merekomendasi tambahan dermaga pelabuhan iii...

Agritek Volume 11 Nomor 2 September 2010 MEREKOMENDASI ............................ 21

MEREKOMENDASI TAMBAHAN DERMAGA PELABUHAN III

CABANG TANJUNG PERAK SURABAYA DENGAN ANALISIS

SIMULASI SISTEM ANTRIAN KAPAL BARANG

I k s a n 1 1 adalah Dosen Fakultas Teknologi Industri Institut Teknologi Adhi Tama Surabaya

Abstract PT. Pelabuhan Indonesia III branch Tanjung Perak Surabaya is a company has line

business in service. The management is willing to improve company performance by reducing

service time due to increasing number of ship arrival flow, especially freight ship, both

domestic and overseas one, as the impact of global market. The problem is the large number

of arrival ship is unbalanced with standard service time to do loading/unloading activities in

docks of PT. Pelabuhan Indonesia III branch Tanjung Perak Surabaya. The number of docks

for loading process, which has inherent fluctuating time, is very limited. This research is

aimed at maximizing the role of neighborhood ports to be assistances in coping with this

problem. In addition, this port is a gate for international ships to service cruises especially in

East Java and East Indonesia. The focus of this research is reducing queue time at port’s

rede. Rede is a place where the ships wait for loading process in dock. To solve the stated

problem, it is used simulation approach using simulation language SIMAN with software

Arena 3.0. The use of simulation as a tool to solve the problem is due to simulation is capable

to answer the need of short performance forecasting in a system, therefore it is expected the

outcome analysis is more realistic to be realized. As a consequence, the outcome of this

research is to find the additional good-facilitated docks to be provided in order to improve

docking service and reduce the number of queue.

Key words : Service queue service syisteem, simulstion, statistic

PENDAHULUAN

PT. Pelindo III cabang tanjung Perak merupakan salah satu perusahaan yang bergerak di bidang jasa yang mememberikan fasilitas sandar kapal untuk melakukan aktivitas bongkar muat barang (Cargo atau Container) maupun aktivitas angkutan penumpang. Kinerja PT. Pelindo sangat dipengaruhi oleh pelayanannya terhadap custamer (kapal) yang masuk ke pelabuhan. Adapun kapal yang masuk ada kapal luar negeri dan dalam negeri, yang mempergaruhi jasa pelayanan yang dilakukan oleh perusahaan. Dengan tingkat ketidakpastian yang tinggi atas kedatangan kapal kapal tersebut mempengaruhi kinerja pelayanan perusahaan dalam memberikan pelayanan kapal sandar untuk melakukan

aktivitas bongkar muat. Disamping ketidakpastian datangnya kapal, terbatasnya dermaga yang digunakan untuk sandar kapal dalam melakukan aktivitas bongkar muat mengakibatkan terjadinya antrian dalam sistem pelayanan, sehingan kapal menunggu cukup lama yang mengakibatkan pasokan barang barang ke perusahaan– perusahaan dan industri juga mengalami keterlambatan. Sistem antrian yang terjadi mempengaruhi kinerja sistem pelayanan di perusahaan. Permasalahan yang terjadi adalah bagaimana meningkatkan kinerja pelayanan dipelabuhan dengan meminimasi antrian dan melancarkan arus lalulintas di area pelabuhan dengan menggunakan metode simulasi. Kinerja sistem pelayanan meningkat, pabila jumlah kapal yang dapat dilayanainya bertambah,


dengan panjang antrian diminimasi serta waktu costamer menunggu juga dapat diminimasi. Tujuannya adalah :

- Untuk memperbaiki kinerja sistem pelayanan sandar kapal

- Membuat alternatif usulan sistem pelayanan untuk dapat merekomendasikan tambahan dermaga guna meminimasi waktu tunggu di PT. PELINDO III

Hal ini berfungsi : Sebagai bahan analisa dalam perbaikan aliran sistem pelayanan yang sudah ada, serta untuk mempermudah analisa sistem pelayanan, terutama untuk rancangan menjelang tahun 2020. Sebagai rujukan untuk meningkatkan kinerja sistem pelayanan sandar kapal di PT. Pelindo III PEMODELAN SISTEM

Suatu model simulasi pada dasarnya merupakan representasi dari suatu sistem yang dimodelkan dalam komputer menggunakan ,sofware tertentu guna mengembangkan model tersebut. Sehingga dalam pembangunan model simulasi suatu sistem, baik sistem pelayanan maupun sistem nufaktur, yang perlu di pertimbangkan adalah penggunaan soflware yang akan dipakai untuk membuat model simulasi. Model sistem yang akan dibuat akan disesuaikan dengan karakteristik sofware yang dipakai. Pada keadaan lain apabila model simulasi dibuat dengan menggunakan suatu algoritma untuk pembuatan program simulasi, maka metode pembuatan model simulasi akan menggunakan software Arena 3.0. Sehingga kerangka model yang dibuat disini akan disesuaikan dengan langkah-langkah yang telah dibuat dalam software tersebut.

DIAGRAM ALIR SISTEM

PELAYANAN

Sistem pelayanan kapal sandar di PT. (Persero) Pelabuhan Indonesia III cabang Tanjung Perak Surabaya sesuai dengan

sistem single phase - multiple server. Dimana setiap customer yang datang akan langsung dipandu ke masing-inasing dermaga yang sesuai.

