simulasi dan pengaplikasiannya dg arena

TEKNOIN Nomor 9 Tahun IV 1999 1

SIMULASI DAN PENGAPLIKASIANNYA

DALAM PERANGKAT LUNAK: SUATU GAMBARAN UMUM

Arya Wirabhuana, Hari Purnomo, Luqman Hakim Laboratorium Simulasi dan Manajemen Bisnis Industri (SIMBI),

Fakultas Teknologi Industri, Universitas Islam Indonesia

ABSTRAKSI

Simulasi merupakan sebuah teknik Pemodelan yang sangat populer karena kemampuan dan feksibilitasnya dalam menjawab setiap permasalahan. Hal terpenting dalam Pemodelan Simulasi adalah bagaimana menerapkan Simulasi dalam keadaan nyata secara komprehensif; mulai dari konsep, prosedur, hingga aplikasi dan analisis yang didapat.

Makalah ini membahas tentang simulasi secara konseptual yang merupakan gambaran umum tentang simulasi disertai dengan contoh kasus sederhana tentang antrian dan sistem produksi yang diselesaikan dengan alat bantu perangkat lunak Microsoft Excel dan Arena versi 3.0.

1. PENDAHULUAN

Dalam perilaku suatu sistem secara ilmiah perlu diterapkan sejumlah asumsi tentang bagaimana sistem tersebut bekerja. Asumsi tersebut membentuk model sistem yang bisa dimanfaatkan untuk mempelajari perilaku sistem, dan dinyatakan dalam bentuk hubungan matematis atau hubungan logis. Apabila hubungan-hubungan yang membentuk model tersebut sederhana, maka dimungkinkan menerapkan metode matematis untuk mendapatkan informasi atau jawaban yang eksak terhadap pernyataan atau permasalahan yang ingin diketahui. Informasi semacam itu disebut sebagai penyelesaian analitis.

Namun demikian, sistem riil pada umumnya terlalu kompleks dan sulit untuk dimodelkan serta dievaluasi secara analitis. Untuk mengatasi permasalahan tersebut dapat digunakan metode simulasi. Simulasi adalah proses mendesain dari suatu sistem nyata dan melakukan eksperimen terhadap model tersebut untuk memahami perilaku sistem dan mengevaluasinya untuk berbagai strategi operasi dari sistem.. Dengan simulasi para analis dimungkinkan untuk mengambil kesimpulan tentang sistem baru tanpa harus membangunnya terlebih dahulu atau melakukan perubahan pada sistem yang ada tanpa mengganggu kegiatan yang sedang berjalan.

2. PEMODELAN SISTEM

Dyer,G (Open University) [4] mengemukakan bahwa sistem merupakan kesatuan dari elemen-elemen yang terhubung melalui sebuah mekanisme tertentu dan terikat dalam hubungan interdependensi. Lingkungan suatu sistem memiliki batas (boundary) dengan sistem lain yang berada di sekitarnya. Sistem juga memiliki hubungan yang bersifat umpan balik yang menyebabkan sistem senantiasa dinamis. Lingkungan sistem adalah segala

TEKNOIN Nomor 9 Tahun IV 1999

2 TEKNOIN Nomor 9 Tahun IV 1999

sesuatu yang tidak merupakan bagian dari sistem, tetapi keberadaannya dapat mempengaruhi dan atau dipengaruhi sistem. Mueller-Merbach [8] 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 [4] mengemukakan bahwa dua tema pokok dari pendekatan sistem adalah : a. Mengelola apa yang ada pada saat ini (managing the present), dan b. Merancang apa yang diinginkan pada masa yang akan datang (redesigning the future).

Terdapat dua tipologi pendekatan sistem. Mueller-Merbach [8]menamakannya dengan pendekatan sistematik yang dipelopori oleh kaum barat 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. Pendekatan sistemik disebut juga sebagai pendekatan kontemplasi yang didasari filosofi bahwa sesuatu yang ada di dunia ini tidak dapat dipisah-pisahkan. Jika peneliti mencoba untuk memisah-misahkan berarti dia telah menghancurkan sistem tersebut.

