universitas islam indonesia...
TRANSCRIPT
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
1
DAFTAR ISI
1. Tujuan Umum ................................................................................................... 2
2. Validasi dan Verifikasi ..................................................................................... 2
3. Tipe Validasi ..................................................................................................... 4
4. Teknik Validasi ................................................................................................. 5
4.1. Uji Kesamaan Dua Rata-Rata .................................................................... 8
4.2. Uji Kesamaan Dua Variansi .................................................................... 12
4.3. Uji Kecocokan Model Simulasi (Chi Square Test) ................................. 16
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
2
VALIDASI DAN VERIFIKASI MODEL
1. Tujuan Umum
1. Praktikan dapat melakukan validasi terhadap model yang telah dibuat.
2. Praktikan dapat memberikan analisis kinerja sistem yang dimodelkan.
3. Praktikan mampu melakukan interpretasi terhadap output hasil simulasi.
2. Validasi dan Verifikasi
Telah dibahas pada bab sebelumnya bahwa model adalah representatif dari sistem
nyata, bukan berarti semua variabel dari sistem nyata ditransformasikan ke model
karena yang berpartisipasi adalah hanya variabel-variabel yang relevan dengan
permasalahan dari sistem nyata yang akan dipecahkan. Maka tidak ada model yang
secara absolut benar, dan tidak ada korespondensi satu-satu antara model dengan
referensi sistemnya. Oleh sebab itu model yang telah dibangun harus diuji
karakteristik dan kredibilitasnya, yaitu dengan uji validasi.
Validasi merupakan langkah untuk meyakinkan bahwa model berkelakuan
atau bersifat seperti sistem nyatanya. Suatu pendekatan paling nyata dalam suatu
validasi adalah membandingkan output model dengan output dari sistem nyatanya.
Dua tujuan umum dalam validasi :
Menghasilkan suatu model yang representatif terhadap prilaku sistem
nyatanya sedekat mungkin untuk dapat digunakan sebagai subtitusi dari
sistem nyata dalam melakukan eksperimen tanpa mengganggu jalannya
sistem.
Meningkatkan kredibilitas model, sehingga model dapat digunakan oleh para
manajer dan para pengambil keputusan lainnya.
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
3
Kemudian kita juga mengenal istilah Verifikasi. Verifikasi adalah proses
pemeriksaan apakah logika operasional model (program komputer) sesuai dengan
logika diagram alur. Kalimat sederhananya, apakah ada kesalahan dalam program?
(Hoover dan Perry, 1989). Verifikasi memeriksa penerjemahan model simulasi
konseptual (diagram alur dan asumsi) ke dalam bahasa pemrograman secara benar
(Law dan Kelton, 1991) .
Gambar 1. Relasi Verifikasi, Validasi dan Pembentukan Model Kredibel
Pada prinsipnya tidak ada model yang memiliki validitas 100%, akan tetapi
suatu model hanya valid untuk satu atau beberapa set experimental saja. Untuk
melakukan validasi untuk set experimental yang banyak, maka akan menghabiskan
biaya yang besar pula (Surgent, 2013). Berikut grafik yang menggambarkan
hubungan antara tingkat kepercayaan suatu model terhadapa biaya.
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
4
Gambar 2. Tingkat Kepercayaan Model vs Cost
3. Tipe Validasi
Tipe validasi model :
a. Validasi Asumsi
Model asumsi ini dibagi kedalam dua kelas, yaitu asumsi struktural dan asumsi
data.
Asumsi Struktural, meliputi pertanyaan-pertanyaan bagaimana sistem
beroperasi dan asumsi ini juga melibatkan penyederhanaan dan
penggambaran kenyaataan dari sistem. Sebagaian penulis memisahkan
asumsi ini kedalam validasi proses.
Contoh :
- Jumlah operator pada setiap stasiun kerja, bisa tetap bisa variabel.
- Melakukan diskusi dengan orang yang paham betul dengan proses
yang diamati, seperti para manajer.
Asumsi Data, harus didasarkan pada pengumpulan data yang reliabel/data
terpercaya dan analisa statistik yang tepat dari suatu data.
Contoh :
- Jumlah output yang dihasilkan, termasuk produk yang baik maupun
yang tidak cacat.
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
5
b. Validasi Output
Cara yang paling mudah untuk melakukan validasi ini adalah dengan
pendekatan visual. Beberapa orang ahli mengamati dan membandingkan antara
output model terhadap sistem riil. Metode lain yang sering digunakan adalah
dengan pendekatan statisik.
