yang diperoleh dari pengamatan.
Distribusi F : distribusi tertentu yang hendak diuji kesesuaian polanya dengan
data yang diambil.
2.8.1. Uji Chi-Square
K. Pearson (1900) mengatakan bahwa:
Uji Chi-Square merupakan perbandingan formal dari histogram data
dengan suatu distibusi yang ada.
Uji Chi-Square valid jika digunakan pada ukuran sampel yang besar baik untuk
distribusi diskrit maupun kontinu. Jika Pvalue < α maka kesimpulan yang diambil
adalah tolak Ho.
2.8.2. Uji Kolmogorov-Smirnov
Uji Kolmogorov-Smirnov membandingkan fungsi distribusi empiris dari
data yang telah didapat dengan fungsi distribusi F yang diduga. Keuntungan dari uji
K-S ini adalah valid untuk ukuran sampel yang kecil, sehingga tidak perlu dilakukan
pengelompokan data ke dalam kelas interval. Kelemahan dari uji K-S adalah semua
parameter dari distribusi yang diduga harus diketahui dan sifat distribusinya kontinu.
Namun parameter untuk distribusi khusus seperti normal, lognormal,
eksponensial dan weibull dapat diestimasikan. Untuk pengujian K-S pada distribusi
yang nilai parameternya diestimasikan tersebut, perbandingan Dn dan Dn tabel tidak
dapat dijadikan sebagai acuan lagi. Oleh karena itu, acuan yang digunakan adalah
12
perbandingan antara Dn modified dan critical value C1-α. Jika Dn modified form <
critical value, maka kesimpulan yang diambil adalah gagal tolak Ho.
Perhitungan Dn modified dan critical value pada pengujian K-S untuk jenis
distribusi tertentu dapat dilihat pada Tabel 2.3. dan Tabel 2.4.
Tabel 2.3. Modified Critical Value for Adjusted K-S
1 - α Case Adjusted test statistic
0.85 0.9 0.95 0.975 0.99
All parameters
known Dn
nn
++
11.012.0 1.138 1.224 1.358 1.48 1.625
))(),((/ 2 nSnXLN
Dnn
n )85.001.0( +− 0.775 0.819 0.895 0.955 1.035
))(( nXekspo )5.026.0)(2.0(n
nn
Dn ++−
0.926 0.99 1.094 1.19 1.305
Tabel 2.4. Modified Critical Value for the K-S Test for the Weibull Distribution
1-α N
0.9 0.95 0.975 0.99
10 0.76 0.819 0.88 0.944
20 0.779 0.843 0.907 0.973
50 0.79 0.856 0.922 0.988
X 0.803 0.874 0.939 1.007
.
2.9. Steady State
Data yang digunakan untuk analisa pada simulasi merupakan data dari
proses yang sudah mencapai keadaan stabil (steady state). Untuk mencapai keadaan
steady state ini, maka sistem harus dijalankan selama kurun waktu tertentu dahulu,
istilahnya sering disebut sebagai warm up time. Besar warm up time diketahui dari
plot jumlah output yang dihasilkan oleh sistem dalam jangka waktu tertentu.
Gambar 2.2. merupakan contoh dari plot steady state suatu produk minuman
untuk menentukan warm up time. Pada plot tersebut terlihat bahwa produksi
minuman mencapai kondisi steady state setelah simulasi dijalankan selama 10 menit.
13
Oleh karena itu, warm up time yang digunakan dalam analisa model sebesar 10
menit.
