pertemuan 1 2006-2007 ganjil

Pemsis Lab 2006-2007(Ganjil)

Make The Ultimate Future

1

BAB I

ARENA 1

( Pemodelan Sistem, Basic Modul,

dan Input Analyzer )

1.1 Tujuan Praktikum

1. Praktikan dapat memahami konsep-konsep dasar pemodelan sistem serta

hubungan antara system, model dan simulasi.

2. Praktikan dapat memahami konsep dan aplikasi simulasi dalam

pemecahan masalah industri

3. Praktikan dapat mengidentifikasi masalah, karakterisasi sistem,

memformulasikan ke dalam model konseptual, dan membangun model

simulasi dengan bahasa tertentu, serta menginterpretasi hasil-hasil

simulasi.

4. Memperkenalkan fungsi dan kegunaan simulasi dalam pengambilan

keputusan.

5. Memperkenalkan Software Arena sebagai alat bantu dalam pemecahan

masalah menggunakan metode simulasi.

6. Memberikan kemampuan dasar kepada mahasiswa dalam pengoperasian

dasar dalam Software Arena 8.0.

7. Memberikan pemahaman tentang penggunaan basic moduls pada Software

Arena 8.0.

8. Memberikan pemahaman tentang penggunaan input analyzer pada

Software Arena 8.0 untuk mengetahui distribusi data dan untuk mencari

data dengan distribusi tertentu.



2

1.2 . KONSEP DASAR SIMULASI SISTEM

1.2.1 Pemodelan Sistem

1.2.1.1 Pendekatan Sistem

Untuk mempelajari, mengamati, dan memahami suatu sistem tertentu,maka

pengetahuan tentang pendekatan sistem sangat membantu. Mueller-Merbach

(1994) menyatakan, bahwa pendekatan sistem memusatkan perhatian pada

keseluruhan (whole) sistem dan interaksinya. Dengan demikian, sudah semestinya

jika pendekatan sistem bersifat komprehensif, holistik, dan lintas disiplin. Dyer

(1993) mengatakan bahwa dua tema pokok dari pendekatan sistem adalah :

(1) Mengelola apa yang ada pada saat ini (managing the present) dan

(2) Merancang apa yang diinginkan pada masa yang akan datang (redesigning

the future).

Sedangkan tipologi dari pendekatan sistem sendiri ada dua. Mueller-

Merbach (1994) menamakannya dengan pendekatan sistematik yang dipelopori

oleh kaum western dan pendekatan sistemik yang dijiwai oleh filosofi orang

timur. Pendekatan sistematik digolongkan menjadi tiga pendekatan yaitu

:Introspeksi, Ekstraspeksi, dan Konstruksi. Ketiga pendekatan sistem tersebut

memiliki perbedaan pada faktor-faktor yang ada pada peneliti sistem seperti

Superioritas peneliti, independensi, lintas disiplin, maupun cara pembagian tugas

dalam penelitian akan sistem tersebut.

Sedang pendekatan sistemik disebut juga sebagai pendekatan kontemplasi

yang didasari filosofi bahwa sesuatu yang ada di dunia ini tidak dapat dipisah-

pisahkan. Dan jika peneliti mencoba untuk memisah-misahkan berarti dia telah

menghancurkan sistem tersebut. Untuk itu peneliti harus menyatu (identik)

dengan sistem yang ditelitinya untuk mengetahui karakteristik sistem yang

diamati untuk selanjutnya mengambil langkah-langkah pengembangan bagi sistem

tersebut. Disini peneliti berusaha mengidentikkan dirinya dengan sistem yang

diamati.



3

1.2.1.2 Definisi Sistem

Open University (1993) mengemukakan bahwa sistem merupakan kesatuan dari

objek-objek (elemen-elemen) yang terhubung melalui sebuah mekanisme tertentu

dan terikat dalam hubungan interdependensi, yang mempunyai tujuan bersama.

Dengan demikian, setidaknya ada tiga hal penting berkaitan dengan sistem yaitu

objek atau elemen, interdependensi, dan tujuan.

Karakteristik Sistem

Antar objek di dalam sistem maupun dengan objek di luar sistem terdapat

hubungan yang bersifat umpan balik yang menyebabkan sistem senantiasa bersifat

dinamis. Sedangkan lingkungan sistem adalah segala sesuatu yang tidak

merupakan bagian dari sistem, tetapi keberadaannya dapat mempengaruhi dan

atau dipengaruhi sistem. Sistem disebut terbuka jika ada objek di luar sistem yang

mempengaruhi objek di dalam sistem, dalam hal sebaliknya, sistem disebut

tertutup. Karakteristik yang lain: sistem bersifat continuous atau discrete

bergantung kepada apakah variabel yang diamati mempunyai nilai pada setiap

titik waktu atau hanya pada setiap perode waktu tertentu, atau bersifat

deterministik atau stokastik jika tidak ada atau setidaknya satu variabel yang

probabilistik.

1.2.1.3 Model

Definisi Model

Model merupakan suatu representasi atau formalisasi dalam bahasa tertentu yang

telah disepakati dari suatu sistem nyata. Walaupun model merupakan bentuk

sederhana dari sebuah sistem, tetapi dalam pembentukannya harus tetap

memperhatikan kompetensi dari karakteristik sistem yang diamati. Beberapa

model dari sebuah sistem yang sama, bisa saja berbeda, tergantung pada persepsi,

kemampuan, dan sudut pandang analis/peneliti sistem yang besangkutan.

Representasi sistem ke dalam model dapat berbentuk pictorial, verbal, conceptual,

symbol-simbol logika/matematika.



4

Karakteristik Model

Ali Basyah Siregar (1991), mengemukakan bahwa karakteristik model yang baik

sebagai ukuran tujuan pemodelan yaitu :

1. Tingkat generalisasi yang tinggi. Makin tinggi tingkat generalisasi model,

maka model tersebut akan dapat memecahkan masalah yang semakin besar,

2. Mekanisme transparansi. Model dapat menjelaskan dinamika sistem secara

rinci,

3. Potensial untuk dikembangkan. Membangkitkan minat peneliti lain untuk

menyelidikinya lebih lanjut,

4. Peka terhadap perubahan asumsi. Hal ini menunjukkan bahwa proses

pemodelan tidak pernah selesai (peka terhadap perubahanlingkungan)

Prinsip-prinsip Pemodelan Sistem

a. Elaborasi. Pengembangan model dilakukan secara bertahap dimulai dari

model sederhana hingga diperoleh model yang lebih representatif

b. Sinektik. Pengembangan model yang dilakukan secara analogis (kesamaan-

kesamaan)

c. Iteratif. Pengembangan model yang dilakukan secara berulang-ulang dan

peninjauan kembali.

Pengembangan Model

Pengembangan model adalah suatu usaha memperoleh model baru

(alternatif) yang memiliki performansi yang lebih baik, dalam beberapa aspek

dibandingkan dengan model sebelumnya. Adapun langkah-langkahnya :



5

Langkah-langkah Pengembangan Model

Sistem Nyata

Masalah

Tujuan Studi

Model Konseptual

Karakterisasi Sistem

Formulasi Model

Parameterisasi Model

Validasi Model

Implementasi Model

Teori,Prinsip,Hukum,Konsep

Asumsi,Postulat,Pengamatan

dan lingkup Observasi

Pendekatan Sistem

Elemen,Relasi,Atribut,

Aktivitas,Status

Pengumpulan

Data



6

Bagan Proses Pemodelan Sistem



7

1.3. Simulasi Sistem

1.3.1. Sistem, Model dan Simulasi

Ketika berbicara masalah simulasi sistem ada tiga konsep dasar yang harus

dipahami terlebih dahulu, yaitu sistem, model dan simulasi itu sendiri. Pada

umumnya literatur tentang model sepakat untuk mendefinisikan model sebagai

suatu representasi atau formalisasi dalam bahasa tertentu dari suatu sistem nyata.

