simulasi dengan menggunakan promodel software

LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

1

BAB I PENDAHULUAN

1.1 Latar Belakang

Dewasa ini dunia industri berkembang sangat pesat. Industri dapat berupa

industri jasa maupun industri produk yang memiliki kompleksitas sistem tinggi.

Maka dari itu perusahaan dituntut untuk membuat suatu sistem yang lebih efektif

dan efisien. Sistem yang efektif dan efisien dapat meningkatkan keuntungan

perusahaan baik perusahaan dibidang jasa maupun di bidang produksi. Untuk

menganalisa suatu sistem, dapat dilakukan dengan memodelkan sistem tersebut ke

dalam model yang lebih sederhana.

Model memegang peranan penting di bidang ilmu pengetahuan. Biasanya dari

segi ekonomi untuk menghemat (waktu, biaya) ataupun komoditi berharga lainnya.

Pemodelan bisa juga dilakukan untuk menghindari resiko kerusakan sistem nyata.

Dengan demikian sebuah model diperlukan bilamana percobaan dengan sistem

nyata menjadi terhalang karena mahal, berbahaya ataupun merupakan sesuatu

yang tidak mungkin untuk dilakukan. Taha (1992) bahwa asumsi sistem nyata

diwujudkan dari sistem nyata dengan menentukan faktor-faktor dominan (variabel,

kendala, dan parameter) yang mengendalikan perilaku dari sistem nyata. Phillips

(1976) dalam Operation Research, yang dimaksudkan dengan model adalah

representasi sederhana dari sesuatu yang nyata. Dengan pengertian ini

menunjukkan bahwa model selalu tidak sempurna. Dengan demikian menjadi jelas

bahwa untuk kondisi tertentu biasanya perlu membangun sebuah model yang

mewakili sistem nyata serta mempelajarinya sebagai pengganti sistem nyata.

Kantor pos adalah salah satu perusahaan milik negara yang terdiri dari

beberapa loket layanan, diantaranya layanan money chager, weselpos, pengiriman

paket, surat nasional dan surat internasional.Kantor pos yang dijadikan objek

pengamatan dalam studi kasus simulasi sistem dengan software Promodel adalah

Kantor Pos Pusat Malang yang terletak di Jalan Merdeka Barat 5, Malang. Dalam

studi kasus ini, praktikan mengambil spesifikasi objek pengamatan loket

pengiriman surat nasional. Dengan demikian, yang akan dimodelkan dalam

2 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

software Promodel adalah sistem pengiriman surat nasional pada kantor pos pusat

Malang.

1.2 Tujuan

Tujuan dari pengamatan ini antara lain:

1. Untuk mengetahui dan memahami sistem, model, simulasi,dan komponen

simulasi dalam proses pengiriman surat nasional di Kantor Pos Pusat Malang.

2. Untuk memodelkan sistem nyata pengiriman surat nasional di Kantor Pos Pusat

Malang dengan menggunakan PetriNet dan software ProModel serta

mensimulasikanya.

3. Agar dapat menganalisis hasil simulasi pada proses pengiriman surat nasional

di Kantor Pos Pusat Malang.

4. Agar melakukan verifikasi dan validasi model dari sistem pengiriman surat

nasional di Kantor Pos Pusat Malang.

1.3 Manfaat

Manfaat yang dapat diperoleh dari pengamatan ini antara lain:

1. Dapat mengetahui dan memahami sistem, model, simulasi,dan komponen

simulasi dalam proses pengiriman surat nasional di Kantor Pos Pusat Malang.

2. Mampu memodelkan sistem nyata pengiriman surat nasional di Kantor Pos

Pusat Malang dengan menggunakan PetriNet dan software ProModel serta

mensimulasikanya.

3. Praktikan dapat menganalisis hasil simulasi pada proses pengiriman surat

nasional di Kantor Pos Pusat Malang

4. Praktikan mampu melakukan verifikasi dan validasi model dari sistem

pengiriman surat nasional di Kantor Pos Pusat Malang


3

1.4 Batasan

Adapun batasan-batasan yang digunakan dalam studi kasus ini adalah sebagai

berikut:

1. Data yang diambil sebanyak 50 replikasi yang dibagi ke dalam 5 set data dan

tiap set terdiri dari 10 replikasi.

2. Loket yang diamati pada kantor pos adalah loket pengiriman surat nasional.

3. Data yang diambil merupakan data yang berupa waktu antar kedatangan, waktu

dilayani, waktu scanning barcode, dan waktu memasukkan surat ke truk surat.

1.5 Asumsi

Adapun asumsi-asumsi yang digunakan dalam studi kasus ini adalah sebagai

berikut:

1. Tidak ada petugas yang absen atau ijin tugas keluar.

2. Lamanya pelayanan yang diberikan tidak tergantung pada banyaknya antrian

dan jumlah kedatangan.

3. Dalam satu tray terdapat 50 surat, dalam satu kantong terdapat 50 surat, dan

dalam satu container terdapat 100 surat.

4. Proses pemindahan 50 surat ke tray untuk dibawa dari proses pelayanan di

loket hingga scan dilakukan dalam 10 menit.


Halaman ini sengaja dikosongkan


5

BAB II TINJAUAN PUSTAKA

2.1 Sistem

Banyak sekali referensi yang memberikan penjelasan mengenai pengertian

maupun definisi dari sistem, tetapi meskipun istilah sistem yang ada sangat

bervariasi sistem harus memiliki elemen atau karakteristik yaitu batas sistem

(boundary), lingkungan luar sistem (environment), penghubung sistem (interface),

masukan sistem (input), keluaran sistem (output), pengolahan sistem (process),

sasaran sistem, dan yang paling penting adalah sistem harus mempunyai tujuan.

Berdasarkan persyaratan tersebut, Sistem adalah sekelompok elemen-elemen

yang terintegrasi dengan maksud yang sama untuk mencapai suatu organisasi.

Organisasi terdiri dari sejumlah sumber daya yang bekerja menuju tercapainya

suatu tujuan tertentu oleh pemilik atau manajemennya. (Raymond Mc. Leod Jr,

2004:9 )

2.1.1 Karakteristik Sistem

Sistem memiliki beberapa karakteristik antara lain:

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

sistem.

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

dalam sistem yang dapat merubah atribut maupun entity.

3. Hubungan (relationship), merupakan kesinambungan interaksi antara dua

objek atau lebih yang memudahkan proses pengenalan satu akan yang lain.

4. Antarmuka penghubung (interface), merupakan media penghubung antar

subsistem.

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

atau subsistem:

a. Entitas: merupakan kumpulan objek yang terdefinisikan yang mempunyai

karakteristik sama dan bisa dibedakan satu dan lainnya.

b. Subsistem:


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

sistem. Terdapat dua macam atribut, yaitu:

a. Parameter: merupakan suatu nilai yang besarannya dianggap tetap selama

model simulasi dijalankan.

b. Variable: merupakan informasi yang mencerminkan karakteristik suatu

sistem, yang mengikat sistem secara keseluruhan sehingga semua entity

dapat mengandung variable yang sama, dalam Promodel dikenal variable

local dan global.

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

lingkungan luarnya.

8. Lingkungan luar (environment), merupakan kondisi ataupun entitas di luar dari

sistem yang mempengaruhi operasi sistem.

9. Masukan sistem (input), merupakan suatu energi yang dimasukkan ke dalam

sistem.

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

terjadinya kesalahan pada sistem.

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

diklasifikasikan menjadi keluaran.

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

yang dilakukan.

13. Ukuran performansi sistem dibagi menjadi dua:

a. Transient state: yaitu situasi awal setelah sistem dimulai atau

diinisialisasikan (start-up or warm-up period).

b. Steady state: yaitu keadaan stabil memiliki berbagai property yang tidak

berubah dalam waktu.

14. Proses pengolahan (transformation process), merupakan suatu proses yang

akan merubah masukan menjadi keluaran.

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

masukan, pengolahan, dan keluaran.


7

2.1.2 Klasifikasi Sistem

Sistem dapat diklasifikasikan dari beberapa sudut pandang, dalam bukunya

yang berjudul Discrete Event Simulation, Jerry Banks (1999) mengklasifikasikan

sistem sebagai berikut:

1. Sistem abstrak (abstact system) dan sistem fisik (physical system).

a. Sistem abstrak: sistem yang berupa pemikiran atau ide-ide yang tidak

tampak secara fisik. Misalnya : system agama

b. Sistem fisik: sistem yang keberadaannya dapat dilihat secara fisik.

Misalnya: perusahaan, computer.

2. Sistem alamiah (natural system) dan sistem buatan manusia (human made

system).

a. System alamian : sistem yang terbentuk secara alami. Misalnya : sistem

tatasurya, pencernaan.

b. Sistem buatan manusia : sistem yang dirancang dan dibangun oleh manusia

yang melibatkan interaksi dengan mesin. Misalnya : sistem produksi pabrik

3. Sistem tertentu (deterministic system) dan sistem tak tentu (probabilistic

system).

a. Sistem tertentu : sistem yang cara beroperasinya sudah dapat diprediksi,

interaksi-interaksi didalamnya dapat dideteksi dengan pasti dan outputnya

dapat diramalkan. Misalnya : pengolahan data (computer)

b. Sistem tak tentu : sistem yang outputnya tidak dapat diprediksi dengan

pasti karena mengandung unsur probabilitas.

4. Sistem tertutup (closed system) dan sistem terbuka (open system).

a. Sistem tertutup : sistem yang tidak berhubungan dengan dunia luar dan

tidak terpengaruh dengan lingkungan luarnya (bekerja secara otomatis).

b. Sistem terbuka : Sistem yang mempunyai hubungan dengan dunia luar dan

terpengaruh dengan lingkungan luarnya. Sistem ini menerima masukan

dan menghasilkan ouput untuk subsistem yang lain.