Keuntungan dan Kerugian Sistem

Pelabuhan Tanjung Perak Sekarang

a. Keuntungan 1. Sistem pelayanan yang One Stop

Service, sehingga semua pelayanan mulai dari permasalahan dokumen hingga proses pelayanan sandar dilakukan secara terpadu

2. Fasflitas yang sudah berstandar intemasional yang dimiliki oleh pelabuhan terbesar di Indonesia bagian timur ini memungkinkan pelayanan sandar kapal dari dalam dan luar negeri bisa maksimal.

Tunggu satu hari

Apa Sudah mendaftar

Kedatangan Kapal

Penjadwalan Kapal

Menunggu di rede (parkir)

Pelayanan

Mulai

Mulai

Daftar

dulu


b. Kerugian: 1. Banyaknya antrian kapal yang

menunggu pelayanan sandar di demiaga.

2. Belum dimaksimalkannya pelabuhan-pelabuhan sekitar untuk mengurangi jumlah antrian kapal di pelabuhan Tanjung Perak Surabaya.

Ukuran Performansi

Terdapat beberapa tolok ukur yang digunakan untuk mengukur performasi sistem pelayanan. Pengukuran performansi diakukan terhadap customer yang masuk ke dalam sistem pelayanan. Ukuran perfonnansi yang ditetapkan antara lain 1. Rata-rata waktu pelayanan sistem dalam

suatu periode

Waktu pelayanan dalam sistem adalah waktu yang dibutuhkan castamer untuk mendapatkan pelayanan selama dalam sistem pelayanan. Perhitungan dilakukan dengan mencari interval waktu customer keluar dari sistem pelayanan dengan waktu customer memasuki sistem pelayanan.

.2. Rata-rata panjang antrian

Jika waktu pelayanan customer lebih besar dari pada waktu antar kedatangan, maka akan terjadi antrian. Dengan menghitung panjang antrian tiap waktu dibagi dengan waktu beroperasinya sistem pelayanan didapatkan rata-rata panjang antrian.

3. Jumlah customer yang dilayani tiap harinya

Customer yang mendapat pelayanan di hitung tiap harinya untuk menentukan jumlah customer yang dilayani tiap hari.

Variabel Keputusan

Beberapa variabel keputusan yang akan dimainkan untuk menentukan komposisi variabel keputusan yang menghasilkan performasi sistem yang terbaik adalah sebagai berikut:

1.Waktu pelayanan tiap server Karena perubahan resource tidak memungkinkan pada server yang bersangkutan, maka altemafif lain yang dapat dipakai adalah pengurangan waktu pelayanan. Waktu pelayanan diusahakan lebih kecil dari waktu antar kedatangan customer. Sehingga antrian pelayanan dapat diminimasi. Pengurangan waktu pelayanan harus realistis sesuai dengan proses pelayanan yang dilakukan.

2. Utilitas server Proporsi penggunaan server untuk kegiatan

pelayanan dalam suatu satuan waktu pelayanan dapat digunakan untuk mengukur efekfifitas penggunaan server. Apabila utilitas server sangat tinggi, maka terdapat kemungkinan terjadinya antrian pada server tersebut.

PEMBANGUNAN MODEL

Elemen-elemen sistem yang akan dibuat dalam model simulasi adalah sebagai berikut: a. Entities Entiti yang disimulasikan pada model

adalah kapal dan dermaga. Dimana prosesnya adalah kapal datang, bila kapal sudah mendaftar dan dokuwen dokmennya telah lengkap, maka kapal akan mendapatkan jadwal untuk bersandar ( lama pengajuan jadwal sandar adalah 1 x 24 jam), sementara untuk kapal yang belum melakukan pengajuan jadiwal sandar atau sedang menunggu jadwal masuk dermaga harus menunggu di rede (perairan tempat untuk antrian kapal) untuk mendapat giliran masuk ke dermaga (sistem pelayanan). Apabila proses pelayanan tersebut telah selesai, maka kapal keluar dari sistem pelayanan

b. Atribut Atribut entiti dibedakan atas jenis kapal.

Dalam hal ini terdapat dua jenis kapal yaitu kapal dalam negeri dan kapal luar negeri. Penetapan atribut terhadap suatu entiti didasarkan pada data proporsi jenis kapal.


c. Arrival Waktu kedatangan customer akan

digenerate sesuai dengan pola waktu antar kedatangan yang terjadi. Penentuan pola distribusi kedatangan customer didekati dengan menentukan distribusi probabilitas waktu antar kedatangan customer. Distribusi probabilitas tersebut diperoleh dengan melakukan pengujian distribution fitting terhadap data waktu antar kedatangan customer.

d. Aliran Pelayanan Aliran pelayanan sesuai dengan

penggambaran dengan aliran sistem pelayanan. Customer yang datang dibedakan antara kapal dalam negeri dan kapal luar negeri. Bagi customer yang sudah didifinisikan dan sudah mendapat jadwal sandar langsung dipandu untuk menempati masing-masing dermaga yang telah ditetapkan, sementara customer yang belum mendapat jadwal harus menunggu di rede sambil menyelesaikan dokumen-dokumennya. Setelah selesai melakukan aktifitas bongkar muat di dermaga, selanjutnya customer meninggalkan sistem.

e. Server Tiap pelayanan yang ada pada sistem pelayanan dimodelkan sebagai server. Sehingga padaBerlian Utara, dermaga Berlian Berlian Barat, dermaga berlian Timur, Dermaga Mirah, dermaga Nilam Timur.

f.Waktu Pelayananan Untuk mendapatkan waktu pelayanan

pada tiap server tersebut distribution fitting terhadap data waktu pelayanan Distribution probability tersebut dipakai untuk men-generate data waktu pelayanan server.

