laporan simulasi kelompok 06 (20 mei)

BAB IPENDAHULUAN

1.1Latar Belakang

Pada era saat ini, pembangunan telah menjadi aspek yang sangat

penting di dunia. Pembangunan bukan lagi menjadi proyek yang

dilakukan hanya sebagai syarat suatu negara agar dikatakan sebagai

negara maju, akan tetapi pembangunan saat ini sudah menjadi

kebutuhan setiap negara itu sendiri. Kebutuhan akan pembangunan

gedung-gedung bertingkat yang kini semakin meningkat sudah pasti

berpengaruh terhadap kebutuhan bahan-bahan bangunan seperti

beton tiang pancang bulat/spunt pile.

Meningkatnya kebutuhan bahan bangunan seperti spunt pile

mengharuskan setiap perusahaan beton spunt pile meningkatkan

produktivitasnya agar selalu dapat memenuhi demand yang ada. PT.

Beton Prima Indonesia adalah salah satu perusahaan yang

memproduksi beton spunt pile. Dalam proses produksinya, PT. Beton

Prima Indonesia masih menggunakan operator/manual dalam

beberapa proses sehingga mengakibatkan lama waktu produksi yang

tidak konstan. Hal ini dapat merugikan perusahaan karena

produktivitas yang dihasilkan terkadang menjadi kurang maksimal.

Untuk memperbaiki sistem yang kurang optimal di PT. Beton Prima

Indonesia, dapat menggunakan metode simulasi.

Simulasi adalah suatu metodologi untuk melaksanakan percobaan

dengan menggunakan model dari suatu sistem nyata. Sehingga kita

bisa mensimulasikan proses produksi spunt pile pada PT. Beton Prima

Indonesia agar kita dapat melihat serta memperbaiki sistem yang ada

sehingga dapat menghasilkan output yang optimal.

1.2Tujuan

Tujuan dari praktikum ini adalah sebagai berikut:

LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

1

1. Mengidentifikasi permasalahan yang terdapat pada sistem

produksi spunt pile di PT. Beton Prima Indonesia

2. Memodelkan sistem produksi spunt pile pada PT. Beton Prima

Indonesia menggunakan ACD

3. Memodelkan sistem produksi spunt pile pada software Arena 5.0

serta menstimulasikannya

4. Menganalisis hasil simulasi

5. Memberikan skenario perbaikan terhadap permasalahan yang

muncul dalam sistem produksi spunt pile di PT. Beton Prima

Indonesia, serta menganalisanya

1.3Manfaat

Manfaat yang didapatkan setelah praktikan mengikuti praktikum

ini adalah:

1. Mampu mengidentifikasi permasalahan yang terdapat pada

sistem produksi spunt pile di PT. Beton Prima Indonesia

2. Mampu memodelkan sistem produksi spunt pile di PT. Beton Prima

Indonesia menggunakan ACD

3. Mampu menentukan distribusi waktu menggunakan input analyzer

serta perhitungan secara statistik berdasarkan data sistem nyata

di PT. Beton Prima Indonesia

4. Mampu memodelkan sistem produksi spunt pile pada software

Arena 5.0 serta mensimulasikannya

5. Mampu memberikan skenario perbaikan terhadap permasalahan

yang muncul dalam sistem produksi spunt pile di PT. Beton Prima

Indonesia dan mampu menganalisanya.

1.4Batasan

Batasan yang digunakan pada praktikum ini adalah:

1. Pengamatan pada tiang pancang bulat/spunt pil

2. Pengamatan dilakukan dibagian produksi


2

1.5Asumsi

Asumsi yang digunakan pada praktikum ini adalah:

1. Memiliki tingkat kepercayaan 95%

2. Tidak ada mesin yang rusak

3. Operator bekerja dalam keadaan normal


3

BAB IIDASAR TEORI

2.1Pengertian Sistem

Menurut Gordon B. Davis (1984), sebuah sistem terdiri dari

bagian-bagian yang saling berkaitan yang beroprasi bersama untuk

mencapai beberapa sasaran atau maksud. Sedangkan, menurut

Raymond Mcleod (2001), sistem adalah himpunan dari unsur-unsur

yang saling berkaitan sehingga membentuk suatu kesatuan yang

utuh dan terpadu.

Sistem memiliki beberapa karakteristik antara lain:

1. Kejadian (event), merupakan suatu peristiwa yang dapat merubah

keadaan sistem.

2. Aktivitas (activity), merupakan suatu proses yang menyebabkan

perubahan dalam sistem yang dapat mengubah atribut meupun

entity.

3. Hubungan (relationship), merupakan kesinambungan interaksi

antara dua objek atau lebih yang memudahkan proses

pengenalan satu akan yang lain.

4. Antarmuka penghubung (interface), merupakan media

penghubung antar subsistem.

5. Elemen-elemen, merupakan komponen bagian dari sistem yang

berupa entitas atau subsistem.

6. Atribut, merupakan sebutan, sifat atau karakteristik yang memiliki

elemen sistem. Terdapat dua macam atribut, yaitu parameter dan

variable.

7. Batas sistem (boundary), merupakan daerah yang membatasi

antar sistem atau lingkungan luarnya.

8. Lingkungan luar (environment), merupakan apapun diluar dari

sistem yang mempengaruhi operasi sistem.

9. Masukan sistem (input), merupakan suatu energi yang dimasukan

dalam suatu sistem.


4

10. Pengganggu (disturbance/noise), merupakan faktor-faktor yang

menyebabkan terjadinya kesalahan pada sistem.

11. Keluaran sistem (output), merupakan hasil dari energi yang diolah

dan diklasifikasikan menjadi keluaran.

12. Umpan balik (feedback), merupakan reaksi dan respon

stakeholder atas sistem yang dilakukan.

13. Ukuran performansi system dibagi menjadi dua yaitu transient

state dan steady state.

14. Proses pengolahan (transformation process), merupakan suatu

proses yang akan merubah masukan menjadi keluaran.

15. Perilaku sistem (behaviour), merupakan perilaku dari sistem yang

melibatkan masukan, pengolahan, dan keluaran.

2.2Pengertian Model

Model adalah pola (contoh, acuan, ragam) dari sesuatu yang akan

dibuat atau dihasilkan (Departemen P dan K, 1984: 75). Definisi lain

dari model adalah abstraksi dari sistem sebenarnya, dalam gambaran

yang lebih sederhana serta mempunyai tingkat prosentase yang

bersifat menyeluruh, atau model adalah abstraksi dari realitas

dengan hanya memusatkan perhatian pada beberapa sifat dari

kehidupan sebenarnya.

2.3Pengertian Simulasi

Simulasi merupakan suatu metodologi untuk melaksanakan

percobaan dengan menggunakan model dari suatu sistem nyata

(Siagian, 1987). Simulasi adalah model dari suatu sistem nyata,

dimana sistem tersebut dimodelkan dengan menggunakan sebuah

software yang berfungsi untuk menirukan prilaku sistem nyata.

2.3.1Elemen Simulasi

Suatu sistem dalam simulasi mencakup entities, activities,

resources, and control. Elemen-elemen tersebut mendefinisikan


5

siapa, apa, di mana, kapan, dan bagaimana suatu entity diproses.

Berikut merupakan penjelasan elemen dasar permodelan:

1. Entities, yaitu segala sesuatu yang dapat di proses.

2. Activity, yaitu kegiatan yang dilakukan dalam sistem yang

mempengaruhi entitas baik secara langsung atau tidak langsung.

3. Resources, yaitu alat/operator untuk menjalankan aktivitas.

4. Controls, yaitu segala sesuatu yang menentukan bagaimana,

kapan, dan dimana aktivitas dijalankan.

Gambar 2.1 Elemen simulasiSumber : Mckeod(2001)

2.4Definisi Arena Simulation Software

Arena adalah sebuah program penyusun model dan juga

merupakan simulator yang masuk dalam kategori high level program.