Adapun sistem nyata adalah sistem yang sedang berlangsung dalam kehidupan,

sistem yang dijadikan titik perhatian dan dipermasalahkan. Model membantu

memecahkan masalah yang sederhana ataupun kompleks dalam bidang

manajemen dengan memperhatikan beberapa bagian atau beberapa ciri utama

daripada memperhatikan semua detail sistem nyata. Model tidak mungkin

berisikan semua aspek sistem nyata karena banyaknya karakteristik sistem nyata

yang selalu berubah dan tidak semua faktor atau variabel relevan untuk dianalisis.

Sistem didefinisikan sebagai suatu koleksi entiti, misal manusia atau

mesin, yang bertindak dan berinteraksi bersama menuju penyelesaian dari

beberapa logika akhir sedangkan simulasi digunakan untuk menyelesaikan

persoalan dalam sistem yang sangat kompleks sehingga sangat sulit untuk

diselesaikan secara matematis. Simulasi merupakan alat analisis numeris terhadap

model untuk melihat sejauh mana input mempengaruhi pengukuran output atas

performansi sistem. Pemahaman yang utama adalah bahwa simulasi hanya

merupakan alat pendukung keputusan (decision support system) dengan demikian

interpretasi hasil sangat tergantung kepada si pemodel.

Aplikasi simulasi dapat dilakukan pada beberapa permasalahan sistem,

diantaranya : Desain dan analisa sistem manufaktur, evaluasi suatu senjata militer

baru atau taktik strategi peperangan, penetapan kebijakan pemesanan dan sistem

persediaan, desain sistem komunikasi, desain dan operasi fasilitas transportasi,

dan analisa keuangan atau sistem ekonomi



8

Bagan Hubungan antara model, sistem dan simulasi

Imitasi

Apa itu Simulasi :

Suatu solusi analitis dari sebuah sistem yang digunakan untuk memecahkan

berbagai masalah yang digunakan untuk memecahkan atau menguraikan

persoalan-persoalan dalam kehidupan nyata yang penuh dengan ketidak

pastian ketika solusi matematis tidak memadai, dengan menggunakan model

atau metode tertentu untuk melihat sejauh mana input mempengaruhi

pengukuran output atas performansi sistem dan lebih ditekankan pada

pemakaian komputer untuk mendapatkan solusinya.

Keuntungan Simulasi :

Fleksibel

Menghemat waktu (compress time) ; kemampuan dari menghemat waktu

ini dapat dilihat dari pekerjaan yang bila dikerjakan akan memakan waktu

tahunan tetapi kemudian dapat disimulasikan hanya dalam beberapa menit,

bahkan dalam beberapa kasus hanya dalam hitungan detik.

Dapat melebar-luaskan waktu (expand time) : hal ini terlihat terutama

dalam dunia statistik di mana hasilnya diinginkan tersaji dengan cepat.

Simulasi dapat digunakan untuk menunjukkan perubahan struktur dari

suatu system nyata (Real System) yang sebenarnya tidak dapat diteliti

GOAL

SISTEM MODEL SIMULASI

Representasi

- Evaluasi

- Peningkatan

Performansi

- Optimalisasi

- Analisis

Performansi



9

pada waktu yang seharusnya (Real Time). Dengan demikian simulasi

dapat membantu memprediksi response dari Real System hanya dengan

mengubah data parameter sistem.

Dapat mengawasi sumber-sumber yang bervariasi (control sources of

variation) : kemampuan pengawasan dalam simulasi ini tampak terutama

apabila analisis statistic digunakan untuk meninjau hubungan antara

variable bebas (independent) dengan variable terkait (dependent) yang

merupakan factor-faktor yang akan dibentuk dalam percobaan.

Mengkoreksi kesalahan-kesalahan penghitungan (error in measurment

correction) ; dalam prakteknya, pada suatu kegiatan ataupun percobaan

dapat saja muncul ketidak-benaran dalam mencatat hasil-hasilnya.

Sebaliknya dalam simulasi computer jarang ditemukan kesalahan

perhitungan terutama bila angka-angka diambil dari computer secara

teratur dan bebas. Computer mempunyai kemampuan untuk melakukan

penghitungan dengan akurat.

Dapat dihentikan dan dijalankan kembali (stop simulation and restart) :

simulasi computer dapat dihentikan untuk kepentingan peninjauan ataupun

pencatatan semua keadaan yang relevan tanpa berakibat buruk terhadap

program simulasi tersebut. Dalam dunia nyata, percobaan tidak dapat

dihentikan begitu saja. Dalam simulasi computer, setelah dilakukan

penghentian maka kemudian dapat dengan cepat dijalankan kembali

(restart).

Mudah diperbanyak ( easy to replicate) : dengan simulasi computer

percobaan dapat dilakukan setiap saat dan dapat diulang-ulang.

Pengulangan dilakukan terutama untuk mengubah berbagai komponen dan

variabelnya, seperti dengan perubahan pada parameternya, perubahan pada

kondisi operasinya, ataupun dengan memperbanyak output.

Tidak bertentangan dengan sistem nyata

Dapat solusi analitis yang menjawab pertanyaan what-if



10

Kerugian Simulasi :

Memerlukan masukan managerial yang baik

Tidak menghasilkan langsung, solusi yang optimal

Tidak immune terhadap GIGO.

1.3.2 Model Simulasi

Dalam melakukan studi sistem bahwa sebenarnya simulasi merupakan turunan

dari model matematik dimana sistem sendiri dikategorikan menjadi 2, yaitu sistem

diskret dan sistem kontinyu.

Sistem diskret mempunyai maksud bahwa jika keadaan variabel-variabel dalam

sistem berubah seketika itu juga pada poin waktu terpisah, misalnya pada sebuah

bank dimana variabelnya adalah jumlah nasabah yang akan berubah hanya ketika

nasabah datang atau setelah selesai dilayani dan pergi.

Sedangkan Sistem kontinyu mempunyai arti jika keadaan variabel-variabel dalam

sistem berubah secara terus menerus (kontinyu) mengikuti jalannya waktu,

Diagram Studi Sistem



11

misalnya pesawat terbang yang bergerak diudara dimana variabelnya seperti

posisi dan kecepatannya akan terus dan bergerak.

Klasifikasi model simulasi terdiri atas tiga dimensi yang berbeda :

1. Model Simulasi Statis vs Dinamis

Model statis merupakan representasi dari sebuah sistem pada waktu

tertentu (e.g. Simulasi Monte Carlo) sedangkan Model dinamis

menggambarkan suatu sistem yang lambat laun terjadi tanpa batas waktu

(e.g. Sistem konveyor).

2. Model Simulasi Deterministik vs Stokastik

Model simulasi dikatakan deterministik jika dalam model tersebut tidak

mengandung komponen probabilistik/random. Kebalikannya Model

simulasi stokastik adalah model yang didalamnya terdapat komponen

random.

3. Model Simulasi Kontinyu vs Diskret

Secara jelas pengertian dari kedua model tersebut sudah dijelaskan

sebelumnya. Pada umumnya pembicaraan masalah simulasi sering

dikaitkan dengan dimensi ini dan pada pelaksanaan praktikum di

Laboratorium SIMBI akan membahas lebih jauh tentang Model Simulasi

Diskret (Discrete Event Simulation).



12

Langkah-langkah simulasi seperti pada Gambar dibawah ini :



13

Langkah-langkah simulasi



14

1.3.3 Metodologi Studi Simulasi

Dalam melakukan suatu penelitian/kajian tidak dapat dilakukan secara

sembarangan atau asal-asalan. Artinya bahwa diperlukan suatu langkah-langkah

atau metodologi yang terstruktur dan terkendali sehingga konklusi yang

dihasilkan dapat dipertanggungjawabkan keabsahannya. Begitu pula dalam

melakukan studi simulasi terdapat metodolgi umum yang digunakan seperti yang

ditunjukkan pada gambar 2.

1. Formulasi masalah

Setiap studi selalu dimulai dengan suatu pernyataan yang jelas tentang

tujuan yang hendak dicapai. Secara keseluruhan harus direncanakan pula

variabel-variabel yang terdapat dalam sistem obyek.