Gambar 2.2.Contoh Plot Steady State
2.10. Replikasi
Suatu analisa tidak dapat dilakukan hanya dengan satu kali simulasi saja
kemudian ditarik kesimpulan, apalagi jika data-data di dalamnya mengandung unsur
stokastik. Untuk memastikan kebenaran suatu model yang telah disimulasikan, maka
perlu dilakukan pengulangan/ replikasi. Jumlah replikasi yang harus dilakukan
tergantung dari standar deviasi dan eror yang diinginkan. Rumus yang digunakan
untuk menguji apakah jumlah replikasi yang dilakukan sudah dapat mewakili sistem
nyata adalah: 2
./2
eSoZ
Ro
≥ α (2.3)
(Sumber: Banks, Jerry, et. al., 1996)
Di mana:
R = jumlah replikasi yang harus dilakukan
Zα/2 = 1.96 (dari tabel distribusi normal untuk α=0.05)
So = standar deviasi yang didapatkan dari replikasi awal Ro
e = besar eror yang diinginkan
Apabila jumlah replikasi yang dilakukan sudah dapat mewakili sistem
nyata, maka tidak perlu melakukan replikasi tambahan. Tabel distribusi normal untuk
mencari nilai Z, dapat dilihat pada Lampiran 1.
2.11. Verifikasi
14
Verifikasi merupakan proses untuk membandingkan apakah konsep model
yang diinginkan sudah sesuai dengan model yang dibuat pada software komputer.
Beberapa cara dalam melakukan proses verifikasi ini adalah:
• Melakukan compile pada model.
Software Pro Model akan menjalankan compile secara otomatis ketika program
akan dirunning. Jika terjadi eror pada model, maka program akan langsung
menampilkan bagian mana yang terjadi eror.
• Membuat flow diagram untuk tiap peristiwa yang terjadi, sehingga dapat
memastikan sifat-sifat model.
• Menunjukkan model kepada orang lain yang memahami sistem tersebut untuk
dapat dicek kebenarannya.
2.12. Validasi
Validasi adalah proses membandingkan model di komputer beserta dengan
sifat-sifatnya dengan sistem nyata. Setelah model divalidasi, ada kalanya model
harus dikalibrasi, yaitu proses berulang-ulang untuk menyesuaikan dan memperbaiki
model agar sesuai dengan sistem aslinya.
Validasi dapat dilakukan dengan 3 cara pendekatan sebagai berikut:
1. Face validity
Menunjukkan model kepada orang yang ahli untuk membantu mengidentifikasi
kekurangan dari model, misalnya: kepala departemen produksi.
2. Validasi asumsi model
Asumsi model terdiri atas 2 bagian, yaitu:
a. Asumsi struktural, yaitu asumsi akan struktur untuk menyederhanakan model
dari sistem aslinya. Contoh: aturan dalam antrian FIFO, padahal dalam
kenyataannya mungkin tidak menggunakan antrian FIFO.
b. Asumsi data, yaitu asumsi akan pengumpulan data yang dapat dipercaya dan
analisa statistiknya. Contoh: pengambilan data hanya dilakukan selama 2 jam,
padahal jumlah data tersebut mungkin belum mewakili sistem nyata secara
keseluruhan.
3. Validasi input-output trasnformation
15
Mengambil parameter proses dari simulasi yang telah dilakukan untuk
dibandingkan dengan hasil sesungguhnya dari sistem nyata. Contoh:
membandingkan output produksi harian dari model dengan output harian
sesungguhnya. Data yang digunakan sebagai pembanding dapat berupa waktu
kedatangan, output produksi, jumlah entiti yang dilayani dan utilitas server. Alat
yang digunakan untuk perbandingan tersebut adalah uji one sample-t atau uji two
sample-t.
2.12.1. Uji One Sample-t
Pengujian ini dilakuan jika ada 1 kelompok data yang akan dibandingkan dengan
suatu nilai mean. Uji hipotesa yang dilakukan:
Ho: E(x) = rata-rata pada sistem nyata
H1: E(x) ≠ rata-rata pada sistem nyata
Pengujian dengan One Sample-t menggunakan rumus:
to = /
X os n
µ− (2.4)
(Sumber: Bhattacharya Gouri K. dan Richard A. Johnson, 1940)
Di mana:
E(x) = X = rata-rata hasil simulasi
µo = rata-rata pada sistem nyata
s = standar deviasi hasil simulasi
n = jumlah data atau banyak replikasi
Jika to> t hitung, maka kesimpulan yang diambil adalah tolak Ho.