Model merupakan suatu representasi atau formalisasi dalam bahasa tertentu (yang disepakati) dari suatu sistem nyata yang disepakati. Model dapat dikatakan sebagai sebuah kesatuan yang menggambarkan karakteristik suatu sistem. Model dibuat dengan cara simplifikasi dari sistem yang ada, sehingga untuk mempelajari sebuah sistem, dapat dilakukan dengan pengamatan pada model sistem tersebut. Walaupun model merupakan bentuk “sederhana” dari sebuah sistem, tapi 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 sistem yang bersangkutan. Ali Basyah Siregar [10],mengemukakan bahwa karakteristik model yang baik sebagai ukuran tujuan pemodelan yaitu : a. Tingkat generalisasi tinggi. Makin tinggi tingkat generalisasi model, maka model tersebut

akan dapat memecahkan masalah yang makin besar. b. Mekanisme trasparansi dapat menjelaskan dinamika sistem secara rinci. c. Potensial untuk dikembangkan membangkitkan minat peneliti lain untuk menyelidikinya

lebih lanjut. d. Peka terhadap perubahan asumsi. Hal ini menunjukkan bahwa proses pemodelan tidak

pernah selesai. Peka terhadap perubahan lingkungan. Peneliti yang mengerti akan sistem yang dihadapi maka ia dituntut untuk dapat

membuat model-model dari sistem tersebut. Adapun prinsip-prinsip dari pemodelan sistem adalah : a. Elaborasi. Pengembangan Model dilakukan secara bertahap dimulai dari model

sederhana hingga diperoleh model yang lebih representatif. b. Sinektik. Sinektik adalah metode yang dibuat untuk mengembangkan pengenalan

masalah secara analogis (William N. Dunn). [5] Sinektik yang mengacu pada penemuan kesamaan-kesamaan akan membantu analis menggunakan analogi yang kreatif dalam pengembangan model.


c. Iteratif. Pengembangan model bukanlah proses yang bersifat mekanistik dan linear. Oleh karena itu dalam tahap pengembangannya sangat mungkin dilakukan pengulangan-pengulangan dan peninjauan kembali.

3. LANGKAH-LANGKAH DAN MODEL SIMULASI

Suatu fasilitas atau proses yang saling berinteraksi biasanya disebut sebagai sistem dan upaya untuk mempelajari hal tersebut secara ilmiah (scientific) seringkali mengharuskan untuk membuat asumsi-asumsi tentang bagaimana sistem tersebut bekerja. Asumsi-asumsi itu biasanya berupa ekspresi matematika atau hubungan-hubungan logika untuk membangun sebuah model.

Dalam melakukan simulasi biasanya digunakan komputer untuk mengevaluasi suatu model secara numerik, dan data dikumpulkan dalam upaya untuk mengestimasi karakteristik nyata model tersebut. Ada beberapa tipe model simulasi : a. Statis. Model simulasi yang menunjukkan suatu sistem pada suatu waktu tertentu.

Contoh: Simulasi Monte Carlo. b. Dinamis. Model simulasi yang menunjukkan suatu sistem yang terjadi setiap waktu.

Contoh: analogi konveyor yang terus berjalan. c. Deterministik . Model simulasi yang tidak mengandung komponen probabilitas (bilangan

random). d. Stokastik. Model simulasi yang didalamnya dipengaruhi oleh bilangan

random/probabilitas. e. Kontinyu. Secara tipikal, model simulasi ini melibatkan persamaan diferensial yang

memberikan hubungan-hubungan pada perubahan nilai variabel-variabelnya terhadap waktu.

f. Diskret. Berfokus pada model sistem yang terus berjalan dan ditunjukkan oleh perubahan variabel-variabel secara bertahap pada poin waktu tertentu.

Langkah-langkah dalam simulasi ditunjukkan oleh flow chart pada Gambar 1.