2. Pengumpulan data

Informasi dan data sebaiknya dikumpulkan secara terpusat dan digunakan

untuk melakukan spesifikasi prosedur operasi dan distribusi probabilitas

untuk variabel random yang terdapat dalam model. Data yang dkumpulkan

meliputi :

- Data Waktu proses

- Data waktu Transfer

- Data Penjadwalan bahan baku dan penjadwalan mesin

- Data lain yang berhubungan dengan system nyata.

3. Validasi data input

Meskipun kita yakin bahwa validasi adalah sesuatu yang sebaiknya

dilakukan setelah model simulasi dijalankan namun ada beberapa

keuntungan jika dilakukan diawal. Diantaranya adalah kita yakin terlebih

dahulu bahwa distribusi data, keragaman data, dan aktualitas variabel yang

lain yang mendukung model sudah benar/syah.



15

4. Pembuatan program komputer & verifikasi

Pemodel simulasi harus menentukan program apakah yang akan digunakan

untuk menguji dan menjalankan model. Dalam praktikum ini ada dua

program simulasi yang digunakan yaitu Microsoft Excell dan ARENA.

Selama melakukan translasi model kedalam program yang dipilih

dilakukan verifikasi model terhadap sistem nyata apakah bentuk fisik

model sudah seperti sistem nyatanya.

5. Jalankan program

Dengan bantuan software simulasi model yang telah dibuat dijalankan

(run) untuk melihat hasilnya.

6. Validasi hasil simulasi sesuai dengan system nyata

Program yang dijalankan dapat digunakan untuk menguji sensitivitas hasil

dari model terhadap perubahan kecil pada parameter masukan. Jika

hasilnya berubah secara ekstrim maka suatu estimasi yang baik harus

diambil. Jika sistem nampak sama dengan yang ada saat ini, data hasil dari

program simulasi dapat dibandingkan dengan sistem nyatanya. Jika

hasilnya baik maka program simulasi dinyatakan valid dan model

dianggap representasi dari sistem nyata.

7. Mendesain (model) eksperimen

Jika program simulasi sudah dinyatakan valid maka pemodel dapat

melakukan berbagai eksperimen terhadap program/model tersebut sesuai

dengan tujuan penelitiannya.

8. Jalankan model eksperimen

Mengulangi langkah 5 sesuai dengan panjang simulasi yang telah

ditentukan sebelumnya.

9. Analisa data output

Teknik-teknik statistik digunakan untuk melakukan analisa data yang

dihasilkan. Dengan mengukur selang kepercayaan dan performansi yang



16

berbeda-beda untuk setiap desain maka dapat diketahui mana model

simulasi terbaik sesuai tujuan yang hendak dicapai.

10. Implementasi

1.3.4 Verifikasi dan Validasi

Seperti telah disinggung sebelumnya bahwa ketika kita mengerjakan suatu model

dan kadangkala disaat kita membangun model tersebut maka disanalah waktu

untuk untuk melakukan verifikasi dan validasi terhadap model tersebut.

Verifikasi adalah suatu langkah untuk meyakinkan bahwa model

berkelakuan/bersifat seperti yang dikehendaki, bisa dijalankan di komputer.

Validasi merupakan langkah untuk meyakinkan bahwa model

berkelakuan/bersifat seperti sistem nyatanya.

Kedua langkah ini tidak dapat dilakukan dengan asumsi begitu saja namun

harus dengan teknik teknik statistik yang akan dibahas pada bagian yang lain dari

modul ini.

Secara sederhana hubungan antara verifikasi dan validasi dapat dilihat pada

gambar berikut :

1.3.5 Fungsi Statistik

Kesempurnaan serta kesuksesan dari suatu simulasi melibatkan tidak hanya

sekedar perancangan flowchart dari sistem, menerjemahkan flowchart ke dalam

bahasa komputer, dan kemudian membuat satu atau lebih replikasi dari setiap

konfigurasi sistem yang diusulkan. Penggunaan dari probabilitas dan statistik

juga merupakan satu bagian dari rangkaian studi simulasi yang dibutuhkan untuk

Gambar Hubungan Verifikasi dan validasi



17

memahami bagaimana memodelkan sistem probabilistik, validasi model,

menentukan distribusi masukan, membangkitkan variabel random, mengerjakan

analisis statistik dari hasil simulasi, dan mendesain eksperimen.

1.3.5.1 VARIABEL RANDOM

a. Preview

Jika kita mengamati sebuah sistem nyata yang ada di sekitar kita, bagaimana

setiap entitas, atribut, dan elemen lain dari sistem itu berubah dari waktu

kewaktu., maka kita akan sampai pada sebuah kesimpulan bahwa keadaan selau

berubah, dinamis. Dinamisasi sebuah sistem sering tak dapat diduga karena

keacakan dalam setiap kemungkinan perubahan yang ada. Sebagai sebuah contoh,

ketika kita mengamati sebuah supermarket, kita tidak dapat mengetahui kapan

secara pasti sebuah produk yang dijual akan habis, kapan kasir akan kebanjiran

pembeli yang hendak membayar, atau kapan petugas kasir akan mempunyai

waktu yang cukup selo untuk berbincang-bincang dengan rekannya karena tidak

ada pembeli yang membayar karena sepi, atau kapan supermarket tersebut akan

penuh sesak hingga kita merasa sumuk karena penuhnya pengunjung serta

kapan supermarket akan terlihat hanya sebagai tempat kongko-kongko para

penjaga/karyawannya, karena hampir tidak ada pengunjung ?. Semua hal tersebut

mungking sekali terjadi pada sebuah sistem supermarket. Namun kita tidak bisa

memperkirakan dengan pasti karena keacakan kemungkinan tersebut. Di lain

pihak, lalu bagaimana jika kita ingin membuat model simulasi sistem supermarket

tersebut, dimana harus dapat menjelaskan perubahan yang terjadi, sedang

perubahan itu sendiri-karena keacakannya sering sulit untuk dapat dimodelkan

dengan tepat. Untuk itu, maka alternatif terbaik adalah bagaimana kita

memperhatikan keacakan yang terjadi dalam pembuatan model simulasi hingga

dapat dibentuk sebuah model yang bisa menjadi representasi sistem nyata yang

diamati.



18

Sebuah keacakan, biasanya dicapai dengan membuat sifat dan waktu

(dalam sistem yang diamati) sebagai sebuah variabel random dengan distribusi

yang sesuai. Jadi kita mempunyai suatu fungsi distribusi variabel random f(x)

tertentu dan ingin (untuk menyediakan masukan masukan pada model simulasi)

menghasilkan variabel angka random X

1

, X

2

,. Bebas yang mempunyai fungsi

distribusi seperti fungsi yang ada pada sistem nyata.

Pada Hakekatnya semua metode untuk menghasilkan suatu barisan

variabel angka random X

1

, X

2

,. Yang bebas dengan distribusi f(x) menyangkut

penggunaan deret variabel random yang bebas dam berdistribusi seragam pada

(0,1). Hal tersebut memiliki fungsi densitas probabilitas :

otherwise

x

x

.0

10.1

)(

Persoalan memilih nilai yang baik, untuk tetapan pembangkit bilangan

Random (disebut juga Pseudo-Random) merupakan persoalan yang rumit. Agar

dapat dikatakan acak, deret bilangan yang dihasilkan oleh pembangkit bilangan

random harus memenuhi beberapa uji (test) untuk menjamin bahwa bilangan

bilangan tersebut terdistribusi secara serba-sama, dan tak ada korelasi signifikan

antar digit bilangan-bilangan itu atau antar bilangan-bilangan yang berurutan.

Memperhatikan hal tersebut, maka unsur variabel random ini menjadi

salah satu elemen pokok dalam hampir setiap model Simulasi terutama simulasi

kejadian diskrit. Mengenai bagaimana cara membangkitkan variabel random, kita

gunakan bantuan software untuk melakukannya dengan asumsi bahwa software

tersebut memiliki metoda pembangkitan variabel Random yang andal.Dalam

Statistik

F(x)

0

1

x

1

Gambar a.1. PDF untuk Bilangan Random



19

Variabel Random dibedakan menjadi 2 bagian, yaitu :

1. Variabel Random Diskrit

Adalah suatu variabel random yang mengandung jumlah tertentu

(Countable). Sebagai contoh :

a. Jumlah manager dalam suatu perusahaan (bisa 0,1,2,3, dan

seterusnya).

b. Jumlah kesalahan yang dibuat oleh seorang operator (bisa 0,1,2,3,

dan seterusnya)

c. Jumlah konsumen yang antri pada sebuah restoran (bisa 0,1,2,3,

dan seterusnya).

