laporan modul 2 asistensi 1 kelompok 8A€¦ · 78*$6 %(6$5 02'8/ 6,08/$6, 0(1**81$.$1 62)7:$5(...
Transcript of laporan modul 2 asistensi 1 kelompok 8A€¦ · 78*$6 %(6$5 02'8/ 6,08/$6, 0(1**81$.$1 62)7:$5(...
TUGAS BESAR
MODUL 2
SIMULASI MENGGUNAKAN SOFTWARE ARENA
Disusun Oleh : KEL (8A)
Nama : 1. JAENAL AJI NUGROHO (130421100050)
2. PHILIP HERMAWAN (150421100081)
3. JUNIALDI (150421100097)
ASISTEN PRAKTIKUM:
FILIA SANDRAYANI (140421100047)
LABORATORIUM KOMPUTASI DAN SIMULASI
INDUSTRI
PROGRAM STRUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS TRUNOJOYO MADURA
2018
BAB I
PENDAHULUAN
Bab 1 adalah pendahuluan yang berisikan latar belakang dan tujuan dari tugas
besar modul 2 tentang simulasi menggunakan software arena sebagai berikut.
1.1 Latar Belakang
Simulasi pada dasarnya ditempatkan dalam industri luar angkasa dengan
model-model yang sederhana. Simulasi berkembang dan menjadi nyata untuk
tingkat pemodelan pada sistem antrian. Sistem antrian yang diterapkan di usaha
cucian motor yang terletak di daerah Bangkalan Kota. Usaha cucian motor
mengalami kendala atau masalah dalam proses pencucian motor dari kedatangan
sampai pembayaran dari customer, permasalahan dapat diselesaikan dengan
simulasi antrian dengan mengunakan software arena untuk mengetahui solusi yang
baik untuk memecahkan masalah dalam usaha cucian motor.
Simulasi adalah sebuah kesamaan proses operasi dari sebuah kondisi nyata atau
disebut sistem dari waktu ke waktu. Simulasi digunakan dalam menggambarkan
dan menganalisa dari sebuah sistem dan simulasi membantu proses design of real
system. Simulasi memiliki sekumpulan metode yang luas dari sistem yang nyata
atau sesungguhnya (Nashrulhaq, 2014).
Praktikum tentang simulasi menggunakan software arena yaitu untuk mengerti
dan memahami penggunaan model-model yang terdapat dalam rockwell software
arena 5.0. Model-model yang terdapat di software arena memiliki input dan output
yang harus di mengerti dan dipahami dalam melakukan praktikum modul 2. Hasil
input dan output dapat dibuat skenario perbaikan dalam software arena sehingga
dapat diketahui dan dimengerti antara skenario awal dengan skenario perbaikan.
1.2 Tujuan
Tujuan tugas besar modul 2 tentang simulasi menggunakan software arena
berikut:
1. Dapat mengerti dan memahami penggunaan modul-modul yang terdapat dalam
Rockwell Software Arena 5.0.
2. Dapat mengerti dan memahami input dan output model Arena.
3. Dapat mengerti dan membuat skenario perbaikan dalam software Arena.
BAB II
LANDASAN TEORI
Bab 2 tentang landasan teori mengenai simulasi menggunakan software arena
sebagai berikut.
2.1 Arena
Arena merupakan software simulasi yang menggunakan sistem aplikasi
microsoft windows dimana secara packaging akan terlihat familiar dalam
penggunaannya. Arena dapat disimulasikan dengan model yang telah dibentuk
sebelumnya dengan input data primer dan data sekunder sebagai resources dalam
pengoperasian nya. Arena sebuah program penyusun model dan simulator.
(Wahyani, 2013).
2.2 Modul-Modul Di ARENA
Menurut (Sukendar, 2013) Modul-modul yang terdapat dalam software arena
ada Basic Process Panel, Advanced Process Panel dan Advanced Transfer Panel.
Modul-modul yang akan dibahas adalah modul yang digunakan dalam pembuatan
model.
2.2.1 Basic Process Panel
Sesuai dengan namanya, modul-modul yang terdapat pada Basic Process
Panel biasa dijadikan dasar untuk membuat simulasi proses dari sistem nyata yang
ada sebagai berikut:
1. Create Module
Titik awal atau kedatangan entitas kedalam simulasi. Contohnya: kedatangan
pelanggan dalam proses pelayanan dan kedatangan bahan baku dalam proses
produksi.
2. Dispose Module
Modul ini adalah titik akhir untuk entitas dalam model simulasi yang dimana
entitas statistik dapat direkam sebelum entitas tersebut dijual. Contohnya: part-
part meninggalkan model fasilitas dan customer keluar dari sebuah toko.
3. Process Module
Modul ini digunakan untuk mendefinisikan langkah-langkah proses dimana
ketika entity masuk ke Process Module maka akan menunggu sampai server yang
bisa berupa resource atau transporter dalam kondisi siap. Contohnya: pelayanan
customer dan peninjauan dokumen untuk kelengkapan data.
4. Batch Module
Modul ini digunakan untuk mengumpulkan sejumlah entitas sebelum dapat
diproses pada proses selanjutnya. Contohnya: penyatuan salinan data yang pada
awalnya terpisah dan pasien dan data pasien yang dibawa sebelum dimulai
pemeriksaan.
5. Separate Module
Modul ini digunakan untuk menyalin entitas yang ada untuk menjadi
beberapa entitas atau membagi sebuah entitas yang sebelumnya telah
dikelompokkan (batch). Contohnya: pemisahan dokumen sebelum
dikelompokkan dan pengiriman sebuah pesanan untuk memenuhi proses paralel.
6. Decide Module
Modul ini digunakan untuk menentukan keputusan dalam proses, didalamnya
termasuk beberapa pilihan untuk membuat keputusan berdasarkan satu atau
beberapa pilihan.
2.2.2 Advanced Process Panel
Advanced Transfer Panel adalah panel yang memiliki beberapa modul yang
memiliki fungsi dan aplikasi transfer atau transportasi yang lebih ervariasi sebagai
berikut:
1. Hold Module
Modul ini akan memegang sebuah entitas dalam sebuah antrian untuk
menunggu sinyal, menunggu untuk kondisi tertentu benar kemudian dilakukan
pemindaian, atau terpegang selama waktu yang tidak terbatas. Contohnya: saat
menunggu lampu lalu lintas menjadi hijau.
2. Match Module
Match module membawa beberapa entitas sekaligus untuk menunggu di
antrian yang berbeda. Contohnya: perakitan part, mempertemukan produk yang
bervariasi untuk pesanan pelanggan dan sinkronisasi pelanggan yang keluar
dengan pesanan yang terisi.
2.2.3 Advanced Transfer Panel
Advanced Transfer Panel adalah panel yang memiliki beberapa modul yang
memiliki fungsi dan aplikasi transfer atau transportasi yang lebih bervariasi.