Perancangan Langkah-langkah Logika

Dasar Pada pembuatan program simulasi logika setiap event yang terjadi selama waktu simulasi perlu dibuat untuk mempermudah pembuatan program dan penentuan langkah-langkah simulasi selanjutnya. Pada penelitian ini untuk membuat model simulasi digunakan paket program Arena versi 3.0, Pembuatan logika dasar ditentukan berdasarkan langkah-langkah kejadian dalam system dan disesuaikan untuk penerjemahannya ke dalam bahasa pemrograman. Simulasi sistem pelayanan jasa sandar kapal di PT.(Persero) Pelabuhan Indonesia III cabang Tanjung Perak Surabaya dibagi dalam beberapa tahapan proses mtuk mempermudah penyusunan bentuk logika pemrogramannya. Pada uraian selanjutnya akan dibahas mengenai langkah-langkah dasar dalam pembuatan model simulasi sistem pelayanan jasa sandar kapal di pelabuhan.


Kedatangan Customer

Custonier yang datang pada system pelayanan dimodelkan dengan blok Arrivel yang membuat data waktu antar kedatangan. Generate data waktu antar kedatangan customer sesuai dengan distribusi probabilitas waktu antar kedatangan castamer. Kedatangan customer mempunyai atribut jenis kapal. Atribut yang melekat pada entity tersebut dimodelkan dengan blok Enter dengan proporsi sesuai dengan data proporsi jenis kapal. Customer yang masuk pada area parkir selanjutnya diperiksa apakah termasuk kapal dalam negeri atau kapal luar negeri yang dimodelkan dengan blok Choose. ( Penggolongan Jenis Kapal). Setelah diidentifikasi jenis kapalnya, maka entity dialokasikan ke masing masing dermaga yang sudah ditentukan (customer menunggu). Kegiatan pelayanan kapal sandar dimodelkan dengan blok server sebanyak 8 buah. Entiti akan menuju ke server yang tidak sibuk ( service).

PENGUMPULAN DAN PENGOLAHAN

DATA

Pada pembangunan model simulasi ini digunakan data primer dan data sekunder untuk mendeskripsikan model probabilitas dari sistem jasa pelayanan kapal sander di PT. (Persero) Pelabuhan Indonesia III cabang Tanjung Perak. Pada data primer dilakuukan pengamatan dan pengukuran kerja secara langsung pada beberapa aktivitas kegiatan. Data primer meliputi waktu antar kedatangan kapal, waktu pelayanan tiap server. Sedang data sekunder merupakan data histories dari akfifitas system pelayanan yang menyangkut data-data jenis kapal yang akan melakukan akfifitas sandar. Berikut ini adalah tabel yang menunjukkan data-data yang terdapat dalam sistem pelayanan dengan metode pengumpulan data yang dipergunakan.

Tabel Jenis data yang digunakan dan

metode pengumpulan data

N0 Nama data Metode

Pengumpulan

Data

1 Waktu antar kedatangan

Data Primer

2 Waktu pelayanan denmaga Jamrud Utara

Data Primer

3 Waktu pelayanan dermaga Jamrud Selatan

Data Primer

4 Waktu pelayanan demiaga Jamrud Barat

Data Primer

5 Waktu pelayanan dermaga Mirah

Data Primer

6 Waktu pelayanan dermaga Berlian Barat

Data Primer

7 Waktu pelayanan dermaga Berlian Timur

Data Primer

8 Waktu pelayanan dermaga Berlian Utara

Data Primer

9 Waktu pelayanan dermaga Nilam Timur

Data Primer

10 Proporsi Jenis kapal

Data sekunder

Pengujian Distribusi Data

Data-data primer meliputi pengukuran waktu selanjutnya diuji untuk mengetahui distribusi probabilitas dari data tersebut. Pengujian dilakukan dengan membandingkan square error yang terkecil dari beberapa distribusi probabilitas dan penentuan distribusi probabilitas didasarkan pada square error yang terkecil dari beberapa distribusi probabilitas. Uji hipotesa dilakukan dengan dua metode yaitu metode Kolinogorov Smirnov dan Chi-Squarc Test. Perhitungan uji distribusi data dilakukan degan faslitas input analyzer dari paket program simulasi Arena versi 3.0. Selain itu ditentukan juga parameter-parameter distribusi dari masing-masing


distribusi probabihtas data yang bersangkutan. a. Uji Distribusi waktu antar kedatangan Yang dimaksud dengan waktu antar kedatangan adalah selang atau selisih waiktu antar kedatangan berikutnya. Hasil pengujian distribusi dapat dilihat sebagai berikut: Distribution Lognormal Expression LOGN(O.604, 1.17) Square Error 0.002297 b. Uji distribusi waktu pelayanan Waktu pelayanan adalah waktu yang dibutuhkan oleh dermaga untuk- melayani Sandar kapal Uji Distribusi waktu Pelayanan