4. SIMULASI KOMPUTER

Kajian simulasi terhadap perilaku sistem berkembang dengan pesat sejalan dengan perkembangan teknologi komputer. Dewasa ini simulasi banyak dilaksanakan dengan bantuan komputer. Program komputer untuk simulasi dapat ditulis oleh peneliti dengan menggunakan General Purpose Language seperti Fortran, Pascal, C ; atau ditulis dengan menggunakan Simulation Language seperti SIMAN ( Simulation Analysis ), SLAM ( Simulation language for Alternative Modelling ), GPSS ( General Purpose Simulation System ), SIMSCRIPT, ARENA dan lain-lain. Simulasi juga bisa dilakukan dengan memanfaatkan paket program komersial yang dibuat untuk kajian simulasi dimana user memerlukan sedikit pengetahuan tentang pemrograman. Paket program semacam itu misalnya Promodel, SIM FACTORY, WITNESS, Excell +.

Dalam kajian simulasi komputer ini akan diberikan contoh aplikasi komputer dengan ARENA dan Microsoft Excel.


4.1 ARENA

ARENA adalah sebuah software simulasi yang diterbitkan oleh Sistem Modelling Corp. Software ini berbasis pada object oriented. ARENA menyediakan alternatif dan template yang interchangeble dari model simulasi grafik dan model simulasi analisis yang dapat dikombinasikan untuk menciptakan model-model simulasi yang cukup luas dan bervariasi. Software ini menganut sistem drag & drop dan memiliki kemampuan animasi 2 dimensi. ARENA juga memiliki tingkat kompatibilitas yang baik. Kemampuan animasinya dapat ditunjang oleh file-file dari AutoCad. ARENA di spesialisasikan untuk menyelesaikan masalah-masalah Simulasi Sistem Diskret. Kelebihan lain dari ARENA adalah memiliki kemampuan pengolahan data statistik, walaupun tidak begitu lengkap.

Kasus untuk ARENA

Sebuah perusahaan yang bergerak di bidang peralatan rumah tangga memproduksi sebuah produk dengan bahan dasar 2 jenis, yaitu part A dan part B. Part A telah diproduksi dan datang tiap 5 menit Exponential. Setelah itu dibawa ke stasiun persiapan awal part A dengan waktu 2 menit dan diproses distribusi Triangular (1,4,8). Lalu di bawa ke stasiun perakitan dengan waktu 2 menit. Part B datang dalam batch 4 unit dengan transfer 2 menit dalam distribusi eksponential (30). Kemudian diproses dalam persiapan part B dengan

Identifikasi Masalah

Membangun Model

Menentukan Variabel

Mengumpulkan Data

Verifikasi dan Validasi

Valid ?

Eksperimen

Implementasi

Gambar 1. Langkah-langkah simulasi.


distribusi triangular (3,5,10). Kemudian ditransfer ke stasiun perakitan dengan waktu transfer 2 menit. Di stasiun perakitan memproses kedua part tersebut untuk dijadikan satu produk. Waktu yang dibutuhkan untuk memproses part A adalah Triangular (1,3,4) sedangkan waktu part B adalah normal (2.4 , 0.5). Sembilan puluh satu (91) persen part dinyatakan baik langsung di lanjutkan ke stasiun pengiriman. Produk yang tidak lolos dilanjutkan ke stasiun Rework untuk diperbaiki. Delapan puluh (80) persen produk reject berhasil diperbaiki dan ditransfer ke pengiriman, yang tidak dapat diperbaiki dianggap sebagai produk cacat atau sekrap. Waktu untuk memperbaiki produk reject mengikuti distribusi eksponential (45). Diasumsikan semua waktu transfer adalah 2 menit. Dari pengamatan ternyata hasil pada stasiun Rework melebihi kapasitas, sehingga diputuskan menambah satu shift lagi. Pada stasiun perakitan ada masalah bahwa mesin sering rusak. MTBF berdistribusi Eksponential (120) dan membutuhkan perbaikan yang memakan waktu berdistribusi eksponential (4). Bagaimana analisis sistem tersebut dengan ARENA 3.0.