Arena juga termasuk software simulasi yang memiliki ciri general

purpose simulation language, dimana pengguna dapat membangun

model, templates, bahkan membuat sendiri modul jika diperlukan

dengan menggunakan bantuan program seperti Visual Basic, Fortran,

atau C/C++.

2.4.1Modul Arena Simulation Software

Berikut ini adalah modul-modul yang digunakan pada Arena

simulation software:

a. Create Module

Create module merupakan modul sebagai titik awal entitas dalam

model simulasi untuk mendefinisikan kedatangan entitas ke

dalam suatu sistem. Contoh: Kedatangan pelanggan untuk proses

pelayanan.


6

Gambar 2.2 Modul create

b. Dispose Module

Dispose module merupakan modul sebagai titik akhir untuk

entitas dalam modul simulasi. Contoh: Customer keluar dari bank.

Gambar 2.3 Modul disposec. Process Module

Process module digunakan untuk mendefinisikan proses. Server

dapat berupa sebuah resource atau transporter. Contoh:

Memenuhi pesanan.

Gambar 2.4 Modul processd. Decide Module

Decide module digunakan untuk pengambilan keputusan proses

dalam sistem. Contoh: Pengiriman part yang benar untuk diproses

lebih lanjut atau pengiriman part yang salah untuk dikerjakan

kembali untuk perbaikan.

Gambar 2.5 Modul decidee. Batch Module

Batch module digunakan sebagai mekanisme pengelompokan

dalam model simulasi. Contohnya: Membawa bersama sajian

makanan berserta minuman sebelum di hidangkan.

Gambar 2.6 Modul batch


7

f. Separate Module

Separate module digunakan untuk menyalin baik entitas yang

masuk menjadi beberapa entitas atau untuk membagi sebuah

entitas yang sebelumnya telah di batch. Contohnya:

Memindahkan kotak dari container dan mengirimkan entitas ke

beberapa tempat.

Gambar 2.7 Modul separate

g. Assign Module

Assign module memberikan penetapan nilai kepada variabel

pengguna yang di definisikan, tingkat atau level kontinu, atribut

entitas atau gambar, variabel-variabel status model, atau tempat

sumber daya. Contoh: Mengakumulasikan nomor-nomor dari sub

part yang menyusun part.

Gambar 2.8 Modul assign

2.4.2 Input Analyzer

Input Analyzer merupakanbagian dari software Arena.Tools ini

digunakan untuk menentukan fungsi distribusi probabilitas dari data

input. Selain itu juga dapat digunakan untuk mencocokkan fungsi

spesifik dari distribusi data file dan membandingkan fungsi distribusi

atau untuk menampilkan efek dari perubahan parameter untuk

distribusi yang sama. Input Analyzer menampilkan input data acak

tersebut yang kemudian dapat dianalisis menggunakan fitur

perangkat lunak fitting distribution untuk mencari bentuk distribusi

yang cocok menggambarkan data tersebut. Data yang akan

dimasukkan sebelumnya harus disimpan dalam Notepad dengan


8

format .txt karena Input Analyzer Arena hanya dapat membaca

masukan dari format .txt.

2.4.3Process Analyzer

Proses Analyzer membantu dalam mengevaluasi alternatif yang

disajikan oleh eksekusi model simulasi scenario yang berbeda. Hal ini

berguna untuk pengembangan model simulasi, serta pembuatan

keputusan dimana tidak dikenal dengan model, namun akrab disebut

dengan menangani solusi model simulasi. Biasanya process analyzer

untuk menentukan scenario mana yang cocok sehingga bisa

mendapatkan WIP yang minimum.

2.5Activity Cycle Diagram

Activity Cycle Diagram (ACD) adalah bahasa grafik/gambar yang

memodelkan sistem dengan menunjukan hubungan interaksi antar

elemen dengan perubahan secara diskrit terhadap waktu. Entitas di

ACD ada dua yaitu entitas permanen dan sementara. Sedangkan

aktivitas pada ACD ada dua, pasif dan aktif.

Tabel 2.1 Modul Activity Cycle DiagramNo

Nama Simbol

Lambang Keterangan

1 GenerateMerepresentasikan menciptakan (create)

atau membangkitkan (generate) entitas

2 TerminateMerepresentasikan membuang atau

memberhentikan entitas.

3 Passive Merepresentasikan aktivitas pasif.

4 Active Merepresentasikan aktivitas aktif.

5 Panah

(connect)

Merepresentasikan relasi urutan antar

node yang menunjukkan bahwa


9

status/aktivitas pendahulu berubah atau

berlanjut menjadi status/aktivitas

berikutnya.

2.6Distribusi Probabilitas

Mengenai distribusi data dan macam-macam distribusi data

terdapa pada mega project.

2.6.1Distribusi Kontinyu

Salah satu macam distribusi probabiltas, yaitu model matematika

yang menghubungkan nilai variabel dengan probabilitas terjadinya

nilai itu. Distribusi Kontinyu memiliki sifat kontinyu, data yang diamati

berjalan secara berkesinambungan dan tidak terputus.

2.6.1.1 Distribusi Uniform

Distribusi uniform pada umumnya digunakan variabel acak

seragam (uniform) umum digunakan karena tidak adanya informasi

tentang ditribusi yang mendasari yang dimodelkan.

a. Probability Density Function (pdf)

Probability Density Function (pdf)

Using Maximum Convention1

b−afor a≤ x≤b

0 for x<a∨x>b (2-1)

b. Cummulative Distribution Function (cdf)


10

Cummulative Distribution Function

0 for x<a

x−ab−a

for a≤ x<b (2-2)

1 for x ≥b

X=a+( b−a )U

U diperoleh dari U=RN (0,1 ) (2-3)

2.6.1.2 Distribusi Normal

Sebuah fungsi yang berbentuk lonceng dengan parameter µ dan

σ. Variabel acak normal digunakan untuk memodelkan banyak

fenomena acak yang dapat dinyatakan sebagai jumlah variabel

acak, berdasarkan central limit theorem. Analisis harus berhati-hati

dalam menggunakan distribusi normal untuk model fenomena acak,

yang tidak dapat mengasumsikan nilai negatif. Distribusi normal

pada umumnya digunakan untuk menggambarkan proses.


Probability Density Function


11

f ( x ,μ ,σ )= 1σ x√2π

e

(x−μx)2

(2σ x2 ) dt (2-

4)



∫−∞

x

f (t ; μx , σ x )dt=∫−∞

x1

σ x √2πe

(t−μx )2

(2σ x2 ) dt (2-

5)

2.6.1.3 Distribusi Triangular

Sebuah distribusi dengan batas bawah a, modus c dan batas

atas b. Variabel acak trianguler digunakan ketika distribusi yang

mendasari tidak diketahui, tetapi masuk akal untuk mengasumsikan

bahwa nilai berkisar dari berapa nilai minimal, bentuk linear kurva

PDF adalah cara paling sederhana untuk mewakili jenis perilaku.

Variabel acak trianguler biasanya digunakan untuk

merepresentasikan proses.




12

0 for x<a ,

2 ( x−a )(b−a ) (c−a )

for a≤x ≤c ,

2 (b−x )(b−a ) (b−c )

for c< x≤b ,

0 for b<x (2-6)



0 for x<a ,

( x−a )2

(b−a ) (c−a )for a≤x ≤c ,

1−(b−x )2

(b−a ) (b−c )for c<x≤b , (2-7)

1 for b<x


13

2.6.1.4 Distribusi Eksponensial

Fungsi eksponensial adalah salah satu fungsi yang paling penting

dalam matematika. Biasanya fungsi ini ditulis dengan notasi exp (x)

atau ex, dimana e adalah basis logaritma natural yang kira-kira

sama dengan 2.71828183. Variabel acak eksponensial banyak

digunakan untuk model “acak” waktu antar kedatangan untuk waktu

kontinyu. Variabel acak eksponensial biasanya digunakan untuk

mempresentasikan interval pelanggan, banyaknya kegagalan, dan

sebagainya.