Distribution

Expression

Square

Error

Dermaga Jamrut Utara

Longnormal

LOGN (0.549,1.1)

0.001035

Dermaga Jamrut Selatan

Normal

NORM (3.71,1.9)

0.002281

Dermaga Jamrut Barat

Weibull

WEIB (1.69,2.24)

0.001636

Dermaga Berlian Utara

Trianggular

TRIA (0.07,1.13,3.68)

0.004965

Dermaga Berlian Barat

Gamma

GAMM (2.21,0.716)

0.001105

Dermaga Berlian Timur

Longnormal

LOGN (1.74,1.39)

0.001225

Dermaga Mirah

Erlang

ERLA (0.992,3)

0.002969

Dermaga Nilam Timur

Longnormal

LOGN (3.52,3.59)

0.001567

Proparsi Jenis Kapal :

Jenis kapal yang dilayani oleh sistem pelayanan kapal sandar PT. (Persero) Pelabuhan Indonesia III Surabaya dibedakan menjadi dua macam yaitu kapal dalam negeri dan kapal luar negeri. Proporsi Jenis kapal adalah perbandingan antara masing-masing jenis kapal dengan jumlah total kapal dalam suatu periode pelayanan tertentu. 1. Kapal dalam negeri, jumlah 213 dengan

proporsi jenis Kapal 0,85 2. Kapal luar negeri, jumlah 37 dengan

proporsi jenis Kapal 0,15 Jumlah 250 dengan proporsi jenis Kapal 1,005.

Perancangan model dan Ekserimen

Simulasi

Simulasi yang dirancang ini merupakan model yang digunakan sebagai representasi sistem jasa kepelabuhan. Model simulasi ini dapat digunakan sebagai alat bantu dalam melakukan analisis sistem. Dengan melakukan eksperimentasi terhadap beberapa rancangan skenario, manajemen dapat melakukan analisis sistem untuk pcrkembangan sistem dimasa yang akan datang.

Hasil running simulasi yang telah diranrang, aplikasi model dan analisis dari beberapa skenario yang dibuat Pada bab ini juga ditampilkan uji validasi model sehingga diharapkan model dapat merepresentasikan sistem nyata. Dalam penelitian ini, pembuatan model simulasi jasa kepelabuban di PT. Pelabuhan Indonesia III cabang Tanjung Perak Surabaya dengan menggunakan software ARENA 3. O.

Proses verifikasi dilakukan untuk menentukan apakah model simulasi berjalan sesuai keinginan pembuat model, misalnya dengan melakukan proses 'debug' program komputer. Vefifikasi program dilakukan dengan mengaktifkan modul 'trace' pada software Arena 3.0 sehingga


dapat dipantau pengerakan entiti program dijalankan. Tracing entiti dilakukan dengan menelusuri perpindahan entiti dari suatu logika ke logika berikutnya. Verifikasi dikatakan verified apabila pergerakan entiti yang digambarkan pada model simulasi telah menggambarkan keadaan nyata dalam sistem. Model simulasi dinyatakan verified apabila logika model yang dibangun telah sesuai dengan model yang dirancang. Running Simulasi Awal dan Validasi

Simulasi awal merupakan single run experiment, sehingga interval waktu simulasi adalah [0,TE], dimana E = waktu selesainya aktivitas. Hasil simulasi awal ini akan divalidasikan pada tahap selanjutnya- Simulasi awal yang akan membangkitkan bilangan berdistribusi tidak normal yang tidak acak antara 0 & m yang akan dikonversi ke bilangan berdistribusi normal yang acak antara 0 sampai dengan 1, ini merupakan metode aljabar dari SIMAN’S untuk membangkitkan bilangan random. Dengan menggunakan software SPSS 9.0 akan dianalisa output yang, berhubungan dengan pokok permasalahan yaitu rata-rata jumlah kapal direde, jmlah kapal yang keluar dari sistem dan flow timenya. Selain itu model ini belum dapat dikatakan mampu merepresentasikan sistem nyata karena belum dilakukan uji validasi. Oleh karena itu perlu dilakukan uji validasi dan melakukan simulasi pada beberapa replikasi pada tahapan selanjutnya. Maka perlu diadakan perbandingan antara hasil running smulasi dengan data pengamatan yang dilakukan. Pengujan ini dimaksutkan untuk megetahui apa model yang dibuat dapat merepresentasikan sistem nyata. model simulasi telah diyakini valid, barulah pelaksanaan simulasi dan anallsis dapat dilakukan. Jika belum menggambarkan sistem nyata, maka harus dilakukan perbaikan terhadap model. Metode validasi yang digunakan pada penelitian sistem jasa

kepelabuhan ini adalah metode kotak hitam (black bor validation). Validasi ini dilakukan simulasi dengan rata-rata output sistem nyata. Nilai yang menjadi parameter adalah perbandingan mean flow time yang digunakan untuk melayani suatu aktivitas sampai selesai.