Langkah awal yang harus dilakukan adalah memahami sistem yang ada sehingga pada nantinya gambaran sistem tersebut dapat dituangkan dalam model. Setelah model yang dibuat diteliti langkah selanjutnya adalah mentransfer model tersebut ke dalam software ARENA. Dalam ARENA ada beberapa modul, modul arrive, server, maupun inspect yang harus diisi. Tampilan model yang dibuat ditunjukkan oleh Gambar 2.

Gambar 2. Model simulasi dengan ARENA. Apabila dijalankan dengan panjang waktu simulasi 50.000 menit, hasilnya dapat

dilihat sebagai berikut :

Part A ArriveArrive

Part B ArriveArrive

Part A Prep

Server

Part B Prep

Server

Sealer

Inspect

Rework

Inspect

ShippingDepart

Salvaged ParDepart

ScrapDepart

50000Electronic Assembly andSimulate Statistics

0

0

0


ARENA Simulation Results STAFF - License #9400000 Summary for Replication 1 of 1 Project: Electronic Assem Run execution date : 5/ 2/1998 Analyst: Mr.Munchkin Model revision date: 5/ 2/1998

Replication ended at time : 50000.0 TALLY VARIABLES

Identifier Average Half Width Minimum Maximum Observations _____________________________________________________________________________________________________________________________________________________________________________________________________________________________________

Salvaged Parts_Ta 302.17 (Corr) 19.439 1229.2 1199 Rework_R_Q Queue Time 193.93 48.888 .00000 674.58 1467 Sealer_R_Q Queue Time 6.2386 1.5828 .00000 50.795 16499 Scrap_Ta 285.39 (Insuf) 25.366 1159.2 267 Part B Prep_R_Q Queue 70.972 (Corr) .00000 541.65 6624 Shipping_Ta 57.472 (Corr) 9.0197 564.91 15031 Part A Prep_R_Q Queue 15.183 2.5646 .00000 99.536 9876

DISCRETE-CHANGE VARIABLES

Identifier Average Half Width Minimum Maximum Final Value _____________________________________________________________________________________________________________________________________________________________________________________________________________________________________

# in Rework_R_Q 5.6899 1.6284 .00000 28.000 .00000 Part A Prep_R Busy .85391 .02036 .00000 1.0000 1.0000 # in Sealer_R_Q 2.0586 .59611 .00000 21.000 .00000 Part B Prep_R Availabl 1.0000 (Insuf) 1.0000 1.0000 1.0000 # in Part A Prep_R_Q 2.9990 .61504 .00000 24.000 1.0000 Sealer_R Available 1.0000 (Insuf) 1.0000 1.0000 1.0000 Part A Prep_R Availabl 1.0000 (Insuf) 1.0000 1.0000 1.0000 Rework_R Available 1.4992 (Insuf) 1.0000 2.0000 1.0000 Sealer_R Busy .84177 .02003 .00000 1.0000 .00000 Rework_R Busy 1.3732 .06088 .00000 2.0000 1.0000 Part B Prep_R Busy .79305 .04708 .00000 1.0000 .00000 # in Part B Prep_R_Q 9.4023 (Corr) .00000 88.000 .00000 COUNTERS

Identifier Count Limit ______________________________________________________________________________________________________________________

Salvaged Parts_C 1199 Infinite Scrap_C 267 Infinite Shipping_C 15031 Infinite FREQUENCIES

--Occurrences-- Standard Restricted Identifier Category Number AvgTime Percent Percent _____________________________________________________________________________________________________________________________________________________________________________________________________________________________________

Value(NQ(REWORK_R_Q)) Constant(0,) 112 81.559 18.27 18.27 Range(0,10) 163 197.97 64.54 64.54 Range(10,20) 63 120.45 15.18 15.18 Range(20,30) 11 91.559 2.01 2.01

STATE(Sealer_R) BUSY 3635 11.578 84.18 84.18 IDLE 3339 1.9188 12.81 12.81 FAILED 387 3.8871 3.01 3.01 Simulation run time: 0.27 minutes. Simulation run complete.