4. Teknik Validasi
Beberapa teknik validasi output model untuk menguji kesesuaian dengan sistem
nyatanya dapat dilakukan dengan :
a. Animation: Teknik ini dilakukan dengan cara melihat prilaku animasi dengan
sistem nyata.
b. Comparison To The Other Model: Teknik ini dilakukan dengan cara
membandingkan hasil simulasi dengan model lainnya. Misalnya, kasus
sederhana dari model simulasi dibandingkan dengan hasil yang diketahui dari
model analitik.
c. Data Relationship Correctness: Teknik ini dilakukan dengan cara melihat data-
data yang digunakan untuk model simulasi, apakah data- data tersebut valid/
benar atau tidak.
d. Degenerate Tests: Teknik ini dilakukan dengan cara melihat efek yang
diberikan oleh input terhadap parameter- parameter tertentu pada model
simulasi. Misalnya, apakah jumlah rata-rata dalam antrian server tunggal terus
meningkat dari waktu ke waktu ketika tingkat kedatangan lebih besar dari
tingkat layanan.
e. Event Validity: Teknik ini dilakukan dengan cara melihat event pada model
simulasi dan sistem nyata, apakah mereka mirip. Misalnya, membandingkan
jumlah kebakaran dalam simulasi pemadam kebakaran dengan jumlah
kebakaran aktual.
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
6
f. Extreme Condition Test: Struktur model dan keluaran harus masuk akal untuk
setiap kondisi yang ekstrim dalam sistem. Sebagai contoh, jika persediaan
dalam proses adalah nol, hasil produksi harus menjadi nol.
g. Face Validity: Teknik ini dilakukan dengan cara melihat kewajaran dalam
model menurut individu. Misalnya, logika dalam model konseptual mengoreksi
hubungan antara input dan output dari model simulasi.
h. Internal Validity: Beberapa replikasi (run) dari model stokastik yang dibuat
untuk menentukan jumlah (internal) variabilitas stokastik dalam model.
sebagian besar variabilitas antara replikasi dapat menyebabkan hasil model
untuk dipertanyakan.
i. Multistage Validation: Metode validasi ini terdiri dari 1). mengembangkan
model teori, pengamatan, dan pengetahuan umum; 2). memvalidasi asumsi
model, di mana memungkinka dengan pengujian empiris; dan 3).
membandingkan (testing) hubungan input-output model untuk sistem nyata.
j. Operational Graphics: Nilai dari berbagai ukuran kinerja, misalnya jumlah dan
persentase dalam antrian server sibuk, akan ditampilkan secara grafis sebagai
model berjalan melalui waktu; yaitu, perilaku dinamis dari indikator kinerja
secara visual ditampilkan sebagai model simulasi berjalan melalui waktu untuk
memastikan bahwa langkah-langkah kinerja dan model berperilaku dengan
benar.
k. Parameter Variability–Sensitivity Analysis: Teknik ini terdiri dari perubahan
nilainilai parameter input dan internal model untuk mengetahui pengaruh
terhadap perilaku model atau output. Hubungan yang sama harus terjadi dalam
model seperti dalam sistem nyata. Parameter yang sensitif, yaitu, menyebabkan
perubahan yang signifikan dalam perilaku model atau output, harus dibuat
cukup akurat sebelum menggunakan model. (Ini mungkin membutuhkan iterasi
dalam pengembangan model.)
l. Philosophy Of Science Methods: Tiga filsafat metode ilmu adalah rasionalisme,
empirisme, dan ekonomi yang positif. Rasionalisme membutuhkan model yang
akan dikembangkan secara logika (benar) dari seperangkat asumsi yang jelas
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
7
dinyatakan. Empirisme membutuhkan setiap model asumsi dan hasil yang akan
divalidasi secara empiris. Ekonomi positif hanya membutuhkan bahwa hasil
model yang benar dan tidak peduli dengan asumsi model atau struktur
(hubungan kausal atau mekanisme).
m. Predictive Validation: Model ini digunakan untuk memprediksi (perkiraan)
perilaku sistem, dan kemudian perbandingan yang dibuat antara perilaku sistem
dan ramalan model untuk menentukan apakah mereka adalah sama.
n. Structured Walkthrough: Teknik ini dilakukan dengan cara mengkaji entitas
secara resmi dengan orang tertentu akan kebenaran entitas tersebut. Misalnya,
me-review baris demi baris kode komputer yang digunakan untuk memodelkan
sistem dengan orang- orang tertentu.
o. Trace: Teknik ini dilakukan dengan cara menelusuri perilaku dari jenis tertentu
sebuah entitas dalam model untuk menentukan apakah logika model adalah
benar.
p. Historical Data Validation: Jika data historis yang ada (misalnya, data yang
dikumpulkan pada sebuah sistem khusus untuk membangun dan menguji
model), bagian dari data yang digunakan untuk membangun model dan data
yang tersisa digunakan untuk menentukan (test) apakah model tersebut
berperilaku seperti sistem atau tidak.