Terlihat disini bahwa ciri khas dari variabel random diskrit adalah

jumlahnya yang bulat, dan tidak bisa diubah menjadi pecahan atau

desimal.

2. Variabel Random Kontinyu

Adalah suatu variabel random yang mengandung suatu nilai dalam sutu

interval tertentu. Sebagai contoh :

a. Jumlah waktu yang diperlukan untuk mengerjakan satu tugas

tertentu (bisa 1 menit, 2.4 menit, 1,5 jam, dan seterusnya)

b. Berat jeruk yang dijual di suatu supermarket (bisa 200 gr, 1,25 Kg,

250,5 gr, dan seterusnya)

c. Tinggi badan calon asisten SIMBI (bisa 160,5 cm , 172,4 cm, dan

seterusnya)

Terlihat bahwa angka untuk variabel random kontinyu dalam bentuk

rasional, bisa bulat, desimal, maupun pecahan.



20

1.3.6. Bagian-bagian Model Simulasi

Beberapa bagian model simulasi yang berupa istilah-istilah asing perlu

dipahami oleh pemodel karena bagian-bagian ini sangat penting dalam menyusun

suatu model simulasi.

a. Entiti (entity)

Kebanyakan simulasi melibatkan pemain yang disebut entiti yang bergerak,

merubah status, mempengaruhi dan dipengaruhi oleh entiti yang lain serta

mempengaruhi hasil pengukuran kinerja sistem. Entiti merupakan obyek yang

dinamis dalam simulasi.

b. Atribut (attribute)

Setiap entiti memiliki ciri-ciri tertentu yang membedakan antara satu dengan

yang lainnya. Karakteristik yang dimiliki oleh setiap entiti disebut dengan

atribut. Satu hal yang perlu diingat bahwa nilai atribut mengikat entiti tertentu.

Sebuah part (entiti) memiliki atribut (arrival time, due date, priority, dan color

) yang berbeda dengan part yang lain.

c. Variabel (variable)

Variabel merupakan potongan informasi yang mencerminkan karakteristik

suatu sistem. Variabel berbeda dengan atribut karena dia tidak mengikat suatu

entiti melainkan sistem secara keseluruhan sehingga semua entiti dapat

mengandung variabel yang sama. Misalnya, panjang antrian, batch size, dan

sebagainya.

d. Sumber daya (Resource)

Entiti-entiti seringkali saling bersaing untuk mendapat pelayanan dari resource

yang ditunjukkan oleh operator, peralatan, atau ruangan penyimpanan yang

terbatas. Suatu resource dapat berupa grup atau pelayanan individu.

e. Antrian (Queue)

Ketika entiti tidak bergerak (diam) hal ini dimungkinkan karena resource

menahan (seize) suatu entiti sehingga membuat entiti yang lain untuk



21

menunggu. Jika resource telah kosong (melepas satu entiti) maka entiti yang

lain bergerak kembali dan seterusnya demikian.

f. Kejadian (Event)

Kejadian adalah sesuatu yang terjadi pada waktu tertentu yang kemungkinan

menyebabkan perubahan terhadap atribut atau variabel. Ada tiga kejadian

umum dalam simulasi, yaitu Arrival (kedatangan), Departure (entiti

meninggalkan sistem), dan The End (simulasi berhenti).

g. Simulation Clock

Nilai sekarang dari waktu dalam simulasi yang dipengaruhi oleh variabel

disebut sebagai Simulation Clock. Ketika simulasi berjalan dan pada kejadian

tertentu waktu dihentikan untuk melihat nilai saat itu maka nilai tersebut

adalah nilai simulasi pada saat tersebut.

h. Replikasi

Replikasi mempunyai pengertian bahwa setiap menjalankan dan

menghentikan simulasi dengan cara yang sama dan menggunakan set

parameter input yang sama pula (identical part), tapi menggunakan masukan

bilangan random yang terpisah (independent part) untuk membangkitkan

waktu antar-kedatangan dan pelayanan (hasil-hasil simulasi). Sedangkan

panjang waktu simulasi yang diinginkan untuk setiap replikasi disebut length

of replication.

Bidang aplikasi Simulasi :

- Simulasi sistem produksi

- Simulasi proses pelayanan bisnis jasa seperti rumah sakit, bank

- Business Process Re-engeneering

- Perancangan Tata Letak Fasilitas

- Manajemen Proyek

- Simulasi trafic light



22

1.4 Blok-blok Diagram dalam Pemodelan

Berikut ini adalah beberapa blok diagram yang digunakan untuk memodelkan

sebuah sistem dalam bentuk diagram :

1.5 PENGANTAR ARENA

ARENA adalah salah satu program simulasi yang dapat dibil ang merupakan suatu

evolusi dari bahasa pemrograman yang lebih dahulu lahir. Dimulai dari hadirnya bahasa

pemrograman FORTRAN pada tahun 1950 1960, publik menggunakan bahasa

pemrograman tersebut untuk membuat program simulasi untuk sistem yang kompleks dan

bahasa pemrograman FORTRAN sangat mendukung pembuatan program simulasi secara

umum.

Setelah booming simulasi, maka bermunculan bahasa pemrograman yang

menawarkan keunggulan-keunggulan yang dimilikinya. GPSS-PC, SIMSCRIPT, SLAM,

SIMAN, POWERSIM dan lain sebagainya adalah sebagian dari bahasa pemrograman

yang ada saat ini.

Blok Diagram Alir Dalam Pemodelan



23

Secara umum bahasa pemrograman untuk simulasi dapat di kategorikan menjadi 2

:

1. Tujuan atau kepentingan pemrograman

General Purpose Simulation Language (GPSL)

General Purpose Simulation Language (GPSL) adalah bahasa simulasi yang

didesain untuk membuat program simulasi sesuai dengan kreatifitas programer.

Artinya bahasa simulasi ini tidak didesain untuk menyelesaikan beberapa

masalah secara spesifik, dan keragaman serta ketelitian program sangat

dipengaruhi oleh ketrampilan dan pengetahuan programer. Oleh karena itu GPSL

sangat fleksibel digunakan untuk membuat program simulasi.

Special Purpose Simulation Language (SPLL)

Sebaliknya Special Purpose Simulation Language lebih spesific did esain untuk

beberapa permasalahan yang dihadapi sebuah sistem.

2. Level bahasa

High Level Simulation Language

Low Level Simulation Language

Adanya level menunjukan sejauh mana bahasa pemrograman tadi dapat dimengerti

oleh programer. Hal ini berkaitan dengan kemampuan program untuk

mengkomunikasikan dirinya dengan pengguna (user interface). Semakin rendah level

suatu bahasa pemrograman, maka semakin kompleks alur pemahaman bahasa simulasi

tadi (semakin sulit digunakan). Dan sebaliknya semakin tinggi sebuah bahasa

pemrograman, maka semakin kurang kompleks alur pemahaman bahasa tersebut

(semakin mudah digunakan).

Selain itu dalam bahasa simulasi dikenal juga istilah event orientation dan process

orientation. Event orientation melihat sebuah simulasi dari sisi kejadian yang

menimpa sistem sedangkan process orientation melihat simulasi dari sisi

perjalanan entiti yang terkait. Sebagai ilustrasi : Dalam sebuah sistem antrian.

event orientation melihat kedatangan entiti , proses dan kepergian entiti sebagai

hal utama yang diamati kemudian mencatatnya secara statistik sedangkan process

orientation melihat entiti datang dan masuk kedalam sistem kemudian ia menunggu

dalam antrian lalu diproses dan keluar.



24

Namun demikian bukan berarti salah satu dari orientasi tersebut adalah benar dan

yang lainnya salah. Keduanya memiliki peran yang sangat penting dalam

mempelajari karakteristik sebuah sistem dan keduanya juga sangat membantu

seorang analyst dalam membuat/menetapkan sebuah keputusan yang berkaitan

dengan sistem yang diamati tersebut. Orientasi event memberikan datadata

statistik mengenai kejadian kejadian pada sebuah sistem dan orientasi proses

memberikan pemahaman yang lebih mengenai aliran/perjalanan entiti yang

bersangkutan seperti membaca sebuah flowchart.