2.2 Model

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

atau dihasilkan (Departemen P dan K, 1984). Definisi lain dari model adalah

abstraksi dari sistem sebenarnya, dalam gambaran yang lebih sederhana serta

mempunyai tingkat prosentase yang bersifat menyeluruh, atau model adalah

abstraksi dari realitas dengan hanya memusatkan perhatian pada beberapa sifat

dari kehidupan sebenarnya (Simamarta, 1983).

2.2.1 Stakeholder dari pemodelan

Stakeholder dapat diartikan sebagai segenap pihak yang terkait dengan

permasalahan yang sedang diangkat (Daellenbach, 1994).

1. Problem owner

Merupakan individu atau sekelompok orang yang memiliki kewenangan

mengendalikan permasalahan. Disebut juga sebagai decision maker.

2. Problem user

Merupakan individu atau sekelompok orang yang menggunakan solusi model

untuk memecahkan masalah, meningkatkan kinerja, dan mengeksekusinya.

3. Problem customer

Merupakan pihak yang mendapatkan manfaat atau menjadi objek akibat

penerapan solusi.

4. Problem analyst

Menganalisis masalah dan mendapatkan solusi kemudian disampaikan kepada

problem owner untuk mendapatkan persetujuan. Misalkan pada proyek

pembuatan pabrik baja; pimpinan perusahaan pengembang merupakanowner,

tim proyek merupakan user, pemilik pabrik merupakan customer, dan

konsultan sebagai analyst.


9

2.2.2 Klasifikasi Model

Berdasarkan pendapat Murdick, et.al (1987) dan Ackoff, et.al (1962) model terdiri

dari 8 kelas, yaitu:

1. Kelas I, Pembagian Menurut Fungsi

a. Model Deskriptif: model yang memberikan gambaran sistem nyata tanpa

rekomendasi dan peramalan.

Contoh: struktur organisasi, laporan keuangan, peta, daftar isi.

b. Model Prediktif: model ini menunjukkan apa yang akan terjadi, bila sesuatu

terjadi atau meramalkan hasil dari kondisi tertentu.

Contoh: analisis BEP, diagram pohon keputusan, antrian.

c. Model Normatif: model yang menyediakan jawaban terbaik dari alternative

yang ada. Model ini memberi rekomendasi tindakan-tindakan yang perlu

diambil.

Contoh: model optimasi, PL, CPM/PERT, marketing mix.

2. Kelas II, Pembagian Menurut Struktur

a. Model Ikonik: adalah model yang menirukan atau mempertahankan

sebagian sifat-sifat fisik sistem aslinya, terkadang dalam suatu skala

tertentu.

Contoh: model pesawat, maket, layout fasilitas, cetak biru.

b. Model Analog: adalah suatu model yang mewakili situasi dinamik atau

keadaaan yang berubah menurut waktu.

Contoh: sistem peredaran darah dengan selang, jaringan lalu lintas dengan

jaringan listrik

c. Model Simbolis: adalah suatu model yang menggambarkan sistem yang

ditinjau dengan simbol-simbol, biasanya dengan simbol-simbol matematik.

Contoh: rumus ABC, model PL, hukum pithagoras

3. Kelas III, Pembagian Menurut Acuan Waktu

a. Model Statis: model yang tidak memperhitungkan perubahan-perubahan

karean pengaruh waktu.

Contoh: struktur organisasi, Model laba yang diharapkan.


b. Model Dinamis: model yang memperhitungkan faktor waktu dalam

menggambarkan suatu sistem nyata.

Contoh: model pertumbuhan populasi, model dinamis.

4. Kelas IV, Pembagian Menurut Tingkat Ketidakpastian

a. Model Deterministik: model yang keluarannya yang dihasilkan dapat

diduga secara pasti berdasarkan masukannya.

Contoh: model laba, model persediaan Wilson.

b. Model Probabilistik: model probabilistik menyangkut distribusi

probabilistik dari input atau proses.

Contoh: diagram pohon keputusan, peta kendali mutu, model RO.

c. Model Konflik: model yang memiliki sifat alamiah pengambil keputusan

berada dalam pengendalian lawan.

Contoh: model kompetisi, model posisi tawar.

d. Model Tak Pasti: model yang dikembangkan untuk menghadapi

ketidakpastian mutlak.

Contoh: model maksimin-minimaks, model teori permainan.

5. Kelas V, Pembagian Menurut Derajat Generalisasi

a. Model Umum: merupakan model yang dapat diterapkan pada berbagai

bidang fungsional. Model ini ini dapat digdunakan untuk beberapa jenis

masalah yang berbeda.

Contoh: model program linear, model antrian.

b. Model Khusus merupakan model yang hanya dapat diterapkan pada bidang

tertentu (khusus) saja dan hanya dapat digunakan pada masalah-masalah

tertentu.

Contoh: model persediaan probabilistik.

6. Kelas VI, Pembagian Menurut Acuan Lingkungan

a. Model Terbuka: model ini memiliki interaksi dengan lingkungan berupa

pertukaran informasi, material ataupun energi.

Contoh: model aksi reaksi, model sosial.

b. Model Tertutup: model ini tidak memiliki interaksi dengan lingkungan.

Contoh: model thermostat.


11

7. Kelas VII, Pembagian Menurut Derajat Kuantifikasi

a. Model Kualitatif: merupakan model yang menggambarkan mutu suatu

realita. Model ini dibagi menjadi 2, yaitu:

1) Model Mental: model yang menggambarkan proses berpikir manusia.

Contoh: proses belajar manusia.

2) Model Verbal: model yang disajikan dalam bahasa sehari-hari.

Contoh: definisi

b. Model kuantitatif, merupakan model yang semua variabelnya dapat

dikuantifikasikan. Model ini dibagi menjadi 4, yaitu.

1) Model Statistik: model yang mendeskripsikan dan menyimpulkan data.

Contoh: tabel mortalitas, peta kendali.

2) Model Optimasi: Model yang digunakan untuk menentukan jawaban

terbaik.

Contoh: analisis marjinal, analisis incremental, model optimasi

algoritmik.

3) Model Heuristik: model yang digunakan untuk mencari jawaban baik

tetapi bukan jawaban optimum.

Contoh: kesetimbangan lintasan produksi.

4) Model Simulasi: model yang digunakan untuk mencari jawaban baik

dan menguntungkan pada sistem yang sangat kompleks.

Contoh: model simulasi diskrit, pemrograman dinamis.

8. Kelas VIII, Pembagian Berdasarkan Dimensi

a. Model Dua Dimensi: model terdiri dari dua faktor atau dua dimensi

penentu.

Contoh: model regresi sederhana.

b. Model Multi Dimensi: merupakan model yang mempunyai banyak faktor

penentu.

Contoh: model analisis regresi berganda, model multikriteria, prototipe

kapal.

2.3 Simulasi


Tersine (1994), simulasi merupakan sebuah studi dengan memasukkan

manipulasi sebuah model dari suatu sistem dengan tujuan mengevaluasi alternatif

desain atau aturan keputusan. Dengan simulasi, percobaan sistem dapat

mengurangi resiko kebingungan struktur yang ada dengan perubahan yang tidak

mendatangkan keuntungan.

Simulasi Monte Carlo sendiri merupakan simulasi probabilistic, dimana datanya

dibangkitkan dari bilangan random, yang kemudian disusun suatu distribusi

probabilitas. Simulasi Monte Carlo dikenal juga dengan istilah Sampling Simulation

atau Monte Carlo Sampling Technique. Simulasi adalah model dari suatu sistem

nyata, dimana sistem tersebut dimodelkan dengan menggunakan sebuah software

yang berfungsi untuk menirukan perilaku sistem nyata. Selain itu, simulasi adalah

teknik untuk membuat konstruksi model matematika untuk suatu proses atau

situasi, dalam rangka menduga secara karakteristik atau menyelesaikan masalah

berkaitan dengannya dengan menggunakan model yang diajukan (Borowski &

Borwein. 1989).

2.3.1 Elemen Simulasi

Suatu sistem dalam simulasi mencakup entities, activities, resources, and

control. Elemen-elemen tersebut mendefinisikan siapa, apa, di mana, kapan, dan

bagaimana suatu entity diproses. Berikut merupakan penjelasan elemen dasar

pemodelan:

1. Entities, yaitu segala sesuatu yang dapat diproses.

2. Activity, yaitu kegiatan yang dilakukan di dalam sistem yang memperngaruhi

entitas baik secara langsung atau tidak langsung.

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

4. Controls, yaitu segala sesuatu yang menentukan bagaimana, kapan, dan di mana

aktivitas dijalankan.

2.3.2 Software Simulasi

Dalam pemodelan simulasi dikenal dua software yang paling umum digunakan,

yaitu programming language dan simulation application.


13

2.3.2.1 Programming Language

Programming Language adalah suatu bahasa ataupun tata cara yang dapat

digunakan oleh manusia (programmer) untuk berkomunikasi secara langsung

dengan computer. Secara umum programming language dibagi menjadi dua, yaitu:

High Level Language dan Low Level Language. High level language lebih mudah

dipelajari karena semua kalimat, kata ataupun aturan yang ada di dalam high level

language juga merupakan kalimat, kata ataupun aturan yang digunakan dalam

kehidupan sehari-hari.

2.3.2.2 Simulation Application

Simulation application adalah suatu program (software) yang berfungsi untuk

menirukan atau memodelkan suatu perilaku sistem nyata sehingga hasilnya dapat

dianalisis dan dipelajari. Secara umum simulation application dibagi menjadi dua,

yaitu: General Purposes Application yang dapat digunakan secara umum untuk

berbagai macam tugas atau tujuan dan Special Purposes Application yang memiliki

tugas atau tujuan yang spesifik dan lebih lengkap.

