TUGAS BESAR SIMULASI SISTEM INDUSTRI...Title TUGAS BESAR SIMULASI SISTEM INDUSTRI Author Rivada...
Transcript of TUGAS BESAR SIMULASI SISTEM INDUSTRI...Title TUGAS BESAR SIMULASI SISTEM INDUSTRI Author Rivada...
LABORATORIUM KOMPUTASI DAN SIMULASI
INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS TRUNOJOYO MADURA
201
KELOMPOK : KELOMPOK 12
KELAS : KELAS 6B
NAMA : 1. DEWI SARTI NINGSIH (160421100008)
2. RIVADA DWISAKA ARYANTO (160421100014)
3. GALUH KRISMONI (160421100082)
ASISTEN : MAHFUD (15042110018)
ii
LEMBAR PENGESAHAN
LAPORAN RESMI
TUGAS BESAR SIMULASI SISTEM INDUSTRI
LABORATORIUM KOMPUTASI DAN SIMULASI INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS TRUNOJOYO MADURA
TAHUN AKADEMIK 2019
Disusun oleh:
DEWI SARTI NINGSIH (160421100008)
RIVADA DWISAKA ARYANTO (160421100014)
GALUH KRISMONI (160421100082)
Bangkalan, Juni 2019
Disetujui,
Dosen Pengampu Mata Kuliah
Simulasi Sistem Industri
HERI AWALUL ILHAMSAH, S.T, M.T.
NIP. 19790711 200212 1 001
Diperiksa,
Penanggung Jawab Tugas Besar
Simulasi Sistem Industri
Apriliya Nurhayati
NRP. 15.04.2.1.1.00001
ABSTRAK
Sistem didefinisikan sebagai sekumpulan entiti-entiti yang berinteraksi
antar entitas dalam mencapai satu tujuan yang logis. Simulasi adalah suatu proses
implementasi dari model menjadi software atau rangkaian dari elektronik dan
mengeksekusi suatu software tersebut dengan sedemikian rupa. Activity Cycle
Diagram (ACD) merupakan wujud dari bentuk model secara konseptual yang
mudah digunakan untuk menggambarkan struktur keberadaan sistem dan cocok
untuk sistem diskrit dan probabilistic. antrian merupakan suatau proses para
customer atau barang yang memasuki barisan antrian yang seterusnya akan
memerlukan pelayanan sebagaimana seharusnya berlaku.
Simulasi merupakan suatu proses implementasi dari model menjadi software
atau rangkaian dari elektronik dan mengeksekusi suatu software tersebut dengan
sedemikian rupa. Simulasi cocok digunakan untuk mempelajari interaksi internal
(sub) dan sistem yang kompleks, masalahnya sulit, memakan waktu, serta tidak
mungkin diselesaikan dengan metode analitik atau numerik konvensional,
eksperimen desain dan aturan baru sebelum diimplementasikan, meningkata kinerja
sistem melalui pembangunan/pembentukan model, memahami dan memverifkasi
solusi analitik, alat bantu pelatihan dan pembelajaran dengan biaya lebih rendah,
mengidentifkasi dan menetapkan persyaratan-persyaratan. Software arena,
digunakan untuk memprediksi kejadian yang hampir sama dengan kejadian nyata
sesuai dengan program paket yang ada di dalam software yang cocok, untuk
menentukan bentuk distribusi ini dapat menggunakan bantuan dari program paket
arena. Simulation, yaitu dengan menggunakan input analyzer. simulasi dengan
menggunakan software arena ini yaitu untuk mengetahui kegunaan software arena
dalam memperbaiki sebuah antrian pada sebuah perusahaan PT AHASS untuk
mendapatkan antrian yang efektif dan efisien.
Kata kunci: Simulasi, Software Arena, Input Analyzer, Sistem, ACD, Antrian
iv
ABSTRACT
The system is defined as a set of entities that interact between entities in
achieving a logical goal. Simulation is a process of implementation of the model
into software or a series of electronics and executing a software in such a way.
Activity Cycle Diagram (ACD) is a form of conceptual model that is easy to use to
describe the structure of the existence of the system and is suitable for discrete and
probabilistic systems. the queue is the process of the customer or the item entering
the next queue will require service as it should apply.
Simulation is an implementation process of the model into software or a series
of electronics and executing a software in such a way. Simulation is suitable to be
used to study internal (sub) interactions and complex systems, the problem is
difficult, time consuming, and impossible to solve by conventional analytical or
numerical methods, experimental design and new rules before they are
implemented, improving system performance through model building /
understanding, understanding and verifying analytical solutions, training aids and
learning at lower costs, identifying and setting requirements. Arena software, used
to predict events that are almost the same as real events in accordance with package
programs that are in suitable software, to determine this form of distribution can
use assistance from the arena package program. Simulation, that is by using an
input analyzer. this simulation using arena software is to find out the use of arena
software in improving a queue at a company PT AHASS to get an effective and
efficient queue.
Keywords: Simulation, arena software, input analyzer, system, ACD, Queue
v
KATA PENGANTAR
Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha
Panyayang, dengan ini kami panjatkan puji syukur atas kehadirat-Nya, yang telah
melimpahkan rahmat-Nya kepada kami, sehingga kami dapat menyelesaikan tugas
besar simulasi sistem industri.
Adapun tugas besar simulasi sistem industri ini telah kami selesaikan dengan
semaksimal mungkin dan tentunya dengan bantuan dari banyak pihak, yang
pertama kami mengucapkan terimakasih banyak kepada Heri Awalul
Ilhamsah,S.Si.,M.T. selaku dosen pengampu mata kuliah simulasi sistem industri
dan Asisten simulasi sistem industri yang telah banyak memberikan pengarahan
dalam menyelesaikan tugas besar ini hingga akhir.
Penulis menyadari tugas besar ini masih jauh dari kata sempurna. Maka dari
itu penulis memohon maaf dan akan menerima segala masukan yang diberikan
untuk menyempurnakan tugas besar ini. Penulis berharap tugas besar ini berguna
bagi siapapun yang membacanya.
Bangkalan, 18 Juni 2019
Penulis
vi
DAFTAR ISI
COVER LAPORAN
LEMBAR PENGESAHAN .................................................................................... ii
ABSTRAK ............................................................................................................. iii
ABSTRACT ............................................................................................................. iv
KATA PENGANTAR ............................................................................................ v
DAFTAR ISI .......................................................................................................... vi
DAFTAR TABEL ................................................................................................ viii
DAFTAR GAMBAR .............................................................................................. x
LEMBAR PERSETUJUAN ................................................................................. xii
BAB I PENDAHULUAN ...................................................................................... 1
1.1 Latar Belakang .............................................................................................. 1
1.2 Tujuan ........................................................................................................... 2
BAB II TINJAUAN PUSTAKA ............................................................................. 3
2.1 Pengertian Sistem Dan Klasifikasinya .......................................................... 3
2.2 Elemen-elemen Sistem .................................................................................. 5
2.3 Pengertian Dari Simulasi............................................................................... 6
2.4 Activity Cycle Diagram (ACD) ..................................................................... 7
2.5 Antrian .......................................................................................................... 7
BAB III METODOLOGI PENELITIAN................................................................ 9
3.1 Alat dan Bahan .............................................................................................. 9
3.2 Prosedur Pelaksanaan Tugas Besar ............................................................... 9
3.3 Flowchart ...................................................................................................... 9
3.3.1 Flowchart Pelaksanaan Tugas Besar ................................................... 10
BAB IV ANLISA DAN PEMBAHASAN ........................................................... 11
4.1 Deskripsi Nyata ........................................................................................... 11
4.1.1 Pemilihan Objek Penelitian .................................................................. 11
4.1.2 Gambaran Umum Proses Pelayanan Objek Penelitian ........................ 11
4.2 Layout Objek Penelitian .............................................................................. 14
4.3 Deskripsi Sistem Menggunakan Elemen-elemen Sistem ............................ 14
A. Entitas ................................................................................................. 14
B. Aktivitas .............................................................................................. 15
C. Resource ............................................................................................. 15
4.4 Activity Cycle Diagram (ACD) ................................................................... 15
4.4.1 Activity Table ....................................................................................... 15
4.4.2 Activity Cycle Diagram ........................................................................ 16
4.5 Parameter Pengamatan Kinerja Sistem ....................................................... 18
4.6 Skenario Perbaikan Dalam Peningkatan Performance Sistem ................... 18
4.6.1 Skenario 1 ............................................................................................ 18
4.6.2 Skenario 2 ............................................................................................ 18
vii
4.6.3 Skenario 3 ............................................................................................ 19
4.7 Activity Cycle Diagram (ACD) Skenario Perbaikan ................................... 19
4.7.1 ACD Skenario Perbaikan 1 .................................................................. 20
4.7.2 ACD Skenario Perbaikan 2 .................................................................. 21
4.7.3 ACD Skenario Perbaikan 3 .................................................................. 22
BAB V KESIMPULAN DAN SARAN ................................................................ 23
5.1 Kesimpulan ................................................................................................ 23
5.2 Saran ............................................................................................................ 24
DAFTAR PUSTAKA
LEMBAR PERSETUJUAN
BAB I PENDAHULUAN .................................................................................... 25
1.1 Latar Belakang........................................................................................ 25
1.2 Tujuan Tugas Besar ................................................................................ 25
BAB II TINJAUAN PUSTAKA ........................................................................... 27
2.1 Simulasi ....................................................................................................... 27
2.2 Arena ........................................................................................................... 28
BAB III METODOLOGI PENELITIAN.............................................................. 32
3.1 Alat dan Bahan ............................................................................................ 32
3.2 Prosedur Pelaksanaan Tugas Besar ............................................................. 32
3.3 Flowchart .................................................................................................... 33
3.3.1 Flowchart Pelaksanaan Tugas Besar ................................................... 33
BAB IV ANALISA DAN PEMBAHASAN ........................................................ 34
4.1 Rekapan data ............................................................................................... 34
4.2 Uji Kecukupan Data Masing-masing Server............................................... 37
4.2.1 Perhitungan Manual ............................................................................. 38
4.3 Rekapan Data Baru ..................................................................................... 40