λ e− λx (2-8)



1−e−λx (2-9)


14

2.6.1.5 Distribusi Gamma

Nilai antara a dan b dimana a > b, dan probabilitas dari semua

nilai-nilai adalah sama.



xk−1exp (−x

θ)

Γ (k)θk(2-

9)

b. Cummulative Distribution Function(cdf)


γ (k ,xθ)

Γ (k )(2-10)


15

2.6.1.6 Distribusi Weibull

Biasanya digunakan untuk menyelesaikan masalah-masalah yang

menyangkut lama waktu (umur) suatu objek yang mampu

bertahan hingga akhirnya objek tersebut tidak berfungsi

sebagaimana mestinya . Distribusi weibull pada umumnya

digunakan untuk mempresentasikan waktu kerusakan.



f ( x )= kλ ( x

λ )k−1

e−( x

λ)k

x ≥0 x<0 (2-11)

b. Cummulative Distribution Function(cdf)


1−e−( x

λ)k

x≥0

0 x<0 (2-12)


16

2.6.1.7 Distribusi Lognormal

Merupakan distribusi probabilitas sebuah peubah (variabel) acak

yang logaritmanya tersebar secara normal.



1x√2πσ

e−ln x−μ2

2μ2 (2-13)



12+ 12

erf [ ln x−μ2σ ] (2-

14)


17

Distribusi lognormal pada umumnya digunakan untuk

merepresentasikan waktu kerusakan.

2.6.2Distribusi Diskrit

Distribusi dimana perubahnya secara teoritis tidak dapat

menerima sembarang nilai diantara dua nilai yang diberikan. Sering

lebih mudah bila semua peluang suatu peubah acak x dinyatakan

dalam suatu rumus. Tetapi juga tidak menutupi kemungkinan apabila

distribusi diskrit dinyatakan dalam bentuk grafik ataupun dalam

bentuk label.

2.6.2.1 Distribusi Poisson

Merupakan limit dari distribusi binomial dengan banyaknya

percobaan n relatif besar. Distribusi poisson pada umumnya

digunakan untuk menggambarkan jumlah kedatangan dalam satu

satuan waktu.

a. Probability Mass Function (pmf)

Probability Mass Function

e−λ λk

k !(2-

15)




18

Γ (⌊ k+1 ⌋ , λ )⌊k ⌋ !

for k≥0 (2-16)

2.6.2.2 Distribusi Binomial

Setiap percobaan hasilnya dapat dibedakan dalam 2 macam

kejadian: berhasil (probabilitas dinyatakan dengan notasi p) atau

tidak berhasil (probabilitas dinyatakan dengan notasi q=1-p).

Masing-masing percobaan merupakan peristiwa yang bersifat bebas

yaitu peristiwa yang satu tidak mempengaruhi peristiwa yang lain.



(nk) pk (1−p)n−k(2-17)




19

I 1−p(n−⌊k ⌋ ,1+⌊ k ⌋ ) (2-18)

2.6.2.3 Distribusi Geometri

Percobaan bebas dilakukan berulang, dapat menghasilkan

keberhasilan dengan probabilitas p dan kegagalan dengan probabilitas

q=1-p.



(1−p)k−1 p (2-

19)




20

1−(1−p)k (2-20)

2.7Verifikasi dan Validasi

Verifikasi adalah proses mengevaluasi suatu model apakah telah

memenuhi kondisi seperti yang dirancang pada awal pengembangan,

dengan pemeriksaan program komputer. Verifikasi dilakukan dengan

membandingkan antara input yang diberikan model dan animasi

running simulasi.

Teknik verifikasi ada 4, yaitu:

Teknik 1: Dalam pengembangan model simulasi, tuliskan

program komputer terbagi dalam beberapa

modul/subprogram/routine.

Teknik 2: Perancangan program simulasi akan lebih baik jika

merupakangabungan dari ide beberapa orang yang tergabung

dalam satu tim, agar model lebih berkembang dan tidak terbatas

oleh persepsi satu orang saja (jalan di tempat, structure walk

through)

Teknik 3: Jalankan simulasi dengan variasi masukan

parameter dan amati hasilnya, apakah beralasan dan dapat

diterima.

Teknik 4: Lakukan pemrosesan simulasi bertahap (trace) untuk

mengamati

proses kejadian dan perubahan nilai variabelnya.


21

Validasi adalah proses penentuan apakah model, sebagai

konseptualisasi atau abstraksi, merupakan representasi berarti dan

akurat dari sistem nyata (Hoover dan Perry, 1989). Validasi dilakukan

dengan membandingkan output hasil simulasi dengan kondisi aktual,

dengan menggunakan uji T, untuk mengetahui bahwa data dari

model dan aktual berasal dari distribusi yang sama, maka model

dikatakan valid.

Macam-macam pengujian validasi yakni:1. Unit Test, merupakan pengujian difokuskan pada unit terkecil

dari suatu modul program.

2. Integration Test, merupakan pengujian terhadap unit-unit

program yang saling berhubungan (terintegrasi) dengan fokus

pada masalah interfacing. Dapat dilaksanakan secara top-down

integration atau bottom-up integration.

3. System Test, merupakan pengujian yang dilakukan sepenuhnya

pada sistem

berbasis komputer. Terdiri atas recovery testing (penanganan

kegagalan),

4. Security testing (mekanisme proteksi), stress testing (situasi tidak

normal)

5. Acceptance Test, merupakan pengujian terakhir sebelum sistem

dipakai oleh user. Terdiri atas requirement test (pemenuhan

kebutuhan), black box test (uji keluaran yang tidak berbeda

signifikan), dan white box test (algoritma representasi proses)

3


22

BAB IIIMETODOLOGI PRAKTIKUM

3.1 Diagram Alir Praktikum

Berikut ini merupakan digram alir dari praktikum:

Gambar 3.1 Diagram alir praktikum


23

3.2 Prosedur Praktikum

Langkah-langkah yang perlu dilakukan dalam praktikum ini adalh:

1. Mulai

2. Studi Kepustakan

3. Pengamatan Pendahuluan

4. Penentuan Fokus Pengamatan

5. Pengambilan Data

6. Pengolahan Data

7. Permodelan Sistem dengan ACD

8. Penentuan Distribusi

9. Permodelan Sistem dengan Arena

10. Verifikasi

11. Simulasi Sistem dengan Arena

12. Validasi

13. Analisa dan Pembahasan

14. Skenario dengan Process Analyzer

15. Analisa dan Pembahasan Hasil Eksperimen

16. Kesimpulan Saran

17. Selesai

3.3Hasil Pengamatan Pendahuluan

Entitas masuk berupa pc bar kemudian di masukan ke proses

pemotongan. Pada proses pemotongan dilakukan pemotongan

dengan mesin cutting. Lalu di heading dengan mesin heading.

Setelah proses ini maka dilakukan proses gulung spiral lalu proses

pemasangan emplit dan dilanjutkan proses setting. Setalah proses

setting dilakukan penuangan concentrate (campuran semen, pasir,

dan lainnya) dari dalam batching plan, dialirkan dengan conveyor ke

dalam cetakan setelah itu proses pemasangan sil mur baut, kemudian

proses stressing (penarikan). Kemudian dilakukan proses spining

(pemadatan). Setelah proses ini dilakukan kemudian dilanjutkan pada

proses steaming dengan mesin boiler. Setelah proses ini selesai


24

dilakukan pelepasan mur dan baut pada cetakan dan cetakan akan

kembali lagi ke stasiun kerja setting sedangkan produk beton tiang

pancang/spunt pile akan dilakukan proses finishing meliputi

pemotongan strant, pengecatan emplit, marking, kemudian di

delivery menggunakan truck.