2.4 Pemodelan dengan Promodel

Berikut ini terdapat definisi ProModel, struktur elemen ProModel, dan konsep

pemodelan pada ProModel.

2.4.1 Definisi Promodel

Promodel adalah software simulasi yang dapat digunakan untuk mensimulasi

dan menganalisa sistem produksi dari berbagai tipe dan berbagai ukuran. Promodel

merupakan software simulasi diskrit walaupun untuk beberapa proses industry

dapat dimodelkan dengan cara mengkonversi sistem continous seperti produksi

minyak menjadi sistem produksi minyak berdasarkan barrel. Promodel didesain


untuk memodelkan sistem ketika kejadian pada sistem muncul pada waktu tertentu.

Pada simulasi menggunakan promodel dapat ditampilkan animasi yang mewakili

sistem yang telah dimodelkan. Promodel melihat suatu sistem produksi sebagai

susunan dari location process seperti mesin atau stasiun kerja dimana entitas

diproses sesuai dengan logika proses yang telah dibuat.

2.4.2 Struktur Elemen Promodel

Struktur elemen yang terdapat dalam ProModel antara lain:

1. Location

Dalam promodel, location merepresentasikan sebuah area dimana bahan baku,

bahan setengah jadi ataupun bahan jadi mengalami atau menunggu proses, di-

delay, disimpan, serta beberapa aktivitas lainnya. Data-data yang diperlukan

sebagai input dalam mendefinisikan location antara lain:

a. Name, yaitu nama masing-masing lokasi.

b. Capacity, merupakan kapasitas lokasi dalam memproses entity.

c. Unit, adalah jumlah lokasi yang dimaksud.

d. Downtimes (DTs), menyatakan saat-saat lokasi tidak berfungsi,

misal diakibatkan karena kerusakan, maintenance, waktu set-up, dan lain-

lain.

e. Rules, digunakan untuk merumuskan bagaimana aturan pemrosesan

bagi entity yang memasuki lokasi, bagaimana entity yang selesai

diproses mengantri, dan bagaimana lokasi yang lebih dari satu unit untuk

memproses entity yang datang.

f. Notes, digunakan untuk memasukan catatan atau program-program lain.

2. Entities

Entities adalah setiap bahan yang akan diproses oleh model. Entitas merupakan

suatu objek yang akan diamati dari sistem, contohnya part kerja atau operator.

Di dalam menu entities pada ProModel, terdapat menu yang harus diinputkan

antara lain:

a. Name, yaitu nama dari setiap entity.


15

b. Speed, adalah kecepatan entity bergerak atau berpindah dari satu lokasi

ke lokasi berikutnya.

c. Stats, menyatakan level statistik dalam mengumpulkan hasil masing-

masing tipe entity. Terdapat tiga pilihan yaitu None, Basic, dan Time Series.

3. Arrival

Arrival pada bagian ini menunjukkan mekanisme masuknya entitas ke dalam

sistem, baik banyaknya lokasi tempat kedatangan ataupun frekuensi serta

waktu kedatangannya secara periodik menurut interval tertentu. Di dalam

menu arrivals ada data yang harus dipenuhi yaitu:

a. Entity menunjukan entitas apa yang masuk kedalam sistem.

b. Location, menunjukan lokasi pertama kali entitas memasuki sistem.

c. Quantity Each (Qty Each), menyatakan jumlah entitas yang datang

setiap satu kali kedatangan.

d. First Time, menunjukan waktu pertama kali entity masuk ke dalam sistem.

e. Occurences, menyatakan banyaknya entity setiap satu kali kedatangan.

f. Frequency, menyatakan selang waktu antar dua kedatangan yang

berurutan.

g. Logic, digunakan untuk menyatakan logika-logika lain untuk

menyatakan arrival.

h. Disable, menyatakan apakah kedatangan entity yang bersangkutan ada

atau tidak. Default dalam Promodel adalah No, artinya ada kedatangan

entity yang bersangkutan.

4. Processing

Processing merupakan operasi yang dilakukan dalam location. Processing

mengambarkan apa yang dialami oleh suatu entitas mulai dari saat entitas

masuk sampai keluar dari sistem. Dalam mendefinisikan proses pada ProModel,

maka harus diinputkan data pada sub menu processing yaitu entity, location,

operation, sedangkan pada sub menu routing terdapat block, output,

destination, rule, dan move logic. Penjelasannya adalah sebagai berikut:

a. Entity, menyatakan entity sebagai input yang akan diproses.


b. Location, menunjukan operasi yang akan dilakukan pada entity (input),

termasuk waktu operasinya.

c. Operation, menujukan proses operasi yang dialami entitas.

d. Block, maksudnya adalah jalur yang ditempuh entitas. Yang diisikan

dalam block adalah nomor. Jika nomor blocknya sama maka asal jalurnya

juga sama.

e. Output, menunjukan entitas yang keluar dari proses.

f. Destination, menyatakan lokasi yang menjadi tujuan selanjutnya

dalam memproses entity.

g. Rule, menyatakan aturan-aturan yang digunakan dalam processing,

misalnya proses perakitan (join), probabilitas, dan lainnya.

h. Move logic, digunakan untuk mendefinisikan metode pergerakan

entitas, yaitu dengan menetapkan waktu pergerakan atau dengan apa

entitas dipindahkan.

5. Resource

Resource merupakan sumber daya yang digunakan untuk melakukan operasi

tertentu dalam kinerja suatu sistem. Dalam promodel, objek yang dijadikan

resource akan bergerak sesuai dengan keinginan kita, contohnya adalah

operator, forklift, crane, alat angkut untuk material handling, dll. Di dalam menu

resources diperlukan data antara lain:

a. Name, menunjukan nama dari resources tersebut.

b. Units, menujukan jumlah resources.

c. Specs, menunjukan lintasan kerja yang akan digunakan dan lokasi

yang pertama kali akan dikunjungi.

6. Path network

Digunakan untuk menentukan arah dan jalur yang ditempuh oleh resource

ataupun entitas ketika bergerak dari suatu lokasi ke lokasi lainnya. Path

network ini merupakan suatu hal yang menjadi keharusan jika ingin memakai

resource ataupun entitas yang bergerak. Dalam menu path network terdapat

name, type, path, interface, nodes. Penjelasannya adalah sebagai berikut:

a. Name, yaitu nama lintasan yang bersangkutan.


17

b. Type, terdiri dari 3 pilihan yaitu:

1. Non passing, pergerakan hanya untuk satu arah.

2. Passing, pergerakan yang berlaku untuk dua arah.

3. Crane, pergerakan yang berlaku untuk sistem crane.

c. T/S, menunjukan pilihan berdasarkan satuan waktu (Time) atau jarak dan

kecepatan (Speed and Distance).

d. Path, menunjukan jumlah dari lintasan dalam suatu jaringan.

e. Interface, menunjukan jumlah node yang berhubungan dengan

lokasi dalam path networks.

7. Variable

Terdapat dua jenis variable antara lain:

a. Variable global, yaitu tempat pemegang didefiniskan oleh pengguna untuk

mewakili perubahan nilai numerik.

b. Variable lokal, yaitu tempat pemegang yang tersedia hanya dalam logika

yang menyatakan mereka.

Beberapa variable yang terdapat dalam ProModel antara lain total change,

average (time) per change, minimum value, maximum value, current value,

average value.

2.4.3 Konsep Pemodelan Promodel

Konsep dari permodelan yaitu membangun model yang masuk akal dan bisa

mendeskripsikan sistem.

1. Pendekatan proses yang didasarkan pada tracking low dari entitas-entitas

keseluruhan sistem berikut titik pemrosesan dan aturan keputusan

percabangan.

2. Pendekatan peristiwa (event) atau pendekatan perubahan terhadap keadaan

(state change approach) berdasarkan variabel keadaan internal dan event

sistem yang mengubahnya, diikuti oleh deskripsi operasi sistem ketika suatu

event terjadi.

2.4.3.1 Batching Multiple Entities of Similar Type


Batching multiple entities of similar type terdiri dari dua jenis yaitu Temporary

Batching Using GROUP/UNGROUP dan Permanent Combine.

2.4.3.1.1 Temporary Batching Using Group/Ungroup

Pernyataan GROUP memungkinkan anda untuk membuat entitas kelompok

bersama-sama dan ungroup merekadi lain waktu. Anda dapat mengelompokkan

menurut jenis entitas-entitas individual dengan mendefinisikan record proseske

grup atau kelompok mereka, terlepas dari jenis entitas dengan mendefinisikan

catatan proses. Untuk menggabungkan jenis beberapa entitas dimana anda harus

mengontrol jumlah setiap jenis serta membutuhkan kontrol routing dengan

mengirimkan bagian ke lokasi pengelompokan.ProModel mempertahankan semua

identitas dan atribut dari entitas dikelompokkan dan memungkinkan mereka untuk

berpisah dengan entitas individu setelah perintahUngroup.

2.4.3.1.2 Permanent Combine

ProModel menggunakan pernyataan COMBINE untuk mengumpulkan dan

mengkonsolidasi jumlah tertentu dari entitas menjadi satu kesatuan, opsional

dengan nama yang berbeda. Entitas yang digabung mungkin berasal dari tipe yang

sama dari entitas atau mereka mungkin berbeda. Entitas gabungan akankehilangan

identitas dan atribut serta tidak dapat di ungroup nantinya. Ketika mendefinisikan

lokasi, kapasitas lokasi di mana dapat menggunakan pernyataan COMBINE harus

setidaknya sama besar dengan jumlah gabungan.