4.4 Pola Data dari Masing-masing Data ........................................................... 41
4.5 Parameter untuk Acuan Penelitian ......................................................... 43
4.6 Model Simulasi menggunakan ARENA dan Visio ..................................... 47
4.7 Validasi Model ARENA dengan Sistem Nyata melalui Parameter
Performance Sistem .......................................................................................... 48
4.7.1 Verifikasi Model ARENA ................................................................... 48
4.7.2 Validasi Model ARENA ...................................................................... 48
4.8 Skenario Perbaikan (3 Skenario) ................................................................. 59
4.9 Proses Comparing System Masing-masing Skenario (ANOVA) ................ 60
4.10 Identifikasi Faktor Penghambat Apabila Skenario Diimplementasikan pada
Sistem Nyata. .................................................................................................... 62
4.11 Animasi Menggunakan Software Arena ................................................... 62
BAB V KESIMPULAN DAN SARAN ................................................................ 63
5.1 Kesimpulan ................................................................................................. 63
5.2 Saran ............................................................................................................ 63
DAFTAR PUSTAKA
viii
DAFTAR TABEL
Tabel 2.4.1 Rekapan server 1 (pendaftaran) ......................................................... 34
Tabel 2.4.2 Rekapan server 2 (perbaikan) ............................................................ 35
Tabel 2.4.3 Rekapan server 3 (inspeksi) ............................................................... 36
Tabel 2.4.4 Rekapan server 4 (pembayaran) ........................................................ 37
Tabel 2.4.5 Rekapan uji kecukupan ...................................................................... 39
Tabel 2.4.6 Rekapan data baru .............................................................................. 40
Tabel 2.4.7 Rekapan pola data tiap server ............................................................ 43
Tabel 2.4.8 Rekapan data utilitas replikasi 1 ........................................................ 49
Tabel 2.4.9 Hasil uji paired two sample for means utilitas replikasi 1 ................. 49
Tabel 2.4.10 Rekapan data utilitas replikasi 2 ...................................................... 49
Tabel 2.4.11 Hasil uji paired two sample for means utilitas replikasi 2 ............... 50
Tabel 2.4.12 Rekapan data utilitas replikasi 3 ...................................................... 50
Tabel 2.4.13 Hasil uji paired two sample for means utilitas replikasi 3 ............... 50
Tabel 2.4.14 Rekapan data utilitas replikasi 4 ...................................................... 51
Tabel 2.4.15 Hasil uji paired two sample for means utilitas replikasi 4 ............... 51
Tabel 2.4.16 Rekapan data utilitas replikasi 5 ...................................................... 51
Tabel 2.4.17 Hasil uji paired two sample for means utilitas replikasi 5 ............... 52
Tabel 2.4.18 Rekapan data lama antrian replikasi 1 ............................................. 52
Tabel 2.4.19 Hasil uji paired two sample for means lama antrian replikasi 1 ...... 52
Tabel 2.4.20 Rekapan data lama antrian replikasi 2 ............................................. 53
Tabel 2.4.21 Hasil uji paired two sample for means lama antrian replikasi 2 ...... 53
Tabel 2.4.22 Rekapan data lama antrian replikasi 3 ............................................. 54
Tabel 2.4.23 Hasil uji paired two sample for means lama antrian replikasi 3 ...... 54
Tabel 2.4.24 Rekapan data lama antrian replikasi 4 ............................................. 54
Tabel 2.4.25 Hasil uji paired two sample for means lama antrian replikasi 4 ...... 55
Tabel 2.4.26 Rekapan data lama antrian replikasi 5 ............................................. 55
Tabel 2.4.27 Hasil uji paired two sample for means lama antrian replikasi 5 ...... 55
Tabel 2.4.28 Rekapan data banyak replikasi 1 ...................................................... 56
Tabel 2.4.29 Hasil uji paired two sample for means banyak antrian replikasi 1 .. 56
Tabel 2.4.30 Rekapan data banyak replikasi 2 ...................................................... 57
Tabel 2.4.31 Hasil uji paired two sample for means banyak antrian replikasi 2 .. 57
Tabel 2.4.32 Rekapan data banyak replikasi 3 ...................................................... 57
Tabel 2.4.33 Hasil uji paired two sample for means banyak antrian replikasi 3 .. 58
Tabel 2.4.34 Rekapan data banyak replikasi 4 ...................................................... 58
Tabel 2.4.35 Hasil uji paired two sample for means banyak antrian replikasi 4 .. 58
Tabel 2.4.36 Rekapan data banyak replikasi 5 ...................................................... 59
Tabel 2.4.37 Hasil uji paired two sample for means banyak antrian replikasi 5 .. 59
Tabel 2.4.38 Skenario perbaikan 1 ........................................................................ 60
Tabel 2.4.39 Skenario perbaikan 2 ........................................................................ 60
Tabel 2.4.40 Skenario perbaikan 3 ........................................................................ 60
ix
Tabel 2.4.41 Hasil uji ANOVA skenario perbaikan 1 .......................................... 61
Tabel 2.4.42 Hasil uji ANOVA skenario perbaikan 2 .......................................... 61
Tabel 2.4.43 Hasil uji ANOVA skenario perbaikan 3 .......................................... 61
x
DAFTAR GAMBAR
Gambar 1.2.1 Klasifikasi Sistem ............................................................................. 4
Gambar 1.2.2 Sistem terbuka dan tertutup .............................................................. 5
Gambar 1.2.3 Activity Cycle Diagram (ACD) ....................................................... 7
Gambar 1.3.4 Flowchart pelaksanaan tugas besar ................................................ 10
Gambar 1.4.5 Parkir sepeda motor ........................................................................ 12
Gambar 1.4.6 Ruang Tunggu ................................................................................ 12
Gambar 1.4.7 Service sepeda motor ...................................................................... 12
Gambar 1.4.8 Inspeksi motor ................................................................................ 13
Gambar 1.4.9 Kasir ............................................................................................... 13
Gambar 1.4.10 Ruang Pendaftaran ....................................................................... 13
Gambar 1.4.11 Service objek ................................................................................ 14
Gambar 1.4.12 activity cycle diagram pada objek service sepeda motor AHASS
13124 DAYA MOTOR SURABAYA .................................................................. 17
Gambar 1.4.13 ACD skenario perbaikan 1 ........................................................... 20
Gambar 1.4.14 ACD skenario perbaikan 2 ........................................................... 21
Gambar 1.4.15 ACD skenario perbaikan 3 ........................................................... 22
Gambar 2.2 1 Modul Arena .................................................................................. 29
Gambar 2.2 2 Contoh model arena ....................................................................... 31
Gambar 2.3.3 Flowchart pelaksanaan tugas besar ................................................ 33
Gambar 2.4.4 Pola data server 1 (pendaftaran) ..................................................... 41
Gambar 2.4.5 Pola data server 2 (perbaikan) ........................................................ 42
Gambar 2.4.6 Pola data server 3 (inspeksi)........................................................... 42
Gambar 2.4.7 Pola data server 4 (pembayaran) .................................................... 43
Gambar 2.4.8 Model simulasi menggunakan ARENA ......................................... 47
Gambar 2.4.9 Model simulasi menggunakan ARENA dan visio ......................... 47
Gambar 2.4.10 Verifikasi simulasi model ARENA .............................................. 48
Gambar 2.4.11 Animasi layout menggunakan software arena ............................ 62
LEMBAR PERSETUJUAN
LAPORAN RESMI MODUL 1
DESKRIPSI SISTEM
TUGAS BESAR SIMULASI SISTEM INDUSTRI
LABORATORIUM KOMPUTASI DAN SIMULASI INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS TRUNOJOYO MADURA
TAHUN AKADEMIK 2019
Disusun oleh:
DEWI SARTI NINGSIH (160421100008)
RIVADA DWISAKA ARYANTO (160421100014)
GALUH KRISMONI (160421100082)
Telah diperiksa dan disetujui pada
hari/ tanggal: , Juni 2019
ASISTEN
MAHFUD
1
BAB I
PENDAHULUAN
Bab satu pendahuluan berisi tentang latar belakang dan tujuan dari tugas besar
modul satu tentang deskripsi sistem.
1.1 Latar Belakang
Perkembangan perusahaan di Indonesia kini terus berkembang mulai dari
usaha kecil hingga perusahaan benefit terus melakukan pengembangan, adapun
pada perusahaan dibidang penjualan dan jasa yang saat ini menggunakan teknologi
otomatis, teknologi tersebut bertujuan untuk efisien dan efektifitas dalam
melakukan pekerjaan. Adapun untuk mencapai tujuan tersbut ada beberapa faktor
yang mempengaruhi baik dari dalam perusahaan maupun luar perusahaan. Begitu
juga dalam perusahaan dalam penanganan masalah pengolahan data juga tidak
terlepas dari perkembangan teknologi informasi, maka perusahaan wajib
mendeskripsikan sistem secara jelas untuk menentukan hubungan antar sistem
tersebut.
Menurut Juan (2017), Deskripsi sistem merupakan sekumpulan entiti-entiti
yang berinteraksi antar entitas dalam mencapai satu tujuan yang logis. Entiti
merupakan sebagian dasar dari suatu sistem yang akan memebentuk suatu sistem.
Menurut Ekoanindiyo (2017), sistem juga dapat didefinisikan sebagai kebutuhan
yang mendasar apabila ingin melakukan pemodelan simulasi maupun
mengaplikasian metode analitis. Pendekatan yang yang digunakan dalam
memecahkan suatu masalah yaitu dengan menggunakan pendekatan sistem (system
approach), yaitu suatu pendekatan holistik pada suatu persoalan.
Bengkel AHASS 13124 DAYA MOTOR yang beralokasi disurabaya
tepatnya Jl. Menur Prumpugan No.72 merupakan studi kasus yang akan dijadikan
sebagai obyek pengamatan. Bengkel Ahhas dipilih karena memiliki sistem yang
kompleks mulai dan jaminan service motor yang sudah bersertivikasi. Pada objek
kali ini, pengamat melakukan pengamatan ang terfokus pada service motor mulai
dari pendaftaran hingga melakukan pembayaran.
2
1.2 Tujuan
Tujuan dari modul satu deskripsi sistem adalah sebagai berikut:
1 Dapat mengerti dan memahami pengertian sistem dan klasifikasinya.
2 Dapat mengerti dan memahami karakteristik dari sistem beserta elemen- elemen
pendukung suatu sistem.
3 Dapat mengerti dan memahami pengertian model, klasifikasi serta alasan
penggunaan model diperlukan.
4 Dapat mengerti dan memahami pengertian dari simulasi serta hubungan antara
sistem, model dan simulasi.
5 Dapat mengerti dan memahami Activity Cycle Diagram (ACD) dan usulan
skenario perbaikan.
3
BAB II
TINJAUAN PUSTAKA
Bab dua berisi mengenai tinjauan pustaka daripengertian sistemdan
klasifikasinya, elemen-elemen sistem, pengertian simulasi, Activity Cycle Diagram
(ACD), dan Antrian.
2.1 Pengertian Sistem Dan Klasifikasinya
Menurut Juan (2017), sistem didefinisikan sebagai sekumpulan entiti-entiti
yang berinteraksi antar entitas dalam mencapai satu tujuan yang logis. Entiti
merupakan sebagian dasar dari suatu sistem yang akan memebentuk suatu sistem.
Berikut ini merupakan karakter dari sistem yaitu:
a) Keseluruhan (wholism)
b) Perilaku sasaran (purposive behaviour)
c) Transformasi (transformation)
d) Keterbukaan (openness)
e) Keterhubungan (interrelatedness)
f) Mekanisme kontrol (control mechanism)
Menurut Ekoanindiyo (2017), sistem yaitu suatu kebutuhan yang mendasar
apabila ingin melakukan pemodelan simulasi maupun mengaplikasian metode
analitis. Pendekatan yang yang digunakan dalam memecahkan suatu masalah yaitu
dengan menggunakan pendekatan sistem (system approach), yaitu suatu
pendekatan holistik pada suatu persoalan. Berikut ini merupakan gambaran tentang
sistem.