1.5.1 ALASAN MENGGUNAKAN ARENA

Dengan menggunakan Arena, pengguna mendapatkan :

1. Interface yang sangat interaktif, membuat seorang analyst mendapatkan kemudahan

dalam penggunaan Arena terutama dalam pemodelan sistem dan analisa hasil

simulasi.

2. Beragamnya modul dan blok yang ada pada Arena membawa fleksibilitas yang

sangat besar dalam membangun model yang sesuai dengan sistem sesungguhnya

yang biasanya ada pada GPSL.

3. Selain itu, Arena sangat cocok dalam memodelkan dan mensimulasikan sistem

manufactur seperti : material handling, inventory, quality control, bottleneck

analysis, dsb maupun industri jasa seperti : Perbankan, Rumah Sakit, Order

fulfillment, Dsb.

1.5.2 MEMULAI ARENA

Sebelum melangkah lebih jauh, hal penting yang harus dicatat adalah : kita akan banyak

menggunakan mouse, jika terdapat instruksi click atau double click, maka yang

dimaksud adalah kita menggunakan tombol kiri mouse (primary button, kondisi normal).

Masuklah pada sistem operasi komputer (windows), dimana software Arena

telah terinstall, selanjutnya double click icon arena yang ada, atau membuka arena

dari START menu, ALL PROGRAM, ROCKWELL SOFTWARE, ARENA,

dan klik Arena 8.0.

Setelah masuk pada Arena maka akan muncul jendela dialog yang

menerangkan bahwa software ini merupakan Academic Mode



25

Klik OK.

Gambar Menu / Tampilan Pertama ARENA 8.0



26

1.5.3 Layar Tampilan Arena

Untuk membuka software Arena, kita mulai dari menu Start Windows kemudian

cari ke Program/Arena/Arena. Layar tampilan Arena akan terbuka dengan sebuah

layar untuk membuat model baru, sebagai berikut:

Untuk memodelkan proses dalam Arena, kita akan bekerja dalam tiga daerah

utama dari layar aplikasi Arena, yaitu Project bar, Layar model flowchart, dan

layar spreadsheet.

Project Bar berisi panel-panel dengan beberapa tipe obyek penting yang akan

kita kerjakan, yaitu:

Basic Process, Advanced Process, dan Advanced Transfer panels: berisi

bentuk-bentuk pemodelan, bernama modul-modul, yang akan kita gunakan

untuk mendefinisikan proses.

Reports panel: berisi report (laporan) untuk menampilkan hasil dari

simulasi yang telah dijalankan.

Navigate panel: dapat kita gunakan untuk menampilkan beberapa sudut

pandang yang berbeda dari model yang kita buat, termasuk menjalankan

dengan submodel hierarki.

Model Window, terdapat dua daerah utama.

Layar Model

Flowchart

Layar Spreadsheet

Project

Bar



27

Layar flowchart akan berisi tentang semua grafik model, termasuk flowchart

proses, animasi, dan elemen gambar yang lain.

Spreadsheet view menampilkan data mengenai model, seperti waktu, biaya, dan

parameter yang lain.

1.5.4 MEMBUAT FILE

1. Pembuatan file dilakukan dengan membuat sebuah lembar baru dengan

mengklik icon new atau file new ( atau CTR + N). Secara otomatis

akan diberi nama Model dengan ektensi .doe jika disimpan. Nama tersebut

dapat diubah pada saat menyimpan model. Tampilan dapat diperbesar

dengan menekan disudut kanan atas.

2. Selanjutnya dengan menggunakan perintah-perintah yang akan diuraikan

lebih lanjut pada mudul-modul berikutnya, dimulai memasukan elemen-

elemen Arena

3. Setelah semua komponen dibuat maka file disimpan dengan mengklik icon

save atau file save (CTR + S)

1.5.5 MENJALANKAN SIMULASI

Model yang telah selesai dibuat harus di setup dulu dengan menggunakan

run setup ,atur berapa kali replikasi , kecepatan simulasi waktu simulasi dan lain

lain ,baru dapat dijalankan dengan menggunakan perintah yang terdapat pada

menu atau Toolbar Run yang telah tersedia.

Perintah-perintah tersebut antara lain:

Go dari menu Run ( atau dari Toolbar Run atau F5 dari kunci fungsi )

digunakan untuk menjalan model atau memulai kembali setelah dihentikan

untuk sementara).



28

Step ( atau F10 ) digunakan untuk menjalankan model satu kegiatan.

Dengan cara tersebut maka kita dapat mengetahui dengan jelas kegiatan yang

terjadi dalam model.

Fast Forward ( atau ) digunakan untuk menjalankan model dengan

cepat.

Pause ( atau Esc ) digunakan untuk menghentikan sementara jalannya

model. Tekan , atau untuk menjalankan model kembali.

Start Over ( atau Shift + F5 ) digunakan untuk kembali pada permulaan

dijalankannya model, sehingga dapat dijalankan kembali.

End ( atau Alt + F5 ) digunakan untuk keluar dari run mode dan kembali

pada lembar kerja pemodelan.

Use Check Model ( atau F4 ) digunakan untuk mengetahui kondisi dari

model yang dibuat.

Review Error memanggil kesalahan yang sering terjadi dalam arena sampai

diperiksa.

View Result digunakan untuk melihat out put dari pemodelan yang kita buat.

Command ( atau ) digunakan untuk memberikan perintah secara interaktif

guna mengontrol bagaiman jalannya model dilakukan.

Break ( atau ) digunakan untuk mengatur waktu dan kondisi berkaitan

dengan pemeriksaan atau menggambarkan sesuatu.

Watch ( atau ) digunakan untuk membuat tampilan variabel atau ekspresi

pada saat Run dijalankan.

Report ( atau ) digunakan untuk melihat status numerik dari simulasi

sesudah model dihentikan untuk sementara.



29

1.5.6 PENGENALAN TOOLBAR

Tollbar yang digunakan dalam Arena adalah sebagai berikut:

1. Standar toolbar

Toolbar ini dimulai dengan perintah untuk membuat sebuah dokumen baru

didalam Arena, selanjutnya perintah untuk membuka sebuah dokumen yang telah

ada sebelumnya dalam sebuah window yang baru. Beberapa dokumen dapat

dibuka secara bersama-sama. Untuk membuka salah satu dokumen yang telah

dibuka, dilakukan dengan menggunakan perintah pada menu window 1, 2, 3, 4,

selanjutnya perintah untuk menyimpan dokumen yang sedang aktif pada nama file

dan direktori yang diinginkan. Pada saat menyimpan sebuah model atau template

untuk pertama kalinya, Arena memperlihatkan lembar dialog save as yang dapat

diisikan nama dan direktori bagi model atau template yang sedang dibuat.

Selanjutnya toolbar yang digunakan untuk memasukkan dan menghapus panel

modul pada project bar, perintah mencetak, menampilkan hasil cetakan, dari menu

edit ditampilkan icon memotong, mengcopy dan mempaste, menampilkan satu

perintah yang sebelumnya, menampilkan sebuah perintah sesudahnya. Perintah

sesudahnya untuk men-split screen, menampilkan spread sheet. Kemudian

fasilitas zoom dan layer,submodel, connect, dan toolbar untuk menjalankan

simulasi.

2. View Toolbar

Perintah dimulai dengan mengecilkan gambar, membesarkan gambar untuk

semua model, menampilkan perintah tampilan yang terakhir, menyeleksi daerah

yang ingin kita perbesar, menampilkan titik bantu dan snap sebuah objek dan

menentukan layer apa yang ingin ditampilkan.



30

3. Arrange Toolbar

Perintah dimulai dengan perintah yang menempatkan objek dibelakang atau

didepan, menyeleksi beberapa objek gambar untuk digabungkan, menyeleksi

gambar untuk dipisahkan menjadi beberapa objek, memutar objek secara

horisontal, memutar objek secara vertikal.