210 :H µµ =

211 :H µµ ≠

Hipotesis awal yang digunakan adalah kedua populasi tidak ada perbedaan antara mean flow time basil output simulasi dengan output basil observasi pada sistem riil. Sedang hipotesis tandingannya adalah kedua populasi mempunyai mean flow time yang tidak sama. Uji validasi disini akan mengambil semua akfivitas yang pemah dilakukan dimasing – masing dermaga. Perbandingan meanflow time dari output

simulasi dan basil observasi pada sistem

riil ditunjukkan pada tabel dibawah ini. Dermaga Mean Flow

Time Sistem Nyata

Flow Time Sistem Model

Jamrud Utara

5.9 5.38

Jamrud Barat

1.7 1.99

Jamrud elatan

16 15.63

Berlian Utara

1 .99

Berlian Barat

3 2.99

Berlian Timur

4.6 4,99

Mirah 7.6 7.98

Nilam 10.6 10.89

Setelah itu dilakukan pengujian dengan menggunakan Paried Samples-T

test yang tersedia pada Sofwere SPSS 9,0 pada tiap tiap dermaga Nilai T tabel diperoleh dari tabel nilai kritis distribusi t pada taraf kebebasan (1-


α ) 95%, dengan derajat kebebasan (df) adalab N-k.. Hipotesis nol di terimajika T hitang < dengan nilai T tabel (nilai

significance levelnya lebih dari nilaiα ). Dari tabel dapat diketahui bahwa nilai

T hitung < dari T tabel dan nilai significance

levelnya ≥ dari nilai α (0.05). Sehingga dapat diambil kesimpulan bahwa hipotesa nol diterima dan dinyatakan bahwa tidak ada perbedaan nilai mean flow time antara hasil simulasi dengan hasil observasi pada sistem riil.

Kesimpulan ini menunjukkan bahwa model simulasi valid dan dapat digunakan untuk merepresentasikan sistem dalam melakukan analisis performasi sistem kembali ke langkah 1.

Pada simulasi ini jumlah replikasi awal ditetapkan sejumlah lima kall running atau no =5 dengan menggunakan

multiplicative congruential (metode aljabar dari SIMAN'S untuk meimbangkitkan bilangan random antam 0 - 1) yang berbeda untuk tiap replikasi.

Hasil eksperimen yang telah dilakukan akan ditampilkan pada summary yang ada pada akhir running simulasi software Arena 3.0 yang disediakan untuk.,- menampilkan semua parameter performasi untuk- tiap elemen dalam model yang telah dibuat dengan Arena '3.0.

Dalam menentukan jumlah replikasi ini, parameter yang digunakan adalah mean flow time dari waktu pelayanan di dermaga. Hasil mean flow time di dapatkan dari output summary Arena 3.0. Dengan replikasi selang kepercayaan 95 % dan

tingkat ketepatan relatif 10 % ( 5=γ )

Hasil uji -T dan Validasi Model pada tiap tiap dermaga diperoleh Sbb : Model Sistem Dermaga

UJI T Mean

flow time

DJU

Mean flow

time DJB Mean flow

time DJS Mean

flow

time DBB

Mean

flow

time DBT

Mean

flow

time D Mira

Mean

flow

time

D Nilam

T.Hitung -616 .508 -.391 -.032 .975 .570 .542

Df 4 4 4 4 4 4 4

T.Table 1.4449 1.2289 2.2447 .8680 1.5006 2.2666 1.7987

Significant level

.571 .638 716 .976 .385 .599 .616

Running Simulasi :

Hasil simulasi belum dapat dijadikan sebagai parameter analisa perfonnansi sistem jika running simulasi hanya dilakukan dalam satu kali replikasi (single run experiment).

Hal ini disebabkan nilai parameter simulasi mempunyai variabel random yang mempunyai variansi yang cukup besar sehingga memungkinkan perbedaan yang cukup signifikan dengan hasil analisa yang benar. Untuk itulah direkomendasikan penggunaan teknik reduksi variansi (vuriunce reduction technique).

Salah satu cara yang dapat diglmakan pada teknik reduksi variansi adalah penggunaan bilangan random, dengan meastikan bahwah setiap sumber variansi memiliki satu ‘stream random number' yang khas. Dalam hal ini simulasi dilakukan dalam n replikasi yang independen dan tiap replikasi dilakukan dengan menggunakan bilangan random yang berbeda.

Jumlah replikasi ditentukan dengan menggunakan sequential procedure, dimana langkah-langkah penggunaannya sebagai berikut:


1.Menentukan jumlah replikasi awal, no ≥ 2

dan ( ) t

21,1n

,n ααδ−−

=)n(S

n

2

2.Set n = no dan menghitung ( )nX−

dan

( )αδ ,n X1 , X2 , X3,……….Xn

3.Jika ( ) ( ) γαδ ≤nX/,n

maka I ( )γα , =

[ ]),n()n(X),,n()n(X αδαδ +−

Merupakan perkiraan selang

kepercayaan 100 (I - α )% untuk µ dan langkah diatas selesai jika tidak mengerti nilai n dengan n+l melak-ukan replikasi lagi dan ,Dari perhitungan dapat dikatakan bahwa dengan selang kepercayaan 95%, Mean Flow Time dermaga Nilam adalah antara interval (I 1.0222) dan (10.7578). Berdasarkan analisa diatas dapat disimpulkan bahwa running simulasi dengan 5 kali replikasi belum cukup dan perlu dilakukan lagi beberapa kali replikasi

hingga semua mean flow lime semuanya berada didalam interval batas atas dan batas bawah. Setelah dengan pertambahan replikasi didapatkan nilai mean flow time adalah 1322 hari dengan melakukan replikasi sebanyak 30 kali.