4
Gambar 1.2.1 Klasifikasi Sistem
Klasifikasi sistem dapat terdiri dari beberapa sudut pandang yang diantaranya
yaitu :
1. Sistem diklasifikasikan menjadi sistem abstrak (abstract system) serta sistem
fisik (physical system). Sistem abstrak merupakan suatu sistem yang
pemikirannya tidak terlihat secara fisik. Misalnya sistem teologia, merupakan
suatu sistem yang pemikirannya memiliki hubungan dengan manusia serta
Tuhan. Sistem fisik yaitu suatu sistem yang terlihat secara fisik. Misalnya,
sistem produksi, sistem akuntansi, sistem komputer dan lain sebagainya
2. Sistem diklasifikasikan menjadi suatu sistem buatan manusia (human made
system) serta sistem alamiah (natural system). Sistem alamiah merupakan
sistem dengan melalui beberapa proses alam dan tidak dibuat oleh manusia.
Misalnya pada sistem perputaran bumi. Sistem buatan manusia merupakan
suatu sistem yang dibuat atau dirancang oleh manusia. Sistem buatan dari
manusia dengan melibatkan interaksi antara mesin dengan manusia serta
disebut juga sebagai human-machine system atau juga dapat disebut sebagai
man-machine system.
3. Sistem diklasifikasikan menjadi sistem tertentu (deterministic system) dan
sistem tak tentu (probabilistic system). Sistem tertentu merupakan suatu sistem
yang beroperasi dengan melihat tingkah laku yang telah diprediksi. Sistem tak
tentu merupakan suatu sistem yang kondisi dimasa depannya tidak bisa
diprediksi sebab mengandung unsur probabilitas.
5
4. Sistem diklasifikasikan menjadi sistem tertutup (closed system) serta sistem
terbuka (open system). Sistem tertutup ialah suatu sistem yang tidak memiliki
hubungan serta tidak dapat dipengaruhi oleh lingkungan luar. Kerja sistem ini
yaitu secara otomatis serta tidak adanya campur tangan dari pihak diluar. Sistem
terbuka merupakan suatu sistem yang berhubungan serta memiliki pengaruh
pada lingkungan luarnya. Sistem ini berfungsi dalam menerima masukan serta
menghasilkan keluaran pada lingkungan luar. Berikut ini merupakan kasifikasi
dari sistem terbuka serta tertutup dapat digambarkan sebagai berikut :
Gambar 1.2.2 Sistem terbuka dan tertutup
2.2 Elemen-elemen Sistem
Menurut Wirabuhana (2017), Elemen-elemen dari model simulasi dari istilah-
istilah asing yang perlu dipahami oleh pemodel, pada bagian-bagian ini sangat
penting untuk menyusun suatu model simulasi yaitu:
a. Entiti (enttity)
Entiti merupakan suatu obyek yang dinamis. Entiti biasanya dibuat oleh
pemodel atau dengan cara otomatis dengan menggunkan software simulasinya.
b. Atribut (Attribut)
Setiap entiti mempunya ciri-ciri tersendiri yang dapat membedakan antara satu
dengan yang lainnya. Karakteristik yang dimiliki entiti disebut sebagai atribut.
Atribut ini akan memberikan nilai tertentu dari setiap entiti. Entiti mempunyai
6
atribut seperti arrival, time, due date, priority, dan color yang berbeda dengan
entiti lainnya.
c. Variabel (variabel)
Variabel merupakan potongan dari informasi yang menunjukan
karakteristik dari suatu sistem. Variabel memiliki perbedaan dengan atribut
sebab dia tidak mengikat entiti akan tetapi sistem secara keseluruhan jadi semua
entiti dapat memiliki variabel yang sama. Misalnya, panjang antrian, batch size,
dan sebagainya.
d. Sumber daya (Resource)
Entiti-entiti saling bersaing dalam mendapatkan pelayanan dari resource
yang akan ditunjukkan pada peralatan, operator, maupun ruangan
penyimpangan yang terbatas. Suatu resouce bisa grup ataupun pelayanan
individu.
2.3 Pengertian Dari Simulasi
Menurut Juan (2017), Simulasi adalah suatu proses implementasi dari model
menjadi software atau rangkaian dari elektronik dan mengeksekusi suatu software
tersebut dengan sedemikian rupa. Simulasi dapat diartikan sebagai tiruan atau suatu
sistem nyata yang lengkap dan penuh dengan sifat probabilistik, tanpa mengalami
kondisi yang sesungguhnya. Hal ini dapat dikerjakan dengan cara membuat sebuah
miniatur yang representative serta valid yang memiliki tujuan sampling dan survey
statistik dari suatu sistem nyata. Simulasi secara sederhaana dapat disebut dengan
siatem peniruan.
Kelebihan dari simulasi yaitu:
1. Sistem nyata sulit untuk diamati secara langsung
2. Dapat Memperkirakan sistem yang nyata sesuai dengan operasional
3. Pengamatan dari suatu sistem secara langsung tidak dimungkinkan sebab:
a. Sangat mahal
b. Dapat merusak sistem yang sedang berjalan
c. Membutuhkan waktu yang lama
4. Solusi analitik tidak bisa dikembangkan, karena sistem yang sedang digunakan
di dunia kerja sangatlah lengkap.
7
5. Mempermudah dalam melakukan pengontrolan banyak kondisi dari sebuah
percobaan hingga dapat memungkinkan dalam mencoba penerapan secara nyata
pada suatu sistem tersebut.
6. Menyediakan sarana pembelajaran sistem dalam jangka waktu yang lama.
Kekurangan Simulasi:
1. Simulasi yang dilakukan tidak akurat.
2. Model simulasi yang dilakukan jadi sangat mahal.
3. Tidak semua dari situasi dapat dilakukan dengan simulasi.
4. Simulasi dapat menghasilkan solusi, tetapi bukan cara untuk menghasilkan
memecahkan masalah.
5. Simulasi dapat menghasilkan sekumpulan angka / data / grafik yang banyak dan
membutuhkan tampilan akhir yaitu seperti animasi, layout, grafik, dan lain
sebagainya.
2.4 Activity Cycle Diagram (ACD)
Menurut Addina (2018), Activity Cycle Diagram (ACD) merupakan wujud dari
bentuk model secara konseptual yang mudah digunakan untuk menggambarkan
struktur keberadaan sistem dan cocok untuk sistem diskrit dan probabilistik . ACD
digunakan untuk memperlihatkan hubungan antara kegiatan yang terjadi pada suatu
proses. Berikut ini adalah aktivitas yang terjadi yang ada didalam sistem pelayanan
pada pengisian bahan bakar pertalite di SPBU Jl. Monginsidi Solo:
Gambar 1.2.3 Activity Cycle Diagram (ACD)
2.5 Antrian
Menurut Andika (2018), sistem antrian merupakan suatau proses para customer
atau barang yang memasuki barisan antrian yang seterusnya akan memerlukan
8
pelayanan sebagaimana seharusnya berlaku. Antrian dikembangkan oleh seorang
ahli matematika dari Denmark yang bernava A.K. ERLANG. Fenomena menunggu
merupakan suatu hasil langsung dari acakan dalam operasi dari sarana pelayanan.
Kedatangan pelanggan sebelumnya tidak dapat diketahui, karena apabila dapat
diketahui pengoperasian dari sarana tersebut dapat dijadwalkan dengan sedemikian
rupa sehingga dapat menghilangkan keharusan untuk menunggu.
Tujuan dari antrian yaitu untuk meminimumkan total biaya langsung dalam
penyediaan fasilitas pelayanan serta biaya tidak langsung. Sistem yang memiliki
fasilitas pelayanan dengan jumlah yang optimal, berarti memerlukan investasi
modal yang tinggi, akan tetapi apabila jumlahnya kurang optimal maka hasilnya
akan menunda pelayanan.
9
BAB III
METODOLOGI PENELITIAN
Bab tiga tentang metodologi penelitian menjelaskan mengenai alat dan bahan
yang digunakan, prosedur, dan flowchart tugas besar simulasi industri pada modul
1 berjudul deskripsi sistem dapat dijelaskan sebagai berikut:
3.1 Alat dan Bahan
Alat dan bahan yang digunakan dalam penelitian modul 1 tentang deskripsi
sistem adalah:
1. Laptop atau PC.
2. Objek pengamatan.
3. Microsoft Visio.
4. Microsoft Word.
3.2 Prosedur Pelaksanaan Tugas Besar
Prosedur pelaksanaan tugas besar dalam modul 1 tentang deskripsi sistem
adalah sebagai berikut:
1. Mencari objek penelitian.
2. Melakukan asistensi objek penelitian.
3. Melakukan pre-test mengenai modul 1 deskripsi sistem.
4. Melakukan pengamatan objek penelitian.
5. Melakukan brefing pengolahan data modul 1 deskripsi sistem.
6. Melakukan pengolahan data yang terdiri dari deskripsi sistem, elemen sistem,
ACD (Activity Cycle Diagram) parameter sistem, skenario perbaikan, dan ACD
skenario perbaikan.
3.3 Flowchart
Flowchart di bawah ini menggambarkan bagan dan simbol urutan proses yang
digunakan dalam tugas besar simulasi industri pada modul 1 deskripsi sistem yang
terdiri dari flowchart pelaksanaan tugas besar simulasi industri dapat dipaparkan
sebagai berikut:
10
3.3.1 Flowchart Pelaksanaan Tugas Besar
Flowchart pelaksanaan tugas besar simulasi industri modul 1 tentang
deskripsi sistem dapat digambarkan sebagai berikut:
Mulai
Selesai
Pengamatan objek fix
Asistensi objek
Brefing pengolahan data
Acc objek
Pretest
Pengolahan data- Deskripsi sistem- Elemen sistem- ACD- Parameter sistem- Skenario perbaikan- ACD skenario perbaikan
Iya
Mencari objek
Tidak
Tahap Persiapan
Tahap Pengumpulan Data
Tahap Pengolahan Data
Kesimpulan dan saran
Tahap Perbaikan Kesimpulan
Gambar 1.3.4 Flowchart pelaksanaan tugas besar
11
BAB IV
ANLISA DAN PEMBAHASAN
Bab empat berisi tentang analisa dan pembahasan penelitian tugas besar
simulasi industri dari modul satu tentang deskripsi sistem yang membahas deskripsi
sistem nyata, layout objek, deskripsi sistem menggunakan elemen-elemen sistem,
ACD, parameter untuk mengamati kinerja sistem, skenario perbaikan untuk
meningkatkan performance sistem, dan ACD skenario perbaikan sistem yang
optimal sebagai berikut:
4.1 Deskripsi Nyata
Deskripsi sistem nyata menjelaskan mengenai alasan dalam memilih objek
penelitian dan gambaran umum proses pelayanan objek penelitian yang dijelaskan
sebagai berikut:
4.1.1 Pemilihan Objek Penelitian
Alasan pemilihan objek penelitian pelayanan service sepeda motor AHASS
13124 DAYA MOTOR SURABAYA yaitu memiliki masalah mengenai antrian
service yang sering sekali memerlukan waktu yang cukup lama, sehingga kami
memilih untuk melakukan pengamatan yang bertempat di pelayanan service
sepeda motor AHASS 13124 DAYA MOTOR SURABAYA. Objek ini kami
gunakan dikareankan mempunyai sistem yang kompleks dengan jaminan service
motor yang telah bersertifikasi. Pengamatan ini berfokus pada antrian service
motor mulai dari pendaftaran hingga pembayaran yang dilakukan. Penelitian kali
ini kami harapkan agar dapat menemukan penyebab timbulnya antrian yang
terlalu lama serta dapat menemukan solusi perbaikan dari sistem tersebut.