Permasalahan ada pada proses pemotongan, dimana pada proses

pemotongan di lakukan secara manual sehingga menyebabkan waktu

yang tidak konstan.


25

BAB IVANALISIS DAN PEMBAHASAN

4.1Gambaran Sistem

PT. Beton Prima Indonesia adalah merupakan salah satu

perusahaan yang memproduksi berbagai macam produk beton

pracetak di Indonesia. Studi kasus yang kami ambil adalah untuk

proses produksi tiang pancang yang type spunt pile atau tiang

pancang yang berbentuk bulat yang biasanya di pakai untuk

memperkuat pondasi dari bangunan. Tiang pancang spunt pile di buat

dari PC bar yang berbentuk gelondongan yang kemudian di potong

dengan menggunakan mesin cutting sesuai ukuran yang ditentukan /

sesuai dengan ukurang beton tiang pancang yang ingin di produksi

(rata-rata ukuran 12 m dan dipotong menjadi 6 bagian). Setelah dari

mesin cutting, pc yang sudah terpotong di bawah ke mesin heading

sebanyak 6 setiap pengambilan, untuk dilakukan proses heading

untuk ujung-ujung dari pc bar yang berfungsi sebagai pengunci dari

emplitnya kemudian masuk ke proses gulung spiral satu persatu

setelah proses gulung spiral yaitu proses pemasangan emplit yang

dilakukan oleh pekerja yang dilakukan secara manual.

Setelah pemasangan emplit, dilakukan setting yaitu geronjong

spiral dimasukkan kedalam cetakan (molding) satu persatu kemudian

proses feeding (penuangan concentrate kedalam cetakan) yang

dialirkan melalui dari batching plan melalui conveyor dengan volume

sesuai ukuran beton yang di produk. Setelah itu dengan

menggunakan crane, molding yang sudah terisi di pindahkan ke

proses stressing yaitu proses penarikan beton dengan yang

tergantung spesfikasinya tetapi sebelum proses itu dilakukan terlebih

pemasangan mur dan baut. Setelah proses stressing selesai

dilakukan proses spinning yaitu proses pemadatan beton tiang

pancang. Setelah itu dilakukan proses steaming. Setelah proses


26

steaming selesai dilakukan proses the molding yaitu proses

pelepasang tiang pancang dari cetakan dan juga pelepasan sill dan

baut dari tiang pancang setalah itu baru dilakukan proses finishing.

Tabel 4.1 Rekap data pembuatan spunt pile

Cutting

Heading

gulung

spiral

pasang

emplit

setting

Feeding

Pasang

baut

Stress

ing

Spinnig

Steam

Ing

Molding

Finishing

2 1 4 8,1 6 1,45 3,1 3,4 9 13 3,8 13,11,4 1,3 5,2 7,5 5,38 1,86 2,9 3,7 9 13 5,1 12,41,3 1,5 6,1 7,5 5,9 2 3,75 3,7 9 13 2,7 14,9

1,4 1,4 3,5 6 6,3 2,3 2,4 3,68 9 13 3,9 13,91,9 1,3 5,2 8,1 5,5 2,2 2,4 4,3 9 13 4,9 13,5

1,5 1 6,1 7,5 6 1,45 2,9 3,4 9 13 4,38 13,1

1,8 1,3 3,5 6 5,38 1,86 3,75 3,7 9 13 5,48 12,41,2 1,5 5,2 7,5 5,9 2 2,4 3,7 9 13 3,8 14,91,5 1,4 6,1 6 6,3 2,3 3,1 3,68 9 13 5,1 13,9

1,4 1 3,5 8,1 5,5 2,2 2,9 4,3 9 13 2,7 13,51,9 1,3 2,95 7,5 5,38 1,86 3,75 3,4 9 13 3,9 13,11,3 1,5 5,2 6 5,9 2 2,4 3,7 9 13 4,9 12,4

1,4 1,4 6,1 7,5 6,3 2,3 2,4 3,7 9 13 3,8 14,91,9 1,3 3,5 7,5 5,5 2,2 2,9 3,68 9 13 5,1 13,91,8 1,5 5,2 6 6 1,86 3,75 4,3 9 13 2,7 13,51,5 1 6,1 8,1 5,38 2 2,4 3,4 9 13 3,9 13,11,8 1,3 3,5 7,5 5,9 2,3 2,4 3,7 9 13 4,9 12,42,1 1,5 5,2 6 6,3 2,2 2,4 3,7 9 13 4,38 14,92,1 1,4 6,1 7,5 5,5 1,45 2,9 3,68 9 13 5,48 13,9

1,98 1,3 5,2 6 5,38 1,86 3,75 4,3 9 13 3,8 13,52,1 1 6,1 8,1 5,9 1,86 2,4 3,4 9 13 5,1 13,11,5 1,3 5,2 7,5 6,3 2 3,1 3,7 9 13 2,7 12,41,5 1,5 6,1 7,5 5,5 2,3 2,9 3,7 9 13 3,9 14,91,5 1 5,2 6 6 2,2 3,75 3,68 9 13 4,9 13,91,5 1,3 6,1 8,1 5,38 1,86 2,4 4,3 9 13 4,9 13,51,9 1,5 3,5 7,5 5,9 2 2,4 3,4 9 13 4,38 13,11,5 1 2,95 6 6,3 2,3 2,9 3,7 9 13 5,48 12,41,5 1 5,2 7,5 5,5 2,2 3,75 3,7 9 13 3,8 14,91,5 1,3 6,1 6 5,38 1,45 2,4 3,68 9 13 5,1 13,91,9 1,5 5,2 8,1 5,9 1,86 2,4 4,3 9 13 2,7 13,51,5 1,4 6,1 7,5 6,3 2 2,4 4,3 9 13 3,9 13,91,8 1,3 3,5 7,5 5,5 2,3 2,9 3,4 9 13 4,9 13,5


27

1,8 1 2,95 6 6 2,2 3,75 3,7 9 13 4,38 13,1

1,2 1,3 5,2 8,1 5,38 1,86 2,4 3,7 9 13 5,48 12,41,8 1 6,1 7,5 5,9 2 3,1 3,68 9 13 3,8 14,92,1 1,3 3,5 6 6,3 2,3 2,9 4,3 9 13 5,1 13,9

1,5 1,5 5,2 7,5 5,38 2,2 3,75 3,4 9 13 2,7 13,51,8 1,4 6,1 6 5,9 1,86 2,4 3,7 9 13 3,9 13,11,8 1 3,5 8,1 6,3 2 2,4 3,7 9 13 4,9 12,4

Tabel 4.1 Rekap data pembuatan spunt pile (lanjutan)

Cutting

heading

gulung

spiral

pasang

emplit

setting

Feeding

Pasang

baut

Stress

ing

Spinnig

Steam

Ing

Molding

Finish

ing

2,2 1,3 2,95 7,5 5,5 2,3 2,9 3,68 9 13 4,9 14,91,8 1 5,2 7,5 6 2,2 3,75 4,3 9 13 4,38 13,9

1,4 1,3 6,1 6 5,38 1,45 2,4 3,4 9 13 5,48 13,51,9 1,5 5,2 8,1 5,38 1,86 3,1 3,7 9 13 3,8 13,1

1,5 1 6,1 7,5 5,9 2 2,9 3,7 9 13 5,1 12,4

1,4 1 5,2 7,5 6,3 1,86 3,75 3,68 9 13 2,7 14,91,9 1,3 6,1 6 5,5 2 2,4 4,3 9 13 3,9 13,9

1,5 1 5,2 8,1 6 2,3 2,4 3,4 9 13 4,9 13,51,5 1,3 6,1 7,5 5,38 2,2 2,9 3,7 9 13 4,9 13,11,8 1,5 3,5 6 5,9 1,45 3,75 3,7 9 13 4,38 12,42,1 1,4 2,95 7,5 6,3 1,86 2,4 3,68 9 13 5,48 14,9

4.2Pengolahan Data4.2.1Uji Keseragaman Data

Uji keseragaman data dilakukan untuk mengetahui, apakah data

seragam, dan tidak ada yang outliner. Uji keseragaman data

dilakukan dengan menghitung batas atas, rata-rata, dan batas bawah

data. Untuk kemudian dilakukan analisa menggunakan grafik, dan

dilakukan revisi, atau penambahan data jika terdapat data yang

keluar control.