16 teknik validasi yang telah disebutkan di awal memerlukan seorang Ahli
(expert) dalam melakukan uji validasinya. Untuk menentukan bahwa sesuatu
itu dapat dikatakan valid ataupun tidak.
q. Turing Test: Teknik ini dilakukan dengan uji statistik untuk melihat perbedaan
antara model simulasi dengan sistem nyata. Berikut merupakan beberapa
contoh teknik statistical test dengan menggunakan Historical Data Validation:
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
8
4.1. Uji Kesamaan Dua Rata-Rata
Uji kesamaan ini dimaksudkan untuk mengetahui perbandingan performansi
antara sistem riil dengan model simulasi yang diterjemahkan dalam nilai
jumlah rata-rata output dari dua populasi tersebut. Jika dalam uji didapat hasil
bahwa kedua nilai rata-rata tidak berbeda secara signifikan, maka dapat
disimpulkan bahwa model memiliki validitas yang cukup untuk parameter
output rata – rata.
Karena yang akan diuji adalah kesamaan dua populasi, maka uji yang
akan dilakukan adalah uji dua sisi.. dengan :
H0 : μ1 = μ2 : Rata-rata output sistem riil = rata-rata output model Simulasi
H1 : μ1 ≠ μ2 : Rata-rata output sistem riil ≠ Rata-rata output model Simulasi
Untuk mencari t hitung digunakan rumus sebagai berikut :
t hitung kemudian dibandingkan dengan t tabel
N -1 adalah Derajat kebebasan
α adalah tingkat kepercayaan
Contoh :
Langkah pengerjaan validasi dengan menggunakan software MS Excel,
dengan data hasil simulasi dan riil produksi selama 30 hari produksi suatu
industri adalah sebagai berikut:
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
9
Tabel 1. Data Produksi
Hari Real Simulasi
1 104 101
2 106 103
3 107 105
4 109 108
5 107 107
6 108 101
7 105 105
8 103 109
9 110 109
10 104 100
11 104 103
12 105 107
13 103 104
14 108 104
15 100 110
16 103 107
17 105 103
18 102 101
19 106 103
20 101 110
21 101 108
22 109 101
23 104 105
24 104 107
25 108 101
26 108 102
27 107 101
28 103 103
29 103 109
30 109 103
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
10
Langkah-langkah:
Tabel 2 Mean dan Standar Deviasi
NYATA (1) SIMULASI (2)
Mean 105.2 104.6666667
SD (v) 2.708861575 3.133064307
N 30 30
Formula Excel:
Mean “=AVERAGE(data input)”
SD(V) “=STDEV(data input)”
1. Menentukan hipotesis :
H0 : probabilitas semua kejadian sama (hasil simulasi sesuai dengan
sistem nyata )
H1: hasil simulasi tidak sesuai dengan hasil riil produksi.
2. Taraf nyata (α) = 0,05
(α/2) = 0,025
Gambar 3. Grafik Daerah Penerimaan Uji Kesamaan Dua Rata – Rata
Ho tidak ditolak jika T - 2.048 < T hitung < T 2.048
Ho ditolak jika T hitung < - 2.048 atau T hitung > 2.048
T -2.048 T 2.048
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
11
3. Statistik uji :
Tabel 3. Perhitungan Uji Dua Rata-Rata
Mencari Nilai T hitung
Sp2 = (N1 - 1) V12 + (N2 - 1) V2
2
N1 + N2 -2
Sp2 = 8.577011494
T hitung = Mean 1 - Mean 2
√ Sp2 * (1/N1 + 1/N2)
T hitung = 0.705304024
4. Kesimpulan
Tabel 4. Kesimpulan
Karena - T 0.025 < T hitung < T 0.025
Yaitu :
-2.048 < 0.705304024 < 2.048
Dengan kata lain, data hasil simulasi dapat diterima atau sesuai dengan hasil
dari sistem nyata.