4.1.2 Gambaran Umum Proses Pelayanan Objek Penelitian
Gambaran umum proses pelyanan objek penelitian diantara sebagai berikut:
1. Parkir Motor
Parkir motor ini khusus digunakan oleh pelanggan service sepeda motor, jadi
setelah cutomer datang dan melakukan pendaftaran kemudian melakukan
pengecekan atas keluhan kerusakan yang dialami oleh sepeda motor,
selanjutnya diberikan nomer antrian service sepeda motor. Aktivitas ini
dilakuakan di parkir motor
12
Gambar 1.4.5 Parkir sepeda motor
2. Ruang Tunggu
Ruang tunggu merupakan suatu tempat yang digunakan untuk menunggu
antrian service sepeda motor. Tempat ini biasanya dilengkapi dengan berbagai
fasilitas seperti kipas angin, televisi dan tempat duduk yang nyaman, supaya
customer tidak bosan dalam menunggu antrian service sepeda motor yang lama.
Gambar 1.4.6 Ruang Tunggu
3. Service Motor
Service motor merupakan suatu tempat untuk melakukan perbaikan kondisi
sepeda motor yang rusak menjadi kondisi yang semula atau ke fungsi yang
semula oleh mekanik. Proses perbaikan ini akan memberikan hasil yang
memuaskan bagi pelanggan, karena mekaniknya sendiri melakukan pengecekan
ulang atas kerusakan serta keluhan kerusakan sepeda motor dari pelanggan.
Gambar 1.4.7 Service sepeda motor
4. Inspeksi Motor
13
Inspeksi motor merupakan suatu tempat yang digunakan untuk pengecekan
ulang setelah melakukan perbaikan, apakah motor tersebut sudah sesuai dengan
keadaan yang semula atau belum.
Gambar 1.4.8 Inspeksi motor
5. Kasir
Kasir merupakan tempat untuk melakukan pembayaran service sepeda motor
yang sudah diperbaiki oleh mekanik.
Gambar 1.4.9 Kasir
6. Ruang Pendaftaran
Ruang pendaftaran merupakan suatu tempat yang digunakan untuk melakukan
pendaftaran service sepeda motor serta mengambil nomer antrian serta engetahui
catatan keluhan keruskan yang diberikan kepada mekanik sehingga mekanik
dapat langsung memperbaikinya.
Gambar 1.4.10 Ruang Pendaftaran
14
4.2 Layout Objek Penelitian
Layout objek penelitian pelayanan service sepeda motor AHASS 13124
DAYA MOTOR SURABAYA dengan alamat Jl. Menur Pumpungan No.72
Surabaya dapat dipaparkan sebagai berikut:
SERV
ICE
SERV
ICE
SERV
ICE
SERV
ICE
SERV
ICE
RUANG TUNGGU PELANGGAN
KASIR
PEN
DA
FTAR
AN
SERV
ICE
INSPEKSI
TEMP
AT SP
ERP
AR
T MO
TOR
PU
SAT IN
FOR
MA
SI P
EMB
ELIAN
MO
TOR
AK
SESOR
RIS
MO
TOR
AKSESORRISMOTOR
Gambar 1.4.11 Service objek
Gambar 1.4.11 menunjukan layout dari objek penelitian pelayanan service
sepeda motor AHASS 13124 DAYA MOTOR SURABAYA, dengan terdapat
tempat parkir khusus pelanggan sercives sepeda motor, tempat pendaftaran, tempat
kasir, raung tunggu tempat inspeksi, 5 tempat yang digunkan untuk service, ruang
antrian sepeda motor, tempat sperpat, dan lain sebagainya.
4.3 Deskripsi Sistem Menggunakan Elemen-elemen Sistem
Elemen-elemen sistem yang diamati dari objek penelitian service sepeda motor
AHASS 13124 DAYA MOTOR SURABAYA dengan alamat Jl. Menur
Pumpungan No.72 Surabaya terdiri dari 3 elemen yaitu elemen entitas, aktivitas,
resource dan control. Deskripsi sistem penggunaan elemen-elemen tersebut
diaplikasikan pada objek penelitian dijelaskan sebagai berikut:
A. Entitas
Entitas pada pelayanan service sepeda motor AHASS 13124 DAYA MOTOR
SURABAYA yaitu
1. Kasir Pembayaran
2. Kasir Pendaftaran
3. Operator Inspeksi
4. Operator Perbaikan
15
B. Aktivitas
Aktivitas pada pelayanan service sepeda motor AHASS 13124 DAYA
MOTOR SURABAYA yaitu melakukan registasi atau pendaftaran, Mencatat
keluhan kerusakan sepeda motor, Menunggu pelayanan perbaikan sepeda motor,
Perbaikan sepeda motor, menginspeksi kondisi sepeda motor setelah diperbaiki dan
yang terakhir melakukan pembayaran service sepeda motor ke kasir.
C. Resource
Resource pada service sepeda motor AHASS 13124 DAYA MOTOR
SURABAYA yaitu
1. 4 Mekanik atau montir
2. 1 Petugas pendaftaran
3. 1 petugas inspeksi
4. 1 Petugas kasir
D. Control
Conrol pada service sepeda motor AHASS 13124 DAYA MOTOR
SURABAYA yaitu
1. Prosedur antrian pendaftaran, service dan pembayaran.
2. Jadwal jam kerja tempat service sepeda motor AHASS 13124 DAYA MOTOR
SURABAYA yang sudah ditetapkan yaitu buka hari senin hingga minggu
dengan ketentuan hari senin-sabtu jam 07.00 – 16.00, hari minggu jam 08.00 –
15.00.
4.4 Activity Cycle Diagram (ACD)
Activity cycle diagram merupakan representasi dari bentuk model konseptual
yang cukup mudah dipakai serta sistematis guna menggambarkan struktur
keberadaan sistem. ACD yang digunakan terdiri dari activity table dan activity cycle
diagram yang dijelasakan sebagai berikut:
4.4.1 Activity Table
Activity table proses pelayanan service sepeda motor AHASS 13124 DAYA
MOTOR SURABAYA adalah sebagai berikut:
16
Tabel 1.4.1 Activity Table
Entitas Aktivitas Simbol
Datang dengan membawa motor yang ingin
diperbaiki
Menunggu di ruang tunggu sesua dengan antrian
Menunggu kedatangan pelanggan
Melayani pendaftaran dengan menanyakan kepada
pelanggan apa saja kerusakan motor pelanggan
Menunggu adanya motor yang diperbaiki
Membawa motor ke ruang service , memperbaiki
motor, menaruh motor ke tempat inpeksi
Bagian InspeksiMelakukan inspeksi (pengecekan) pada motor
yang sudah diperbaiki
Menunggu pelanggan membayar
Melaksanakan admistrasi dengan pelanggan
Pelayan Pendaftaran
Mekanik
Kasir
Pelanggan
Tabel 1.4.1 activity table merupakan tabel yang berisi tentang entitas,
aktivitas beserta simbolnya, setiap entitas memiliki aktivitas dan simbolnya
masing-masing seperti pada entitas konsultan terdapat duan aktivitas yang
pertama menunggu kedatangan pelanggan yang memiliki symbol ingkaran yang
artinya entiitas tidak dalam proses maupun pelayanan dari server. Yang kedua
melayani pendaftaran yang memiliki Simbol persegi yang artinya entitas sedang
dalam proses atau dilayani server. Symbol lingkaran menunjukkan entitas tidak
dalam proses maupun pelayanan dari server.
4.4.2 Activity Cycle Diagram
Activity cycle diagram proses pelayanan service sepeda motor AHASS 13124
DAYA MOTOR SURABAYA adalah sebagai berikut:
17
Pelanggan
Datang
Pelanggan
Pergi
Menunggu
Pendaftaran
IDLE
Menunggu
Service 1
Service 2
Service 3
Service 4
IDLE
IDLE
IDLE
IDLE
Inspeksi
Menunggu
IDLE
Kasir
IDLE
Gambar 1.4.12 activity cycle diagram pada objek service sepeda motor AHASS 13124 DAYA MOTOR SURABAYA
Pada gambar 1.4.12 activity cycle diagram merupakan diagram yang menunjukkan seluruh aktivitas yang ada pada tempat service
AHSS 13124 DAYA MOTOR mulai pelanggan datang, konsultasi, service motor, pembayaran hingga pelanggan pergi.
18
4.5 Parameter Pengamatan Kinerja Sistem
Parameter pengamatan kinerja sistem pelayanan service sepeda motor AHASS
13124 DAYA MOTOR SURABAYA yang digunakan adalah utilitas, lama antrian,
dan jumlah antrian dari setiap server.
1. Banyaknya antrian, dimana jika antrian yang diterima sangat banyak, maka
tingkat kepercayaan terhadap perusahaan sangatlah baik, namun jika
menginginkan produktivitas yang optimal maka dapat dengan cara mengurangi
waktu menunggu maupun waktu idle.
2. Lama antrian, dimana jika antrian yang dialami pelanggan tidak terlalu lama
maka sistem proses produksi pada perusahaan berjalan dengan baik dan tidak
ada waktu menunggu maupun waktu idle.
3. Utilitas pekerja, dimana setiap pekerja memiliki utilitas kerjanya masing-
masing sehingga untuk menghasilkan utilitas yang maksimal maka dapat
menghapus dihapus atau bisa juga menggabungkan dan meningkatkan tingkat
produkvitas yang optimal.
4.6 Skenario Perbaikan Dalam Peningkatan Performance Sistem
Skenario perbaikan yang digunakan dalam meningkatkan performance dari
sistem pelayanan service sepeda motor AHASS 13124 DAYA MOTOR
SURABAYA terdiri dari 3 skenario perbaikan yang akan dijelaskan sebagai
berikut:
4.6.1 Skenario 1
Perbaikan sistem pelayanan service sepeda motor AHASS 13124 DAYA
MOTOR SURABAYA pada skenario 1 dalam peningkatan performance dapat
dilakukan dengan menambah jumlah karyawan atau anggota mekanik pada tiap
area service, karena pada ruang tunggu pelanggan selalu ramai yang menunjukkan
lamanya waktu perbaikan pada ruang service.
4.6.2 Skenario 2
Skenario perbaikan yang kedua dapat juga dilakukan dengan menghapus
server inspeksi, dimana proses inspeksi dapat dilakukan pada server service
mekanik sepeda motor guna meningkatkan utilitas pegawai/karyawan bagian
inspeksi dan pengoptimalan ruangan.
19
4.6.3 Skenario 3
Skenario perbaikan yang ketiga dapat dilakukan dengan menggabungkan
scenario perbaikan 1 dan 2 yakni menambah jumlah karyawan atau anggota
mekanik pada tiap area service dan menghapus server inspeksi.