Berikut ini adalah perhitungan keseragaman data pada waktu

proses pemotongan:

a. Rata-rata (X) = 2+1.4+1.3+1.4+1.9… ..+1.9+1.5+1.5+1.8+2.1

50 = 1.68


28

b. Std = √∑ (xi−x )2

n−1 = √ (2−1.68 )2+(1.4−1.68 )2…..+ (1.8−1.68 )2+(2.1−1.68) ²

49

= 0.269

c. Dengan K = 2, maka:

BKA (Batas Kontrol Atas) = X + kσ = 1.68 + 2.0.269 = 2.218

BKB (Batas Kontol Bawah) = X – kσ = 1.68 – 2.0.269 = 1.142

d. Didapatkan grafik control chart sebagai berikut:

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 490

0.5

1

1.5

2

2.5

waktuBKABKB

Gambar 4.1 Control chart data waktu pemotongan

Berdasarkan grafik diatas, diketahui bahwa tidak ada data yang

keluar dari batas control, sehingga data telah seragam.

4.2.2Uji Kecukupan Data

Uji kecukupan data dilakukan untuk mengetahui apakah data

yang diambil telah cukup, dan mampu mewakili populasi berdasarkan

sistem yang ada. Uji kecukupan data dihitung menggunakan rumus

berikut:

N1 = [ ks √N∑ X i

2−(∑ X i )2

∑ X i]2

, N>N1

Dimana:

N1 = Jumlah pengamatan yang harus dilakukan

K = Tingkat kepercayaan dalam pengamatan. ( k = 2, 1-α = 95%)

S = Derajat ketelitian dalam pengamatan (5%)

Xi = Data pengamatan


29

Berdasarkan data yang telah diambil dapat dilakukan perhitungan

sebagai berikut:

N1 = 20.05

√50 x144.25−¿¿¿¿= 6.338 ≈ 6

Karena nilai N ≥ N’ maka dapat disimpulkan, bahwa data yang diambil

telah cukup dan telah mewakili populasi.

4.2.3Uji Independensi Data

Uji independensi dilakukan untuk mengetahui apakah data yang

diambil tidak bergantung kepada variable lain. Data yang diuji

keindependensiannya adalah data yang telah diuji keseragamannya.

50 data tersebut dimasukkan ke dalam scatter diagram, untuk

mengetahui, ada atau tidaknya pola terhadap data tersebut, sehingga

didapatkan grafik sebagai berikut.

0 2 4 6 8 10 1202468

1012 waktu

waktu

Gambar 4.2 Uji regresi data waktu pemotongan

Berdasarkan scatter diagram diatas, diketahui bahwa data tidak

membentuk pola tertentu sehingga data dinyatakan independen.

4.3Penentuan Parameter Distribusi dengan Input Analyzer

Penentuan bilangan acak menggunakan software ARENA dengan

media Input Analyzer, memiliki langkah-langkah sebagai berikut:

1. Buka program ARENA.

2. Pilih menu Tools – Input Analyzer.


30

3. Masukan data waktu dalam Data Table, setelah muncul lembar

kerja, klik File > Data File > Use Exsiting > Pilih lokasi dan nama

file.

4. Kemudian akan muncul suatu grafik, Klik Fit > Fit All.

5. Untuk memindahkan expression, blok nilai expression, klik Edit

dan pilih copy expression.

6. Pindahkan nilai expression ke model Arena yang sesuai.

Berikut table distribusi waktu masing-masing proses pada system.

4.4Penentuan Parameter Distribusi Pembangkitan Bilangan

Acak

Penentuan distribusi menggunakan Microsoft Excel dengan cara

membangkitkan bilangan acak berdasarkan parameter pada masing –

masing distribusi dengan menggunakan tool Random Generator,

dengan langkah – langkah sebagai berikut :

1. Buka Ms. Excel.

2. Aktifkan Data Analysis pada Ms. Excel.

Gambar 4.3 Cara mengaktifkan Data Analysis pada Microsoft Excel

3. Masukkan data pada lembar kerja Ms. Excel.

4. Hitung parameter yang dibutuhkan pada distribusi yang

diinginkan sehingga pada Ms. Excel juga dilakukan pembangkitan

bilangan yang berdistribusi normal, yakni parameter rata –rata

dan standar deviasi. Proses yang akan dibangkitkan datanya


31

mempunyai rata – rata 1.595918 dan berstandar deviasi

0.223289.

5. Ketikkan banyaknya variabel yang ingin dimunculkan (1) dan

banyaknya data pada variabel tersebut sesuai data yang telah

seragam dan independen. Untuk proses ini data yang diinputkan

sebanyak 50 dan diketahui data berdistribusi triangular.

Gambar 4.4 Cara membangkitkan bilangan random

6. Kemudian akan muncul bilangan berdasarkan distribusi dan

parameter yang telah diatur sebelumnya.

7. Pada tabel 4.3 akan ditampilkan data hasil pengamatan dan data

pembangkitan bilangan

Tabel 4.3 Data hasil pengamatandan data hasil pembangkitan bilanganN

omor

X D

ata

Genera

te

Nomo

r

X D

ata

Genera

te

Nomo

r

X D

ata

Genera

te

1 1,21,1063

61 18 1,51,6257

74 35 1,81,8304

45

2 1,21,2152

69 19 1,51,6337

6 36 1,81,8310

84

3 1,31,2975

89 20 1,51,6468

53 37 1,81,8386

76

4 1,31,3614

81 21 1,51,6524

17 38 1,81,8432

5

5 1,31,3772

1 22 1,51,6582

12 39 1,81,8506

76

6 1,41,4078

04 23 1,51,6649

56 40 1,81,8722

22

7 1,41,4401

66 24 1,51,6787

23 41 1,81,8794

04

8 1,41,4408

46 25 1,51,6792

81 42 1,81,8830

05

9 1,41,4658

25 26 1,51,6857

05 43 1,81,8910

8

10 1,41,4989

86 27 1,51,7097

9 44 1,91,8967

02


32

11 1,41,5109

07 28 1,51,7110

97 45 1,91,9075

45

12 1,41,5167

01 29 1,51,7132

18 46 1,91,9414

61

13 1,51,5372

73 30 1,81,7580

86 47 1,92,0382

48

14 1,51,5411

02 31 1,81,7604

6 48 1,92,0768

8

15 1,51,5452

63 32 1,81,7634

44 49 1,92,0776

25

16 1,51,5513

45 33 1,81,7714

41 501,9 2,0776

25

17 1,51,5514

66 34 1,81,8058

57

4.5Pengujian Distribusi

Pengujian Distribusi dilakukan untuk mengetahui kesesuaian

antara hasil penentuan parameter menggunakan input analyzer dan

menggunakan Ms. Excel. Berikut adalah langkah – langkahnya :

1. Buka Ms. Excel

2. Urutkan data hasil pengamatn mulai yang terkecil hingga yang

terbesar.