4. Draw Toolbar

Perintah dimulai dengan icon untuk membuat garis lurus, garis zig-zag , garis

elips, garis melengkung, box, poligon, elips menambahkan teks, mengatur jenis

garis, mengatur pewarnaan garis, default yang ada dan memperlihatkan layer

yang disembunyikan.

5. Color Toolbar

Perintah ini digunakan untuk mengatur pewarnaan yang

diberikan pada komponen gambar, objek animasi, teks dan latar

belakang tampilan.

6. Animate Toolbar

Memberikan kemudahan untuk menganimasikan sifat dari modul-modul

Arena. Sebagai contoh adalah klik salah satu icon kemudian isi pernyataan-

pernyataan yang ada didalamnya guna menentukan bentuk-bentuk yang

diinginkan.



31

7. Run Interaction Toolbar

Toolbar ini berfungsi untuk memeriksa model, perintah, break, trace dan

report entries dari menu Run.

8. Integration Toolbar

Tollbar ini terdiri dari modul transfer data yang dimiliki oleh Arena dan

VBA (Visual Basic Editor Dan VBA Design Mode Botton)

1.5.7 ARENA DAN PEMODELAN SISTEM

Sebagaimana telah dikemukakan sebelumnya, bahwa software Arena

memiliki kemampuan yang baik dalam menjalankan simulasi khususnya pada

sistem yang bersifat diskret. Untuk dapat memfungsikannya, terlebih dahulu kita

harus memodelkan sistem tersebut, dengan format yang dapat dipahami oleh

Arena. Arena menerjemahkan berbagai model sistem dengan menggambarkan

karakteristik elemen sistem dengan sebuah blok yang dinamakan Module. Untuk

itu kita harus dapat menggunakan berbagai Module yang ada dalam software ini

secara tepat agar mendapatkan model yang kita inginkan. Ada beberapa module

panel yang disediakan, yaitu Basic Process, Advanced Process, Advanced

Transfer, Block, Contack Data, CSUtil, Element, Packaging, Script dan Utl

Arena. Sedangkan yang akan kita gunakan dalam praktikum SIMBI kali ini adalah

beberapa modul dasar yang penting yaitu Basic Process , Advanced Proses dan

Advanced Transfer.



32

1.6. PANEL BASIC PROSES

1.6.1 MODUL FLOWCHART

Create Module

Deskripsi

Modul ini merupakan titik awal entitas pada model simulasi untuk memulai

sebuah proses. Entitas dibuat menggunakan penjadwalan atau didasarkan pada

waktu antar kedatangan. Entitas kemudian meninggalkan modul untuk

memulai proses dari sistem. Tipe entitas akan ditentukan dalam modul ini.

Prompt

Type : Tipe dari aliran kedatangan yang akan dibangkitkan. Adapun

macam type :

Random : Menggunakan distribusi Exponensial, kita tentukan

sendiri rata-ratanya.

Schedule : Menggunakan distribusi exponential, rataan dari

modul penjadwalan yang ditentukan

Constant : Menggunakan nilai konstan

Expression : Daftar pull-down dari berbagai macam distribusi



33

Tipe Penggunaan

o Awal dari produksi part dalam manufaktur

o Kedatangan dokumen (pemesanan, pengecekan, aplikasi) dalam proses

bisnis

o Kedatangan pelanggan dalam proses pelayanan (toko pengecer, restoran,

bagian informasi)

Process Module

Deskripsi

Modul ini merupakan metode proses utama dalam simulasi. Waktu proses

dialokasikan pada entity dan dapat juga sebagai value added, non-value added,

transfer, waktu tunggu atau yang lain. Biaya yang digunakan akan masuk

sesuai dengan kategorinya.

Prompt :

Type : Metode spesifikasi logic dalam modul. Dalam proses. Terdiri

atas :



34

Standard : semua logic akan disimpan dalam modul process dan

didefinisikan oleh Action tertentu

Submodel : mengindikasikan bahwa di dalam proses terdapat

suatu proses

Action : Jenis proses yang akan terjadi dalam module. Terdiri atas :

Delay : Proses menunggu akan terjadi tanpa batasan

sumberdaya (resource).

Seize Delay : Resource akan dialokasikan dalam modul ini dan

proses delay akan terjadi, tapi pelepasan resource

akan terjadi nanti.

Seize Delay Release : Resource akan dialokasikan diikuti oleh proses

menunggu dan kemudian resource tersebut akan

langsung dilepas.

Delay Release : Resource sebelumnya telah dialokasikan, dan entity

akan delay kemudian melepas resource tersebut.

Resources : Daftar sumberdaya atau set sumberdaya yang digunakan dalam

rangkaian proses sebuah entity

Delay type : Tipe distribusi atau metode menetapkan parameter delay.

Decide Module

Deskripsi

Modul ini digunakan untuk proses dicition-making dari sistem. Option

dimasukkan untuk membuat keputusan didasarkan pada satu atau lebih

kondisi (msl : tipe entity adalah gold card) atau berdasar pada satu atau lebih

probabilitas (msl 75% benar, 25% salah). Kondisi bisa didasarkan pada nilai

atribut (msl : prioritas), nilai variable ( msl Number Denied), tipe entitas atau

sebuah Expression (msl NQ (ProcessA. Queue)). Terdapat dua exit point



35

diluar Decide Module setiap tipe yang di spesifikasikan 2-way chance atau 2-

way condition. Disini ada satu exit point untuk true entitas dan satu untuk

false entitas. Ketika N-Way berubah atau tipe kondisi di spesifikasi,

multiple exit point ditunjukkan untuk setiap kondisi atau probabilitas dan

single else exit. Jumlah entitas yang keluar dari setiap tipe (true/false) di

displaykan untuk 2-way chance atau kondisi module.

Prompt :

Type : Mengindikasikan keputusan yang didasarkan pada kondisi, dengan

pilihan :

2-way by chance : Mengikuti satu kondisi yang didasarkan

pada persentasi/Probabilitas.

2-way by condition : Mengikuti satu kondisi yang didasarkan

pada kondisi

N-way by chance : Mengikuti beberapa kondisi yang

didasarkan pada persentasi

N-way by Conditions : Mendefinisikan satu atau lebih kondisi

yang digunakan secara langsung oleh entitas

untuk membedakan module.



36

Tipe Penggunaan

o Pengiriman bagian salah sebagai rework

o Branching accepted vs. rejected checks

o Prioritas pengiriman pada pelanggan

Assign Module

Deskripsi

Modul ini digunakan untuk menandai nilai baru sebuah variable, entitas

atribut, tipe entitas, gambar entitas, atau variable sistem yang lain. Penandaan

berganda bisa di buat denagn single Assign Module.

Prompt :

Assignments : Menspesifikasikan satu atau lebih penandaan yang akan

dibuat ketika entitas dijalankan module.

Type : Tipe penandaan yang dibuat. Other bisa dimasukkan variable

sistem, seperti kapasitas sumberdaya atau simulation end

time.

Variable Name : Nama variable yang akan menandai nilai baru ketika entitas

memasuki module.

Attribute Name : Nama dari atribut entitas yang menandakan nilai baru ketika

entitas memasuki module.

Entity Type : Tipe baru sebuah entitas yang menandakan entitas ketika

entitas masuk modul.

Entity Picture : Gambar entitas baru yang menandakan entitas ketika entitas

masuk modul.

New Value : Menandakan nilai sebuah atribut, variable, atau variable

sistem lainnya. Tidak digunakan jika type adalah Entity Type

atau Picture Type



37

Tipe Penggunaan

o Akumulasi jumlah atau subassembly yang dimasukkan pada part

o Perubahan tipe entitas yang mewakili customer copy dari bentuk multi-

page

o Membuat prioritas pelanggan

Batch Module

Deskripsi

Modul ini dimaksudkan sebagai mekanisme pengelompokan dalam model

simulasi. Pengelompokan dapat bersifat permanent atau temporer.