4.7 Activity Cycle Diagram (ACD) Skenario Perbaikan
ACD dari skenario perbaikan yang digunakan untuk meningkatkan
performance sistem pelayanan service sepeda motor AHASS 13124 DAYA
MOTOR SURABAYA yang terdiri dari 3 skenario perbaikan pada sub bab
sebelumnya adalah sebagai berikut:
20
4.7.1 ACD Skenario Perbaikan 1
ACD dari skenario perbaikan 1 dari skenario perbaikan dalam peningkatan performance sistem dapat digambarkan sebagai berikut:
Pelanggan
Datang
Pelanggan
Pergi
Menunggu
Pendaftaran
IDLE
Menunggu
Service 1 pengerjaan
mekanik 1 dan 2
Service 2 pengerjaan
mekanik 3 dan 4
Service 3 pengerjaan
mekanik 5 dan 6
Service 4 pengerjaan
mekanik 7 dan 8
IDLE
IDLE
IDLE
IDLE
Inspeksi
Menunggu
IDLE
Kasir
IDLE
Gambar 1.4.13 ACD skenario perbaikan 1
Gambar 1.4.13 ACD skenario perbaikan 1 menunjukkan penambahan jumlah karyawan atau anggota mekanik pada setiap masing-
masing 4 ruang service agar mempercepat waktu perbaikan motor sehingga pelanggan tidak perlu waktu lama untuk menunggu motor untuk
diperbaiki.
21
4.7.2 ACD Skenario Perbaikan 2
ACD dari skenario perbaikan 2 dari skenario perbaikan dalam peningkatan performance sistem dapat digambarkan sebagai berikut:
Pelanggan
Datang
Pelanggan
Pergi
Menunggu
Pendaftaran
IDLE
Menunggu
Service 1 dengan
inspeksi
Service 2 dengan
inspeksi
Service 3 dengan
inspeksi
Service 4 dengan
inspeksi
IDLE
IDLE
IDLE
IDLE
Menunggu
Kasir
IDLE
Gambar 1.4.14 ACD skenario perbaikan 2
Gambar 1.4.14 ACD skenario perbaikan 2 menunjukkan proses server inspeksi yang dapat dilakukan pada server service mekanik
sepeda motor yang berguna untuk meningkatkan utilitas karyawan bagian inspeksi dan mengoptimalkan area ruangan.
22
4.7.3 ACD Skenario Perbaikan 3
ACD dari skenario perbaikan 3 dari skenario perbaikan dalam peningkatan performance sistem dapat digambarkan sebagai berikut:
Pelanggan
Datang
Pelanggan
Pergi
Menunggu
Pendaftaran
IDLE
Menunggu
Service 1 pengerjaan mekanik
1 dan 2 dengan inspeksi
IDLE
IDLE
IDLE
IDLE
Menunggu
Kasir
IDLE
Service 2 pengerjaan mekanik
3 dan 4 dengan inspeksi
Service 3 pengerjaan mekanik
5 dan 6 dengan inspeksi
Service 4 pengerjaan mekanik
7 dan 8 dengan inspeksi
Gambar 1.4.15 ACD skenario perbaikan 3
Gambar 1.4.15 ACD skenario perbaikan 3 menunjukkan penambahan karyawan anggota mekanik setiap masing-masing ruang service
& penambahan pengerjaan dalam menginpeksi sepeda motor yang sudah di service. Tujuannya agar pada proses aktivitas di pelayanan service
sepeda motor AHASS 13124 DAYA MOTOR SURABAYA dapat berjalan optimal dan lancar dengan meminimumkan waktu tunggu dan
lama antrian pelanggan.
23
BAB V
KESIMPULAN DAN SARAN
Bab lima berisi tentang kesimpulan dan saran yang dapat diambil dari tugas
besar simulasi industri dari modul satu tentang deskripsi sistem pada objek
penelitian sistem pelayanan service sepeda motor AHASS 13124 DAYA MOTOR
SURABAYA.
5.1 Kesimpulan
Kesimpulan yang dapat diambil dari penelitian service sepeda motor AHASS
13124 DAYA MOTOR SURABAYA dari modul satu tentang deskripsi sistem
dapat dijelaskan sebagai berikut:
1. Sistem merupakan sekumpulan entiti-entiti yang berinteraksi antar entitas
dalam mencapai satu tujuan yang logis. sistem klasifikasi pada pelayanan
service motor di dealer AHASS 13124 DAYA MOTOR menggunakan tipe
entitas discrate event system dikarenakan service untuk sebuah motor tersebut
terjadi di suatu waktu tertentu dan tidak dipengaruhi oleh jumlah entitas yang
masuk, dimana untuk satu motor melewati waktu kedatangan, proses mulai, dan
proses berakhir.
2. Pelayanan service motor di dealer motor service motor di dealer AHASS 13124
DAYA MOTOR terdapat beberapa elemen entitas diantaranya pelanggan,
pendaftaran, kasir, mekanik dan inspeksi. yang pertama menunggu kedatangan
pelanggan yang memiliki symbol ingkaran yang artinya entiitas tidak dalam
proses maupun pelayanan dari server. Yang kedua melayani pendaftaran yang
memiliki Simbol persegi yang artinya entitas sedang dalam proses atau dilayani
server. Simbol lingkaran menunjukkan entitas tidak dalam proses maupun
pelayanan dari server.
3. Model merupakan deskripsi yang menggambarkan dan menjelaskan suatu objek
atau sistem berupa bentuk model fisik, model citra ataupun rumus matematik
dari sebuah sistem nyata. Klasifikasi model pada sebuah sistem antara lain
berdasarkan struktur, fungsi, acuan waktu, tingkat ketidakpastian, derajat
kuantifikasi,derajat generalisasi, serta acuan dimensi dan lingkungan. Alasan
penggunaan model diperlukan karena sistem kondisinya dapat berubah setiap
24
saat dan tidak pasti, menggunakan asumsi saja sehingga tidak memerlukan
banyak kondisi, mempermudah apabila metode pada sistem tersebut sulit
dipelajari- tidak mengganggu elemen yang terlibat apabila dilakukan ujicoba,
serta menghemat waktu dan biaya.
4. Simulasi merupakan sistem yang digunakan untuk menguraikan dan
menyelesaikan permasalahan pada sistem nyatadengan ketidakpastian dengan
model atau metode tertentu dapat menggunakan software untuk mendapatkan
solusi. Hubungan antara sistem, model, dan simulasi ini, dimana sistem dapat
diamati dari objek yang telah dipilih, lalu digambar dalam bentuk model suatu
sistem nyatadan dijalankan menggunakan simulasi.
5. Activity Cycle Diagram (ACD) merupakan wujud dari bentuk model secara
konseptual yang mudah digunakan untuk menggambarkan struktur keberadaan
sistem dan cocok untuk sistem diskrit dan probabilistik. Usulan scenario
perbaikan pada sistem elayanan service motor di dealer AHASS 13124 DAYA
MOTOR yaitu penambahan jumlah karyawan atau anggota mekanik pada
setiap masing-masing ruang service agar mempercepat waktu perbaikan motor
sehingga pelanggan tidak perlu waktu lama untuk menunggu motor selesai
diperbaiki. Perbaikan kedua proses inspeksi dilakukan pada server service
mekanik sepeda motor yang berguna untuk meningkatkan utilitas karyawan
bagian inspeksi dan mengoptimalkan area ruangan. Perbaikan ketiga
penggabungan antara perbaikan satu dengan perbaikan dua.
5.2 Saran
Saran yang dapat membangun dari penelitian deskripsi sistem pelayanan
service sepeda motor AHASS 13124 DAYA MOTOR SURABAYA seharusnya
pada pengamatan berikutnya akan lebih baik jika pemilihan sistem skenario
perbaikan sebaiknya sesuai dengan sistem nyata dan membawa keuntungan bagi
perusahaan.
DAFTAR PUSTAKA
Juan. P. Manusiwa. 2017. MODEL SIMULASI UNTUK MENGANALISIS KINERJA
SISTEM ANTRIAN KAPAL TANKER PADA DERMAGA PT. PERTAMINA TBBM
WAYAME AMBON. Arika. Vol. 11 No. 1
Ekoanindiyo, Firman Ardiansyah. 2017. PEMODELAN SISTEM ANTRIAN DENGAN
MENGGUNAKANSIMULASI. Dinamika Teknik. Vol. V, No. 1. Hal 72-85
Addina, Dwinda Asyfi. 2018. SIMULASI DAN PEMODELAN SISTEM ANTRIAN BAHAN
BAKAR PERTALITE DI SPBU JL. MONGINSIDI, SURAKARTA DENGAN
MENGGUNAKAN SOFTWARE ARENA. Seminar dan Konferensi Nasional
Wirabhuana, Arya. 2017. PENENTUAN SKENARIO ALOKASI SUMBERDAYA
PERALATAN SEBAGAI USAHA PENINGKATAN KINERJA SISTEM
MANUFAKTUR BERDASARKAN MODEL SIMULASI SISTEM DISKRIT
BERBASIS KOMPUTER.
Khotimah, Bain Khusnul. 2015. TEORI SIMULASI DAN PEMODELAN KONSEP,
APLIKASI, DAN TERAPAN. Yogyakarta: Wade Group. Hal
Andika. 2018. SIMULASI ANTRIAN PELAYANAN BANK MENGGUNAKAN
METODE EKSPONENSIAL. Jurnal Sistem Informasi Kaputama (JSIK), Vol 2
No 1
LEMBAR PERSETUJUAN
LAPORAN RESMI MODUL 2
SIMULASI MENGGUNAKAN SOFTWARE ARENA 5.0
TUGAS BESAR SIMULASI SISTEM INDUSTRI
LABORATORIUM KOMPUTASI DAN SIMULASI INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS TRUNOJOYO MADURA
TAHUN AKADEMIK 2019
Disusun oleh:
DEWI SARTI NINGSIH (160421100008)
RIVADA DWISAKA ARYANTO (160421100014)
GALUH KRISMONI (160421100082)
Telah diperiksa dan disetujui pada
hari/ tanggal: , Juni 2019
ASISTEN
MAHFUD
25
BAB I
PENDAHULUAN
Bab satu ini menjelaskan tentang latar belakang dan tujuan tugas besar
simulasi sistem industri yang menggunakan software arena.
1.1 Latar Belakang
Perkembangan dalam dunia industri tiap tahunya terus mengalam kemajuan
mulai dari alat-alat yang digunakan dalam dunia industry hingga software yang
digunakan untuk menunjang dan mempermudah perkerjaan. Hal itu dasarkan pada
kebutuhan manusia yang terus meningkat dan sudah tidak bisa berpaling lagi dari
kemajuan indusri. Dalam perkembangan dunia industri tentunya banyak percobaan
dan pengembangan dalam perusahaan yang tentunya akan memakan biaya yang
cukup mahal serta akan memakan waktu yang cukup lama. oleh karena itu untuk
mengurangi hal tersebut dilakukan simulasi antrian agar proses produksi dapat
berjalan dengan lancar.