3. Urutkan data hasil pembangkitan bilangan mulai yang terkecil

hingga terbesar

4. Tentukan nilai tertinggi dan terendah dari kedua data tersebut

5. Hitung range dari kedua data tersebut, contoh pengukuran adalah

sebagai berikut :

Nilai Terendah :1,106361

Nilai tertinggi : 2,077625

R = 2,077635 – 1,106361= 0,9713

6. Hitung banyak kelas yang ada pada distribusi data tersebut .

Berikut adalah contoh perhitungannya:

K = 1 + 3,3 log (n)

= 1 + 3,3 log(50)

= 1 + 5,68

= 6,68 (dibulatkan menjadi 7 kelas)

7. Hitung range pada masing – masing kelas. Berikut adalah contoh

perhitungannya :


33

r = RK

= 0,97137

= 0,138752

8. Hitung batas atas dan batas bawahnya. Berikut adalah contoh

perhitungannya:

a. Batas bawah = nilai terkecil keseluruhan data = 1,106361

b. Batas atas = BB + r

= 1,106361 + 0,138752

= 1,245113029

9. Hitung Frekuensi Relatif dan Frekuensi Kumulatif pada masing –

masing kelas pada data hasil pengamatan dari data hasil

pembangkitan bilangan, berikut adalah contoh perhitungan untuk

kelas ketiga untuk data hasil pengamatan.

a. FR = 24

b. FC = FR3 + FC 2

= 24 + 5

= 29

10. Hitung nilai PR dan PC pada masing – masing kelas pada data

pengamatan dan data hasil pembangkitan bilangan, berikut

adalah contoh perhitungan untuk kelas ketiga data hasil

pengamatan :

a. PR =FRn

=247

= 0,48

b. PC = FCn

=297

= 0,58

Berikut merupakan tabel hasil perhitungan frekuensi dan

probabilitas pada masing – masing data :


34

Tabel 4.4 Hasil perhitungan frekuensi dan probabilitas data

Distribusi Data Asli Distribusi Data Generate

kelas

BB BA FC FR PC PR FC

FR

PC PR

1 1,106361

1,245113

2 2 0,04 0,04 2 2 0,04 0,04

2 1,245113

1,383865

5 3 0,1 0,06 5 3 0,1 0,06

3 1,383865

1,522617

29 24 0,58 0,48 12 7 0,24 0,14

4 1,522617

1,661369

29 0 0,58 0 23 11 0,46 0,22

5 1,661369

1,800121

43 14 0,86 0,28 34 11 0,68 0,22

6 1,800121

1,938873

50 7 1 0,14 46 12 0,92 0,24

7 1,938873

2,077625

50 0 1 0 49 3 0,98 0,06

11. Lakukan perhitungan chi square error dengan cara menghitung

selisih nilai PC data hasil pengamatndan PC data hasil

pembangkitan bilangan. Berikut adalah contoh perhitungan

square error untuk data pada kelas ketiga :

Square error = ( PC data asli– PC data generate)^2

= (0,58 – 0,24)^2 = 0,1156

12. Lakukan perhitungan nilai X, dengan membagi nilai square error

dengan PC data generate, Berikut adalah contoh perhitungan

untuk data pada kelas ketiga:

X = 0,11560,24

= 0,064

13. Jumlahkan nilai X untuk memperoleh nilai Chi Square hitung,

berikut adalah contoh perhitungannya

Chi Square hitung : 0 + 0 + 0,4817 + 0,0313 + 0476 + 0,007 +

0,0004 = 0,568

Tabel 4.5 Perhitungan chi squareK

elasPC asli

PC teori

sqr error

X

1 0,04 0,04 0 0

2 0,1 0,1 0 0

3 0,58 0,24 0,115 0,481


35

6 7

4 0,58 0,46 0,0144

0,0313

5 0,86 0,68 0,0324

0,0476

6 1 0,92 0,0064

0,007

7 1 0,98 0,0004

0,0004

14. Hipotesis

a. H0 = Data berdistribusi triangular

H1 = Data tidak berdistribusi triangular

Syarat :

H0 terima jika nilai Chi Square hitung ≤ nilai Chi Square tabel.

Chi Square tabel yang digunakan adalah nilai tabel dengan nilai

a = 5%

b. Df = k – (p-1)

= 7 – (2-1)

= 4

15. Diketahui bahwa nilai tabel untuk distribusi Chi Square df = 4

adalah 9,488. Dapat diketahui bahwa nilai Chi Square hitung ≤

Nilai Chi Square tabel. Maka H0 diterima dan dapat disimpulkan,

bahwa data berdistribusi triangular, dan sesuai dengan jenis

distribusi yang diperoleh pada input analyzer.

4.6Model Konseptual

4.6.1Flowchart Sistem

Berikut adalah flowchart dari sistem pembuatan spunt pile di PT. Beton

Prima Indonesia:

4.6.2ACD

Berikut merupakan Activity Cycle Diagram pada sistem

pembuatan spunt pile.

Terlampir


36

4.7Pembuatan Model Sistem

Berikut langkah-langkah pembuatan model.

1. Buka program Arena

2. Pembuatan model dilakukan menggunakan basic process,

advance process, dan advance transver.

Langkah-langkah pembuatan model adalah sebagai berikut:

a. Drag create menuju layout. Klik create 1 kemudian definisikan:

Gambar 4.7 Pendefinisian create 11) Name: Kedatangan PC Bar

2) Entity Type: Entitas PC Bar

3) Time Between Arrivals:

Type: Constant

Value: 1

Units: Minutes

4) Entities per Arrival: 1

5) Max Arrivals: infinite

6) First Creation: 0.0

7) Klik OK

b. Drag station menuju layout. Klik station 1 kemudian definisikan.

Gambar 4.8 Pendefinisian station 1


37

1) Name: Stasiun 1

2) Station Type: Station

3) Station Name: Station 1

4) Klik OK

c. Drag process menuju layout. Klik process 1 kemudian definisikan.

4.9 Pendefinisian Process 11) Name: Proses Pemotongan

2) Type: Standart

3) Logic:

Action: Seize Delay Release > Priority: Medium(2) > Resource:

klik add < Type: Resource > Resource Name: Operator

Pemotongan > Quantity: 1 > klik OK

4) Delay Type: Triangular

5) Units: Minutes

6) Allocation: Value Added

7) Minimum: 0.5

8) Value (Most Likely): 1.5

9) Maximum: 2.5

10) Klik OK

d. Drag separate menuju layout. Klik separate 1 kemudian

definisikan.


38

4.10 Pendefinisian separate 11) Name: Dipotong

2) Type: Duplicate Original

3) Percent Cost to Duplicate (0-100): 50

4) # of Duplicate: 5

5) Klik OK

e. Drag process menuju layout. Klik process 2 kemudian definisikan.

4.11 Pendefinisian process 21) Name: Proses Heading

2) Type: Standart

3) Logic:


klik add < Type: Resource > Resource Name: Operator Heading

> Quantity: 1 > klik OK

4) Delay Type: Normal

5) Units: Minutes


7) Value (Mean): 1.32

8) Std Dev: 0.237

9) Klik OK

f. Drag process menuju layout. Klik process 3 kemudian definisikan.


39

4.12 Pendefinisian process 31) Name: Proses Gulung Spiral

2) Type: Standard

3) Logic:

Action: Delay

4) Delay Type: Triangular

5) Units: Hours


7) Minimum: 0.5

8) Value (Most Likely): 1

9) Maximum: 1.5

10) Klik OK

g. Drag Assign menuju layout. Klik assign 1 kemudian definisikan.

Gambar 4.13 Pendefinisian assign 11) Name: Assign Gulung Spiral

2) Assignments:

Klik Add > Type: Attribute > Attribute Name: Gulung Spiral >

New Value: Q

Klik Add > Type: Variable > Variable Name: Q > New Value:

Q+1

3) Klik OK


40

h. Drag Batch menuju layout. Klik batch 1 kemudian definisikan.

Gambar 4.14 Pendefinisian batch 1

1) Name: Batch Endplate dan Spiral

2) Type: Permanent

3) Batch Size: 2

4) Save Criterion: Last

5) Rule: Any Entity

6) Klik OK

i. Drag Create menuju layout. Klik create 2 kemudian definisikan.

Gambar 4.15 Pendefinisian create 21) Name: ‘

2) Entity Type: Entitas End Plate


Type: Constant

Value: 1

Units: Minutes




7) Klik OK

j. Drag Assign menuju layout. Klik assign 2 kemudian definisikan.