Advanced Transfer Panel adalah panel yang memiliki beberapa modul yang
memiliki fungsi dan aplikasi transfer atau transportasi yang lebih bervariasi.
2.3 Elemen Sistem
Menurut Satrio, (2011) elemen sistem terbagi menjadi beberapa sebagai
berikut.
1. Entitas
Entity (entitas) adalah suatu obyek yang dapat dibedakan dari lainnya yang
dapat diwujudkan dalam basis data. Pengertian lainnya menurut Brady dan
Loonam (2010), entitas adalah objek yang menarik di bidang organisasi yang
dimodelkan. Contoh: Mahasiswa, Kartu Anggota Perpustakaan (KAP), dan Buku.
2. Aktivitas
Aktivitas adalah kegiatan pada sistem yang dapat memberikan pengaruh baik
secara langsung ataupun tidak dari proses entitas yang ada.
3. Resource
Resource adalah elemen sistem yang dapat melakukan suatu aktivitas yang ada
pada entitas.
2.4 Model
Model adalah alat yang sangat berguna untuk menganalisis maupun merancang
sistem. Model dapat menunjukkan bagaimana suatu operasi bekerja dan mampu
merangsang untuk berpikir bagaimana meningkatkan atau memperbaikinya. 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. Hal ini merupakan prinsip
pemodelan, yaitu bahwa pemodelan bertujuan untuk mempermudah analisis dan
pengembangannya. (Effendi,2012).
2.5 Simulasi
Simulasi adalah suatu teknik atau usaha untuk tampilan operasi-operasi, dan
karateristik dalam sebuah sistem. Model ini ditunjukan bagaimana mensimulasikan
sebuah sistem manajemen operasi dengan menggembangkan model matematika
paling dekat yang menggambarkan sistem yang sesungguhnya. Simulasi juga
merupakan suatu model pengambilan keputusan dengan mempergunakan
gambaran sebenarnya dari suatu sistem kehidupan dunia nyata tanpa harus
mengalaminya pada keadaan yang sesungguhnya. Simulasi komputer dalam suatu
rekayasa teknik sangat membantu perancang untuk menggambarkan /
memvisualisasikan karakteristik sistem yang akan dibuat. Dengan pemodelan
sistem perancang bisa menganalisis karakteristik sistem pada berbagai kondisi
operasi tanpa harus kehilangan banyak waktu dan biaya, karena semua proses bisa
dilakukan dengan bantuan komputer. Untuk menjamin analisis yang tepat, model
matemastis dari sistem yang akan dianalisis serta program komputer harus dibuat.
Beberapa kasus yang diambil dari kondisi riil akan disimulasikan untuk dianalisis
karakteristiknya (Wahyani, 2010).
2.6 Sistem Arena
Arena adalah software simulasi dan otomasi pada sebuah program yang
dikembangkan oleh system modelling dan simulator. Arena dapat untuk eksperimen
dengan menggunakan modul-modul yang menyatakan proses. Garis penghubung
dalam arena digunakan untuk menyatakan aliran entitas. Arena baik digunakan
pada Microsoft baik visual basic maupun Microsoft visio untuk membuat diagram
alir atau lain sebagainya (Prihati, 2012).
BAB III
METODOLOGI
Bab 3 tentang alat dan bahan, prosedur praktikum, prosedur pengolahan data
serta flowchart yang terdapat dalam modul 2 tentang simulasi menggunakan
software arena sebagai berikut.
3.1 Alat dan Bahan
Bahan dan peralatan yang dibutuhkan dalam praktikum modul 2 sebagai
berikut:
1. Laptop atau Komputer.
2. Software Arena.
3. Software SPSS.
4. Microsoft Visio.
5. Microsoft Word.
6. Microsoft Excel.
3.2 Prosedur Praktikum
Prosedur praktikum dari modul 2 mengenai prosedur pelaksanaan prkatikum
sebagai berikut:
1. Pengambilan data seperti, data kedatangan, data pelayanan, waktu selesai dan
lama waktu antrian.
2. Pengolahan data yang terdiri dari uji kecukupan data, menentukan pola data,
menentukan parameter acuan, model visio dan arena, validasi model, skenario
perbaikan, comparing system dan identifikasi faktor penghambat.
3.3 Flowchart Pelakasanaan Praktikum
Flowchart pelaksanaan praktikum dari modul 2 tentang simulasi menggunakan
software arena sebagai berikut:
Mulai
Tugas Pendahuluan Modul 2
Briefing Pengolahan Data
Pengambilan data:1. Waktu Kedatangan.2. Waktu Pelayanan.3. Waktu selesai.4. Lama Waktu Antrean.
Pengolahan data:*uji kecukupan data, menentukan pola data, menentukan parameter acuan, model visio dan arena, validasi model, skenario perbaikan, comparing system dan identifikasi faktor penghambat
Kesimpulan Dan Saran
Selesai
Tahan Awal dan Persiapan
Tahap Pengambilan Data
Tahap Kesimpulan
Tahap Pengolahan Data
Gambar 2.3.1 Flowchart Pelaksanaan Praktikum
BAB IV
ANALISIS DAN PEMBAHASAN
Bab IV berisi tentang rekapan data, uji kecukupan data disetiap server, pola
data dari setiap data, parameter untuk acuan penelitian, model simulasi dengan
software Arena dan Visio, validasi model Arena dengan sistem nyata melalui
parameter performance sistem, skenario perbaikan, proses comparing dari masing-
masing skenario, identifikasi faktor penghambat apabila skenario
diimplementasikan pada sistem nyata dan animasi dengan software Arena.