Simulasi dapat diartikan sebagai sebuah replikasi atau visualisasi dari perilaku
sebuah sistem sebagai contoh yaitu simulasi berlindung ketika terjadinya
gelombang gempa atau simulasi memadamkan kebakaran jadi dapat dikatakan
bahwa simulasi merupakan sebuah model yang berisi seperangkat variabel yang
menampilkan ciri utama dari sistem kehidupan yang sebenarnya. Simulasi sendiri
menggambarkan bentuk nyata darikejadian atau perilaku yang ada pada kondisi
real (Syaefudin, 2005: 129).
Bengkel AHASS yang beralokasi di Surabaya merupakan studi kasus yang
akan dijdikan sebagai obyek pengamatan. Pada tugas besar simulasi menggunakan
software arena ini untuk mengetahui kegunaan software arena dalam memperbaiki
sebuah antrian pada sebuah perusahaan PT AHASS untuk mendapatkan antrian
yang efektif dan efisien.
1.2 Tujuan Tugas Besar
Tujuan diadakannya praktikum modul dua simulasi menggunakan software
arena adalah agar praktikan dapat:
26
1. Praktikan dapat mengerti dan memahami penggunaan modul-modul yang
terdapat dalam rockwell software arena
2. Praktikan dapat mengerti dan memahami input dan output model arena
3. Praktikan dapat mengerti dan membuat skenario perbaikan dalam software
arena.
27
BAB II
TINJAUAN PUSTAKA
Bab dua pada modul simulasi menggunakan model arena ini berisi mengenai
tinjauan pustaka dari pengertian simulasi dan software arena yang akan dijelaskan
sebagai berikut:
2.1 Simulasi
Menurut Camerling (2017), Simulasi merupakan suatu proses implementasi
dari model menjadi software atau rangkaian dari elektronik dan mengeksekusi suatu
software tersebut dengan sedemikian rupa. Simulasi dapat diartikan sebagai tiruan
atau suatu sistem nyata yang lengkap dan penuh dengan sifat probabilistik, tanpa
mengalami kondisi yang sesungguhnya. Simulasi cocok digunakan:
a. Mempelajari interaksi internal (sub) dan sistem yang kompleks.
b. Masalahnya sulit, memakan waktu, serta tidak mungkin diselesaikan dengan
metode analitik atau numerik konvensional.
c. Eksperimen desain dan aturan baru sebelum diimplementasikan
d. Mengamati sifat model dan hasil dari keluaran akibat perubahan lingkuangan
luar maupun variabel internal.
e. Meningkata kinerja sistem melalui pembangunan/pembentukan model.
f. Memahami dan memverifkasi solusi analitik.
g. Alat bantu pelatihan dan pembelajaran dengan biaya lebih rendah
h. Mengidentifkasi dan menetapkan persyaratan-persyaratan.
i. Visualisasi operasi melalui anuimasi.
Simulasi tidak cocok digunakan:
a. Jika masalah dapat diselesaikan dengan metode sederhana.
b. Jika masalah dapat diselesaikan secara analitik.
c. Jika sumber daya atau waktu tidak tersedia.
d. Jika terdapat sistem terlalu kompleks atau tidak dapat didefinisikan.
e. Jika eksperimen langsung lebih mudah untuk dilakukan.
f. Jika biayanya terlalu mahal.
g. Jika verifkasi dan validasi tidak dapat dilakukan
h. Jika tidak memiliki data yang tersedia.
28
i. Jika daya melebihi kapasitas (overestimated).
2.2 Arena
Menurut Ilyas (2016) software arena, digunakan untuk memprediksi kejadian
yang hampir sama dengan kejadian nyata sesuai dengan program paket yang ada di
dalam software yang cocok, untuk menentukan bentuk distribusi ini dapat
menggunakan bantuan dari program paket arena. Simulation, yaitu dengan
menggunakan input analyzer. Berikut ini merupakan langkah-langkah dalam
menggunakan input analyzer yaitu:
1. Menyiapkan data yang akan diuji polanya ke dalam bentuk text editor (.txt)
2. Bukalah input analyzer serta buka data text editor (.txt) yang sudah disiapkan
dengan cara memilih opsi use exiting data file.
3. Kemudian lakukan pengujian dengan cara memilih opsi fit all sehingga data
yang akan di uji probabilitasnya dengan mempertimbangkan tingkat sq error
yang terkecil.
Pembuatan dari model simulasi awal dilakukan dengan cara memasukkan data
yang telah diuji dengan menggunakan input analyzer serta membuat model logika
(logic) dari sistem nyata ada ke dalam sistem simulasi.
A. Modul-modul arena
Modul Create: modul ini digunakan sebagai titik awal (starting point) dari
masuknya entity dalam sebuah model simulasi.
Modul Dispose: modul ini digunakan sebagai titik akhir (ending point) dari
entity dalam pembuatan sebuah model simulasi.
Modul Process: modul ini merupakan suatu metode dalam proses utama
simulasi. Dalam modul ini juga terdapat pilihan-pilihan untuk mengambil
maupun melepas resource.
Modul Decide: modul ini sangat memungkinkan adanya suatu proses untuk
pengambilan keputusan dalam sistem. Kondisi bisa dari nilai attribute,
entity type, nilai variable ataupun expression. Jika menggunakan tipe
keputusan yang 2-way by Chance atau 2-way by Condition, maka akan
terdapat satu titik keluaran untuk true entities, serta false entities. Jika
menggunakan tipe sebuah keputusan N-way by Chance atau N-way by
29
Condition, maka terdapat beberapa titik keluaran pada setiap kondisi atau
probabilitas.
Modul Batch: modul ini sangat memungkinkan untuk dilakukannya
pengelompokan atau pengumpulan entity didalam model simulasi.
Pengelompokan yang bersifat permanen maupun sementara.
Modul Separate: modul ini digunakan untuk membuat duplikat atau salinan
suatu entity yang masuk maupun untuk memisahkan entity yang sudah
dikelompokkan dimodul Batch yang sebelumnya.
Modul Assign: modul ini mendefinisikan sebuah nilai baru ke dalam sebuah
variabel, entitiy attributes, entity types, entity pictures, maupun variabel
lainnya.
Modul Record: modul ini digunakan dalam mengumpulkan statistik dari
sebuah model simulasi. Tersedianya macam-macam statistik pengamatan
yang termasuk waktu antar keluarnya entity, statistik entity (seperti waktu,
biaya, dan lainnya), serta statistik interval
Gambar 2.2 16 Modul Arena
30
B. Modul-modul Data
Modul Data merupakan serangkaian dari obyek pada Spreadsheet View
yang menjelaskan karakteristik dari berbagai elemen dari suatu proses seperti
resources serta queue.
Modul Attribute: modul data ini digunakan untuk menjelaskan dimensi
atribut, nilai awal dan tipe data. Atribut merupakan suatu karakteristik
entity yang memiliki nilai yang berbeda dari entity lainnya.
Modul Entity: modul data ini digunakan untuk menjelaskan berbagai tipe
dari entity dengan pilihan pictures (gambar/simbol yang mewakili entity
tersebut), dan juga dapat digunakan untuk menjelaskan informasi biaya dan
ongkos simpan.
Modul Queue: modul data ini digunakan untuk mengubah aturan ranking
dari suatu antrian. Secara default, aturan yang digunakan adalah First In
First Out.
Modul Resource: modul data ini digunakan untuk menjelaskan sumber
daya (Resources) pada sistem simulasi, seperti pada informasi biaya dan
ketersediaannya.
Modul Variable: modul data ini digunakan untuk menjelaskan dimensi
variabel serta nilanya. Variable yang sudah dijelaskan dapat dipergunakan
pada modul lain nilai dari variabel yang sudah dijelaskan tersebut dapat
diubah dengan menggunakan modul Assign, serta Expression.
Modul Schedule: modul data ini digunakan dengan menggunakan
serangkaikan modul Resource untuk menjelaskan berbagai jadwal
pengoperasian suatu Resource atau menjelaskan jadwal kedatangan.
Modul Set: Modul data ini menjelaskan berbagai tipe dari Sets (himpunan),
termasuk Resource, Counter, Tally, Entity Type, dan Entity Pictures.
31
Gambar 2.2 17 Contoh model arena
32
BAB III
METODOLOGI PENELITIAN
Bab tiga tentang metodologi penelitian menjelaskan mengenai alat dan bahan
yang digunakan, prosedur, dan flowchart tugas besar simulasi industri pada modul
dua berjudul simulasi menggunakan software arena dapat dijelaskan sebagai
berikut:
3.1 Alat dan Bahan
Alat dan bahan yang digunakan dalam penelitian modul dua tentang simulasi
menggunakan software arena adalah:
5. Laptop atau PC.
6. Data waktu objek penelitian.
7. Microsoft Visio.
8. Microsoft Word.
9. Software Arena .
3.2 Prosedur Pelaksanaan Tugas Besar
Prosedur pelaksanaan tugas besar dalam modul dua tentang simulasi
menggunakan software arena adalah sebagai berikut:
7. Menguji kecukupan data objek penelitian.
8. Menentukan pola data (distribusi) data waktu penelitian.
9. Menentukan parameter acuan.
10. Menentukan model simulasi objek arena dan Microsoft Visio.
11. Memvalidasi model.
12. Membuat model arena dari skenario perbaikan.
13. Melakukan proses comparing system masing-masing skenario.
14. Mengidentifikasi faktor penghambat dari apabila skenario diimplementasikan
pada sistem nyata.