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
12
4.2. Uji Kesamaan Dua Variansi
Dalam melakukan proses pengujian selisih maupun kesamaan dua rata-rata, selalu
diasumsikam bahwa kedua populasi memiliki variansi yang sama. Agar hasil uji
kesamaan dua rata rata yang dilakukan diatas benar, maka diperlukan sebuah
kepastian bahwa asumsi tentang persamaam dua variansi terpenuhi. Misalnya kita
mempunyai dua populasi normal dengan variansi σ12 dan σ2
2. Akan diuji dua pihak
dalam kesamaannya, maka hipotesis ujinya adalah :
H0 : σ12 = σ2
2
H1 : σ12 ≠ σ2
2
Berdasarkan sampel acak yang independen maka diperoleh populasi satu
dengan ukuran n1 dan variansi s12 sedangkan populasi dua dengan ukuran n2 dan
variansi s22, maka untuk menguji hipotesisnya digunakan statistik uji : 𝐹 =
𝑠12
𝑠22
Kriteria pengujian adalah menerima H0 jika 𝐹1−0.5 𝛼 (𝑛1 − 1, 𝑛2 − 1) < 𝐹 <
𝐹0.5 𝛼 (𝑛1 − 1, 𝑛2 − 1).
Dengan demikian F hitung berada dalam daerah penerimaan sebagaimana terlihat
dalam gambar dibawah ini :
Gambar 4. Grafik Daerah Penerimaan Uji Kesamaan Dua Variansi
Contoh : Langkah pengerjaan validasi dengan menggunakan software MS Excel,
dengan data hasil simulasi dan riil produksi selama 30 hari produksi suatu industry
adalah sebagai berikut.
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
13
Tabel 5. Data Produksi
Hari Real Simulasi
1 104 101
2 106 103
3 107 105
4 109 108
5 107 107
6 108 101
7 105 105
8 103 109
9 110 109
10 104 100
11 104 103
12 105 107
13 103 104
14 108 104
15 100 110
16 103 107
17 105 103
18 102 101
19 106 103
20 101 110
21 101 108
22 109 101
23 104 105
24 104 107
25 108 101
26 108 102
27 107 101
28 103 103
29 103 109
30 109 103
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
14
Langkah-langkah :
Tabel 6. Mean dan Standar Deviasi
NYATA (1) SIMULASI (2)
Mean 105.2 104.6666667
SD (v) 2.708861575 3.133064307
N 30 30
Formula Excel:
Mean “=AVERAGE(data input)”
SD (V) “=STDEV(data input)”
1. Menentukan hipotesis :
H0 : probabilitas semua kejadian sama (hasil simulasi sesuai dengan sistem
nyata)
H1 : hasil simulasi tidak sesuai dengan hasil riil produksi.
2. Taraf nyata ( α ) = 0,05
Gambar 5. Grafik Daerah Penerimaan Uji Kesamaan Dua Variansi Ho tidak
Ho tidak ditolak jika F 0.975 (29, 29) < F hitung < F 0.025 (29, 29)
Ho ditolak jika F hitung > F 0.025 (29, 29) atau F hitung < F 0,975 (29, 29)
F Tab 0.025 “=FINV(0.025,29,29)”
F Tab 0.0975 “=FINV(0.0975,29,29)”
Ftabel(0.975) Ftabel(0.025)
Fhitung
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
15
3. Statistik uji :
Tabel 7. Hasil F Hitung
F Hitung = v1 ^2
v2 ^2
F Hitung = 0.747541
4. Kesimpulan :
Tabel 8. Kesimpulan
Karena F Tab 0,975 < F hitung < F tab 0,025
Yaitu:
0.476 < 0.747541 < 2.101
Dengan kata lain, data hasil simulasi dapat diterima atau sesuai dengan hasil
dari sistem nyata.
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
16
4.3. Uji Kecocokan Model Simulasi (Chi Square Test)
Proses Validasi yang terakhir adalah menguji bahan antara hasil model simulasi
memiliki kecocokan dengan dengan sistem riil yang diamati. Metode yang
digunakan adalah uji Chi-Kuadrat. Disebut juga uji kecocokan atau disebut uji
kompatibilitas, memiliki tujuan adalah menguji apakah frekuensi yang
diobservasikan (dihasilkan) melalui model simulasi memang konsisten dengan
frekuensi teoritisnya (sistem riil). Rumus yang digunakan adalah:
𝜒2 = ∑(𝑂𝑖 − 𝐸𝑖)
2
𝐸𝑖
𝑂𝑖 = observation data (data simulasi ke − 𝑖)
𝐸𝑖 = expected data (data teoritis/sistem real ke − 𝑖)
𝜒2 merupakan ukuran perbedaan antara frekuensi observasi dengan frekuensi
teoritis. Apabila tidak ada perbedaan antar frekuensi observasi dengan frekuensi
teoritis, maka 𝜒2 akan semakin besar pula.