4.1 Rekapan Data
Rekapan data yang digunakan untuk proses pengolahan data adalah sebagai
berikut:
Tabel 2.4.1 Rekapan data
W Kedatangan W Pelayanan W Selesai W Kedatangan W Pelayanan W Selesai W Kedatangan W Pelayanan W Selesai08:01:24 08:01:24 08:01:24 08:10:18 08:10:37 08:10:37 08:25:13 08:25:19 08:25:19 08:25:51 08:25:51 008:20:12 08:20:12 08:20:12 08:36:19 08:36:30 08:36:30 08:52:13 08:52:21 08:52:21 08:52:54 08:52:54 008:37:08 08:37:08 08:37:08 08:50:12 08:50:30 08:50:30 09:06:19 09:06:26 09:06:26 09:06:57 09:06:57 008:41:28 08:41:28 08:41:28 08:54:27 08:54:40 08:54:40 09:10:09 09:10:17 09:10:17 09:10:45 09:10:45 008:58:11 08:58:11 08:58:11 09:12:17 09:12:32 09:12:32 09:28:49 09:28:59 09:28:59 09:29:24 09:29:24 009:20:09 09:20:09 09:20:09 09:35:13 09:35:24 09:35:24 09:49:12 09:49:21 09:49:21 09:49:52 09:49:52 009:31:46 09:31:46 09:31:46 09:44:47 09:45:00 09:45:00 10:00:17 10:00:30 10:00:30 10:00:57 10:00:57 009:45:09 09:45:09 09:45:09 10:00:30 10:00:42 10:00:42 10:14:19 10:14:30 10:14:30 10:14:52 10:14:52 009:58:47 09:58:47 09:58:47 10:12:19 10:12:30 10:12:30 10:26:48 10:27:00 10:27:00 10:27:33 10:27:33 110:07:15 10:09:42 10:09:42 10:21:27 10:21:39 10:25:17 10:41:39 10:41:45 10:41:45 10:42:12 10:42:12 110:10:50 10:21:23 10:21:23 10:35:19 10:35:32 10:40:02 10:53:19 10:53:29 10:53:29 10:53:50 10:53:50 010:30:39 10:30:39 10:30:39 10:43:18 10:43:30 10:43:30 11:00:19 11:00:24 11:00:24 11:00:58 11:00:58 010:53:26 10:53:26 10:53:26 11:07:12 11:07:29 11:07:29 11:21:57 11:22:09 11:22:09 11:22:45 11:22:45 011:09:04 11:09:04 11:09:04 11:24:37 11:24:45 11:24:45 11:40:12 11:40:23 11:40:23 11:40:54 11:40:54 011:20:19 11:20:19 11:20:19 11:35:12 11:35:20 11:35:20 11:50:51 11:50:59 11:50:59 11:51:33 11:51:33 012:25:17 12:25:17 12:25:17 12:41:38 12:41:52 12:41:52 12:55:19 12:55:30 12:55:30 12:55:54 12:55:54 012:51:03 12:51:03 12:51:03 13:03:19 13:03:30 13:03:30 13:20:24 13:20:32 13:20:32 13:21:06 13:21:06 013:25:57 13:25:57 13:25:57 13:39:27 13:39:40 13:39:40 13:55:17 13:55:25 13:55:25 13:55:56 13:55:56 013:40:14 13:40:14 13:40:14 13:52:29 13:52:38 13:52:38 14:13:36 14:13:50 14:13:50 15:14:14 15:14:14 013:51:18 13:51:18 13:51:18 14:04:08 14:04:24 14:04:24 14:20:08 14:20:19 14:20:19 14:20:51 14:20:51 014:15:21 14:15:21 14:15:21 14:29:13 14:29:22 14:29:22 14:44:19 14:44:28 14:44:28 14:44:53 14:44:53 014:23:18 14:23:18 14:23:18 14:38:57 14:39:07 14:39:07 14:54:21 14:54:32 14:54:32 15:54:58 15:54:58 014:38:29 14:38:29 14:38:29 14:52:09 14:52:21 14:52:21 15:08:23 15:08:39 15:08:39 15:09:07 15:09:07 114:45:04 14:45:04 14:45:04 14:59:37 14:59:49 14:59:49 15:15:36 15:15:45 15:15:45 15:16:18 15:16:18 014:51:48 14:53:33 14:53:33 15:08:14 15:08:28 15:08:28 15:20:09 15:20:20 15:20:20 15:20:50 15:20:50 015:02:27 15:02:27 15:02:27 15:15:53 15:16:00 15:16:00 15:30:11 15:30:21 15:30:21 15:30:48 15:30:48 015:14:29 15:14:29 15:14:29 15:27:41 15:27:53 15:27:53 15:41:31 15:41:37 15:41:37 15:42:01 15:42:01 015:27:41 15:27:41 15:27:41 15:40:47 15:40:56 15:40:56 15:53:08 15:53:18 15:53:18 15:53:50 15:53:50 015:30:07 15:30:07 15:30:07 15:44:39 15:44:52 15:44:52 16:01:24 16:01:33 16:01:33 16:02:04 16:02:04 015:47:19 15:47:19 15:47:19 15:58:27 15:58:40 15:58:40 16:15:19 16:15:25 16:15:25 16:15:54 16:15:54 0
AntrianWaktu DatangServer 1 Server 2 Server 3
W Selesai
Tabel 2.4.1 merupakan rekapan data pengamatan yang digunakan untuk proses
pengolahan data. Data yang diambil terdiri dari data waktu kedatangan, waktu
pelayanan dan waktu selesai disetiap server, waktu pelanggan meninggalkan
tempat dan waktu pelanggan datang serta jumlah antrian yang ada. Data yang
diambil dalam bentuk jam pada saat pengamatan dilakukan.
4.2 Uji Kecukupan Data Masing-Masing Server
Uji kecukupan dilakukan untuk mengetahui apakah data yang diambil sudah
mencukupi atau tidak. Berikut ini merupakan uji kecukupan data dimasing-masing
server yang ada:
4.2.1 Server 1
Uji kecukupan data pada server 1 adalah sebagai berikut:
Tabel 2.4.2 Data waktu server 1
W Kedatangan W Pelayanan W Selesai08:01:24 08:01:24 08:10:1808:20:12 08:20:12 08:36:1908:37:08 08:37:08 08:50:1208:41:28 08:41:28 08:54:2708:58:11 08:58:11 09:12:1709:20:09 09:20:09 09:35:1309:31:46 09:31:46 09:44:4709:45:09 09:45:09 10:00:3009:58:47 09:58:47 10:12:1910:09:42 10:09:42 10:21:2710:21:23 10:21:23 10:35:1910:30:39 10:30:39 10:43:1810:53:26 10:53:26 11:07:1211:09:04 11:09:04 11:24:3711:20:19 11:20:19 11:35:1212:25:17 12:25:17 12:41:3812:51:03 12:51:03 13:03:1913:25:57 13:25:57 13:39:2713:40:14 13:40:14 13:52:2913:51:18 13:51:18 14:04:0814:15:21 14:15:21 14:29:1314:23:18 14:23:18 14:38:5714:38:29 14:38:29 14:52:0914:45:04 14:45:04 14:59:3714:53:33 14:53:33 15:08:1415:02:27 15:02:27 15:15:5315:14:29 15:14:29 15:27:4115:27:41 15:27:41 15:40:4715:30:07 15:30:07 15:44:3915:47:19 15:47:19 15:58:27
Server 1
Diketahui : N = 30
k = 2
s = 0,05
∑x = 24471
∑x² = 20240977
(∑x)² = 598829841
Ditanyakan : N’ = … ?
Penyelesaian : N’ = / ∑ (∑ )²
∑²
N’ = / , √
²
N’ = 22,44
N’ = 23
Perhitungan kecukupan data pada server 1 yang telah dilakukan
menghasilkan bahwa data yang harus diambil agar cukup adalah 23 data.
Sehingga, N ≥ N’ dimana N sebagai data yang telah diambil dan N’ sebagai data
yang harus diambil. Data yang telah diambil sebanyak 30 data sehingga data
dikatakan cukup.