Pengelompokan secara temporer nantinya harus dipecah menggunakan modul

separate. Pengelompokan bisa dibuat dengan berbagai spesifikasi jumlah

entitas atau mungkin pengelompokan bersama berdasar pada Atribut. Entitas

yang memasuki Batch Module di tempatkan pada Queue sampai pada jumlah

tertentu yang akan diakumulasikan. Ketika diakumulasikan, entitas yang baru

dibuat.



38

Prompt :

Type : Metode pengiriman bersama sebuah entitas

Batch Size : Jumlah entitas yang akan dikumpulkan

Save Criterion : Metode penandaan entity secara representative yang

digunakan mendefinisikan nilai sebuah atribut

Rule : Menentukan entitas dating yang akan di kelompokkan.

Any Entity : akan mengambil yang pertama jumlah

Batch Size entitas yang diambil

secara bersama-sama.

By Attribute : Dispesifikasikan dipaskan untuk

dikelompokkan.

Attribute Name : Nama atribut yang nilainya harus dipaskan pada nilai

kedatangan entitas yang lain dalam oeder grupe yang

akan dibuat.

Tipe Penggunaan

o Mengumpulkan jumlah part sebelum mulai proses

o Mengumpulkan lagi sebelum sebuah bentuk digandakan

o Membawa bersama dan merekam (record) sebelum terjadi keputusan



39

Separate Module

Deskripsi

Modul ini bisa digunakan baik untuk memperbanyak entitas yang datang

maupun memecah entitas yang sebelumnya digabung (batch). Ketika

memecah batch yang sudah ada, entitas temporer yang terbentuk hilang dan

entitas asli yang membentuk grup muncul kembali. Ketika terjadi

penggandaan entitas jumlah spesifikasi penggandaan dibuat dan dikirim dari

module. Entitas asli yang datang juga meninggalkan module.

Prompts

Name : Nama pengidentifikasi modul yang akan ditampilkan di

dalam flowchart.

Type : Metode penyalinan kedatangan entity. Terdiri atas :

Duplicate Original : Akan mudah diambil entitas secara original

dan membuat beberapa jumlah identical

duplicateds.

Split Existing batch : Memerlukan kedatangan entity menggunakan

Batch module. Entitas original dari

pengelompokan akan didaftar

Percent Cost to Duplicate :Mengalokasikan biaya dan waktu dari entitas yang

datang untuk diduplikasikan. Nilai yang dimasukkan

dalam bentuk persen (%). Digunakan hanya jika type

separate berjenis Duplicate Original

Member Attribute : Metode penentuan bagaimana memberikan nilai atribut

entity secara representative pada original entities.



40

Tipe Penggunaan

o Pengiriman entitas secara individual yang mewakili box yang dipindahkan

dari container

o Pengiriman order untuk pemenuhan tagihan untuk proses parallel

o Salinan sekumpulan set dokumen

Record Module

Deskripsi

Modul ini digunakan untuk pengelompokan statistic dalam model simulasi.

Macam-macam tipe dari dari observational statistic tersedia; termasuk waktu

antar keluaran module, statistic entity (waktu, biaya,dll), observasi umum, dan

interval statistic (terkadang dari tanda pada waktu simulasi). Perhitungan dan

set counter juga dapat dispesifikasikan. Modul ini biasanya digunakan untuk

pencatatan.



41

Prompt :

Type Count : akan menurunkan atau menaikkan nilai dari nama

statistic dengan nilai terspesifikasi.

Entity Statistic akan membangkitkan statistic entity secara

umum, seperti waktu dan biaya atau duration information.

Time Interval akan dikalkulasikan dan di rekam

perbedaan antara nilai attribute terspesifikasi dan waktu

simulasi.

Time Between akan keluar dan record waktu antar entitas

memasuki module.

Expression akan merekam nilai expression terspesifikasi.

Tipe Penggunaan

o Jumlah penghitungan pekerjaan secara penuh tiap jam

o Penghitungan berapa banyak order yang terlambat belum terpenuhi

o Record waktu yang diberikan sebagai dalam suatu fasilitas pelayanan

Dispose Module



42

Deskripsi

Modul ini akan membahas seperti ending point untuk entitas dalam model

simulasi. Modul ini dipakai untuk akhir dari suatu simulasi. Modul ini harus

ada pada akhir setiap model seperti layaknya modul create.

Prompt :

Record Entity Statistic : Menjelaskan bisa atau tidak kedatangan statistic

entity akan direkam. Statistic meliputi value-added

time, non value-added time, waktu tunggu, waktu

transfer, other time, total waktu, value-added cost,

non value-added cost, biaya tunggu, biaya transfer,

other cost dan total biaya

Tipe Penggunaan

o Parts yang meninggalkan fasilitas model

o Akhir dari proses bisnis

o Pelanggan meninggalkan toko

1.6.2 DATA MODULES

Entity Module



43

Deskripsi

Data modul ini menjelaskan bermacam tipe entity dan initial nilai gambaran

simulasi. Inisial biaya informasi dan holding cost juga dijelaskan oleh entity.

Tipe Penggunaan

o Item yang diproduksi atau di assembly (parts, pallets)

o Dokumen (forms, e-mail,fax, laporan)

o Pergerakan orang mengikuti proses (pelanggan, pemanggil)

Queue Module

Deskripsi

Modul data ini digunakan untuk merubah tingkat posisi pada spesifikasi

queue. Pada modul ini bisa dilakukan penambahan queue yang belum

terdefinisikan

Tipe Penggunaan

o Botle neck sebuah sumberdaya pada process module

o Holding area untuk dokumen penungguan untuk dikumpulkan pada Batch

Module

Resources Module



44

Deskripsi

Modul data ini menjelaskan sumberdaya pada sistem simulasi, termasuk biaya

informasi dan sumberdaya tersedia. Sumberdaya merupakan kapasitas yang

tepat yang tidak merubah jalannya simulasi atau operate berdasar pada

penjadwalan. Kegagalan sumberdaya dan tingkatan juga dapat

dispesifikasikan dalam module ini.

Tipe penggunaan

o Peralatan (permesinan, cash register, phone line)

o Manusia (clerical, proses order, penjualan clercks, operators)

Schedule Module

Deskripsi

Data modul ini mungkin digunakan pada konjungsi dengan modul sumber daya

yang mendefinisikan sebuah operating schedule untuk sumber daya atau dengan

create module yang didefinisikan sebuah jadwal kedatangan. Sebagai tambahan

penjadwalan mungkin digunakan sebagai referensi factor waktu delay didasarkan

pada waktu simulasi. Penggunaan, pengolahan dan analisa tentang schedule

module akan dijelaskan lebih detail pada bab lain dalam modul ini.



45

Tipe Penggunaan

o Penjadwalan kerja termasuk istirahat untuk staff

o Breakdown peralatan

o Volume kedatangan pelanggan pada took

o Factor learning curve pada pekerja baru

Set Module

Deskripsi

Data modul ini mendefinisikan bermacam-macam set tipe, termasuk sumber

daya, counter, penghitungan, tipe entitas, gambar entitas. Set sumber daya bisa

digunakan pada process module (dan Seize, Release, Enter, dan Leave dari

Advanced process dan Advanced Transfer Panels). Counter dan Tally bisa

digunakan sebagai Record Module. Set Queue bisa digunakan pada Seize,

Hold, Access, Request, Leave, dan Allocate Module dari Advanced Process

dan Advanced Transfer Panels.

Tipe Penggunaan

o Mesin yang dapat menjalankan pengoperasian fasilitas manufacturing

o Supervisors, check-out tagihan toko

o Pengiriman tagihan, resepsionis pada senuah kantor

o Set dari gambar yang dikumpulkan sebagai set tipe entitas



46

Variable Module

Deskripsi

Data modul ini digunakan untuk mendefinisikan dimensi variable dan nilai

inisial. Variable bisa direferensikan pada model Other (missal Decide

Module), bisa ditugaskan kembali pada nilai baru dengan Assign Module, dan

bisa digunakan untk berbagai expression.