2.12.2. Uji Two Sample-t
Pengujian ini dilakukan jika ada 2 kelompok data yang akan dibandingkan. Uji
hipotesa yang dilakukan:
Ho: µ model = µ sistem nyata
H1: µ model ≠ µ sistem nyata
Berdasarkan ukuran sampel yang diambil, uji two sample-t ini dibedakan atas:
a. Uji statistik untuk ukuran besar
16
2 21 2
1 2
X Y ozS Sn n
δ− −=
+
(2.5)
Di mana:
X = rata-rata pada sistem model
Y = rata-rata pada sistem nyata
δo = besar selisih rata-rata sistem model dan rata-rata sistem nyata
S1 = standar deviasi pada sistem model
S2 = standar deviasi pada sistem nyata
n1 = jumlah data pada sistem model
n2 = jumlah data pada sistem nyata
Jika z≥ zα/2, maka kesimpulan yang diambil adalah tolak Ho.
b. Uji statistik untuk ukuran kecil 2 2
2 1 1 2 2
1 2
( 1). ( 1).2
n S n SSpooledn n
− + −=
+ − (2.6)
1 2
1 1.
X Y otSpooled
n n
δ− −=
+ (2.7)
Di mana:
Spooled = standar deviasi gabungan antara S1 dan S2
X = rata-rata pada sistem model
Y = rata-rata pada sistem nyata
δo = besar selisih rata-rata sistem model dan rata-rata sistem nyata
S1 = standar deviasi pada sistem model
S2 = standar deviasi pada sistem nyata
n1 = jumlah data pada sistem model
n2 = jumlah data pada sistem nyata
Jika t≥ tα/2, maka kesimpulan yang diambil adalah tolak Ho.
Jika model sudah menjalani hingga tahap validasi, maka hasil simulasi
model sudah siap dianalisa, apakah ada suatu stasiun kerja yang memerlukan
perbaikan.
17
2.13. Pro Model
Pro Model (Production Modeler) adalah suatu software simulasi yang
digunakan untuk memodelkan suatu sistem.
2.13.1. Elemen-elemen Simulasi Pada Software Pro Model
Elemen-elemen dalam suatu simulasi adalah sebagai berikut:
1. Entities, adalah obyek pengamatan yang akan mengalami proses dalam sistem.
2. Locations, adalah suatu lokasi yang diperlukan untuk menerima kedatangan,
menampung dan memproses suatu entiti.
3. Arrivals, adalah bagian yang menjadwalkan karakteristik kedatangan entiti,
seperti waktu kedatangan dan jumlah kedatangan.
4. Processing, adalah bagian yang mendefinisikan proses yang dialami oleh entiti
dan perpindahannya.
5. Resources, adalah sumber daya yang digunakan untuk memproses atau
memindahkan suatu entiti. Contoh: operator dan forklift.
6. Path Networks, adalah jaringan yang mendefinisikan alur pergerakan dari
resource dan entiti.
2.13.2. Distribusi Sebagai Inputan Data
Data inputan simulasi bersifat stokastik, karena tidak memiliki nilai yang
tetap melainkan ada standar deviasinya.Data-data yang dikumpulkan tersebut akan
membentuk suatu jenis distribusi tertentu. Untuk mengakomodasikan hal tersebut,
Pro Model menyediakan distribusi yang nantinya dapat diinputkan ke waktu proses,
waktu transportasi, waktu antar kedatangan, dan sebagainya. Contoh waktu proses
berdistribusi normal dengan mean 4.2 detik dan standar deviasi sebesar 0.82 detik
ditulis sebagai wait N(4.2,0.82) second.