ANALISA DAN SIMULASI

Analisis basil simulasi mengenai sistem jasa sandar kapal ini dilakukan dengan menjalankan simulasi dengan replikasi sesuai pada tabel dibawa. Dari analisis ini terlibat bahwa pada parkir terdapat banyak sekali antrian yang menubggu karena terbatasnya dermaga untuk melakukan aktivitas loading / unloading. Disini yang menjadi fokus analisis adalah pada antrian di rede / area parkir, karena panjang / pendeknya antrian di parkir tergantung pada pelayanan derimaga

Jamrud Utara

Jamrud Barat

Jamrud Selatan

Berlian Utara

Berlian Barat

Berlian Timur

Mirah Nilam

Banyaknya Reflikasi (n)

23 25 30 24 27 26 30 30

Rata-rata flow time

5.59 1.95 15.93 0.99 2.98 4.94 7.79 10.72

Eksperimentasi

Nilai Performasi dari hasil simulasi

Rata rata jumlah kapal direde sistim Riil 60.14, dan sistem Model 59.72. Analisis simulasi dari sistem nyata ini akan mensimulasikan model sistem nyata dengan menjalankan masing-masing kegiatan di tiap-tiap dermaga-Hasil simulasi sistem nyata akan dibandingkan dengan sistem usulan dan akan dianalisis perforinansi sistem dari kedua sistem, apakah terdapat perbaikan perfonnansi pada sistem usulan. Uji yang dilakukan untuk melakukan perbandingan rataan antara output simulasi dengan hasil observasi sistem riil adalah dengan menggunakan fasilitas software SPSS 9.0. Hipotesa awal yang diuji adalah bahwa kedua populasi mempunyai jumlah kapal yang antri direde yang sama. Sedangkan hipotesis

tandingannya adalah kedua populasi mempunyai jumlah kapal yang antri direde yang tidak sama. Jadi eksperimentasi dilakukan dengan memberi altenatif untuk mengurangi jumlah antrian kapal yang menunggu pelayanan yaitu dengan menambah jumlah dermaga. Penambahan dermaga ini dikategorikan dalam dua jenis, yaitu :

1. Membangun Dermaga Baru

2. Memanfaatkan dermaga lain yang

sudah ada

Untuk jangka waktu empat lahun kedepan, altematif penambahan dermaga dengan membangun dermaga baru kurang relevan, karena pembangunan dermaga baru membutuhkan waktu relatif lama sementara kebutuban penambahan dermaga sudah sangat mendesak mengingat jumlah antrian


kapal dan lama menunggu pelayanan jasa sandar sudah sangat tinggi. untuk itu alternatif kedua bisa lebih layak untuk dijadikan solusi jangka pendek dalam mengurangi waktu tuggu pelayanan. Berdasarkan analisis hasil simulasi . dibuat eksperimentasi dengan skenario menambah kapasitas pelayanan. Yaitu:

Usulan I :

Menambah kapasitas pelayam

sebanyak satu buah pelabuhan yaitu

Pelabuhan Semen Gresik,

Usulan 2 :

Mmenambah kapasitas pelayanan satu

buah pelabuhan yaitu Pelabuhan

Petrokimia, Usulan 3 :

Menambah kapasitas pelayanan dua

buah pelabuhan yaitu Pelabuhan

Semen Gresik dan pelabuhan

Petrokimia.

Penambahan dermaga untuk sandar kedua pelabuhan ini terutama untuk melayani kapal dalam negeri yang akan bersandar melakukan aklifitas bongkar muat mengingat jumlah kedatangan kapal dalam negeri memiliki proporsi yang cukup besar. Pemilihan kedua pelabuhan ini dilihat dari sisi kedekatannya dengan tempat parkir kapal (rede) serta kelengkapan fasilitas bongkar muatnya.

Pada eksperimentasi ini altenatif tersebut akan dilakukan Secara simultan. Hal ini dilakukan karena ingin diketahui pengurangan jumlah antrian dari sistem kapal, jika altematif tersebut dilakukan Pengurangan jumlah antrian direde ini dapat

dilihat dari banyaknya jumlah kapal yang keluar dari sistem dibandingkan dengan jumlah kapal yang keluar dari sistem sebelun mendapat penambahan dermaga untuk bersandar kapal.

Untuk mengetahui apakah dengan penambahan dermaga ini, telah mengurangi jumlah antrian yang menunggu pelayanan, maka dilakukan analisis variansi terhadap jumlah kapal yang berada direde dalam sistem model simulasi awal dengan model simulasi usulan. Analisis dilakukan untuk mengetahui apakah terdapat perbedaan yang signifikan antara sistem nyata dengan sistem usulan.