Dari hasil tersebut dapat diambil kesimpulan sebagai berikut : a. Suku cadang - suku cadang yang dapat diselamatkan setelah melewati proses Rework

rata-rata adalah sebanyak 303 suku cadang dan berkorelasi. b. Rata–rata waktu tunggu sukucadang untuk mengalami perbaikan kembali adalah 193.93

menit. c. Sukucadang yang tidak dapat diselamatkan setelah melewati rework rata-rata sebanyak

286 buah. d. Antrian persiapan untuk part B rata-rata sepanjang 71 parts. e. Antrian persiapan untuk part A rata-rata sepanjang 15 parts.

4.2 Microsoft Excel versi 7.0

Software ini merupakan sebuah software spread sheet yang sangat familiar dengan pengguna Microsoft Windows. Walaupun berbasis pada spread sheet MS Excel dapat digunakan untuk menyelesaikan masalah simulasi terutama yang berbasis pada simulasi Monte Carlo, time series, dan pembangkitan bilangan random. Kasus untuk Microsoft Excel

Kasus yang diambil adalah kasus antrian single server. Tingkat kedatangan konsumen dan waktu pelayanan dari server di dapat dari pengamatan. Dari data yang didapat akan diketahui probabilitas dari tingkat antar kedatangan dan waktu pelayanan. Data dan hasil perhitungan simulasi adalah sebagai berikut:

8 TEKNOIN Nomor 9 Tahun III 1999

Langkah 1. Data Preparation and Distribution Estimation

TEKNOIN Nomor 9 Tahun III 1999 9


Langkah 2. Descriptive Statistic Result


Langkah 3. Fitting Input Distribution Through “Chi-Square Goodness of Fit” Test


Langkah 4. Determine Relative Probability Through Distribution Concept


Langkah 5. Preparing The Measurement of Simulation


Queuing Simulation Result


Dari hasil dapat diambil beberapa kesimpulan sebagai berikut: a. Jumlah pelanggan yang harus menunggu dalam antrian adalah 39 orang, artinya ada 11

orang yang langsung dilayani dari percoban yang dilakukan pada 50 orang. b. Waktu menunggu rata-rata dari pelanggan sebelum ia dilayani adalah 4.44 menit. c. Kemungkinan pelanggan akan menunggu jika memasuki sistem antrian tersebut adalah

0.78, artinya hampir bisa dipastikan setiap pelanggan yang memasuki sistem antrian harus menunggu selama 4.44 menit.

d. Server sangat sibuk, dengan demikian tidak pernah idle dalam kurun waktu 201 menit pengamatan.

e. Kemungkinan server idle adalah 0.063 f. Rata-rata waktu pelanggan berada dalam sistem antrian adalah 8.3 menit, artinya bahwa

dari mulai ia masuk ke dalam sistem antrian sampai ia keluar memerlukan waktu selama kurang lebih 8.3 menit.

Dari hasil tersebut dapat dianalisis mengapa terjadi antrian yang sangat panjang. Pertama–tama diketahui bahwa waktu rata-rata pelayanan lebih lama dari waktu rata-rata antar kedatangan, sehingga dapat dipastikan akan adanya antrian dan semakin lama tentu antrian akan semakin panjang. Waktu hasil simulasi berbeda dengan perhitungan statistik maupun pendekatan kuantitatif lainnya, sebagaimana ditunjukkan oleh Tabel 1. Tabel 1. Perbandingan hasil simulasi dan perhitungan statistik.