Tipe Penggunaan

o Jumlah dokumen yang diproses perjam

o Serial number yang memberikan identifikasi khusus

o Fasilitas ruang yang available

1.8 INPUT ANALYZER

Data input dalam model simulasi adalah bagian terpenting yang harus mendapat

perhatian tersendiri. Dalam simulasi sistem antrian misalnya, dikenal dengan input data

dengan bentuk distribusi waktu antar kedatangan dan waktu pelayanan. Pada sistem

inventory atau persediaan, input data yang dibutuhkan terdiri dari distribusi-distribusi

permintaan dan lead time. Pada kasus perawatan dan reliabilitas si stem dikenal beberapa

input data yang dibutuhkan, seperti : distribusi waktu antar kerusakan komponen.

Pada aplikasi simulasi di sistem nyata, penentuan bentuk distribusi dari

input data merupakan tugas utama dan sangat penting. Karena akan berdampak

pada hasil atau output yang akan diinterpretasikan dan dianalisa.



47

Terdapat empat langkah umum untuk pengembangan model input data :

1. Mengumpulkan data dari sistem riil yang diamati

2. Mengidentifikasi distribusi probabilitas sebagai representasi dari input

proses.

3. Memilih parameter dari data

4. Mengevaluasi ditribusi probabilitas terpilih dengan menggunakan grafik

atau uji statistik.

Dalam Arena disediakan suatu fasilitas untuk menguji distribusi bilangan random

dan pembangkitang bilangan random sesuai dengan distribusi yang diinginkan

pemodel, fasilitas ini disebut Input Analyzer.

Cara penggunaan Input Analyzer :

1. jika data sudah tersedia dan ingin diketahui distribusi data bilangan random

tersebut :

a). Bilangan random yang tersedia di simpan dalam bentuk notepad file

b). Buka program Arena, kemudian pilih pada toolbox Arena : Tools-Input

Analyzer

c). Setelah fasilitas Input Analyzer tersedia, langkah selanjutnya pilih menu :

File-New. Kemudian akan tersedia lembar kerja baru.



48

d). Pull-down menu File-Data File-Use Existing

e). Open file yang menyimpan data bilangan random (file dalam bentuk

notepad sehingga pada files of type pilih text files)



49

f). Setelah muncul data bilangan random dalam bentuk histogram, langkah

selanjutnya adalah menentukan distribusi data. Dengan cara pull-down

menu : Fit-Fit All.

g). Didapat distribusi bilangan random.



50

2. jika data bilangan random belum tersedia dan diinginkan data dengan

distribusi tertentu :

a). Buka program Arena, kemudian pilih pada toolbox Arena : Tools-Input

Analyzer

b). Setelah fasilitas Input Analyzer tersedia, langkah selanjutnya pilih menu :

File-New. Kemudian akan tersedia lembar kerja baru.

c). Pull-down menu File-Data File-Generate New



51

d). Tentukan distribusi data yang diinginkan kemudian tentukan parameter

estimasi dan banyaknya data yang diinginkan, misal berdistribusi normal

dengan rata-rata 16,6 dan standart deviasi 3,33, banyaknya data 50.

e). Didapat suatu distribusi yang diinginkan dengan cara pull-dowm menu :

Fit-Fit All



52

f). Data bilangan random dapat dilihat dengan cara pull-down menu :

Window- Input Data.

Beberapa distribusi probabilitas yang telah ada, diantaranya adalah :

1. Binomial

2. Poisson

3. Normal



53

4. Lognormal

5. Eksponensial

6. Gamma

7. Beta

8. Erlang

9. Diskrit atau kontinyu uniform

10. Triangular

Parameter estimasi

Penentuan parameter estimasi adalah setelah memilih jenis distribusi

probabilitas. Langkah pertama dalam penentuan parameter estimasi adalah

menghitung rataan dan variance dari data. Selanjutnya konversi parameter rataan

dan variansi sesuai dengan paramter distribsui, sperti pada tabel berikut :

Distribusi Parameter Suggested Parameter

Poisson

X

Eksponensial

X

1

Gamma ,

(lihat tabel KS)

X

1

Uniform (0,b)

b

n

n

b

1

Normal

2

, X

22

S



54

1.9 Contoh Study Kasus

Sebuah perusahaan yang bergerak di bidang mainan anak-anak,

memproduksi boneka yang terbuat dari kain. Adapun proses pembuatannya adalah

sebagai berikut :

Bahan baku datang dengan waktu antar kedatangan sebagai berikut :

(dalam menit)

45.31 58.82 22.46 38.88 11.24

12.41 6.87 9.18 20.70 6.81

31.91 62.50 9.70 72.05 31.61

29.60 14.72 19.31 13.82 2.80

9.17 13.29 39.34 2.66 5.51

6.32 19.82 7.55 18.35 40.91

16.31 17.76 2.20 5.48 48.03

28.32 2.26 0.90 27.40 40.03

6.50 37.59 10.24 17.30 3.78

11.23 61.20 23.88 4.38 3.27

Bahan baku untuk boneka tersebut dalam bentuk gulungan kain, dimana kain yang

datang akan dipecah menjadi 10 meter kain. Kain yang telah dipecah tersebut,

akan dibagi antara bahan untuk membuat boneka besar dan boneka kecil. Dengan

prosentase 60 % untuk boneka besar dan 40 % untuk boneka kecil. Setelah itu

dilakukan pengukuran sesuai dengan design. Mesin ukur untuk kedua jenis

boneka sama. Setelah selesai diukur langkah selanjutnya adalah proses

pemotongan. Pada proses ini bahan baku boneka akan di potong sesuai dengan

pola dan ukurannya. Setelah selesai dipotong boneka akan dijahit yang nantinya

akan diisi dengan kapas untuk menjadi bentuk sempurna. Mesin ukur, mesin

potong, mesin jahit, dan mesin pengisi kapas yang digunakan adalah sama untuk

pembuatan boneka besar dan boneka kecil. Setelah selesai diproses, akan

dilakukan pemisahan antara boneka besar dan boneka kecil. Lalu, untuk boneka

besar masuk ke gudang boneka besar, yang sebelumnya akan dicatat terlebih

dahulu. Sedangkan untuk boneka kecil, akan dimasukkan ke gudang boneka kecil

dimana boneka tersebut akan di-batch dengan ukuran batch sebanyak 2 boneka

dan dilakukan pencatatan.



55

Jalankan simulasi selama 8 jam

Waktu proses setiap mesin adalah sebagai berikut :

(dalam detik)

mesin pengukuran POIS( 16)

mesin pemotongan UNIF( 5, 10)

mesin penjahitan Constant (4)

mesin pengisi kapas EXPO( 5.2)

Jawaban :

1. Untuk data waktu kedatangan menggunakan input analyzer

2. Duplikasi kain menggunakan separate

3. Pemisahan kain menggunakan modul decide dengan type two way by

chance

4. Pemberian assign untuk masing-masing boneka, agar lebih jelas type

entitasnya.



56

5. Pengisian masing-masing proses. Misal :

6. Pemisahan boneka berdasarkan type entitas

7. Menyertakan modul batch untuk boneka kecil, dan menyertakan modul

record untuk pencatatan serta modul dispose untuk gudang.



57

Gambar 1.9.1 Model proses pembuatan boneka.



58

Daftar Pustaka

Khosnevish, Behrokh. Discrete System Simulation. New York : McGraw-Hill,

Inc. 1994

Bank, Carson, Nelson. Discrete-Event System Simulation. New Jersey : Prentice

Hall Inc. 1986

Law, AM., and David W kelton. Simulation Modeling And Analysis, New York :

McGraw-Hill, 1991

Levin, Rubin, Stinson, Gardner. Pengambilan Keputusan Secara Kuantitatif,

Jakarta, Penerbit PT Raja Grafindo Persada, 1993

Simatupang, Togar, Pemodelan Sistem. Klaten, Nindita, 1996

Wirabhuana, Arya. Diktat Kuliah : Industrial System Simulation. Yogyakarta :

Laboratorium SIMBI. 2002

Kakiay J Thomas, Pengantar Sistem Simulasi, 2003, ANDI, Yogyakarta

--------------------, ARENA User`s Guide, System Modelling Corp, 1995.

Kelton, David., Sadowski, Randall., and Sadowski, Deborah. Simulation With

Arena. New York : McGraw-Hill, 1998

pertemuan 1 2006-2007 ganjil

Documents