2.13.3. Batching dan Unbatching
Batching digunakan untuk mengelompokkan entiti menjadi satu, sedangkan
unbatching digunakan untuk memisahkan entiti yang sudah dikelompokkan tadi
menjadi entiti asalnya. Pro Model menyediakan 4 macam perintah yang dapat
digunakan untuk proses-proses tersebut, yaitu:
18
a. Group dan Ungroup
Mengelompokkan beberapa entiti baik sejenis maupun tidak sejenis untuk
diproses atau dipindahkan bersama-sama. Selanjutnya, entiti akan dipecah lagi
untuk diproses secara individu. Contoh: spon dari departemen pemotongan
ditumpuk sebanyak 10 lembaran untuk dibawa ke departemen percetakan untuk
diproses satu-satu.
b. Combine
Mengelompokkan beberapa entiti secara permanen dan tidak dapat dipisahkan
lagi. Contoh: sepasang sandal yang terdiri dari 2 sandal (1 kaki kiri dan 1 kaki
kanan) dipacking menjadi satu.
c. Load dan Unload
Mengangkut sejumlah entiti tertentu ke entiti lain dan setelah itu, biasanya entiti
tersebut akan dibongkar. Perintah ini digunakan untuk memodelkan suatu sistem
perpindahan atau transportasi.
d. Join
Memodelkan suatu sistem perakitan dimana suatu entiti digabungkan dengan
entiti lain secara permanen.Contoh: proses perakitan bangku kuliah yang terdiri
dari 4 kaki dan sandaran.
2.13.4. Downtimes
Downtime untuk mempresentasikan kerusakan atau suatu kondisi dimana
mesin dan sumber daya yang digunakan tidak dapat beroperasi. Jenis downtime
terdiri dari:
a. Location downtime
Suatu lokasi yang mengalami downtime saat simulasi, maka lokasi tersebut tidak
dapat berfungsi sementara waktu. Contoh: mesin yang mengalami kerusakan
setiap 6 jam sekali.
b. Resource downtime
Simulasi terhenti akibat tidak berfungsinya sumber daya yang ada. Contoh:
forklift yang mengalami kerusakan.
2.13.5. Shift dan Breaks
19
Shift dan Breaks digunakan untuk menentukan jadwal kerja dan istirahat
bagi lokasi dan sumber daya. Definisi ini digunakan karena dalam kenyataan di dunia
industri, suatu proses produksi tidak akan berjalan sepanjang waktu, namun ada
waktu pergantian kerja dan waktu istirahat bagi lokasi dan sumber daya.
2.14. Tinjauan Tugas Akhir Terdahulu
Tugas akhir mengenai perbaikan sistem dengan pendekatan simulasi ini
memiliki perbedaan dengan tugas-tugas akhir yang pernah ada. Sebagai contoh
adalah Tugas Akhir sebagai berikut:
a. No: 553/TI-034/2002 oleh David Pranata, S.T. berjudul Analisis Peningkatan
Kapasitas Produksi Menggunakan Pendekatan Simulasi di PT. Surya Indometal
Tugas akhir ini menekankan pada analisa biaya yang terjadi akibat penambahan
mesin guna meminimasi bottle-neck, sehingga nantinya dapat diperoleh
peningkatan kapasitas produksi.
b. Tugas Akhir No. 211/TI-37/1999 oleh Siok Ping, S.T. berjudul Simulasi Antrian
Untuk Menganalisa Tata Letak Pabrik di PT. Halimjaya Sakti Pasuruan
Tugas akhir ini menekankan pada perbaikan tata letak pabrik, sehingga dapat
mempersingkat waktu transportasi guna meminimasi penumpukan barang
setengah jadi di lantai produksi. Tugas akhir ini hanya meneliti lokasi di
Departemen Pemotongan saja.
Tugas akhir ini menekankan pada penentuan jumlah operator dan mesin
sejak sebelum proses produksi dilakukan, untuk meminimalkan bottle-neck pada
setiap stasiun dan pada proses perakitan yang menggunakan conveyor. Usulan model
yang diberikan akan mencakup perubahan kecepatan conveyor (diperlambat ataupun
dipercepat). Selain itu, ada analisa pada Departemen Penjahitan untuk menentukan
jumlah operator dan mesin, jika ingin menjahit sejumlah entiti tertentu.