Metoda Waktu Antar Kedatangan Waktu Pelayanan Statistik Deskriptif 3.37 menit 3.75 menit Simulasi 4.00 menit 3.86 menit Nilai Harapan 3.64 menit Distribusi Uniform 4.5 menit

Dari tabel diatas terlihat bahwa pada hasil simulasi untuk waktu antar kedatangan

memiliki nilai paling rendah dari keempat metode yang ada, dilain pihak untuk waktu pelayanan hasil simulasi memiliki nilai yang paling tinggi diantara metoda kuantitatif yang dilakukan. Dengan demikian ada kecenderungan bahwa perhitungan panjang antrian hasil simulasi berbeda dengan perhitungan yang menggunakan pendekatan lain. Dan kecenderungan itu terlihat bahwa panjang antrian hasil simulasi akan lebih besar dari perhitungan panjang antrian metoda kuantitatif lain. Begitu pula halnya dengan kemungkinan orang harus menunggu dan waktu yang dihabiskan pelanggan dalam sistem. Namun yang perlu diperhatikan, bahwa kesimpulan seperti itu tidaklah bersifat general, namun sangat kasuistis, dan tidak boleh diaplikasikan pada sistem yang lain, tanpa melakukan eksperimen dan pengamatan pada hasil simulasinya. 5. PENUTUP

Simulasi umumnya digunakan untuk membahas masalah-masalah yang cukup komplek dimana penyelesaian analitik sudah tidak bisa digunakan. Kegagalan simulasi disebabkan kekurang pahaman terhadap teknik simulasi, juga mungkin disebabkan oleh model yang tidak sesuai dengan keadaan riil.

Pembicaraan tentang simulasi sering dikaitkan hanya pada kasus manajerial, riset operasional, atau sistem dan proses manufaktur. Sebenarnya penggunaan metode simulasi


mencakup bidang yang lebih luas daripada itu. Setiap kasus penelitian dimana peneliti menerapkan komputasi numerik dengan memanfaatkan teknologi komputer ( hardware dan software ) untuk mengkaji model matematik dari sistem yang diteliti, pada hakekatnya adalah sebuah proses simulasi komputer.

ARENA dan Microsoft Excell sebagai sebuah alat bantu dalam menyelesaikan masalah dalam simulasi, memiliki karakteristik yang berbeda, sehingga seorang pemodel yang akan mengaplikasikannya harus dapat menyesuaikan antara karakteristik sistam nyata dan karakteristik software yang ada, karena sangat mungkin software tertentu memiliki presisi yang lebih bagus dalam penyelesaian suatu masalah daripada software lain, akan tetapi untuk kasus lain , hal tersebut bisa berubah bahkan bisa berlaku sebaliknya.

DAFTAR PUSTAKA

[1] Banks, J., J. S. Carson, dan Barry L. Nelson. Discrete-Event System Simulation . New Jersey: Prentice-Hall, 1996.

[2] Chisman, J.A. Introduction to Simulation Modeling Using GPSS/PC. New Jersey: Prentice- Hall, 1992 [3] Dariyanto, B. Simulasi Komputer. Makalah, PIKTI-ITS, Surabaya, 1997. [4] Dyer, G. Am I Using a System Approach ?. System Planning, vol 6 No. 4., 1993 [5] Dunn, William N. Public Policy Analysis, an Introduction. Englewood Cliff; New-Jersey; Prentice-

Hall, 1981 [6] Kelton, D.W, R. P. Sadowski, dan D. A. Sadowski. Simulation with ARENA. New York: McGraw-

Hill, 1998. [7] Law, A., dan David Kelton. Simulation and Modeling Analysis. New York: McGraw-Hill, 1991. [8] Muller-Merbach,H. A system of System Approach. Interfaces. Vol.24. No. 4 (July-August). 1994 [9] Santoso, Singgih. Analisis Statistik Buat Excel. Jakarta: Elex Media Computindo, 1997. [10] Siregar, A. B.. Pemodelan Sistem. Proceding Lokakarya. Institut Teknologi Bandung, 1997. [11] Suparno, Imam.B, Simulation Software : ARENA & GPSS, Laboratorium SPK TI-ITS, 1998.

simulasi dan pengaplikasiannya dg arena

Documents