4.2.2 Server 2
Uji kecukupan data pada server 2 adalah sebagai berikut:
Tabel 2.4.3 Data waktu server 2
W Kedatangan W Pelayanan W Selesai08:10:37 08:10:37 08:25:1308:36:30 08:36:30 08:52:1308:50:30 08:50:30 09:06:1908:54:40 08:54:40 09:10:0909:12:32 09:12:32 09:28:4909:35:24 09:35:24 09:49:1209:45:00 09:45:00 10:00:1710:00:42 10:00:42 10:14:1910:12:30 10:12:30 10:26:4810:21:39 10:25:17 10:41:3910:35:32 10:40:02 10:53:1910:43:30 10:43:30 11:00:1911:07:29 11:07:29 11:21:5711:24:45 11:24:45 11:40:1211:35:20 11:35:20 11:50:5112:41:52 12:41:52 12:55:1913:03:30 13:03:30 13:20:2413:39:40 13:39:40 13:55:1713:52:38 13:52:38 14:13:3614:04:24 14:04:24 14:20:0814:29:22 14:29:22 14:44:1914:39:07 14:39:07 14:54:2114:52:21 14:52:21 15:08:2314:59:49 14:59:49 15:15:3615:08:28 15:08:28 15:20:0915:16:00 15:16:00 15:30:1115:27:53 15:27:53 15:41:3115:40:56 15:40:56 15:53:0815:44:52 15:44:52 16:01:2415:58:40 15:58:40 16:15:19
Server 2
Diketahui : N = 30
k = 2
s = 0,05
∑x = 27020
∑x² = 24644440
(∑x)² = 730080400
Ditanyakan : N’ = … ?
Penyelesaian : N’ = / ∑ (∑ )²
∑²
N’ = / , √
²
N’ = 20,28
N’ = 21
Perhitungan kecukupan data pada server 2 yang telah dilakukan
menghasilkan bahwa data yang harus diambil agar cukup adalah 21 data.
Sehingga, N ≥ N’ dimana N sebagai data yang telah diambil dan N’ sebagai data
yang harus diambil. Data yang telah diambil sebanyak 30 data sehingga data
dikatakan cukup.
4.2.2 Server 3
Uji kecukupan data pada server 3 adalah sebagai berikut:
Tabel 2.4.4 Data waktu server 3
W Kedatangan W Pelayanan W Selesai08:25:19 08:25:19 08:25:5108:52:21 08:52:21 08:52:5409:06:26 09:06:26 09:06:5709:10:17 09:10:17 09:10:4509:28:59 09:28:59 09:29:2409:49:21 09:49:21 09:49:5210:00:30 10:00:30 10:00:5710:14:30 10:14:30 10:14:5210:27:00 10:27:00 10:27:3310:41:45 10:41:45 10:42:1210:53:29 10:53:29 10:53:5011:00:24 11:00:24 11:00:5811:22:09 11:22:09 11:22:4511:40:23 11:40:23 11:40:5411:50:59 11:50:59 11:51:3312:55:30 12:55:30 12:55:5413:20:32 13:20:32 13:21:0613:55:25 13:55:25 13:55:5614:13:50 14:13:50 15:14:1414:20:19 14:20:19 14:20:5114:44:28 14:44:28 14:44:5314:54:32 14:54:32 15:54:5815:08:39 15:08:39 15:09:0715:15:45 15:15:45 15:16:1815:20:20 15:20:20 15:20:5015:30:21 15:30:21 15:30:4815:41:37 15:41:37 15:42:0115:53:18 15:53:18 15:53:5016:01:33 16:01:33 16:02:0416:15:25 16:15:25 16:15:54
Server 3
Diketahui : N = 30
k = 2
s = 0,05
∑x = 883
∑x² = 26459
(∑x)² = 779689
Ditanyakan : N’ = … ?
Penyelesaian : N’ = / ∑ (∑ )²
∑²
N’ = / , √
²
N’ = 28,89
N’ = 29
Perhitungan kecukupan data pada server 3 yang telah dilakukan
menghasilkan bahwa data yang harus diambil agar cukup adalah 29 data.
Sehingga, N ≥ N’ dimana N sebagai data yang telah diambil dan N’ sebagai data
yang harus diambil. Data yang telah diambil sebanyak 30 data sehingga data
dikatakan cukup.
4.3 Rekapan Data Baru
Berikut ini merupakan rekapan data baru berdasarkan hasil pengujian
kecukupan data yang telah dilakukan:
Tabel 2.4.5 Rekapan data baru
Server 1 Server 2 Server 31 534 876 322 967 943 333 784 949 314 779 929 375 846 977 396 904 828 317 781 752 328 921 950 359 812 953 34
10 705 982 2711 836 797 2112 759 1009 3413 826 868 3614 933 927 3115 893 931 3416 981 807 2417 736 1014 3418 810 937 3119 735 1438 3720 650 944 3221 832 897 2522 939 1034 3223 820 962 2824 873 947 3825 891 819 3126 806 851 3827 792 818 2428 786 732 3229 872 812 3130 668 818 29
NoWaktu (s)
Tabel 2.4.5 merupakan tabel berisi rekapan data baru disetiap server setelah
dilakukan uji kecukupan. Berdasarkan uji kecukupan data yang dilakukan,
diketahui data yang harus diambil adalah 29 data sedangkan data yang sudah
diambil sebanyak 30 data sehingga data tidak perlu ditambah karena sudah cukup.
4.4 Pola Data dari Masing-Masing Data
Berikut ini merupakan pola data yang terbentuk dari data waktu pengamatan
pada setiap server:
Gambar 2.3.2 Grafik distribusi data server 1
Gambar 2.3.3 Hasil pengujian pola data server 1
Gambar 2.3.2 merupakan grafik yang menunjukkan bagaimana pola distribusi
data yang didapat dari data waktu yang digunakan pada server 1. Distribusi data
yang dihasilkan dari waktu untuk pengujian berjenis Beta dengan expression adalah
534+447 * BETA(2.41, 1.41) seperti yang ditunjukkan gambar 2.3.3. Dari hasil
tersebut dapat diketahui bahwa nilai minimal dari data waktu yang diambil pada
server 1 sebesar 534 detik dan nilai maksimalnya sebesar 981 detik.
Gambar 2.3.4 Grafik distribusi data server 2
Gambar 2.3.5 Hasil pengujian pola data server 2
Gambar 2.3.4 merupakan grafik yang menunjukkan bagaimana pola distribusi
data yang didapat dari data waktu yang digunakan pada server 2. Distribusi data
yang dihasilkan dari waktu untuk pengujian berjenis Normal dengan expression
adalah NORM(917, 124) seperti yang ditunjukkan gambar 2.3.5. Dari hasil tersebut
dapat diketahui bahwa nilai minimal dari data waktu yang diambil pada server 2
sebesar 732 dengan nilai maksimal sebesar 1440.