Sebelum dianalisis model simulasi usulan harus terlebih dahulu dilakukan replikasi untuk mengurangi variansi. Cara yang dikukan untuk menentukan jumlah replikasi yang seharusnya dilakukan, sama dengan cara perhitungan diatas. Pada model simulasi usulan nanti yang akan dibandingkan adalah jumlah kapal pada sistem yang sama dengan sistem yang pernah dianalisis pada saat validasi modal sistem riil. Hasil jumlah kapal ini didapatkan dari software SPSS 9.0. Dengan replikasi sebanyak 5 kali (n=5). Selang kepercayaan 95% (α =5%) dan tingkat ketepatan relative

10% (γ =0,1) maka nilai ( )nx

−

dan ( )αδ ,n Da.ri basil perbitungan tersebut dapat

diketahul bahwa nilai δ ( ) ( ) γα ≤−

nx/,n ,

sehingga nilai I ( γα , ) adalah:


Jml Kapal yang

keluar pada

model

Usulan I

Usulan II Usulan III

Reflikasi ke n 30 30 30 30

)n(X−

59.72 59.57 59.61 59.63

),n( αδ -2501 -2.2050 .2548 -1539

)n(x

),n( αδ

0.0042 0.0034 0.0043 0.0026

),n()n(X αδ−−

59.47 59.37 59.36 59.627

),n()n(X αδ+−

59.97 59.78 59.86 59.633

T.hitung -5248 -4.509 .5317

Df 4 4 4

T. Tabel 1.091 -2.523 .551

Sicnificant level .337 0.103 348

Rata rata Jumlah kapal

yang keluar

34.54 31.72 43.42

Dari perhitungan diatas dapat dikatakan bahwa dengan selang kepetcayaan 95%,jumlah kapal di rede pada model adalah antara Interval (59.47) dan (59.97). Berdasarkan analisa diatas dapat disimpulkan bahwa running simulasi dengan 5 kali replikasi belum cukup dan perlu dilakukan lagi beberapa kali replikasi hingga semua jumlah kapal direde pada model semuanya berada didalam interval batas atas dan batas bawah. Setelah dengan pertambahan replikasi didapatkan nilai jumlah kapal direde pada model adalah 59.95 kapal dengan melakukan replikasi sebanyak- 30 kali. Adapun hasil analisa pada usulan 1 ,2 dan 3 dapat dilihat diatas. Untuk mengetahui apakah sistem usulan itu telah mengurangi panjang antrian maka dilakukan uji paired-t compare means yaitu membandingkan ,apakah rata-rata panjang antrian model simulasi usulan berbeda secara signifikan dengan rata-rata panjang antrian model simulasi riil. Dengan Ho tidak ada perbedaan rata-rata antar sistem model dengan sistem usulan. Hasil uji paired-t compare means dapat ditunjukkan diatas hasil uji T untuk Validasi Model Sistem -Usulan 1, 2 dan 3.

Nilai T table diperoleh dari tabel nilai kritis distribusi t pada taraf keberartian (1-a) 95%, dengan derajat kebebasan (df) adalah

N-k. Hipotesis nol diterima jika T hitung ≤

dengan nilai T tabel (nilai significance levelnya lebih dari nilai α ). Dari tabel diatas dapat diketahui bahwa nilai T hitung <

dari T tabel dan nilai significance levelnya ≥ dari nilai α (0.05). Sehingga dapat diambil kesimpulan bahwa hipotesa nol diterima dan dinyatakan bahwa ada perbedaan jumlah kapal yang keluar dari sistem antara hasil simulasi dengan hasil observasi pada sistem riil. Kesimpulan ini menunjukkan bahwa model simulasi valid dan dapat diginakan untuk merepresentasikan sistem dalam melakukan analisis performansi sistem. Disini yang menjadi fokus analisis adalah pada antrian di rede/area parkir, karena panjang pendeknya antrian di parkir tergantung pada pelayanan dermaga. Untuk mengetahui apakah terjadi pengurangan pada jumlah kapal yang mengantri di rede, maka perlu diketahui jumlah kapal yang keluar dari sistem. Nilai Perfonnansi dari hasil simulasi pada sistem usulan 1,2,3 dapat di ketahui dan dari usulan ke tiga adalah rata-rata jumlah kapal yang keluar 43.42 kapal. Dari hasil diatas terdapat pengurangan dari jumlah kapal yang ada direde sebanyak 12 buah kapal. Dari ketiga usulan, maka dipilih usulan

3 sebagai altematif dalam melakukan

pelayanan sndar kapal untuk melakukan

aktifaas bongkar muat. Hal ini dikarenakan usulan 3 mampu memberikan tambahan


pelayanan sampai 12 kapal ini berarti pengurangan jumlah kapal yang menunggu di rede. KESIMPULAN DAN SARAN

Melalui serangkaian tahapan penelitian dapat disimpulkan bahwa 1. Usulan yang dieksperimentasikan untuk

mengurangi jumlah kapal yang menunggu direde dan menambah jumlah kapal yang terlayani adalah dengan menambah dermaga dalam hal ini dipilih usulan yang ke-3 yang menggunakan 2 pelabuhan tambahan dengan memanfaatkan pelabuhan sekitar yang memiliki fasilitas memadai yaitu pelabuhan Semen Gresik dan pelabuhan Petrokimia, terutama untuk pelayanan sandar kapal-kapal dalam negeri' yang memiliki prosentase kedatangan yang lebih besar.