2.4.3.2 Accumulation of Entities

Accum bekerja seperti sebuah gerbang yang mencegah entitas dari pengolahan

sampai jumlah tertentu tiba. Setelah jumlah tertentu dari entitas telah berhasil

dikumpulkan, mereka akan pergi melalui pintu gerbang dan mulai memproses

secara individual, independen satu sama lain.

2.4.3.3 Spliting of One Entity Into Multiple Entities


19

Splitingof one entity into multiple entities akan mengubah nama entitas, dan

membagi semua statistik biaya dan waktu yang masih harus dibayar oleh entitas

dasar antara entitas baru. ProModel menghitung entitas lama sebagai jalan keluar

dan entitas yang dihasilkan berbagi nilai atribut yang sama sebagai entitas aslinya.

Setiap entitas yang anda ingin bagi harus melepaskan semua sumber daya yang

dimiliki dengan menggunakan pernyataan FREE. Gunakan SPLIT AS untuk membagi

potongan bahan baku menjadi komponen-komponen. Entitas yang dibentuk oleh

SPLIT AS di lokasi tidak akan muncul dalam statistik untuk lokasi ini.

ProModel tidak memungkinkan SPLIT AS pada konveyor, dan bukan di ujung

antrian. Anda juga tidak boleh menggunakan SPLIT AS setelah pernyataan ROUTE.

Jangan gunakan SPLIT AS dalam kombinasi dengan COMBINE, CREATE, GROUP,

UNGROUP, LOAD, atau pernyataan perpecahan lainnya dalam logika proses yang

sama.

2.5 Teori Antrian

Menurut Siagian (1987), antrian ialah suatu garis tunggu dari nasabah (satuan)

yang memerlukan layanan dari satu atau lebih pelayanan (fasilitas layanan). Pada

umumnya, sistem antrian dapat diklasifikasikan menjadi system yang berbeda-beda

dimana teori antrian dan simulasi sering diterapkan secara luas.

2.5.1 Komponen Dasar Antrian

Berikut adalah komponen dasar dalam proses antrian:

1. Kedatangan

Setiap masalah antrian melibatkan kedatangan, misalnya orang, mobil,

panggilan telepon untuk dilayani, dan lain–lain. Unsur ini sering dinamakan

proses input. Proses input meliputi sumber kedatangan atau biasa dinamakan

calling population, dan cara terjadinya kedatangan yang umumnya merupakan

variabel acak. Menurut Levin, dkk (2002), variabel acak adalah suatu variabel

yang nilainya bisa berapa saja sebagai hasil dari percobaan acak. Variabel acak

dapat berupa diskrit atau kontinu. Bila variabel acak hanya dimungkinkan

memiliki beberapa nilai saja, maka ia merupakan variabel acak diskrit.


Sebaliknya bila nilainya dimungkinkan bervariasi pada rentang tertentu, ia

dikenal sebagai variabel acak kontinu.

2. Pelayanan

Pelayan atau mekanisme pelayanan dapat terdiri dari satu atau lebih pelayan,

atau satu atau lebih fasilitas pelayanan. Tiap–tiap fasilitas pelayanan kadang–

kadang disebut sebagai saluran (channel) (Schroeder, 1997). Contohnya, jalan

tol dapat memiliki beberapa pintu tol. Mekanisme pelayanan dapat hanya

terdiri dari satu pelayan dalam satu fasilitas pelayanan yang ditemui pada loket

seperti pada penjualan tiket di gedung bioskop.

3. Antri

Inti dari analisa antrian adalah antri itu sendiri. Timbulnya antrian terutama

tergantung dari sifat kedatangan dan proses pelayanan. Jika tak ada antrian

berarti terdapat pelayan yang menganggur atau kelebihan fasilitas pelayanan

(Mulyono, 1991).

Spp = Satuan penerima pelayanan

Gambar 2. Proses Dasar Antrian (Supranto, 1987)

2.5.2 Disiplin Pelayanan Antrian

Menurut Christoper A Chung (2011), disiplin antrian adalah aturan keputusan

yang menjelaskan cara melayani pengantri. Ada 6 bentuk disiplin pelayanan yang

biasa digunakan, yaitu:

1. First Come First Served (FCFS) atau First In First Out (FIFO).

2. Last Come First Served (LCFS) atau Last In First Out (LIFO).

3. Least Value First

4. High Value First

5. Priority Service

6. Random Order


21

2.5.3 Model Antrian

Berdasarkan sifat pelayanannya dapat diklasifikasikan fasilitas-fasilitas

pelayanan dalam susunan saluran dan phase yang akan membentuk suatu struktur

antrian yang berbeda-beda. Istilah saluran menunjukkan jumlah jalur untuk

memasuki sistem pelayanan. Sedangkan istilah phase berarti jumlah stasiun-stasiun

pelayanan, dimana para langganan harus melaluinya sebelum pelayanan dinyatakan

lengkap.

Ada empat model struktur antrian dasar yang umum terjadi dalam seluruh

sistem antrian:

1. Single Chanel – Single Phase

Single Chanel berarti bahwa hanya ada satu jalur untuk memasuki sistem

pelayanan atau ada satu pelayanan.

Sumber: Napitu.2011. repository.usu.ac.id

2. Single Chanel – Multi Phase

Multi phase berarti ada dua atau lebih pelayanan yang dilaksanakn secara

berurutan dalam setiap fase.


3. Multi Chanel – Single Phase

Sistem multi chanel- single phase terjadi jika ada dua atau lebih fasilitas pelayanan

dialiri oleh suatu antrian tunggal.



4. Multi Chanel – Multi Phase

Sistem ini terjadi jika ada dua atau lebih fasilitas pelayanan dengan pelayanan pada

lebih dari satu fase.


2.6 Pengumpulan Data Input Simulasi

Waktu antar kedatangan untuk entitas yang masuk ke sistem hampir selalu

probabilistik. Interval antara entitas terakhir dengan entitas berikutnya mungkin

pendek, atau mungkin akanlama. Tidak diketahui dengan pasti kapan entitas

berikutnya akan tiba. Namun, dengan mengumpulkan data antar kedatangan massa,

adalah mungkin untuk melihat apakah data mengikuti distribusi tertentu.

1. Distribusi eksponensial, biasanya digunakan dalam hubungannya dengan

proses antar kedatangan dalam model simulasi, karena kedatangan entitas

dalam banyak sistem telah terbukti baik atau diasumsikan acak atau proses

poisson. Ini berarti bahwa jumlah acak entitas akan tiba dalam satuan waktu

tertentu. Ada beberapa rata-rata jumlah kedatangan dalam satuan waktu

yang tiba pada unit waktu didistribusikan secara acak di sekitar nilai rata-

rata. Distribusi eksponensial hanya memiliki satu parameter. Nilai ini adalah

nilai rata-rata. Jika waktu antar kedatangan menunjukkan distribusi


23

eksponensial, akan ada lebih banyak pengamatan dengan waktu antar

kedatangan lebih kecil dari nilai rata-rata. Persamaan statistik untuk nilai

rata dan varians dari distribusi eksponensial adalah:

Probabilitas diwakili oleh rumus berikut:

Rata - rata = B ; Var = B2

Dimana B adalah rata-rata dari data sampel dan x adalah nilai data. Hal ini

juga memungkinkan untuk memanipulasi persamaan distribusi

eksponensial untuk keperluan lain.

2. Distribusi uniform atau distribusi seragam yaitu sebuah distribusi yang

berarti bahwa selama rentang nilai yang mungkin, masing-masing perilaku atau

hal memiliki kemungkinan nilai yang sama harus diamati. Contoh yang umum

dari suatu distribusi seragam adalah perilaku dadu tunggal dengan nilai 6. Nilai

minimum mungkin adalah 1 dan nilai maksimal adalah 6. Karena semua bagian

adalah sarna, ada kemungkinan yang saran menerima salah satu dari nilai-nilai

antara 1 dan 6. Distribusi seragam memiliki beberapa aplikasi dalam dunia

simulasi. Distribusi seragam dapat digunakan sebagai model pertama sebagai

contoh untuk data input dari sebuah proses jika ada sedikit pengetahuan

tentang proses. Semua yang dibutuhkan untuk menggunakan distribusi

seragam hanyalah waktu minimum dan waktu maksimum proses. Walaupun

belum tentu asumsi valid bahwa data terdistribusi secara seragam, distribusi

seragam mengizinkan praktisi untuk mulai membangun model simulasi.

Distribusi seragam dapat bersifat diskrit atau kontinu. Dalam kasus dadu

tunggal dengan sisi enam, distribusi dianggap diskrit. Ini berarti bahwa nilai -

nilai data hanya dapat mengambil seluruh bilangan dalam batas yang berlaku.

Formula untuk nilai rata-rata dan varians distribusi seragam adalah:

Rata-rata = (a+bi ; Var = (b_a)2

2 12

Dimana a adalah nilai minimum danb adalah nilai maksimum.

3.7.2 Verifikasi dan Validasi


Verifikasi dan validasi merupakan tahapan untuk menguji kredibilitas /

kesesuaian sistem nyata dengan model simulasi. Verifikasi adalah proses untuk

menentukan apakah model telah beroperasi sesuai yang diinginkan oleh

programmer. Verifikasi berkaitan dengan kondisi konseptual apakah model telah

sesuai dengan konsep yang diinginkan (Banks, Carson, dan Nelson. 1995). Verifikasi

adalah proses pemeriksaan logika operasional model (program computer) sesuai

dengan logika diagram alur (Hoover dan Perry, 1989). Langkah-langkah verifikasi

(Jerry Banks, 2004) adalah:

1. Membandingkan diagram alir konseptual dengan model pada software simulasi

2. Melihat rangkuman proses pada model dan melakukan pengocokan ulang

terhadap logika proses.

3. Melakukan pengocokan animasi apakah sudah berjalan sesuai dengan sistem

nyata.