Gambar 2.3.6 Grafik distribusi data server 3
Gambar 2.3.7 Hasil pengujian pola data server 3
Gambar 2.3. 6merupakan grafik yang menunjukkan bagaimana pola distribusi
data yang didapat dari data waktu yang digunakan pada server 3. Distribusi data
yang dihasilkan dari waktu untuk pengujian berjenis Triangular dengan expression
adalah TRIA(20.5, 31.3, 36.5) seperti yang ditunjukkan gambar 2.3.7. Dari hasil
tersebut dapat diketahui bahwa nilai minimal sebesar 21 dan maksimal sebesar 36.
Tabel 2.4.6 Pola data
Server Pola DataServer 1 534 + 447 * BETA(2.41, 1.41)Server 2 NORM(901, 101)Server 3 TRIA(20.5, 31.3, 36.5)
Tabel 2.4.6 merupakan pola data dari setiap server yang terdiri dari 3 server.
Pada server 1 memiliki pola data 534+447 * BETA(2.41, 1.41) server 2 memiliki
pola data NORM(901, 101) dan server 3 memiliki pola data TRIA (20.5, 31.3,
36.5).
4.5 Parameter untuk Acuan Penelitian
Parameter yang digunakan untuk acuan penelitian adalah utilitas, lama antrian
dan panjang antrian yang dijelaskan sebagai berikut:
4.5.1 Utilitas
Utilitas pada setiap server yang diamati adalah sebagai berikut:
4.5.1.1 Utilitas Server 1
Utilitas server 1 adalah sebagai berikut:
Diketahui : ∑waktu pelayanan = 24471 detik
∑waktu kerja = 29754 detik
Ditanyakan : Utilitas server 1 = … ?
Penyelesaian : Utilitas server 1 = ∑
∑ x 100%
=
x 100%
= 82,24 %
Berdasarkan perhitungan utilitas, diketahui bahwa utilitas pada server 1
sebesar 82,24 %.
4.5.1.2 Utilitas Server 2
Utilitas server 2 adalah sebagai berikut:
Diketahui : ∑waktu pelayanan = 27020 detik
∑waktu kerja = 29754 detik
Ditanyakan : Utilitas server 2 = … ?
Penyelesaian : Utilitas server 2 = ∑
∑ x 100%
=
x 100%
= 90,81 %
Berdasarkan perhitungan utilitas, diketahui bahwa utilitas pada server 2
sebesar 90,81 %.
4.5.1.3 Utilitas Server 3
Utilitas server 3 adalah sebagai berikut:
Diketahui : ∑waktu pelayanan = 883 detik
∑waktu kerja = 29754 detik
Ditanyakan : Utilitas server 2 = … ?
Penyelesaian : Utilitas server 2 = ∑
∑ x 100%
=
x 100%
= 2,97 %
Berdasarkan perhitungan utilitas, diketahui bahwa utilitas pada server 3
sebesar 2,97 %.
4.5.2 Panjang Antrian
Panjang antrian yang terjadi dimasing-masing server adalah 1 pada server 1
dan 2 serta tidak ada antrian pada server 3.
4.5.3 Lama Antrian
Perhitungan untuk mengetahui lama antrian pada setiap server adalah sebagai
berikut:
4.5.3.1 Lama Antrian Server 1
Berikut ini merupakan perhitungan lama antrian pada server 1:
Diketahui : Jumlah waktu antrian = 885 detik
Jumlah antrian = 3
Ditanya : Lama antrian server 1 = … ?
Penyelesaian : Lama antrian server 1 =
=
= 295 detik
Berdasarkan perhitungan yang dilakukan, diketahui bahwa lama antrian
pada server 1 sebesar 295 detik.
4.5.3.2 Lama Antrian Server 2
Berikut ini merupakan perhitungan lama antrian pada server 2:
Diketahui : Jumlah waktu antrian = 488 detik
Jumlah antrian = 2
Ditanya : Lama antrian server 2 = … ?
Penyelesaian : Lama antrian server 2 =
=
= 244 detik
Berdasarkan perhitungan yang dilakukan, diketahui bahwa lama antrian
pada server 2 sebesar 244 detik.
4.6 Model Simulasi Menggunakan Arena dan Visio
Berikut ini merupakan model simulasi menggunakan software Arena dan
Visio:
Gambar 2.4.2 Model simulasi dengan Arena
Gambar 2.4.2 merupakan model simulasi dengan menggunakan software
Arena dari objek cucian motor Cokro Bangkalan. Model diawali dengan
kedatangan pelanggan dan memasuki area pencucian yang terdapat 2 orang
operator. Setelah itu melewati area pengeringan dengan 3 orang operator dan
melakukan pembayaran setelah pencucian dan pengeringan selesai.
Gambar 2.4.3 Model simulasi dengan Visio
Keterangan:
1. Pencucian
2. Pengeringan
3. Pembayaran
4. Tempat menunggu untuk pelanggan
Gambar 2.4.3 menunjukkan model area pencucian motor Cokro Bangkalan
dengan menggunakan Visio. Area pencucian motor terdiri dari 4 bagian, yaitu
pencucian diwakili nomor 1, pengeringan diwakili nomor 2, pembayaran diwakili
nomor 3 dan tempat pelanggan menunggu diwakili nomor 4.
4.7 Validasi Model Arena dengan Sistem Nyata melalui Parameter
Performance Sistem
Validasi model arena yang dibuat terdiri dari 2 jenis, yaitu validasi internal
yang berupa verifikasi dan validasi eksternal yang berupa pengujian dengan
menggunakan acuan parameter yang ditentukan. Berikut ini merupakan validasi
dari model arena dengan sistem nyata melalui parameter performance sistem:
4.7.1 Verifikasi
Berikut ini merupakan verifikasi dari model arena yang telah dibuat:
Gambar 2.4.4 Hasil verifikasi dengan software Arena
Gambar 2.4.4 merupakan hasil dari proses verifikasi yang dilakukan dengan
software Arena yang menunjukkan bahwa tidak ada error yang terdapat dalam
model. Hal ini dapat disimpulkan bahwa model dapat berjalan dengan baik tanpa
adanya error.
4.7.2 Validasi
Berikut ini merupakan hasil validasi model arena yang dibuat dengan sistem
nyata melalui parameter berupa utilitas :
Uji Hipotesis:
H0 = Tidak terdapat perbedaan antara model arena dengan sistem nyata
H1 = Terdapat perbedaan antara model arena dengan sistem nyata
Pengambilan Keputusan:
Apabila Sig<0,05 maka tolak H0
Apabila Sig≥0,05 maka terima H0
Tabel 2.4.7 Perbandingan utilitas replikasi 1 dan manual
Server Replikasi 1 ManualServer 1 100% 82.24%Server 2 100% 90.81%Server 3 4% 2.97%
Tabel 2.4.7 merupakan hasil perbandingan utilitas untuk replikasi 1 yang
didapatkan dari software Arena dengan utilitas perhitungan manual. Pada
replikasi 1 didapatkan hasil 100% pada server 1 dan 2, sedangkan server 3 sebesar
4%. Untuk perhitungan utilitas manual didapatkan bahwa server 1 memiliki
utilitas sebesar 82,84%, server 2 sebesar 90,81% dan server 3 sebesar 2,97%.