2. Hasil analisis untuk model sistem simulasi riil dan eksperimentasinya didapatkan hasil sistim model riil 31.72 dan sistim usulan 3 adalah 43.42 dari hasil tersebut terdapat pengurangan dari jumlah kapal yang ada direde sebanyak 12 buali kapal. Yang berarti juga jumlah kapal yang dilayani bertambah 12 buah kapal. Penambahan dermaga dengan fasilitas yang memadai direkomendasikan untuk memperkecil jumlah antrian, untuk jangka panjang lebih baik dibangun pelabuhan pelabuhan baru dengan fasilitas berskala intemasional mengingat Pelabuhan Indonesia III cabang Tanjung Perak Surabaya

3. Merupakan pintu masuk Indonesia bagian timur dan kedepannya dengan dibukanya era globalisasi yang memungkinkan kapal-kapal luar negeri menyerbu Indonesia sebagai pangsa pasar yang potensial, sementara itu untuk kebutuhan jangka pendek yang sudah mendesak direkomendasikan untuk menggunakan dan memanfaatkan fasilitas dermaga di pelabuhan pelabuhan sekitar terutama

pelabuhan Petrokimia dan pelabuhan Semen Gresik.

Saran

Saran yang diberikan ini diharapkan dapat memberikan masukan bagi pihak perusahaan untuk memperbaiki kineja sistem pelayanan maupun untuk penelitian selanjutnya.

DAFTAR PUSTAKA

Bovet D & Martha J (2000) Value Nets – Breaking the Supply Chain to Unlock Hidden Profits, John Wiley & Sons, New York, NY.

Bowersox DJ & Closs DJ (1996) Logistical Management. The Integrated Supply Chain Process. McGraw-Hill Companies, Inc.

Christopher M (2000) The Agile Supply Chain. Competing in Volatile Markets. Industrial Marketing Management 29: 37–44.

Christopher M (2004) Supply Chains: A Marketing Perspective. In: New S & Westbrook R (eds) Understanding Supply Chains. Oxford University Press, Oxford, 69–108.

Daniel Vazquez- Bustelo , Lucia Avella, Esteban Fernandez” Asisten,Asociate ,Professor University of Oviedo (Spain)

European Agile Forum (2000) Cited September 13th 2003 from: http://www.cheshirehenbury.com/agility/index.html.January/February, pp. 22 – 27.

Ferdows, K., Lewis, M., dan Machuca, J. A. D (2003). Zara. Supply Chain Forum:

An International Journal 4 (1), pp. 62 – 67.

Handfield, R. B., dan Nichols, Jr., E. L. (2002). Supply chain redesign:

Transforming supply chains into

integrated value systems. Financial Times – Prentice Hall.

Haindy A. Taha, 1996, Riset Operasi (Jilid 2), Binarupa Aksara, Jakarta


Håkansson H & Persson G (2004) Supply Chain Management: The Logic of Supply Chains and Networks. International Journal of Logistics Management 15 (1): 11–26.

Hayes, R. H. (2002). Challenges posed to operations management by the “new economy”. Production and Operations

Management 11 (1), pp. 21 – 32. Handfield, R., Ragatz, G., Monczka, R.dan

Peterson, K. (1999). Involving suppliers in new product development. California Management Review 42 (1), pp. 59 – 82.

Iskanius P (2004a) Tilaus-toimitusprosessien kriittiset tekijät eräässä terästuoteteollisuuden verkostossa. Licentiate Thesis. University of Oulu, Department of Mechanical Engineering.

Iskanius P (2004c) Towards agility – A case study in steel product industry. In: Phelan P (ed)

Jiang, B. (2003). What pulled Sony out of China. Supply Chain Management

Review, Booth R (1996) Agile manufacturing, Engineering Management Journal 6(2): 105–112.

Kdton W. David., Randal P. Sadowski, and Deborah A. Sadowski, 1998, Simulation with ARENA, WCB McGraw-Hill, New York

Khoshnevis B., 1994, Discrete Systems Simulation, International Edition, McGraw-will

Muflih Wijaya, 2000, Analisis Sistem Pelayanan dengan Metode Simulasi Guna Mcningkatkan Kinerja

Paivi Iskanius ( 2006 ) ” An Agile Supply Chain for A Project-Oriented Steel Product Network, Universitas Oulunsis

Pudjiono, 1990, Menentukan Kapasitas Maksimum Fasilitas Landasan di Bandara Juanda dengan Metodc Simulasi, FTI – ITS

Prasnikar, J., dan Skerlj, T. (2004). New product development process in generic pharmaceutical companies: Determinants of the time-to-market. Proceedings of the 5

th Asia Pacific

Industrial Engineering and

Management Conference, Gold Coast, Australia (December).

Proceedings of the 21st International Manufacturing Conference – IMC 2004, Limerick, Ireland, September 2004, University of Limerick, 268–274.

Shimchi-Levi, D. Kaminsky, et. Al, 2002, Designing and Managing the Supply Chain : Concepts Strategies and Case Studies, McGraw Hill International, New York.

Slack, N., Chambers, S., dan Johnston, R. (2004). Operations Management, 4th Ed. Financial Times Prentice Hall.

Slamet Raharjo, 1999, Simulasi Sistem Pelayanan untuk Meningkatkan Kinerja Sistem Pclayanan Depo Container, Frl-ITS.

merekomendasi tambahan dermaga pelabuhan iii...

Documents