4. Melakukan compilasi error atau debugging.

Validasi adalah proses penentuan apakah model, sebagai konseptualisasi,

merupakan representasi yang akurat dan sesuai dengan sistem nyata (Hoover dan

Perry. 1989).

Gambar 2.5 Relasi verifikasi, validasi dan pembentukan model kredibel Sumber: STIK. 2011. Materi 03 Simulasi.pdf


25


BAB III METODOLOGI PENELITIAN

3.1 Diagram Alir Praktikum

Mulai

Identifikasi

Masalah

Studi Pustaka

Perancangan

model konseptual Pengambilan data

Pengolahan data

Penetuan distribus

Pemodelan sistem

Verifikasi model

Model sesuai ?

Validasi model

Model sesuai ?

Kesimpulan dan

saran

Selesai

Gambar 3.1 Diagram Alir Praktikum


27

Ya

Tidak

Tidak

Ya

BAB III METODOLOGI PENELITIAN

3.1 Diagram Alir Praktikum

Selesai

Mulai

Identifikasi Masalah

Pengumpulan Data

Tinjauan Pustaka

Model

Sesuai?

Pengolahan Data

Penentuan Distribusi

Pemodelan Sistem

Verifikasi Model

Validasi Model

Model

Sesuai?

Kesimpulan dan Saran

Perancangan Model Konseptual

Gambar 3.1 Diagram Alir Praktikum

3.2 Prosedur Praktikum


Berikut ini merupakan prosedur praktikum simulasi dan aplikasi industri

modul Simulation and Promodel Software.

1. Memulai praktikum

2. Identifikasi Masalah

Pada identifikasi masalah ini, praktikan mengamati apakah sistem yang menjadi

topik bahasan pada praktikum ini sudah berjalan secara efektif dan efisien.

Dalam hal ini, Kantor Pos Pusat Malang adalah objek pengamatan.

3. Studi Kepustakaan

Dalam studi kepustakaan dilakukan dengan mempelajari berbagai referensi

yang sesuai dengan materi praktikum.

4. Pengumpulan Data

Pengumpulan data meliputi data sistem pelayanan yang ada pada studi kasus

yaitu data waktu antar kedatangan dan waktu proses yaitu pelayanan di loket,

scanning barcode, dan memasukkan surat ke kontainer.

5. Pengolahan Data

Data yang telah dikumpulkan sejumlah 5 set data dimana 1 set berjumlah 10

replikasi data, dan diolah sesuai dengan tahapan-tahapan yang ada.

6. Perancangan Model Konseptual

Membuat model konseptual dari sistem Loket Nasional pada Kantor Pos

menggunakan petrinet dan flowchart sistem.

7. Penentuan Distribusi

Penentuan distribusi dilakukan dengan menggunakan tools Stat::Fit pada

Promodel. Data-data hasil pengamatan dimasukkan dalam Data View dan

diproses hingga muncul output distribusi data. Pilih distribusi yang sesuai

dengan distribusi berdasarkan karakteristik aktivitas.

8. Pemodelan Sistem

Merupakan proses membangun atau membentuk sebuah model dari suatu

sistem nyata yang diamati dan diterapkan dengan menggunakan software

Promodel.


29

9. Verifikasi Model

Merupakan proses menentukan apakah model simulasi merefleksikan model

konseptual dengan tepat. Jika model tidak terverifikasi, maka kembali ke

pemodelan sistem dengan Promodel.

10. Validasi Model

Merupakan proses menentukan apakah model konseptual merefleksikan

sistem nyata dengan tepat. Validasi dilakukan dengan membandingkan

parameter pada sistem nyata dan model simulasi menggunakan independent-t

test atau Mann Whitney. Jika model tidak valid maka kembali ke pengambilan

data input simulasi.

11. Kesimpulan dan Saran

Kesimpulan dan saran memberikan rangkuman dari awal proses hingga akhir

dan melengkapi apa yang kurang pada proses tersebut.Saran diberikan untuk

perbaikan sistem pada Kantor Pos.

12. Selesai


BAB IV HASIL DAN PEMBAHASAN

4.1 Gambaran Sistem

Kantor pos adalah salah satu perusahaan milik negara yang terdiri dari

beberapa loket layanan, diantaranya layanan money chager, weselpos, pengiriman

paket, surat nasional dan surat internasional. Objek yang diamati dalam

pengambilan data adalah loket perngiriman surat nasional. Pengunjung mendatangi

loket pengiriman surat nasional setiap kurang lebih 5 sampai 10 menit dari pintu

masuk Kantor Pos dengan jumlah entitas sebanyak 1 lembar surat setiap kali

kedatangan. Lembaran surat satu persatu dikumpulkan pada loket. Setelah

terkumpul banyak, lembaran surat tersebut dibawa ke departemen pengecekan

untuk diberi nomor resi pengiriman dan dipilah berdasarkan alamat tujuan. Setelah

itu surat d scan menggunakan alat setiap 4 sampai 10 detik pada setiap lembar surat.

Kemudian dilanjutkan menuju departemen packaging. Dari departemen packaging

surat dikumpulkan menjadi satu dalam karung, kemudian diberi nomor resi dan

dipilah berdasarkan alamat tujuan disetiap kota. Kemudian kantong-kantong yang

berisi surat tersebut dibawa ke departemen pengangkutan, dimana kantong surat

di scan terlebih dahulu lalu dimasukkan ke dalam moobil box. Waktu yang

dibutuhkan dalam proses scan dan penganngkutan ke dalam mobil box masing-

masing kurang lebih 5 sampai 20 detik untuk setiap karung surat.

Untuk meningkatkan efisiensi proses pengiriman surat yang ada di Kantor Pos,

manajemen perusahaan ingin menganalisa total pengiriman surat yang dapat

diselesaikan selama 8 jam kerja dan jumlah surat yang masih berada di dalam

proses. Biaya produksi dihitung untuk menentukan keuangan perusahaan dan

menghitung keuntungan yang diperoleh.


31

4.2 PetriNet

A1

A2

A9

A4

Ku

sto

me

r

Da

tan

g

Ku

sto

me

r

Me

ng

an

tri

Idle

An

tri S

ca

n

Ba

rco

de

A5

A6

Sc

an

Ba

rco

de

Pa

da

Su

rat

An

tri M

as

uk

Ko

nta

ine

r

A3

Ku

sto

me

r

dila

ya

ni

A1

0

Idle

Su

rat

Ma

su

k

Ko

nta

ine

rS

ura

t K

elu

ar

A7

A8

A1

1

Idle


Gambar 4.1 PetriNet proses pengiriman surat nasional

4.3 Flowchart Sistem

Mulai

A = Antrian di loket

B = Scanning Barcode

C = Packaging

D = Pengangkutan ke Mobil

Mengantri di loket

Apakah proses

mengalami idle ?

A = A - 1

Mengantri

Scanning Barcode

Apakah proses

mengalami idle ?

A = A + 1

B = B - 1

B = B + 1

A

Pelayanan di

Loket

Scanning

tidak

ya

ya

tidak


33

Gambar 4.2Flowchart Sistem

Mengantri

Packaging

Apakah proses

mengalami idle ?

C = C - 1

Mengantri

pengangkutan ke

mobil

Apakah proses

mengalami idle ?

D = D - 1

D = D + 1

C=C+1

Selesai

A

Packaging

Diangkut ke mobil

Ya

Tidak

Ya

Tidak


Gambar 4.2Flowchart Sistem (lanjutan)

4.4 Pengujian Distribusi Data

Pada subbab ini akan dibahas tentang pengujian distribusi data dugaan dengan

data nyata. Data yang diambil adalah sebanyak 5 set replikasi dimana 1 set replikasi

berisi 10 data. Data diambil secara random, maksudnya data diambil selama 1 hari

dengan pengambilan data saat pagi, siang, dan sore.Data hasil pengamatan dapat

dilihat pada Tabel 4.1.

Tabel 4.1 Data Pengamatan Kantor Pos dalam detik

No. Pelanggan Waktu Antar Kedatangan Proses

1 Proses

2 Proses

3 Proses

4 1 63 131,19 1,24 1,32 5,8 2 23 279,31 2,64 2,81 15,87 3 22 284,60 2,69 2,86 10,68 4 183 370,30 3,5 3,72 6,15 5 241 320,57 3,03 3,22 5,82 6 230 154,47 1,46 1,55 11,68 7 34 326,92 3,09 3,29 18,26 8 62 120,61 1,14 1,21 12,29 9 25 140,71 1,33 1,42 13,48

10 122 104,74 0,99 1,05 13,65 11 245 392,52 3,71 3,95 9,06 12 57 395,69 3,74 3,98 13,6 13 32 58,19 0,55 0,58 10,52 14 61 198,90 1,88 2 8,24 15 20 174,57 1,65 1,75 18,7 16 123 146,00 1,38 1,47 7,35 17 67 152,35 1,44 1,53 14,05 18 58 90,99 0,86 0,91 15,08 19 119 131,19 1,24 1,32 10,49 20 179 158,70 1,5 1,6 6,77 21 233 375,59 3,55 3,78 6,98 22 245 173,51 1,64 1,74 14,27 23 51 113,21 1,07 1,14 10,45 24 69 329,04 3,11 3,31 12,33 25 60 243,34 2,3 2,45 16,56 26 60 55,02 0,52 0,55 18,98 27 180 350,20 3,31 3,52 12,54 28 25 235,93 2,23 2,37 8,97 29 60 238,05 2,25 2,39 10,6 30 185 256,04 2,42 2,57 15,4 31 180 190,44 1,8 1,92 13,33 32 20 130,13 1,23 1,31 12,23 33 180 57,13 0,54 0,57 8,7


35

34 120 154,47 1,46 1,55 12,22 35 15 139,66 1,32 1,4 17,27 36 65 239,11 2,26 2,4 18,52 37 10 235,93 2,23 2,37 12,32

Tabel 4.1 Data Pengamatan Kantor Pos dalam detik (Lanjutan)

No. Pelanggan Waktu Antar Kedatangan Proses

1 Proses

2 Proses

3 Proses

4 38 60 115,32 1,09 1,16 16,39 39 245 350,20 3,31 3,52 10.22 40 15 65,60 0,62 0,66 12,62 41 60 129,08 1,22 1,3 11,16 42 15 320,57 3,03 3,22 10,8 43 55 168,22 1,59 1,69 11,23 44 60 319,52 3,02 3,21 11,25 45 10 315,28 2,98 3,17 6,65 46 60 106,86 1,01 1,07 9,16 47 60 361,84 3,42 3,64 15,36 48 55 397,81 3,76 4 9,72 49 5 219,01 2,07 2,2 13,98 50 55 183,03 1,73 1,84 12,2

Pada tabel hasil pengamatan di atas, dapat dianalisis distribusi data yang

didapatkan sebagai berikut.