Tabel 2.4.8 Hasil perhitungan independent sample T-test replikasi 1 dan manual
Lower Upper
VAR00001Equal variances assumed 0.21966 4 0.83689 0.0933333 0.424905218 -1.08639268 1.27306
Equal variances not assumed 0.21966 3.929083795 0.83708 0.0933333 0.424905218 -1.094837822 1.2815
Independent Samples Test
95% Confidence Interval of the
Std. Error Difference
Sig. (2-tailed)
F Sig.
Levene's Test for Equality of Variances
t-test for Equality of Means
t df Mean Difference
0.7188014910.14939
Berdasarkan hasil perhitungan independent sample t-test antara utilitas pada
replikasi 1 dan manual yang ditunjukkan oleh tabel 2.4.8 didapatkan hasil Sig
sebesar 0,7188 atau nilai Sig ≥ H0. Sehingga hasil yang didapat adalah terima H0
atau tidak terdapat perbedaan antara model arena dengan sistem nyata.
Tabel 2.4.9 Perbandingan utilitas replikasi 2 dan manual
Server Replikasi 2 ManualServer 1 86% 82.24%Server 2 93% 90.81%Server 3 3% 2.97%
Tabel 2.4.9 merupakan hasil perbandingan utilitas untuk replikasi 2 yang
didapatkan dari software Arena dengan utilitas perhitungan manual. Pada
replikasi 1 didapatkan hasil 86% pada server 1 dan 93% pada server 2, sedangkan
server 3 sebesar 3%. Untuk perhitungan utilitas manual didapatkan bahwa server
1 memiliki utilitas sebesar 82,84%, server 2 sebesar 90,81% dan server 3 sebesar
2,97%.
Tabel 2.4.10 Hasil perhitungan independent sample T-test replikasi 2 dan manual
Lower UpperVAR00003 Equal variances assumed 0.04974 4 0.96272 0.02 0.402105569 -1.09642404 1.13642
Equal variances not assumed 0.04974 3.995543407 0.96272 0.02 0.402105569 -1.096915313 1.13692
Independent Samples Test
95% Confidence Std. Error Difference
t df Sig. (2-tailed)
Mean Difference
t-test for Equality of MeansLevene's Test for Equality of Variances
0.00939 0.927457155
Sig.F
Berdasarkan hasil perhitungan independent sample t-test antara utilitas pada
replikasi 2 dan manual yang ditunjukkan oleh tabel 2.4.10 didapatkan hasil Sig
sebesar 0,927 atau nilai Sig ≥ H0. Sehingga hasil yang didapat adalah terima H0
atau tidak terdapat perbedaan antara model arena dengan sistem nyata.
Tabel 2.4.11 Perbandingan utilitas replikasi 3 dan manual
Server Replikasi 3 ManualServer 1 77% 82.24%Server 2 81% 90.81%Server 3 3% 2.97%
Tabel 2.4.11 merupakan hasil perbandingan utilitas untuk replikasi 3 yang
didapatkan dari software Arena dengan utilitas perhitungan manual. Pada
replikasi 1 didapatkan hasil 77% pada server 1 dan 81% pada server 2, sedangkan
server 3 sebesar 3%. Untuk perhitungan utilitas manual didapatkan bahwa server
1 memiliki utilitas sebesar 82,84%, server 2 sebesar 90,81% dan server 3 sebesar
2,97%.
Tabel 2.4.12 Hasil perhitungan independent sample T-test replikasi 3 dan manual
Lower UpperVAR00004 Equal variances assumed -0.13247 4 0.90101 -0.05 0.377432849 -1.097921586 0.99792
Equal variances not assumed -0.13247 3.962633808 0.90106 -0.05 0.377432849 -1.101830188 1.001830.8083231030.06715
Levene's Test for Equality of Variances
Independent Samples Testt-test for Equality of Means
95% Confidence Std. Error Difference
Mean Difference
F Sig. t df Sig. (2-tailed)
Berdasarkan hasil perhitungan independent sample t-test antara utilitas pada
replikasi 3 dan manual yang ditunjukkan oleh tabel 2.4.12 didapatkan hasil Sig
sebesar 0,808 atau nilai Sig ≥ H0. Sehingga hasil yang didapat adalah terima H0
atau tidak terdapat perbedaan antara model arena dengan sistem nyata.
Tabel 2.4.13 Perbandingan utilitas replikasi 4 dan manual
Server Replikasi 4 ManualServer 1 84% 82.24%Server 2 92% 90.81%Server 3 3% 2.97%
Tabel 2.4.13 merupakan hasil perbandingan utilitas untuk replikasi 4 yang
didapatkan dari software Arena dengan utilitas perhitungan manual. Pada
replikasi 1 didapatkan hasil 84% pada server 1 dan 92% pada server 2, sedangkan
server 3 sebesar 3%. Untuk perhitungan utilitas manual didapatkan bahwa server
1 memiliki utilitas sebesar 82,84%, server 2 sebesar 90,81% dan server 3 sebesar
2,97%.
Tabel 2.4.14 Hasil perhitungan independent sample T-test replikasi 4 dan manual
Lower UpperVAR00005 Equal variances assumed 0.02508 4 0.98119 0.01 0.398692307 -1.096947304 1.11695
Equal variances not assumed 0.02508 3.998874556 0.98119 0.01 0.398692307 -1.09707018 1.11707
Independent Samples Testt-test for Equality of Means
dftSig.F
0.00237 0.963489372
95% Confidence Std. Error Difference
Mean Difference
Sig. (2-tailed)
Levene's Test for Equality of Variances
Berdasarkan hasil perhitungan independent sample t-test antara utilitas pada
replikasi 4 dan manual yang ditunjukkan oleh tabel 2.4.14 didapatkan hasil Sig sebesar
0,963 atau nilai Sig ≥ H0. Sehingga hasil yang didapat adalah terima H0 atau tidak terdapat
perbedaan antara model arena dengan sistem nyata.
Tabel 2.4.15 Perbandingan utilitas replikasi 5 dan manual
Server Replikasi 5 ManualServer 1 90% 82.24%Server 2 97% 90.81%Server 3 3% 2.97%
Tabel 2.4.15 merupakan hasil perbandingan utilitas untuk replikasi 5 yang
didapatkan dari software Arena dengan utilitas perhitungan manual. Pada
replikasi 1 didapatkan hasil 90% pada server 1 dan 97% pada server 2, sedangkan
server 3 sebesar 3%. Untuk perhitungan utilitas manual didapatkan bahwa server
1 memiliki utilitas sebesar 82,84%, server 2 sebesar 90,81% dan server 3 sebesar
2,97%.