Contoh :
Hasil simulasi (𝑂𝑖) dan riil produksi yang (𝐸𝑖) selama 7 bulan produksi suatu
industri adalah sebagai berikut :
Tabel 9. Data Produksi
𝜒2 1 2 3 4 5 6 7
𝑶𝒊 120 125 115 130 110 115 125
𝑬𝒊 120 120 120 120 120 120 120
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
17
Langkah-langkah :
1. Menentukan hipotesis :
H0 : probabilitas semua kejadian sama (hasil simulasi sesuai dengan sistem
nyata )
H1: hasil simulasi tidak sesuai dengan hasil riil produksi.
2. Taraf nyata (α) = 0,05
3. Statistik uji :
𝜒2ℎ𝑖𝑡𝑢𝑛𝑔
= ∑(𝑂𝑖 − 𝐸𝑖)
2
𝐸𝑖
4. Daerah penolakan dengan α = 0,05 menjadi :
𝜒2 > 𝜒2 (0,05; 6) = 12,592 ( dari tabel chi kuadrat )
Hitungan :
𝜒2 = (120−120)
120
2+
(125−120)
120
2+…+
(125−120)
120
2 = 2,500
5. Karena 2,500 < 12,592 maka H0 diterima
Dengan kata lain, data hasil simulasi dapat diterima atau sesuai dengan hasil dari
sistem nyata.
Contoh :
Langkah pengerjaan validasi dengan menggunakan software MS Excel, dengan data
hasil simulasi dan riil produksi selama 30 hari produksi suatu industri adalah
sebagai berikut:
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
18
Tabel 10. Data Produksi
Hari Real Simulasi
1 104 101
2 106 103
3 107 105
4 109 108
5 107 107
6 108 101
7 105 105
8 103 109
9 110 109
10 104 100
11 104 103
12 105 107
13 103 104
14 108 104
15 100 110
16 103 107
17 105 103
18 102 101
19 106 103
20 101 110
21 101 108
22 109 101
23 104 105
24 104 107
25 108 101
26 108 102
27 107 101
28 103 103
29 103 109
30 109 103
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
19
Langkah-langkah :
Tabel 11. Relative Frequency
Data Ke Simulasi
(Actual)
Historis
(Expected) 𝜒2
ℎ𝑖𝑡𝑢𝑛𝑔=
(𝑂𝑖 − 𝐸𝑖)2
𝐸𝑖
1 101 104 0,09
2 103 106 0,08
3 105 107 0,04
4 108 109 0,01
5 107 107 0,00
6 101 108 0,45
7 105 105 0,00
8 109 103 0,35
9 109 110 0,01
10 100 104 0,15
11 103 104 0,01
12 107 105 0,04
13 104 103 0,01
14 104 108 0,15
15 110 100 1,00
16 107 103 0,16
17 103 105 0,04
18 101 102 0,01
19 103 106 0,08
20 110 101 0,80
21 108 101 0,49
22 101 109 0,59
23 105 104 0,01
24 107 104 0,09
25 101 108 0,45
26 102 108 0,33
27 101 107 0,34
28 103 103 0,00
29 109 103 0,35
30 103 109 0,33
1. Masukkan data simulasi dan data real.
2. Hitung (𝑂𝑖−𝐸𝑖)2
𝐸𝑖 masing-masing data
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
20
3. Perhitungan 𝜒2ℎ𝑖𝑡𝑢𝑛𝑔
dan 𝜒2𝑡𝑎𝑏𝑒𝑙
Tabel 12. Chi Kuadrat hitung, dan Chi Kuadrat
Chi Kuadrat Hitung 6,45
Chi Kuadrat Tabel 42,5569678
Formula Excel:
Chi kuadrat hitung → “=SUM(data 𝜒2ℎ𝑖𝑡𝑢𝑛𝑔
)”
Chi kuadrat tabel → “=CHIINV (probabilitas alfa, jumlah kelas - 1)”
4. Menganalisis hasil perhitungan
H0 : Data Hasil Simulasi Sesuai dengan Data Sistem Nyata
H1 : Data Hasil Simulasi Tidak Sesuai dengan Data Sistem Nyata
Jika Chi kuadrat Hitung < Chi kuadrat Table, maka H0 Diterima
Jika Chi kuadrat Hitung > Chi kuadrat Table, maka H0 Ditolak
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
21
VALIDASI ANTRIAN
A. Pendahuluan
Seperti yang telah kita ketahui bahwa model yang telah di bangun/di buat harus di
lakukan validasi terlebih dahulu. Berbeda dengan sistem manufaktur
(flowshop/jobshop) validasi di lakukan dengan membandingkan data output historis
dengan data output simulasi. Data output historis di dapat dari sistem nyatanya,
sedangkan data output simulasi di peroleh dari hasil simulasi model yang telah di
buat.