15. Membuat animasi model simulasi menggunakan software arena .
33
3.3 Flowchart
Flowchart di bawah ini menggambarkan bagan dan simbol urutan proses yang
digunakan dalam tugas besar simulasi industri pada modul dua tentang simulasi
menggunakan software arena yang terdiri dari flowchart pelaksanaan tugas besar
simulasi industri dapat dipaparkan sebagai berikut:
3.3.1 Flowchart Pelaksanaan Tugas Besar
Flowchart pelaksanaan tugas besar simulasi industri modul dua tentang
simulasi menggunakan software arena dapat digambarkan sebagai berikut:
Mulai
Selesai
Brefing Pengambilan Data
Pengambilan Data- Waktu Kedatangan- Waktu Pelayanan- Waktu Selesai- Lama Waktu Antrian
Pengolahan data- Uji Kecukupan Data- Menentukan Pola Data- Menentukan Parameter Acuan- Model Visio dan ARENA- Validasi Model- Skenario Perbaikan- Comparing System- Identifikasi Faktor Penghambat
Tugas Pendahuluan Modul 2
Tahap Awal dan Persiapan
Tahap Pengambilan Data
Tahap Pengolahan Data
Kesimpulan dan saran
Tahap Penarikan Kesimpulan
Gambar 2.3.18 Flowchart pelaksanaan tugas besar
34
BAB IV
ANALISA DAN PEMBAHASAN
Bab empat berisi tentang analisa dan pembahasan penelitian tugas besar
simulasi industri dari modul dua tentang simulasi menggunakan software arena
yang membahas rekapan data, uji kecukupan data masing-masing server, rekapan
data baru, pola data dari masing-masing data. parameter acuan, model simulasi
menggunakan arena dan visio, validasi model arena menggunakan melalui
parameter performance sistem, skenario perbaikan, proses comparing system, dan
identifikasi faktor penghambat, animasi model simulasi sebagai berikut:
4.1 Rekapan data
Rekapan data waktu pengamatan pada objek, yang terdiri dari waktu
kedatangan, waktu pelayanan, dan waktu selesai pelayanan service sepeda motor
AHASS 13124 DAYA MOTOR SURABAYA dapat dijelaskan sebagai berikut:
Tabel 2.4.1 Rekapan server 1 (pendaftaran)
Waktu
Kedatangan
Waktu
Pelayanan
Waktu
Selesai
Waktu Transportasi
(detik)
Lama Pelayanan
(detik)
Waktu Lama
Antrian (detik)
Banyaknya
Antrian
1 6:59:02 7:00:06 7:00:22 7:03:02 64 160 16 2
2 6:59:48 7:00:11 7:03:40 7:06:06 23 146 209 1
3 7:01:08 7:01:30 7:06:09 7:08:12 22 123 279 1
4 7:07:32 7:07:45 7:08:16 7:10:59 13 163 31 0
5 7:12:11 7:12:22 7:12:25 7:15:05 11 160 3 0
6 7:16:09 7:16:34 7:16:40 7:18:21 25 101 6 0
7 7:18:10 7:18:22 7:18:33 7:21:07 12 154 11 0
8 7:21:20 7:21:44 7:21:52 7:24:12 24 140 8 1
9 7:22:01 7:22:15 7:24:20 7:27:01 14 161 125 0
10 7:26:58 7:27:11 7:27:20 7:29:44 13 144 9 0
11 7:34:02 7:34:15 7:34:18 7:36:58 13 160 3 1
12 7:35:58 7:36:03 7:37:15 7:39:37 5 142 72 0
13 7:41:12 7:41:28 7:41:29 7:44:01 16 152 1 0
14 7:46:50 7:47:01 7:47:09 7:49:13 11 124 8 1
15 7:48:13 7:48:25 7:48:36 7:51:14 12 158 11 1
16 7:50:42 7:50:55 7:51:19 7:53:48 13 149 24 0
17 7:55:20 7:55:29 7:55:35 7:57:53 9 138 6 0
18 8:03:23 8:03:25 8:03:33 8:05:38 2 125 8 0
19 8:09:12 8:09:26 8:09:27 8:11:16 14 109 1 0
20 8:11:21 8:11:29 8:11:38 8:14:02 8 144 9 0
21 8:16:33 8:16:40 8:16:49 8:19:01 7 132 9 0
22 8:25:18 8:25:24 8:25:30 8:27:11 6 101 6 0
23 8:37:03 8:37:11 8:37:40 8:40:11 8 151 29 0
24 8:40:19 8:40:29 8:40:50 8:43:01 10 131 21 0
25 8:59:02 8:59:36 8:59:40 9:02:13 34 153 4 0
26 9:14:55 9:15:02 9:15:10 9:17:47 7 157 8 0
27 9:45:14 9:45:24 9:45:27 9:47:22 10 115 3 1
28 9:46:15 9:46:28 9:47:26 9:50:00 13 154 58 0
29 9:50:10 9:50:22 9:50:36 9:53:01 12 145 14 0
30 10:11:57 10:12:08 10:12:09 10:13:55 11 106 1 0
CustomerWaktu
Datang
Pendaftaran
35
Tabel 2.4.1 rekapan data dari server 1 (pendaftaran) diketahu bahwa waktu
kedatangan customer nomer 1 dimulai dari pukul 06:59:02, pada pukul 07:00:06
customer datang untuk dilayani. waktu pelayanan dilayani pukul 07:00:22 dan
waktu selesai pelayanan pukul 07:03:02. Sehingga, dari data tersebut diperoleh
waktu transportasi sebesar 64 detik, lama pelayanan 160 detik, waktu lama antarian
16 detik, dan banyaknya antrian 2 customer berikutnya.
Tabel 2.4.2 Rekapan server 2 (perbaikan)
Waktu
Kedatangan
Waktu
Pelayanan
Waktu
Selesai
Waktu Transportasi
(detik)
Lama Pelayanan
(detik)
Waktu Lama
Antrian (detik)
Banyaknya
Antrian
1 7:03:45 7:03:54 7:12:57 43 543 9 0
2 7:13:22 7:13:30 7:25:03 436 693 8 0
3 7:25:09 7:25:13 7:34:49 1017 576 4 0
4 7:34:58 7:35:15 7:46:19 1439 664 17 0
5 7:46:50 7:47:05 7:57:44 1905 639 15 0
6 7:57:48 7:57:50 8:09:32 2367 702 2 0
7 8:09:55 8:09:58 8:18:33 2928 515 3 0
8 8:18:40 8:18:55 8:33:21 3268 866 15 0
9 8:33:33 8:33:39 8:42:57 3992 558 6 0
10 8:43:13 8:43:19 8:55:09 4409 710 6 0
11 8:55:13 8:55:45 9:07:02 4695 677 32 0
12 9:07:10 9:07:13 9:19:13 5253 720 3 0
13 9:19:25 9:19:55 9:40:58 5724 1263 30 0
14 9:41:49 9:42:18 9:55:41 6756 803 29 0
15 9:55:58 9:56:02 10:09:14 7484 792 4 0
16 10:09:30 10:09:35 10:14:15 8142 280 5 0
17 10:14:21 10:14:37 10:28:24 8188 827 16 0
18 10:28:36 10:28:58 10:39:14 8578 616 22 0
19 10:40:17 10:40:23 10:52:17 8941 714 6 0
20 10:52:25 10:52:41 11:05:57 9503 796 16 0
21 11:07:29 11:07:59 11:20:13 10108 734 30 0
22 11:20:19 11:20:25 11:32:09 10388 704 6 0
23 11:34:29 11:34:53 11:49:11 10458 858 24 0
24 12:45:13 12:45:19 12:57:40 14532 741 6 0
25 12:58:55 12:59:07 13:13:14 14202 847 12 0
26 13:13:21 13:13:29 13:25:06 14134 697 8 0
27 13:25:11 13:25:17 13:39:33 13069 856 6 0
28 13:39:37 13:40:05 13:54:58 13777 893 28 0
29 13:55:04 13:55:17 14:10:55 14523 938 13 0
30 14:11:07 14:11:15 14:23:57 14232 762 8 0
Customer
Perbaikan
Tabel 2.4.2 rekapan data dari server 2 (perbaikan) diketahu bahwa waktu
kedatangan customer nomer 1 pada server perbaikan dimulai dari pukul 07:03:45,
pada pukul 07:03:54 customer datang untuk dilayani dan waktu selesai dilayani
pukul 07:12:57. Sehingga, dari data tersebut diperoleh waktu transportasi sebesar
43 detik, lama pelayanan 543 detik, waktu lama antarian 0 detik, dan tidak ada
menimbukan antrian customer berikutnya.
36
Tabel 2.4.3 Rekapan server 3 (inspeksi)
Waktu
Kedatangan
Waktu
Pelayanan
Waktu
Selesai
Waktu Transportasi
(detik)
Lama Pelayanan
(detik)
Waktu Lama
Antrian (detik)
Banyaknya
Antrian
1 7:13:10 7:13:14 7:15:04 13 110 4 0
2 7:25:17 7:26:25 7:29:51 14 206 68 0
3 7:34:58 7:35:00 7:38:12 9 192 2 0
4 7:46:25 7:46:30 7:49:02 6 152 5 0
5 7:57:50 7:57:53 8:00:03 6 130 3 0
6 8:09:40 8:09:47 8:12:11 8 144 7 0
7 8:18:39 8:19:29 8:23:04 6 215 50 0
8 8:33:27 8:33:35 8:37:41 6 246 8 0
9 8:43:04 8:43:59 8:45:15 7 76 55 0
10 8:55:15 8:55:48 8:58:49 6 181 33 0
11 9:07:10 9:07:15 9:12:12 8 297 5 0
12 9:19:17 9:19:35 9:23:27 4 232 18 0
13 9:40:59 9:41:18 9:45:29 1 251 19 0
14 9:55:49 9:55:57 9:58:14 8 137 8 0
15 10:09:18 10:10:11 10:13:25 4 194 53 0
16 10:14:18 10:14:28 10:16:19 3 111 10 0
17 10:28:29 10:28:32 10:30:44 5 132 3 0
18 10:39:17 10:39:20 10:43:29 3 249 3 0
19 10:52:25 10:52:28 10:55:29 8 181 3 0
20 11:06:12 11:06:43 11:09:27 15 164 31 0
21 11:20:18 11:20:43 11:24:14 5 211 25 0
22 11:32:17 11:32:19 11:34:32 8 133 2 0
23 11:49:19 11:50:01 11:57:17 8 436 42 0
24 12:57:46 12:57:56 13:00:12 6 136 10 0
25 13:13:22 13:13:28 13:16:03 8 155 6 0
26 13:25:20 13:25:49 13:29:16 14 207 29 0
27 13:39:38 13:39:40 13:43:22 5 222 2 0
28 13:55:05 13:55:07 13:58:04 7 177 2 0
29 14:11:14 14:11:18 14:13:45 19 147 4 0
30 14:24:07 14:24:53 14:26:33 10 100 46 0
Customer
Inspeksi
Tabel 2.4.3 rekapan data dari server 3 (inspeksi) diketahu bahwa waktu
kedatangan customer nomer 1 pada server inspeksi dimulai dari pukul 07:13:10,
pada pukul 07:13:14 customer datang untuk dilayani dan waktu selesai dilayani
pukul 07:15:04. Sehingga, dari data tersebut diperoleh waktu transportasi sebesar
13 detik, lama pelayanan 110 detik, waktu lama antarian 4 detik, dan tidak ada
menimbukan antrian customer berikutnya.