Tabel 2.4.16 Hasil perhitungan independent sample T-test replikasi 5 dan manual
Lower UpperVAR00006 Equal variances assumed 0.11333 4 0.91523 0.0466667 0.411771242 -1.096593582 1.18993
Equal variances not assumed 0.11333 3.975660655 0.91526 0.0466667 0.411771242 -1.099359201 1.19269
Independent Samples Testt-test for Equality of Means
F Sig. t df Sig. (2-tailed)
Mean Difference
95% Confidence Std. Error Difference
0.8358546230.04888
Levene's Test for Equality of Variances
Berdasarkan hasil perhitungan independent sample t-test antara utilitas pada
replikasi 5 dan manual yang ditunjukkan oleh tabel 2.4.16 didapatkan hasil Sig sebesar
0,836 atau nilai Sig ≥ H0. Sehingga hasil yang didapat adalah terima H0 atau tidak terdapat
perbedaan antara model arena dengan sistem nyata.
4.8 Skenario Perbaikan
Skenario perbaikan bertujuan untuk memperbaiki model awal dari sistem nyata
yang dibuat. Berikut ini terdapat 3 skenario perbaikan dari sistem yang ada:
Gambar 2.4.5 Skenario perbaikan 1
Gambar 2.4.5 merupakan skenario perbaikan 1 dari sistem cuci motor Cokro
Bangkalan. Perbaikan yang dilakukan adalah menambah operator lagi di bagain
pencucian atau server 1, sehingga operator di pencucian motor menjadi 3 operator
dari semula 2 operator. Hal ini bertujuan untuk mengurangi jumlah antrian dan
waktu tunggu antrian serta menurunkan utilitas yang tinggi.
Gambar 2.4.6 Skenario perbaikan 2
Gambar 2.4.6 merupakan skenario perbaikan 2 dari sistem cuci motor Cokro
Bangkalan. Perbaikan yang dilakukan adalah menambah operator lagi di bagian
pengeringan atau server 2, sehingga operator di pengeringan motor menjadi 4
operator dari semula 3 operator. Hal ini bertujuan untuk mengurangi jumlah antrian
dan waktu tunggu antrian serta menurunkan utilitas yang tinggi.
Gambar 2.4.7 Skenario perbaikan 3
Gambar 2.4.7 merupakan skenario perbaikan 3 dari sistem cuci motor Cokro
Bangkalan dimana dilakukan penambahan 1 operator di bagian pencucian atau
server 1 dan 1 operator di bagian pengeringan atau server 2. Sehingga operator di
bagian pencucian menjadi 3 operator dan di bagian pengeringan menjadi 4 operator.
Hal ini bertujuan untuk mengurangi jumlah antrian dan waktu tunggu antrian serta
menurunkan utilitas yang tinggi.
4.9 Proses Comparing System Masing-Masing Skenario
Proses comparing system dilakukan untuk mengetahui ada tidaknya perbedaan
dari setiap skenario yang dibuat. Berikut ini merupakan proses comparing system
dari setiap skenario di Arena:
Uji Hipotesis:
H0 = Tidak terdapat perbedaan signifikan antara model awal dengan skenario
perbaikan yang dibuat
H1 = Terdapat setidaknya satu perbedaan signifikan antara model awal dengan
skenario perbaikan yang dibuat
Pengambilan Keputusan:
Apabila nilai Sig ≥ 0,05 maka terima H0
Apabila nilai Sig < 0,05 maka tolak H0
Tabel 2.4.17 Comparing system replikasi 1
Server 1 Server 2 Server 3Model awal 1.00 1.00 0.04 Skenario 1 0.85 0.91 0.03 Skenario 2 0.93 1.02 0.03 Skenario 3 0.88 0.95 0.03
ServerSkenario
Tabel 2.4.17 merupakan comparing system dari replikasi 1, dimana utilitas di
setiap server dibandingkan antara model awal dengan semua model perbaikan.
Pada replikasi 1, utilitas awal sebesar 1 pada server 1, 1 pada server 2 dan 0,04
pada server 3 dan akan dibandingkan dengan semua skenario perbaikan yang
terdiri dari 3 skenario perbaikan.
Tabel 2.4.18 Hasil uji ANOVA SPSS replikasi 1
Sum of Squares df Mean Square F Sig.Between Groups 0.013 3 0.004Within Groups 2.222 8Total 2.235 11
ANOVAreplikasi1
0.9970.0150.278
Berdasarkan hasil uji ANOVA pada SPSS pada replikasi 1, diketahui nilai
Sig yang dihasilkan sebesar 0,997. Hal ini dapat diartikan bahwa nilai Sig ≥ 0,05
sehingga terima H0 atau tidak terdapat perbedaan yang signifikan antara model
awal dengan skenario perbaikan yang dibuat.
Tabel 2.4.19 Comparing system replikasi 2
Server 1 Server 2 Server 3Model awal 0.86 0.93 0.03 Skenario 1 0.88 0.95 0.03 Skenario 2 0.86 0.94 0.03 Skenario 3 0.85 0.9 0.03
SkenarioServer
Tabel 2.4.19 merupakan comparing system dari replikasi 2, dimana utilitas di
setiap server dibandingkan antara model awal dengan semua model perbaikan.
Pada replikasi 2, utilitas awal sebesar 0,86 pada server 1, 0,93 pada server 2 dan
0,03 pada server 3 dan akan dibandingkan dengan semua skenario perbaikan yang
terdiri dari 3 skenario perbaikan.
Tabel 2.4.20 Hasil uji ANOVA SPSS replikasi 2
Sum of Squares df Mean Square F Sig.Between Groups 0.001 3 0Within Groups 2.011 8 0.251Total 2.012 11
10.001
ANOVAreplikasi2
Berdasarkan hasil uji ANOVA pada SPSS pada replikasi 2, diketahui nilai
Sig yang dihasilkan sebesar 1. Hal ini dapat diartikan bahwa nilai Sig ≥ 0,05
sehingga terima H0 atau tidak terdapat perbedaan yang signifikan antara model
awal dengan skenario perbaikan yang dibuat.
Tabel 2.4.21 Comparing system replikasi 3
Server 1 Server 2 Server 3Model awal 0.77 0.81 0.03 Skenario 1 0.8 0.82 0.03 Skenario 2 0.77 0.81 0.03 Skenario 3 0.79 0.84 0.03
SkenarioServer
Tabel 2.4.21 merupakan comparing system dari replikasi 3, dimana utilitas di
setiap server dibandingkan antara model awal dengan semua model perbaikan.
Pada replikasi 3, utilitas awal sebesar 0,77 pada server 1, 0,81 pada server 2 dan
0,03 pada server 3 dan akan dibandingkan dengan semua skenario perbaikan yang
terdiri dari 3 skenario perbaikan.