Namun untuk validasi sistem jasa (antrian) berbeda dengan sistem manufaktur
(jobshop/flowshop), sistem jasa (Antrian) di validasi dengan membandingkan
waktu tunggu pada tempat antrian, dalam hal ini pada queue. Waktu tunggu yang
di bandingkan pada validasi antrian sama dengan flowshop/jobshop yakni data
historis dan data simulasi, untuk data historis di peroleh berdasarkan pengamatan
teman – teman di tempat penelitian masing – masing, sedangkan data simulasi dapat
di peroleh dari flexsim itu sendiri yakni menggunakan flexsim chart.
B. Data Waktu Tunggu
Berikut langkah – langkah memperoleh data waktu tunggu simulasi :
1. Buka flexsim chart, klik time plots. Pilih staytime history pada pilihan variable,
serta pilih queue yang ingin diuji pada pilihan object. Lalu klik view chart.
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
22
Gambar 6 Obj. Time Plot
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
23
2. Klik kanan pada grafik, lalu pilih properties
Gambar 7 Chart Waktu tunggu
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
24
3. Klik tab data, sehingga muncul tampilan seperti dibawah ini.
Gambar 8 Raw Data Waktu Tunggu
Penjelasan: X artinya waktu saat flowitem keluar dari queue, sedangkan Y
adalah waktu tunggu dari flowitem selama di queue. Sementara flowitem
yang belum keluar dari queue tidak akan muncul waktu tunggunya.
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
25
4. Klik tab export, lalu klik tab data dibawahnya lalu pilih excel dan klik save.
Gambar 9 Langkah Export File Ke Excel
Setelah memperoleh data waktu tunggu simulasi kita lakukan tiga uji statistik, yakni
uji kesamaan dua rata – rata, uji kesamaan dua variansi, serta uji chi square. Perlu
di ingat bahwa sistem antrian di lakukan menggunakan waktu tunggu pada masing
masing queue
Contoh : kita mempunyai 3 queue/tempat mengantri
Validasi : validasi pada queue 1, validasi pada queue 2, validasi pada queue 3
dengan menggunakan ketiga uji yakni uji kesamaan dua rata – rata, uji kesamaan
dua variansi, dan uji chi square.
Pada kasus di sini hanya mempunyai 1 queue/tempat antri/ruang tunggu
Uji Kesamaan Dua Rata – Rata
Uji Kesamaan Dua Variansi
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
26
Untuk uji kesamaan dua rata – rata sama seperti validasi pada
flowshop/jobshop yang telah di jelaskan pada pertemuan tutorial di kelas.