Tabel 4.2 Tabel Pemilihan Distribusi Data Hasil Pengamatan

Aktivitas Distribusi

Dugaan Hasil Stat::f it Rank Acceptance

Distribusi Pilihan

Waktu Antar

Kedatangan

Exponential

Exponensial(5., 84.6)

94.8 Do not reject Exponentia

l Lognormal(5., 4.02,

1.03) 70.9 Do not reject

Uniform(5., 245) 0. Reject

Proses 1 Uniform

Uniform(55., 398) 100 Do not reject

Uniform Exponensial(55.,

159) 6.84 Do not reject

Lognormal(55., 4.58, 1.6)

2.73e-002

Reject

Proses 2 Uniform

Uniform(0.52, 3.76) 100 Do not reject

Uniform Lognormal(0.52, 9.6e-002, 1.06)

7.37 Reject

Exponential(0.52, 1.5)

1.44 Do not reject

Proses 3 Uniform

Uniform(0.55, 4.) 100 Do not reject

Uniform Lognormal(0.55,

0.158, 1.06) 6.79 Reject

Exponential(0.55, 1.6)

2.52 Do not reject


Proses 4 Uniform

Uniform(5.8, 19.) 100 Do not Reject

Uniform Lognormal(5.8, 1.55,

1.08) 0.251 Reject

Exponential(5.8, 6.2) 256e-002

Reject

Tabel di atas merupakan tabel perbandingan antara distribusi dugaan dan

distribusi hasil stat::fit. Di bawah ini akan dijelaskan alasan-alasan pemilihan

distribusi data hasil pengamatan.

1. Pada aktivitas waktu antar kedatangan distribusi dugaan adalah eksponensial

karena pada umumnya distribusi eksponensial merepresentasikan interarrival

time. Sedangkan, hasil stat::fit rank yang tertinggi adalah distribusi

eksponensial yaitu 94,8. Hal ini berarti bahwa distribusi dugaan dan hasil

stat::fit memiliki hasil yang sama. Jadi, pada waktu antar kedatangan dipilih

distribusi eksponensial.

2. Pada proses 1 distribusi dugaan adalah uniform karena distribusi uniform dapat

merepresentasikan waktu proses. Sedangkan, hasil stat::fit rank yang tertinggi

adalah distribusi uniform yaitu 100. Hal ini berarti bahwa distribusi dugaan dan

hasil stat::fit memiliki hasil yang sama. Jadi, pada proses 1 dipilih distribusi

uniform.





uniform.





uniform.




37



uniform.

Jadi, dapat disimpulkan bahwa semua distribusi dugaan dan hasil stat::fit adalah

sama dengan melihat rank dan acceptable pada stat::fit.

1. Pilih Tools pada tool bar, pilih Stat:Fit.

2. Masukkan data pengamatan yang telah dilakukan pada DataTable.

3. Klik Fit, kemudian Auto::Fit, pilih continous distribution klik OK.

Gambar 4.3 Pemilihan distribution

4.5 Pembuatan Model Sistem Pengiriman Surat Nasional PT Pos Indonesia .

Langkah-langkah untuk pemodelan sistem dengan software promodel.

1. Menjalankan software promodel.

2. Membuat Project baru, dengan cara klik File-New atau memilih Icon New, atau

menggunakan CTRL-N, setelah itu dipilih, File-New maka akan muncul kotak

dialog General Information, ketikkan judul Project yang akan dbuat pada Title.

Klik OK.


Gambar 4.4 Langkah pembuatan project baru promodel

3. Setelah membuat project baru.Langkah berikutnya adalah pembuatan

background yang berfungsi sebagai latar belakang pemodelan sistem. Dengan

cara klik Build pada toolbar pilih Background Graphics pilih Behind Grid.

Setelah itu klik Edit pilih Import Graphics, pilih Tutorial Back klik Open.

Gambar 4.5 Gambar pemilihan latar belakang


39

Gambar 4.6 Latar belakang promodel 3D

4. Langkah berikutnya adalah pembuatan layout sistem produksi dimana proses

akan dilakukan. Pilih Build pada tool bar, klik Locations atau klik CTRL-L.buat

Locations dengan cara men-drag simbol locations yang diinginkan ke layout.

Untuk mempermudah pembuatan sebaiknya pembuatan layout dilakukan

sesuai urutan proses produksi. Sehingga yang pertama kali dibuat adalah entity

spot kedatangan. Kemudian beri nama pada masing-masing locations dengan

cara rename di kolom Name kemudian klik di lokasi yang diinginkan di layout,

lalu memasukkan kapasitas setiap locations tersebut pada kolom Cap.

Gambar 4.7 Pembuatan locations

Tabel 4.3 Pembuatan Locations Graphic Type No. Locations Graphics Type Name Capacity 1 Entity Spot Teller INFINITE


2 Desk Meja teller 50 3 Table Meja scanning

barcode 50

4 Pallet Kantong surat 1 5 AGV Kontainer surat 2

Gambar 4.8 Locations proses pengiriman surat nasional

5. Setelah pembuatan locations selesai sesuai sistem yang dimodelkan, langkah

berikutnya adalah pendefinisian entitas yang akan diproses. Klik Build, klik

Entities atau CTRL-E. pilih simbol entitas yang diinginkan, ganti nama entitas

pada kotak dialog box Name. Untuk mengganti warna entitas di kkotak dialog

Graphics, pilih Edit, pilih Color, klik OK pada dialog box color, klik OK pada

Library Graphics. Untuk mengganti ukuran entitas pilih Edit pada dialog box

graphics, pada library graphics pilih Dimensions, masukkan ukuran yang

diinginkan, klik OK. Kemudian klik OK pada library graphics.

Tabel 4.4 Elemen entities

No. Icon Name

1 Raw Material Surat 2 Box Kantong surat 3 Pallet Kontainer surat

Gambar 4.9 Entitas yang diproses

6. Langkah berikutnya adalah pembuatan jaringan aliran produksi. Klik Build,


41

pilih Path Network. Pilih kolom Path pada dialog box Path Network. Pada Layout

klik kiri di sekitar locations tertentu lalu tarik garis menuju location berikutnya

klik kanan pada locations tujuan, kemudian lanjutkan lagi sesuai langkah di

awal.Pada sistem ini terdapat 2 aliran produksi, yakni Net1 dan Net 2. Dengan

jalur produksi sebagai berikut:

Gambar 4.10 Path network

Gambar 4.11 Membuat aliran produksi

Untuk membut interfaces pilih kolom Interfaces, klik kiri pada locations yang

dijadikan awal proses kemudian klik pada locations. Ulangi semua langkah

hingga seluruh tempat proses produksi terhubung sesuai jalur dengan

interfaces.


7. Untuk menambahkan resources yang akan digunakan klik Build, pilih resources

atau CTRL-R, tambahkan operator dengan memilih Operator graphics. Klik

menu Specs untuk membuka dialog box Resource Specification, pilih Net1, lalu

klik OK.

Gambar 4.12 Menambahkan resource

8. Tahap selanjutnya adalah menentukan logika proses. Klik Build pilih Processing

atau CTRL-P.Pada Processing terdapat dua jenis logika yaitu logika Process

layout dan Routing layout. Alur proses ditunjukkan pada gambar, sebagai

berikut:

a. Kedatangan surat ke teller

Gambar 4.13 Proses kedatangansurat ke teller

b. Dari teller ke scan


43

Gambar 4.14 Proses surat dari scan ke teller

c. Dari scan ke container


Gambar 4.15 Proses dari scan ke container

d. Dari container ke “keluar”

Gambar 4.16 Proses dari countainer ke “keluar”

9. Setelah logika proses selesai, yang perlu dilakukan adalah mendefinisikan

kedatangan. Klik Build pilih Arrivals. Klik dialog box entity, pilih adonan klik OK.

Untuk locations pilih datang_adonan klik OK.Kemudian masukkan data seperti

pada tutorial.

Gambar. 4.17 Langkah pendefinisian kedatangan

10. Untuk pembuatan variable yang mendefinisikan fungsi tertentu seperti total

produk dan WIP, dapat dilakukan dengan cara sebagai berikut: klik Build, pilih


45

Variables atau klik icon V. Ketikkan ID yang diinginkan, untuk pertama ketikkan

WIP. Aktifkan ICON variable menjadi yes dengan klik Variable WIP tempatkan

pada layout model yang telah dibuat. Ulangi langkah tersebut untuk total

produk.

Gambar 4.18 Langkah pendefinisian variable

11. Jalankan simulasi, klik Simulation pada toolbar. Pilih options, pada run time

ketik 7 (to tun for 7 hours). Hilangkan centang pada cost pada replications

ketikkan jumlah replikasi yang diinginkan. Klik tombol OK. Kemudian save

project, klik Run dan simulasi akan dijalankan.