41

Gambar 4.16 Pendefinisian assign 21) Name: Assign Endplate

2) Assignments:

Klik Add > Type: Attribute > Attribute Name: Barang Endplate >

New Value: W

Klik Add > Type: Variable > Variable Name: W > New Value:

W+1

3) Klik OK

k. Drag Process menuju layout. Klik Process 4 kemudian definisikan.

Gambar 4.17 Pendefinisian process 4

1) Name: Pemasangan Endplate

2) Type: Standart

3) Logic:


klik add < Type: Resource > Resource Name: Operator Endplate



5) Units: Minutes



8) Std Dev: 0.378


42

9) Klik OK

l. Drag Route menuju layout. Klik Route 1 kemudian definisikan.

Gambar 4.18 Pendefinisian route 1

1) Name: Ke Stasiun 2

2) Route Time: 10

3) Units: Minutes

4) Destination Type: Station


6) Klik OK

m. Drag Station menuju layout. Klik Station 2 kemudian definisikan.


1) Name: Stasiun 2



4) Klik OK

n. Drag Assign menuju layout. Klik Assign 3 kemudian definisikan.

Gambar 4.20 Pendefinisian assign 3

1) Name: Assign Spiral dan Endplate

2) Assignments:


43

Klik Add > Type: Attribute > Attribute Name: Endplate dan

Spiral > New Value: E

Klik Add > Type: Variable > Variable Name: E > New Value:

E+1

Klik Add > Type: Entity Type > Entity Type: Spiral Endplate

3) Klik OK

o. Drag Create menuju layout. Klik Create 3 kemudian definisikan.

Gambar 4.21 Pendefinisian create 3

1) Name: Kedatangan Cetakan

2) Entity Type: Entitas Cetakan


Type: Constant

Value: 1

Units: Minutes




7) Klik OK

p. Drag Assign menuju layout. Klik Assign 4 kemudian definisikan.


1) Name: Assign Cetakan

2) Assignments:


44

Klik Add > Type: Entity Type > Entity Type: Entitas Cetakan

Klik Add > Type: Attribute > Attribute Name: Cetakan > New

Value: R

Klik Add > Type: Variable > Variable Name: R > New Value:

R+1

3) Klik OK

q. Drag Batch menuju layout. Klik batch 2 kemudian definisikan.


1) Name: Batch Cetakan

2) Type: Temporary

3) Batch Size: 2


5) Rule: Any Entity

6) Klik OK

r. Drag Process menuju layout. Klik process 5 kemudian definisikan.


1) Name: Proses Penyettingan

2) Type: Standart

3) Logic:


45



Penyettingan > Quantity: 1 > klik OK


5) Units: Minutes



8) Std Dev: 0.311

9) Klik OK

s. Drag Assign menuju layout. Klik assign 5 kemudian definisikan.


1) Name: Assign Penyettingan

2) Assignments:

Klik Add > Type: Attribute > Attribute Name: Spiral Testing >

New Value: Y

Klik Add > Type: Variable > Variable Name: Y > New Value:

Y+1

3) Klik OK

t. Drag Create menuju layout. Klik create 6 kemudian definisikan.


1) Name: Concentrate

2) Entity Type: Cor


46


Type: Constant

Value: 1

Units: Minutes




7) Klik OK

u. Drag Station menuju layout. Klik station 3 kemudian definisikan.


1) Name: Stasiun 5



4) Klik OK

v. Drag Access menuju layout. Klik access 1 kemudian definisikan.

Gambar 4.28 Pendefinisian access 1

1) Name: Access Conveyor

2) Conveyor Name: Conveyor 1

3) # of Cells: 1

4) Queue Type: Queue

5) Queue Name: Access Conveyor Queue

6) Klik OK


47

w. Drag Convey menuju layout. Klik convey 1 kemudian definisikan.

Gambar 4.29 Pendefinisian convey 1

1) Name: Conveyor




5) Klik OK

x. Drag Station menuju layout. Klik station 4 kemudian definisikan.


1) Name: Stasiun 4



4) Klik OK

y. Drag Exit menuju layout. Klik exit 1 kemudian definisikan.

Gambar 4.31 Pendefinisian exit 1

1) Name: Exit 1



48

3) # of Cells: -

4) Klik OK

z. Drag Assign menuju layout. Klik assign 6 kemudian definisikan.

Gambar 4.32 Pendefinisian assign 61) Name: Assign Cor

2) Assignments:

Klik Add > Type: Attribute > Attribute Name: Cor Coran > New

Value: T

Klik Add > Type: Variable > Variable Name: T > New Value:

T+1

3) Klik OK

aa. Drag Assign menuju layout. Klik assign 7 kemudian definisikan.

Gambar 4.33 Pendefinisian assign 71) Name: Assign Penyetingan

2) Assignments:

Klik Add > Type: Attribute > Attribute Name: Spiral Tersetting >

New Value: Y

Klik Add > Type: Variable > Variable Name: Y > New Value:

Y+1

3) Klik OK

bb. Drag Batch menuju layout. Klik batch 2 kemudian definisikan.


49


1) Name: Batch Cor

2) Type: Temporary

3) Batch Size: 2


5) Rule: Any Entity

6) Klik OK

cc. Drag Process menuju layout. Klik process 6 kemudian definisikan.


1) Name: Proses Penuangan

2) Type: Standart

3) Logic:



Penuangan > Quantity: 1 > klik OK


5) Units: Minutes



8) Std Dev: 0.0845

9) Klik OK

dd. Drag Assign menuju layout. Klik assign 7 kemudian definisikan.


50


1) Name: Assign Spiral Tertuang

2) Assignments:

Klik Add > Type: Attribute > Attribute Name: Spiral Tertuang >

New Value: U

Klik Add > Type: Variable > Variable Name: U > New Value:

U+1

3) Klik OK

ee. Drag Create menuju layout. Klik create 4 kemudian definisikan.


1) Name: Sil dan Baut

2) Entity Type: Entitas Sil Baut


Type: Constant

Value: 1

Units: Minutes




7) Klik OK

ff. Drag Assign menuju layout. Klik assign 8 kemudian definisikan.


51


1) Name: Assign Sil Baut

2) Assignments:

Klik Add > Type: Entity Type > Entity Type: Entitas Sil Baut

Klik Add > Type: Attribute > Attribute Name: Sil Baut > New

Value: I

Klik Add > Type: Variable > Variable Name: I > New Value: I+1

3) Klik OK

gg. Drag Batch menuju layout. Klik batch 3 kemudian definisikan.

Gambar 4.39 Pendefinisian batch 31) Name: Batch Sil dan Cor

2) Type: Temporary

3) Batch Size: 2


5) Rule: Any Entity

6) Klik OK

hh. Drag Station menuju layout. Klik station 5 kemudian definisikan.


52


1) Name: Stasiun 9



4) Klik OK

ii. Drag Process menuju layout. Klik process 7 kemudian definisikan.


1) Name: Pemasangan Sil dan Baut

2) Type: Standart

3) Logic:


klik add < Type: Resource > Resource Name: Operator Sil Baut



5) Units: Minutes



8) Std Dev: 0.0781

9) Klik OK

jj. Drag Process menuju layout. Klik process 8 kemudian definisikan.


53


1) Name: Stressing

2) Type: Standart

3) Logic:



Stressing > Quantity: 1 > klik OK

4) Delay Type: Constant

5) Units: Minutes


7) Value: 4

8) Klik OK

kk. Drag Process menuju layout. Klik process 9 kemudian definisikan.


1) Name:Spinning

2) Type: Standart

3) Logic:


klik add < Type: Resource > Resource Name: Operator Spinning



5) Units: Minutes


7) Value: 9

8) Klik OK

ll. Drag Request menuju layout. Klik request 1 kemudian definisikan.