Uji Kecocokan Model Simulasi (Chi Square Test)
C. Chi Square Test
Disebut juga uji kecocokan atau disebut uji kompatibilitas, bertujuan menguji
apakah frekuensi yang diobservasikan (dihasilkan) melalui model simulasi
memang konsisten dengan frekuensi teoritisnya (sistem riil). Berikut langkah-
langkah pengujian model simulasi dengan Chi Square Test:
Diketahui data hasil pengamatan serta hasil simulasi waktu tunggu pada suatu
sistem antrian adalah sebagai berikut:
Tabel 13 Data Waktu Tunggu
Data ke- Waktu Menunggu
Historis Simulasi
1 167,06 172,3
2 103,62 137,81
3 121,77 186,14
4 110,06 130,03
5 136,28 220,49
6 111,7 151,93
7 103,89 137,69
8 134,24 171,05
9 104,84 158,13
10 133,87 173,28
11 200,3 122,5
12 106,65 103,12
13 131,6 121,37
14 143,77 140,98
15 122,44 175,46
16 142,89 146,01
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
27
Data ke- Waktu Menunggu
Historis Simulasi
17 161,52 135,19
18 178,91 141,59
19 139,9 195,27
20 137,16 211,71
21 244,44 168,13
22 160,64 121,01
23 114,65 163,33
24 155,35 153,09
25 164,27 125,14
26 102,24 163,04
27 151,22 115,06
28 170,08 208,34
29 164,38 142,34
30 158,94 169,84
31 207,72 137,33
32 156,64 106,95
33 143,02 163,1
34 171,44 178,46
35 154,79 171,77
1. Buat frekuensi relatif masing-masing data dimana data historsis sebagai
expected data dan data simulasi sebagai actual data, lalu sortir mulai dari
yang paling kecil hingga ke yang paling besar, pastikan total jumlah
frekuensi relatif masing-masing data 35, sesuai dengan jumlah data seperti
pada tabel berikut:
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
28
Historis (Expected) Sumulasi (Actual)
Waktu
Tunggu
Relative
frequency
Waktu
Tunggu
Relative
frequency
102.24 1 103.12 1
103.62 1 106.95 1
103.89 1 115.06 1
104.84 1 121.01 1
106.65 1 121.37 1
110.06 1 122.5 1
111.7 1 125.14 1
114.65 1 130.03 1
121.77 1 135.19 1
122.44 1 137.33 1
131.6 1 137.69 1
133.87 1 137.81 1
134.24 1 140.98 1
136.28 1 141.59 1
137.16 1 142.34 1
139.9 1 146.01 1
142.89 1 151.93 1
143.02 1 153.09 1
143.77 1 158.13 1
151.22 1 163.04 1
154.79 1 163.1 1
155.35 1 163.33 1
156.64 1 168.13 1
158.94 1 169.84 1
160.64 1 171.05 1
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
29
Historis (Expected) Sumulasi (Actual)
Waktu
Tunggu
Relative
frequency
Waktu
Tunggu
Relative
frequency
161.52 1 171.77 1
164.27 1 172.3 1
164.38 1 173.28 1
167.06 1 175.46 1
170.08 1 178.46 1
171.44 1 186.14 1
178.91 1 195.27 1
200.3 1 208.34 1
207.72 1 211.71 1
244.44 1 220.49 1
Total 35 35
2. Menentukan Interval Kelas
Interval kelas merupakan selang yang memisahkan kelas yang satu
dengan kelas yang lain. panjang kelas data yang Dalam menentukan
interval kelas, menggunakan data historis sebagai patokannya dan data
simulasi mengikuti.
Rumus interval kelas:
𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝐾𝑒𝑙𝑎𝑠 =𝐽𝑎𝑛𝑔𝑘𝑎𝑢𝑎𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑒𝑙𝑎𝑠
Dimana
𝐽𝑎𝑛𝑔𝑘𝑎𝑢𝑎𝑛 = 𝑑𝑎𝑡𝑎 𝑚𝑎𝑥ℎ𝑖𝑠𝑡𝑜𝑟𝑖𝑠 − 𝑑𝑎𝑡𝑎 𝑚𝑖𝑛ℎ𝑖𝑠𝑡𝑜𝑟𝑖𝑠
= 244,44 − 102,24 = 142,2
𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑒𝑙𝑎𝑠 = 1 + 3,3 log 𝑛ℎ𝑖𝑠𝑡𝑜𝑟𝑖𝑠
= 1 + 3,3 log 35
= 6,09542 ≈ 7
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
30
Maka
𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝐾𝑒𝑙𝑎𝑠 =142,2
7
= 20,31
a) Kelas pertama:
Batas bawah: 102,24 (nilai terkecil)
Batas atas: 102,24 + 20,31 = 122,55
Maka interval kelas pertama = 102,24 – 122,55
b) Kelas kedua:
Batas bawah: 122,55 + 0,01 = 122,56
Batas atas: 122,56 + 20,31 = 142,87
Maka interval kelas pertama = 122,56 – 142,87
c) Dan seterusnya
3. Membuat kelas data
Setelah didapatkan interval kelasnya, lalu dibuat distribusi frekuensinya
seperti pada tabel berikut:
WAKTU
TUNGGU
Relative Frequency
Historis (Expected) Simulasi (Actual)
102,24 - 122,55 10 6
122,56 - 142,87 6 9
142,88 - 163,18 10 6
163,19 - 183,50 6 9
183,51 - 203,81 1 2
203,82 - 224,13 1 3
224,13 - 244,44 1 0
Total 35 35
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
31
4. Menghitung Probabilitas dan Probabilitas Kumulatif
Melakukan perhitungan nilai probabilitas dari masing-masing kelas pada
data historis maupun data simulasi. Rumus perhitungan probabilitas adalah
sebagai berikut:
Probabilitas = Frekuensi Tiap Kelas / Jumlah Data Keseluruhan
Setelah mendapatkan nilai probabilitas masing-masing kelas, kemudian
mencari niai probabilitas kumulatif.