Gambar 4.19 Langkah menjalankan simulasi

4.6 Analisis dan Pembahasan

Analisa dan pembahasan dilakukan terhadap report hasil simulasi dari model

pada promdel. Pada subab ini akan dibahas hasil simulasi yang dijelaskan sebagai

berikut:

1. Location Utilization (%)

Tabel 4.5 Location Utilization (%) Replikasi ke-

Nama 1 2 3 4 5

Kedatangan Pelanggan

0 0 0 0 0


Teller 2,24 2,47 1,99 2,02 2,22 Scan 24,37 20,83 19,07 16,95 19,24 Kontainer 0,39 0,36 0,38 0,41 0,47 Keluar 0 0,2 0 0 0

Persentase Utilitas tertinggi terdapat pada location scan, dengan kisaran utilitas

24,37% pada lima replikasi. Ini menunjukkan bahwa proses scan barcode

menggunakan waktu paling banyak bila dibandingkan dengan total waktu

running simulasi. Hal ini disebabkan oleh waktu proses scan yang cukup tinggi

untuk melakukan scan sekaligus terhadap 50 buah entitas surat. Selain itu

proses scan terhadap 50 buah surat terjadi terus menerus, sehingga utilitas

pada proses scan menjadi lebih tinggi bila dibandingkan dengan utilitas pada

proses lainnya.

2. Resource Utilization (%)

Tabel 4.6 Location Utilization (%)

Name Units Scheduled Time (HR)

Number Times Used

Avg Time Per Usage (MIN)

Avg Time Travel To Use (MIN)

% Utilization

karyawan 1 1,00 7,00 89,40 0,15 0,15 6,22

karyawan 2 1,00 7,00 1,20 0,15 0,02 0,05

Dari tabel diatas, dapat dilihat bahwa utilitas karyawan 1 sebesar 0% - 6.22%

dan karyawan 2 sebesar 0%-0.05% dari lima replikasi, sehingga dapat

disimpulkan bahwa utilitas karyawan 1 lebih besar daripada karyawan 2. Hal

ini disebabkan karena waktu karyawan 1 (teller) untuk memindahkan entitas

dari location satu ke location lainya lebih banyak. Oleh karena itu membutuhkan

durasi yang lebih lama dibanding waktu karyawan 2 (operator scan) untuk

melakukan scan surat yang rata-rata hanya membutuhkan waktu antara satu

hingga beberapa detik saja.Surat lebih sering berpindah dari loket ke meja scan

dari pada, dari meja scan ke truk atau container. Hal ini disebabkan jumlah

entitas surat lebih banyak dibandingkan dengan kantong atau container.

3. Resource States %

Tabel 4.7 General report resource states

Name Scheduled Time (HR) % In Use

% Travel To Use

% Travel To Park % Idle % Down

karyawan 1 7,00 3,12 3,09 0,00 93,78 0,00


47

karyawan 2 7,00 0,04 0,01 0,00 99,95 0,00

Dari tabel diatas, dapat disimpulkan bahwa karyawan 2 memiliki persentase

menganggur sebesar 0%-99.91%. Jadi prosentase idle karyawan 2 termasuk

tinggi, sehingga seharusnya ditambahkan tugas agar bisa mengurangi idle pada

karyawan 1,sehingga sistem yang ada menjadi lebih efektif dan efisien.

4. Entity Activity (Total Exit)

Tabel 4.8 General report entity activity

Name Total Exits

Current Qty In System

Avg Time In System (MIN)

Avg Time In Move Logic (MIN)

Avg Time Waiting (MIN)

Avg Time In Operation (MIN)

surat 60,00 31,60 113,32 0,30 112,97 0,05 kantong surat 0,40 0,80 15,13 0,05 14,87 0,21 kontainer surat 0,20 0,00 0,17 0,00 0,00 0,17

Dari gambar diatas dapat diketahui bahwa total entitas surat yang keluar

terbesar dari proses terjadi pada entitas surat yakni sebesar 60 unit. Berarti hal

itu menunjukan bahwa dalam satu set pengamatan ada surat yang keluar untuk

dikirim ke alamat masing-masing. Pada tabel current qty in system

menunjukkan bahwa jumlah tersebut merupakan jumlah entitas yang ada di

dalam sistem sebelumnya. Misalnya untuk entitas surat sebelumnya yang

berada pada sistem berjumlah 31,60.

5. Variable (All)

Total Changes

Tabel 4.9Variable(Total Changes) Replikasi ke-

Nama 1 2 3 4 5

Total Produk 0 1 0 0 0 WIP 94 107 85 86 93

Jadi, nilai yang diberikan pada variabel (total pelanggan, total biaya, dan

WIP) berubah selama simulasi yaitu pada total pelanggan adalah X kali,

total biaya adalah X kali, dan WIP (work in process) adalahX kali.


3.6 Verifikasi dan Validasi

Berikut merupakan verifikasi dan validasi model pengiraman surat nasional PT.

POS Indonesia Malang.

4.1.1 Verifikasi

Verifikasi berkaitan dengan kondisi konseptual apakah model telah sesuai

dengan konsep yang diinginkan (Banks, Carson, dan Nelson. 1995). Berikut ini

adalah tahapan-tahapan yang dilakukan dalam memverifikasi model simulasi.

1. Melakukan pencocokan animasi dengan model pada software simulasi dapat

berjalan dengan sesuai.

Gambar 4.21 Animasi model pada software simulasi

Dari gambar diatas dapat dilihat animasi pada model softwaresimulasi dapat

berjalan sesuai dengan logika proses sehingga dapat terverifikasi.

2. Membandingkan diagram alir konseptual dengan model pada software

simulasi.


49

A1A2

A9

A4

Kustomer Datang Kustomer Mengantri

Idle

Antri Scan Barcode

A5 A6

Scan Barcode Pada

Surat

Antri Masuk

Kontainer

A3

Kustomer dilayani

A10

Idle

Surat Masuk

KontainerSurat Keluar

A7 A8

A11

Idle

Gambar 4.19 Perbandingan antara petrinet dan Promodel

Gambar di atas dapat menunjukkan bahwa diagram alir konseptual dan model

pada software simulasi sama. Jadi dapat dikatakan model pada software

simulasi terverifikasi.

3. Melihat rangkuman proses pada model dan melakukan pencocokan ulang

terhadap logika proses.

Gambar 4.20 Logika proses pada software simulasi

Dari gambar diatas dapat dilihat bahwa rangkuman proses pada model sudah

sesuai terhadaplogika proses dengan waktu dalam detik sudah sesuai sehingga

model padasoftware Promodel terverifikasi.


4. Melakukanpengecekanerror (compile atau debugging)

Gambar 4.22 Pengecekan complied successfully

Pada gambar diatas, operationdalambuild prossecing, lambang compiler yang

ada di kotak dialog menyatakan bahwa Complied Successfullysehingga tidak

terdapat error pada model dan telah terverifikasi.

4.7.2 Validasi

Pada uji validasi ini diambil lima data waktu aktual dan simulasi, meliputi:

output, waktu proses A dan waktu proses B.

Tabel 4.10 Data waktu aktual dan simulasi No. Output Waktu Proses A Waktu Proses B

Aktual Simulasi Aktual Simulasi Aktual Simulasi 1 120 50 600.87 606.73 1903.46 2224.63 2 90 100 602.32 597.63 1894.76 1749.75 3 105 50 598.21 598.20 2064.12 2027.50 4 102 50 603.45 600.18 1877.35 1715.09 5 97 50 614.15 608.99 1854.19 1757.13

1. Uji Normalitas Data

a. BukaSoftware SPSS 20.

b. Masukkan data ke Data View.

c. Melakukan uji kenormalan data dengan klik Analyze Descriptrive

Statistics Explore. Masukkan semua data di table sebagai dependent list.

Klik plots, centang pada Normality Plots With Test. Klik continue lalu klik

OK.


51

Gambar 4.32 Langkah-langkah uji kenormalan data

d. Muncul output sebagai berikut.

Tabel 4.11 Uji Normalitas Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Output1 ,222 5 ,200* ,959 5 ,800

Output2 ,473 5 ,001 ,552 5 ,000

Proses_A1 ,323 5 ,096 ,843 5 ,173

Proses_A2 ,262 5 ,200* ,859 5 ,226

Proses_B1 ,373 5 ,022 ,764 5 ,040

Proses_B2 ,332 5 ,076 ,828 5 ,135

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

e. Output uji normal

1) Data outputaktual (output1)

Ho: Data aktual output berdistribusi normal

H1: Data aktual output tidak berdistribusi normal

Kriteria pengujian:

Ho diterima apabila nilai Sig. (2-Tailed) ≥ 0.05

H1 diterima apabila nilai Sig. (2-Tailed) ˂ 0.05

Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk = (0,8) > 0.05,

maka data output aktual berdistribusi normal.

2) Data output simulasi (output2)

Ho: Data aktual output berdistribusi normal

H1: Data aktual output tidak berdistribusi normal


Kriteria pengujian:



Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk = (0,0) < 0.05,

maka data output simulasi tersebut tidak berdistribusi normal.

Data aktual proses A (A1)

Ho: Data aktual proses Aberdistribusi normal

H1: Data aktual proses Atidak berdistribusi normal

Kriteria pengujian:



Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk(0,173) lebih dari

0.05 maka data aktual berdistribusi normal.

3) Data simulasi proses A (A2)

Ho: Data simulasi proses A tiketberdistribusi normal

H1: Data simulasi proses A tikettidak berdistribusi normal

Kriteria pengujian:



Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk (0.226) lebih dari

0.05 maka data pada simulasi berdistribusi normal.