54

Gambar 4.44 Pendefinisian request 1

1) Name: Request Crane

2) Transporter Name: Crane

3) Selection Rule: Cyclical

4) Save Attribut: -

5) Priority: High(1)

6) Velocity: 1

7) Units: Per Minute

8) Queue Type: Queue

9) Queue Name: Request Crane.Queue

10) Klik OK

mm. Drag Transport menuju layout. Klik transport 1 kemudian

definisikan.

Gambar 4.45 Pendefinisian transport 1

1) Name: Transport Crane

2) Transport Name: Crane

3) Unit Number: -




55

6) Velocity: 1

7) Units: Per Minute

8) Klik OK

nn. Drag Station menuju layout. Klik station 6 kemudian definisikan.


1) Name: Stasiun 3



4) Klik OK

oo. Drag Free menuju layout. Klik free 1 kemudian definisikan.

Gambar 4.47 Pendefinisian free 1

1) Name: Free Crane

2) Transporter Name: Crane

3) Unit Number: -

4) Klik OK

pp. Drag Process menuju layout. Klik process 10 kemudian definisikan.



56

1) Name:Steaming

2) Type: Standart

3) Logic:



Steaming > Quantity: 1 > klik OK


5) Units: Minutes


7) Value: 13

8) Klik OK

qq. Drag Separate menuju layout. Klik separate 2 kemudian

definisikan.

Gambar 4.49 Pendefinisian separate 2

1) Name: Pemisahan Sil Baut Cetakan

2) Type: Split Exciting Batch

3) Member Attributes: Retain Original Entity Values

4) Klik OK

rr. Drag Decide menuju layout. Klik decide 1 kemudian definisikan.

Gambar 4.50 Pendefinisian decide 1

1) Name: Pemisah Cetakan

2) Type: 2-way by Condition

3) If: Entity Type


57

4) Named: Entitas Cetakan

5) Klik OK

ss. Drag Dispose menuju layout. Klik dispose 1 kemudian definisikan.

Gambar 4.51 Pendefinisian dispose 1

1) Name: Dispose Cetakan

2) Centang Record Entity Statistic

3) Klik OK

tt. Drag Decide menuju layout. Klik decide 2 kemudian definisikan.

Gambar 4.52 Pendefinisian decide 2

1) Name: Pemisah Sil Baut

2) Type: 2-way by Condition

3) If: Entity Type

4) Named: Entitas Sil Baut

5) Klik OK

uu. Drag Dispose menuju layout. Klik dispose 2 kemudian definisikan.


1) Name: Dispose Sil Baut


3) Klik OK

vv. Drag Process menuju layout. Klik process 11 kemudian definisikan.


58


1) Name: Pelepasan Mur Baut Cetakan

2) Type: Standart

3) Logic:



Pelepasan > Quantity: 1 > klik OK


5) Units: Minutes



8) Std. Dev: 0.0744

9) Klik OK

ww. Drag Process menuju layout. Klik process 11 kemudian

definisikan.


1) Name: Finishing

2) Type: Standart

3) Logic:


59



Finishing > Quantity: 1 > klik OK


5) Units: Minutes



8) Std. Dev: 0.62

9) Klik OK

xx. Drag Dispose menuju layout. Klik dispose 3 kemudian definisikan.


1) Name: Disimpan di Gudang


3) Klik OK

4.8Perhitungan Jumlah Replikasi

Untuk mengurangi jumlah variansi maka simulasi harus dilakukan

sebanyak n kali replikasi. Untuk mendapatkan nilai n maka perlu

dilakukan replikasi awal n0 yaitu sebanyak 5 kali replikasi. Hasil dari 5

replikasi tersebut terdapat dalam tabel 4. Kolom n menunjukkan

replikasi ke-n. Selanjutnya untuk mendapatkan nilai n’ (n replikasi

yang dibutuhkan) maka dilakukan perhitungan sebagai berikut:

n = 5 (replikasi awal)

n-1 = 4

α = 0.05

tn-1,α/2 = t4,0.025 = 2,776

Tabel 4.6 Hasil number out simulasiReplikasi Number

Out


60

Simulasi

1 31

2 31

3 31

4 31

5 30Standar Deviasi

0,447213595

Rata – rata 30,8

Nilai half width dihitung dengan rumus :

Half width = (Tn−1, α2 )∗std deviasi

√n

= (2.776 )∗0.447

√5 =

1.242.236

= 0.55456

Dari perhitungan di atas didapatkan nilai half width sebesar

0.55456, atau jika dihitung prosentase error terhadap rata –rata dari

data adalah sebesar :

= 0.5545630.8

x 100%

= 1.80 %

Karena nilai tersebut lebih kecil dari error yang ditentukan

diawal yakni 5%, maka nilai replikasi tersebut dinyatakan telah

cukup. Namun bila diinginkan nilai error yang lebih kecil, misal

sebesar 1% maka nilai half width menjadi 0.3 (30.8 * 1%), dengan

nilai n’ sebesar :

N’ =(

Zα2

∗std

half width)2

N’ =( 1.96∗0.44720.3

)2 = 8,54

Sehingga untuk memperoleh suatu hasil simulasi dengan nilai

error sebesar 1% diperlukan replikasi sebanyak 9 kali.


61

4.9Verifikasi Model

Verifikasi dilakukan dengan 3 cara, yakni:

1. Ketika seluruh model Arena telah selesai dibuat, dilakukan

pengecekan satuan waktu yang ada pada masing-masing

modul, agar sesuai dengan satuan waktu pada sistem nyata.

2. Menekan F4 ketika Jendela Arena masih aktif, untuk mengecek

ada atau tidaknya error pada sistem permodelan tersebut.

3. Mencocokan modul yang ada pada Arena dengan ACD sistem

produksi spunt pile yang telah dibuat sebelumnya.

4.10 Validasi Model

Validasi model simulasi sistem produksi spunt pile pada laporan

mega project ini dilakukan dengan metode statistik yang

menggunakan software SPSS.

4.10.1 Validasi Model dengan SPSS

Proses validasi model simulasi pembuatan spunt pile pada mega

project kali ini akan dilakukan tiga validasi, yaitu validasi input,

validasi waktu proses, dan validasi waktu antri. Berikut adalah

langkah-langkah pengujian model simulasi pembuatan spunt pile.

1. Buka program yang telah dibuat pada Arena.

2. Run program dan pilih tampilkan hasil di akhir simulasi program

3. Setelah muncul ReportSelection, pilih category by replication.


62

4. Bandingkan jumlah output, waktu antri, dan proses dari simulasi

dengan aktual dari 5 replikasi. Berikut adalah data dari 5 replikasi.

((((TABEL))))

Selanjutnya dilakukan pengujian data yang terdapat pada tabel 4.

dengan menggunakan software SPSS. Pengujian tersebut diwakili

dengan pengujian kenormalan data. Langkah-langkah uji kenormalan

pada software SPSS adalah sebagai berikut:

1. Membuka SPSS dan membuat file baru.

2. Klik VariableView, kemudian mengisi nama variabel dengan Group

dan Output.

3. Isikan data ke dalam Data View.

4. Klik analyze, pilih Descriptivestatistic, dan pilih Explore. Masukkan

Output ke dalam Dependentlist. Klik Plots centang Normality Plots

with test. Klik continue lalu klik OK.

((((LANJUTKAN))))

4.11 Analisis Hasil Simulasi

4.12 Rancangan Perbaikan Sistem

4.12.1 Rancangan Skenario dengan Process Analyzer

4.12.1.1 Analisis dan Pembahasan Hasil Skenario

4.13 Pemilihan Skenario


63

BAB VPENUTUP

5.1Kesimpulan

Berikut ini adalah kesimpulan dari laporan mega project:

5.2Saran

Berikut ini adalah saran yang dapat diberikan dari laporan mega

project:


64

laporan simulasi kelompok 06 (20 mei)

Documents