Prob. Kumulatif (kelas pertama) = Prob. Kelas Pertama
Prob. Kumulatif (kelas lainnya) = Prob. Kumulatif Kelas Sebelumnya –
Prob. Kelas Tersebut
Contoh:
Prob. kumulatif kelas ke 2 = Prob. kumulatif kelas ke 1 + Prob. kelas ke 2
Probabilty Probabilitas Komulatif
Historis
(Expected)
Simulasi
(Actual)
Historis
(Expected)
Simulasi
(Actual)
0.285714286 0.171428571 0.285714286 0.171428571
0.171428571 0.257142857 0.457142857 0.428571429
0.285714286 0.171428571 0.742857143 0.6
0.171428571 0.257142857 0.914285714 0.857142857
0.028571429 0.057142857 0.942857143 0.914285714
0.028571429 0.085714286 0.971428571 1
0.028571429 0 1 1
5. Menghitung Chi2 Hitung
Dengan rumus:
𝜒2ℎ𝑖𝑡𝑢𝑛𝑔
= ∑(𝑂𝑖 − 𝐸𝑖)
2
𝐸𝑖
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan : 12
Jurusan : Teknik Industri Modul : 6
Kode Mata Kuliah : 52213702 Halaman : 35
Nama Mata Kuliah : Simulasi Komputer Tahun : 2018
32
𝑂𝑖 = 𝑑𝑎𝑡𝑎 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑠𝑖 (𝑑𝑎𝑡𝑎 𝑠𝑖𝑚𝑢𝑙𝑎𝑠𝑖)
𝐸𝑖 = 𝑑𝑎𝑡𝑎 ℎ𝑎𝑟𝑎𝑝𝑎𝑛 (𝑑𝑎𝑡𝑎 ℎ𝑖𝑠𝑡𝑜𝑟𝑖𝑠)
6. Menghitung Chi2 Tabel
Chi kuadrat tabel = CHIINV(probability;deg_freedom)
= CHIINV (probabilitas alfa; jumlah kelas - 1)
= 12,5916
7. Kesimpulan Validasi Antrian
Menganalisis hasil perhitungan
Jika Chi kuadrat Hitung < Chi kuadrat Table, H0 Diterima
Jika Chi kuadrat Hitung > Chi kuadrat Table, H0 Ditolak
= IF(Chi hitung < Chi tabel ;"DITERIMA";"DITOLAK")
Kesimpulan Validasi Antrian:
1. Model valid ketika validasi pada waktu tunggu semua queue sudah valid
2. Jika terdapat waktu tunggu pada salah satu queue yang tidak valid, maka
perlu di lakukan perbaikan model, jika masih belum di lakukan
pengambilan data model ulang.
3. Jika sudah melakukan pengambilan data ulang, model belum valid maka
di lakukan validasi asumsi, baik itu asumsi struktur maupun asumsi data.
“Push Yourself Until the Limit” DELSIM Lab 2017-2018(Genap) ©
STUDI KASUS 1
Diketahui data historis dari PT Delsim Star adalah sebagai berikut:
Hari Total Output Hari Total Output
1 19 16 18
2 19 17 18
3 19 18 19
4 19 19 18
5 19 20 18
6 18 21 19
7 19 22 19
8 18 23 19
9 18 24 20
10 18 25 18
11 19 26 20
12 18 27 19
13 19 28 19
14 19 29 19
15 17 30 19
Tugas anda:
Validasi model yang telah dibuat. Selamat mengerjakan.
“Push Yourself Until the Limit” DELSIM Lab 2017-2018(Genap) ©
STUDI KASUS 2
Diketahui data historis dari PT DelMint adalah sebagai berikut:
Hari Total Output Hari Total Output
1 44 16 43
2 43 17 44
3 43 18 45
4 44 19 43
5 43 20 42
6 42 21 44
7 42 22 43
8 44 23 43
9 43 24 44
10 44 25 43
11 44 26 42
12 43 27 43
13 42 28 44
14 43 29 43
15 43 30 42
Tugas anda:
Validasi model yang telah dibuat. Selamat mengerjakan.