4) Data aktual proses B (B1)

Ho: Data aktual proses di kasir berdistribusi normal

H1 : Data aktual proses di kasir tidak berdistribusi normal

Kriteria pengujian:





5) Data simulasi proses B (B2)

Ho: Data aktual proses di kasir berdistribusi normal


53

H1 : Data aktual proses di kasir tidak berdistribusi normal

Kriteria pengujian:





f. Kesimpulan

Dari pengujian hipotesis di atas dapat diambil kesimpulan sebagai berikut.

1) Data Output aktual berdistribusi normal.

2) Data Output Simulasi tidak berdistribusi normal.

3) Data aktual dan data simulasi proses di proses A berdistribusi normal.

4) Data aktual dan data simulasi proses di proses B berdistribusi normal.

2. Uji Perbandingan Rata-rata 2 Sampel Independen

a. Output

Output aktual berdistribusi normal sedangkan output simulasi tidak

berdistribusi normal sehingga harus diuji lagi dengan non parametrik pada

SPSS yaitu Mann-Whitney. Langkah-langkahnya adalah sebagai berikut:

1) Aktifkan variable view danisikan nama variabel, kemudian isikan data

pada data view.

2) Klik analyze, pilih Nonparametric Tests, kemudian pilih Legacy Dialogs

dan klik 2 Independent Samples.

3) Masukkan variabel pada kotak test variable list, kemudian centang

Mann-Whitney U pada kotak Test Type.

4) Untuk menentukan grup, klik define groups. Selanjutnya pada kotak

dialog groups, tuliskan “1” untuk group 1 dan “2” untuk group 2. Lalu

klik continue.

5) Klik tombol options, kemudian centang descriptive dan pilih Exclude

cases test-by-test, lalu klik continue, kemudian klik OK.

6) Kemudian muncul output sebagai berikut:


Tabel 4.12 Output Aktual dan Simulasi Test Statisticsa

Output1

Mann-Whitney U 2,000 Wilcoxon W 17,000 Z -2,263 Asymp. Sig. (2-tailed) ,024 Exact Sig. [2*(1-tailed Sig.)] ,032b

a. Grouping Variable: group b. Not corrected for ties.

Hipotesis:

H0 = tidak terdapat perbedaan antara data simulasi dengan data nyata

(valid)

H1 = terdapat perbedaan antara data simulasi dengan data nyata

(tidak valid)

Nilai taraf nyata (α) = 0.05

Kriteria pengujian:

H0 diterima jika nilai Asymp. Sig. (2-tailed) ≥ α/2

H0 ditolak jika nilai Asymp. Sig. (2-tailed) <α/2

7.) Kesimpulan

Berdasarkan hasil output pada tabel , didapatkan nilai Sig. (2-tailed)=

0.24 > 0.05, maka H0 diterima, berarti tidak terdapat perbedaan

antara data simulasi dengan data aktual (valid).

b. Proses di A dan Proses di B

Proses A dan Baktual berdistribusi normal sertaProses A dan Bsimulasi

berdistribusi normal sehingga harus diuji dengan parametrik pada SPSS

yaitu Idependent-t Test. Langkah-langkahnya adalah sebagai berikut:

1) Aktifkan variable view danisikan nama variabel, kemudian isikan data

pada data view.

2) Klik analyze, pilih Compare Means, kemudian pilih Independent T-Test.

3) Masukkan variabel pada kotak test variable.

4) Untuk menentukan grup, klik define groups. Selanjutnya pada kotak

dialog groups, tuliskan “1” untuk group 1 dan “2” untuk group 2. Lalu

klik continue.


55

5) Kemudian klik OK.

6) Kemudian muncul output sebagai berikut:

Tabel 4.13 Independent-t Proses A dan Proses B Independent Samples Test

Lev ene's

Test f or Equality of

Variances t-test f or Equality of Means

F Sig. t df Sig. (2-tailed)

Mean Dif f erence

Std. Error Dif f erence

95% Conf idence

Interv al of the

Dif f erence

Lower Upper

Proses_A

Equal v ariances

assumed

.020 .891 .406 8 .696 1.45400 3.583 -6.808 9.716

Equal v ariances not

assumed

.406 7.794 .696 1.45400 3.583 -6.847 9.755

Proses_

B

Equal

v ariances

assumed

8.362 .020 .225 8 .828 23.95600 106.42 -221.45 269.36

Equal

v ariances not assumed

.225 5.099 .831 23.95600 106.42 -248.02 295.93

Hipotesis:

H0 = tidak terdapat perbedaan antara data simulasi dengan data nyata

(valid)

H1 = terdapat perbedaan antara data simulasi dengan data nyata

(tidak valid)

Nilai taraf nyata (α) = 0.05

Kriteria pengujian:

H0 diterima jika nilai Asymp. Sig. (2-tailed) ≥ α/2

H0 ditolak jika nilai Asymp. Sig. (2-tailed) <α/2

7.) Kesimpulan

Berdasarkan hasil proses A dan proses B pada tabel, didapatkan nilai

Sig. (2-tailed) > 0.05, maka untuk proses A dan proses H0 diterima,

berarti tidak terdapat perbedaan antara data simulasi dengan data

aktual (valid).


Halaman ini sengaja dikosongkan


57

BAB V PENUTUP

5.1 Kesimpulan

Berdasarkan praktikum modulSimulation and Promodel Software yang telah

dilakukan, maka dapat disimpulkan sebagai berikut.

1. Sistem adalah sekumpulan unsur atau elemen yang saling berkaitan dan saling

mempengaruhi dalam melakukan kegiatan bersama untuk mencapai suatu

tujuan. Model didefinisikan sebagai suatu deskripsi logis tentang bagaimana

sistem bekerja atau komponen-komponen berinteraksi. Dengan membuat

model dari suatu sistem maka diharapkan dapat lebih mudah untuk melakukan

analisis. Simulasi ialah suatu metodologi untuk melaksanakan spercobaan

dengan menggunakan model dari suatu sistem nyata.Pada kantor pos,

pelanggan yang datang mengantri di loket sesuai jenis dan area tujuan barang

yang akan dikirim, dalam studi kasus ini adalah loket pengiriman surat nasional.

Kemudian pelanggan dilayani di loket oleh teller untuk memasukkan database

mengenai entitas surat yang akan dikirim, kemudian dilakukan transaksi

pembayaran sesuai tujuan kirim. Pelayanan pelanggan oleh teller di loket

selesai, setelah itu dilanjutkan dengan pemrosesan entitas surat yaitu scanning

barcode pada tiap surat. Setelah itu, surat yang telah discan dikumpulkan

hingga berjumlah 50 buah untuk dimasukkan ke dalam kantong-kantong surat.

Kemudian, kantong-kantong surat tersebut dimasukkan ke dalam kontainer

surat untuk dikirim ke alamat tujuan.

2. Software Promodel merupakan suatu program komputer yang dapat digunakan

untuk simulasi dan menganalisa sistem produksi dari semua tipe dan

ukuran.Software tersebut digunakan untuk mensimulasikan proses dari

beberapa lokasi pada Kantor Pos Pusat Malang di Jalan Merdeka Barat no. 5

Malang. Pengambilan data dilakukan pada masing-masing pelayanan, waktu

antar kedatangan pengunjung, dan masing-masing proses pada surat.

3. Hasil analisis simulasi untuk utilitas lokasi tertinggi adalah pada location scan,

karena waktu proses scan paling tinggi serta jumlah entitas banyak. Untuk

resource yang tertinggi adalah karyawan 1 karena waktu karyawan 1 (teller)


untuk memindahkan entitas dari location satu ke location lainya lebih banyak.

Pada hasil resource states, dapat disimpulkan bahwa karyawan 2 memiliki

prosentase idle tertinggi sebesar 0%-99.91%. Pada hasil analisis entity activity

(total exit) dapat disimpulkan bahwa surat yang keluar terbesar dari proses

terjadi pada entitas surat yakni sebesar 60 unit. Dan pada analisis variable

menunjukkan bahwa nilai yang diberikan pada variabel (total pelanggan, total

biaya, dan WIP) berubah selama simulasi.

4. Verifikasi dilakukan dengan cara membandingkan model konseptual dengan

model simulasi, melakukan compile error, mengecek build processing, dan

mengecek jalannya animasi. Dari kegiatan yang dilakukan, model sudah sesuai

dengan konseptual dan logika proses sehingga dapat diverifikasi. Validasi

dilakukan dengan membandingkan parameter output, proses A, dan proses B

pada aktual dan simulasi dengan menggunakan uji rata-rata dua sample

independent yaitu uji Mann-Whiteny (output) dan Independent-T (proses A

dan proses B). Hasil uji statistik menunjukkan untuk ketiga parameter yang

diukur tidak terdapat perbedaan rata-rata sehingga model dapat divalidasi.

5.2 Saran

Saran yang dapat diberikan dalam pengerjaan laporan studi kasus adalah

sebagai berikut.

1. Pada hasil simulasi ini didapatkan hasil bahwa Location Utilization pada teller

lebih rendah dari pada utilitas di lokasi scan. Hal ini bisa diatasi dengan

mengurangi kapasitas pada lokasinya. Sehingga untuk lokasi scan dan teller

diperoleh utilisasi yang seimbang.

2. Untuk karyawan 2 memiliki utilitas yang rendah dapat diatasi dengan cara

menambah jalur berpindah bagi karyawan tersebut.

3. Untuk permasalahan WIP yang tinggi sebaiknya bisa dilakukan dengan

mengurangi jumlah isi kantong yang berjumlah 50. Karena penyebab WIP tinggi

adalah menunggu entitas selesai diproses antara scan dan pallet.


59

simulasi dengan menggunakan promodel software

Engineering