Tabel 2.4.22 Hasil uji ANOVA SPSS replikasi 3
Sum of Squares df Mean Square F Sig.Between Groups 0.001 3 0Within Groups 1.59 8 0.199Total 1.59 11
ANOVA
0.001 1
replikasi3
Berdasarkan hasil uji ANOVA pada SPSS pada replikasi 3, diketahui nilai
Sig yang dihasilkan sebesar 1. Hal ini dapat diartikan bahwa nilai Sig ≥ 0,05
sehingga terima H0 atau tidak terdapat perbedaan yang signifikan antara model
awal dengan skenario perbaikan yang dibuat.
Tabel 2.4.23 Comparing system replikasi 4
Server 1 Server 2 Server 3Model awal 0.84 0.92 0.03 Skenario 1 0.86 0.9 0.03Skenario 2 0.77 0.85 0.03Skenario 3 0.93 0.89 0.03
SkenarioServer
Tabel 2.4.23 merupakan comparing system dari replikasi 4, dimana utilitas di
setiap server dibandingkan antara model awal dengan semua model perbaikan.
Pada replikasi 4, utilitas awal sebesar 0,84 pada server 1, 0,92 pada server 2 dan
0,03 pada server 3 dan akan dibandingkan dengan semua skenario perbaikan yang
terdiri dari 3 skenario perbaikan.
Tabel 2.4.24 Hasil uji ANOVA SPSS replikasi 4
Sum of Squares df Mean Square F Sig.Between Groups 0.007 3 0.002Within Groups 1.893 8 0.237Total 1.9 11
0.9980.01
ANOVAreplikasi4
Berdasarkan hasil uji ANOVA pada SPSS pada replikasi 4, diketahui nilai
Sig yang dihasilkan sebesar 0,998. Hal ini dapat diartikan bahwa nilai Sig ≥ 0,05
sehingga terima H0 atau tidak terdapat perbedaan yang signifikan antara model
awal dengan skenario perbaikan yang dibuat.
Tabel 2.4.25 Comparing system replikasi 5
Server 1 Server 2 Server 3Model awal 0.90 0.97 0.03 Skenario 1 0.93 1.08 0.03 Skenario 2 0.88 0.96 0.03 Skenario 3 1.01 1.08 0.04
SkenarioServer
Tabel 2.4.25 merupakan comparing system dari replikasi 5, dimana utilitas di
setiap server dibandingkan antara model awal dengan semua model perbaikan.
Pada replikasi 5, utilitas awal sebesar 0,9 pada server 1, 0,97 pada server 2 dan
0,03 pada server 3 dan akan dibandingkan dengan semua skenario perbaikan yang
terdiri dari 3 skenario perbaikan.
Tabel 2.4.26 Hasil uji ANOVA SPSS replikasi 5
Sum of Squares df Mean Square F Sig.Between Groups 0.015 3 0.005Within Groups 2.401 8 0.3Total 2.415 11
0.9970.016
replikasi5ANOVA
Berdasarkan hasil uji ANOVA pada SPSS pada replikasi 5, diketahui nilai
Sig yang dihasilkan sebesar 0,997. Hal ini dapat diartikan bahwa nilai Sig ≥ 0,05
sehingga terima H0 atau tidak terdapat perbedaan yang signifikan antara model
awal dengan skenario perbaikan yang dibuat.
4.10 Identifikasi Faktor Penghambat Apabila Skenario Diimplementasikan
kedalam Sistem Nyata
Skenario yang dilakukan adalah melakukan penambahan operator, hal ini tentu
akan menambah biaya gaji pegawai. Hal ini dinilai tidak sebanding dengan hasil
yang didapatkan karena tidak terlalu berpengaruh signifikan terhadap operasional
langsung. Selain itu, kedatangan pengunjung juga tidak bisa ditebak, sehingga jika
dilakukan penambahan operator dan tempat cucian sepi, maka akan berdampak
kepada kerugian karena biaya gaji yang besar.
BAB V
KESIMPULAN DAN SARAN
Bab V berisi tentang kesimpulan dan saran yang didapatkan dari modul 2
tentang simulasi menggunakan software Arena.
5.1 Kesimpulan
Kesimpulan yang didapatkan dari modul 2 tentang simulasi menggunakan
software Arena adalah sebagai berikut:
1. Terdapat beberapa modul yang sering digunakan dalam software Arena dan
mewakili aktivitas didalam sistem nyata. Diambil contoh modul create
berfungsi untuk mewakili kedatangan material atau pelanggan, modul proccess
berfungsi untuk mewakili aktivitas yang dilakukan dalam sistem nyata.
2. Simulasi dalam software Arena melibatkan data input dan output yang mewakili
representasi dari sistem nyata. Dalam tugas besar ini, input yang digunakan
adalah data waktu pelayanan disetiap server serta output yang dihasilkan adalah
banyaknya pelanggan yang dilayani. Selain itu, dalam output terdapat pula
utilitas, lama antrian dan panjang antrian dari setiap server yang ada.
3. Perbaikan dilakukan untuk membuat sistem nyata menjadi lebih baik lagi dari
sisi utilitas maupun yang lainnya. Perbaikan yang dilakukan pada tugas besar
kali ini adalah melakukan penambahan 1 operator di bagian pencucian,
melakukan penambahan 1 operator dibagian pengeringan dan melakukan
penambahan 1 operator dibagian pencucian dan pengeringan.
5.2 Saran
Saran yang didapatkan dari tugas besar yang telah dilakukan adalah tetap
mempertahankan sistem nyata yang ada karena dinilai sudah cukup baik dan tidak
perlu melakukan penambahan operator.
DAFTAR PUSTAKA
Agung, Satrio W, Dkk. 2011. Modul 3 Database Entity Relasionship Diagram.
Teknik Informatika, Universitas Barawijaya.
Effendi, Mas’ud. 2012. Klasifikasi Model Teori dan Pemodelan Sistem.TIP-FTP-
UB.
Nashrulhaq, Mochamad Iqbal, Dkk. 2014. Model Simulasi Sistem Antrean
Elevator. Teknik Industri, Institut Teknologi Bandung.No.01, Vol.02.
Wahyani, Widhy dan Ahmad,Nofan Hadi. 2013. Analisis Bottle Neck Dengan
Pendekatan Simulasi Arena Pada Produk Sarung Tenun Ikat Tradisional.
Teknik Industri, Institut Teknologi Adhi Tama Surabaya.
Kuenendi, M.S. 2014. Modul 1 Konsep Dasar Informasi.
Prihati, Yani. 2012. Simulasi Dan Permodelan Sistem Antrian Pelanggan Di Loket
Pembayaran Rekening Xyz Semarang. Fakultas Ilmu Komputer Universitas
AKI. Majalah Ilmiah INFORMATIKA Vol. 3 No. 3.