37
Tabel 2.4.4 Rekapan server 4 (pembayaran)
Waktu
Kedatangan
Waktu
Pelayanan
Waktu
Selesai
Waktu Transportasi
(detik)
Lama Pelayanan
(detik)
Waktu Lama
Antrian (detik)
Banyaknya
Antrian
1 7:15:10 7:15:16 7:16:50 6 94 6 0 7:16:50
2 7:29:59 7:30:04 7:32:34 8 150 5 0 7:32:34
3 7:38:19 7:38:30 7:40:59 7 149 11 0 7:40:59
4 7:49:08 7:49:15 7:54:12 6 297 7 0 7:54:12
5 8:00:04 8:00:11 8:02:55 1 164 7 0 8:02:55
6 8:12:23 8:12:35 8:16:33 12 238 12 0 8:16:33
7 8:23:07 8:23:19 8:27:01 3 222 12 0 8:27:01
8 8:37:49 8:37:55 8:40:12 8 137 6 0 8:40:12
9 8:46:20 8:46:25 8:48:12 65 107 5 0 8:48:12
10 8:58:57 8:59:10 9:01:49 8 159 13 0 9:01:49
11 9:12:23 9:12:29 9:15:34 11 185 6 0 9:15:34
12 9:23:30 9:23:39 9:26:23 3 164 9 0 9:26:23
13 9:45:41 9:45:49 9:48:03 12 134 8 0 9:48:03
14 9:58:18 9:58:24 10:02:57 4 273 6 0 10:02:57
15 10:13:31 10:13:38 10:16:13 6 155 7 0 10:16:13
16 10:16:27 10:16:29 10:19:01 8 152 2 0 10:19:01
17 10:30:47 10:30:49 10:34:04 3 195 2 0 10:34:04
18 10:43:31 10:43:36 10:46:44 2 188 5 0 10:46:44
19 10:55:33 10:55:39 10:58:40 4 181 6 0 10:58:40
20 11:09:41 11:09:59 11:12:32 14 153 18 0 11:12:32
21 11:24:23 11:24:29 11:28:12 9 223 6 0 11:28:12
22 11:34:33 11:34:41 11:37:32 1 171 8 0 11:37:32
23 11:57:29 11:57:43 11:59:58 12 135 14 0 11:59:58
24 13:00:17 13:01:04 13:08:18 5 434 47 0 13:08:18
25 13:16:13 13:16:18 13:19:22 10 184 5 0 13:19:22
26 13:29:22 13:29:29 13:32:44 6 195 7 0 13:32:44
27 13:43:35 13:43:57 13:45:59 13 122 22 0 13:45:59
28 13:58:09 13:58:14 14:01:09 5 175 5 0 14:01:09
29 14:13:47 14:13:50 14:16:19 2 149 3 0 14:16:19
30 14:26:39 14:26:57 14:29:13 6 136 18 0 14:29:13
W SelesaiCustomer
Pembayaran
Tabel 2.4.4 rekapan data dari server 3 (pembayaran) diketahu bahwa waktu
kedatangan customer nomer 1 pada server pembayaran dimulai dari pukul
07:15:10, pada pukul 07:15:16 customer datang untuk dilayani dan waktu selesai
dilayani pukul 07:16:50. Sehingga, dari data tersebut diperoleh waktu transportasi
sebesar 6 detik, lama pelayanan 94 detik, waktu lama antarian 6 detik, dan tidak ada
menimbukan antrian customer berikutnya.
4.2 Uji Kecukupan Data Masing-masing Server
Uji kecukupan data pada setiap server diguankan untuk menentukan jumlah
data yan harus digunakan dalam pemodelan simulasi. Uji kecukupan data pada
masing-masing server yang diperoleh dari pelayanan service sepeda motor AHASS
13124 DAYA MOTOR SURABAYA adalah sebagai berikut dengan ketentuan:
Pengambilan kesimpulan:
Jika N’ ≤ N maka data cukup
Jika N’ ˃ N maka data tidak cukup
38
𝑁′ = [𝑘
𝑠⁄ √(𝑁. 𝛴𝑋2) − (𝛴𝑋)2
𝛴𝑋]
2
Keterangan:
N = jumlah pengamatan/pengukuran awal yang dilakukan
N’ = jumlah pengamatan/pengukuran yang seharusnya dilakukan
k = angka deviasi standart yang besarnya tergantung pada tingkat keyakinan
yang diambil
X = data waktu pelayanan
4.2.1 Perhitungan Manual
a. Pelayanan server 1 (pendaftaran)
𝑁′ = [𝑘
𝑠⁄ √(𝑁. 𝛴𝑋2) − (𝛴𝑋)2
𝛴𝑋]
2
𝑁′ = [
20,05⁄ √(30. 597929) − 17623204
4198]
2
= 28,57
b. Pelayanan server 2 (perbaikan)
𝑁′ = [𝑘
𝑠⁄ √(𝑁. 𝛴𝑋2) − (𝛴𝑋)2
𝛴𝑋]
2
𝑁′ = [
20,05⁄ √(30. 17424697) − 516789289
22733]
2
= 18,43
c. Pelayanan server 3 (inspeksi)
𝑁′ = [𝑘
𝑠⁄ √(𝑁. 𝛴𝑋2) − (𝛴𝑋)2
𝛴𝑋]
2
𝑁′ = [
20,05⁄ √(30. 883741) − 26040609
5103]
2
= 28,98
d. Pelayanan server 4 (pembayaran)
39
𝑁′ = [𝑘
𝑠⁄ √(𝑁. 𝛴𝑋2) − (𝛴𝑋)2
𝛴𝑋]
2
𝑁′ = [
20,05⁄ √(30. 956094) − 28174864
5308]
2
= 28,85
Tabel 2.4.5 Rekapan uji kecukupan
No Server N' </≥ N Kesimpulan
1 Server 1 (Pendaftaran) 28.57 < 30 Data Cukup
2 Server 2 (Perbaikan) 18.43 < 30 Data Cukup
3 Server 3 (Inspeksi) 28.98 < 30 Data Cukup
4 Server 4 (Pembayaran) 28.85 < 30 Data Cukup
Tabel 2.4.5 rekapan uji kecukupan data dapat diketahui bahwa pada server
pertama hingga keempat nilai sampel kurang dari data yang diambil sebanyak 30
data, maka data sebanyak 30 tersebut mewakili dari jumlah populasi yang ada yang
artinya data cukup.
40
4.3 Rekapan Data Baru
Rekapan data baru yang telah dilakukan uji kecukupan data waktu tiap server di service sepeda motor AHASS 13124 DAYA MOTOR
SURABAYA sebagai berikut:
Tabel 2.4.6 Rekapan data baru
Waktu
Kedatangan
Waktu
Pelayanan
Waktu
Selesai
Waktu
Kedatangan
Waktu
Pelayanan
Waktu
Selesai
Waktu
Kedatangan
Waktu
Pelayanan
Waktu
Selesai
Waktu
Kedatangan
Waktu
Pelayanan
Waktu
Selesai
1 6:59:02 7:00:06 7:00:22 7:03:02 7:03:45 7:03:54 7:12:57 7:13:10 7:13:14 7:15:04 7:15:10 7:15:16 7:16:50 7:16:50
2 6:59:48 7:00:11 7:03:40 7:06:06 7:13:22 7:13:30 7:25:03 7:25:17 7:26:25 7:29:51 7:29:59 7:30:04 7:32:34 7:32:34
3 7:01:08 7:01:30 7:06:09 7:08:12 7:25:09 7:25:13 7:34:49 7:34:58 7:35:00 7:38:12 7:38:19 7:38:30 7:40:59 7:40:59
4 7:07:32 7:07:45 7:08:16 7:10:59 7:34:58 7:35:15 7:46:19 7:46:25 7:46:30 7:49:02 7:49:08 7:49:15 7:54:12 7:54:12
5 7:12:11 7:12:22 7:12:25 7:15:05 7:46:50 7:47:05 7:57:44 7:57:50 7:57:53 8:00:03 8:00:04 8:00:11 8:02:55 8:02:55
6 7:16:09 7:16:34 7:16:40 7:18:21 7:57:48 7:57:50 8:09:32 8:09:40 8:09:47 8:12:11 8:12:23 8:12:35 8:16:33 8:16:33
7 7:18:10 7:18:22 7:18:33 7:21:07 8:09:55 8:09:58 8:18:33 8:18:39 8:19:29 8:23:04 8:23:07 8:23:19 8:27:01 8:27:01
8 7:21:20 7:21:44 7:21:52 7:24:12 8:18:40 8:18:55 8:33:21 8:33:27 8:33:35 8:37:41 8:37:49 8:37:55 8:40:12 8:40:12
9 7:22:01 7:22:15 7:24:20 7:27:01 8:33:33 8:33:39 8:42:57 8:43:04 8:43:59 8:45:15 8:46:20 8:46:25 8:48:12 8:48:12
10 7:26:58 7:27:11 7:27:20 7:29:44 8:43:13 8:43:19 8:55:09 8:55:15 8:55:48 8:58:49 8:58:57 8:59:10 9:01:49 9:01:49
11 7:34:02 7:34:15 7:34:18 7:36:58 8:55:13 8:55:45 9:07:02 9:07:10 9:07:15 9:12:12 9:12:23 9:12:29 9:15:34 9:15:34
12 7:35:58 7:36:03 7:37:15 7:39:37 9:07:10 9:07:13 9:19:13 9:19:17 9:19:35 9:23:27 9:23:30 9:23:39 9:26:23 9:26:23
13 7:41:12 7:41:28 7:41:29 7:44:01 9:19:25 9:19:55 9:40:58 9:40:59 9:41:18 9:45:29 9:45:41 9:45:49 9:48:03 9:48:03
14 7:46:50 7:47:01 7:47:09 7:49:13 9:41:49 9:42:18 9:55:41 9:55:49 9:55:57 9:58:14 9:58:18 9:58:24 10:02:57 10:02:57
15 7:48:13 7:48:25 7:48:36 7:51:14 9:55:58 9:56:02 10:09:14 10:09:18 10:10:11 10:13:25 10:13:31 10:13:38 10:16:13 10:16:13
16 7:50:42 7:50:55 7:51:19 7:53:48 10:09:30 10:09:35 10:14:15 10:14:18 10:14:28 10:16:19 10:16:27 10:16:29 10:19:01 10:19:01
17 7:55:20 7:55:29 7:55:35 7:57:53 10:14:21 10:14:37 10:28:24 10:28:29 10:28:32 10:30:44 10:30:47 10:30:49 10:34:04 10:34:04
18 8:03:23 8:03:25 8:03:33 8:05:38 10:28:36 10:28:58 10:39:14 10:39:17 10:39:20 10:43:29 10:43:31 10:43:36 10:46:44 10:46:44
19 8:09:12 8:09:26 8:09:27 8:11:16 10:40:17 10:40:23 10:52:17 10:52:25 10:52:28 10:55:29 10:55:33 10:55:39 10:58:40 10:58:40
20 8:11:21 8:11:29 8:11:38 8:14:02 10:52:25 10:52:41 11:05:57 11:06:12 11:06:43 11:09:27 11:09:41 11:09:59 11:12:32 11:12:32
21 8:16:33 8:16:40 8:16:49 8:19:01 11:07:29 11:07:59 11:20:13 11:20:18 11:20:43 11:24:14 11:24:23 11:24:29 11:28:12 11:28:12
22 8:25:18 8:25:24 8:25:30 8:27:11 11:20:19 11:20:25 11:32:09 11:32:17 11:32:19 11:34:32 11:34:33 11:34:41 11:37:32 11:37:32
23 8:37:03 8:37:11 8:37:40 8:40:11 11:34:29 11:34:53 11:49:11 11:49:19 11:50:01 11:57:17 11:57:29 11:57:43 11:59:58 11:59:58
24 8:40:19 8:40:29 8:40:50 8:43:01 12:45:13 12:45:19 12:57:40 12:57:46 12:57:56 13:00:12 13:00:17 13:01:04 13:08:18 13:08:18
25 8:59:02 8:59:36 8:59:40 9:02:13 12:58:55 12:59:07 13:13:14 13:13:22 13:13:28 13:16:03 13:16:13 13:16:18 13:19:22 13:19:22
26 9:14:55 9:15:02 9:15:10 9:17:47 13:13:21 13:13:29 13:25:06 13:25:20 13:25:49 13:29:16 13:29:22 13:29:29 13:32:44 13:32:44
27 9:45:14 9:45:24 9:45:27 9:47:22 13:25:11 13:25:17 13:39:33 13:39:38 13:39:40 13:43:22 13:43:35 13:43:57 13:45:59 13:45:59
28 9:46:15 9:46:28 9:47:26 9:50:00 13:39:37 13:40:05 13:54:58 13:55:05 13:55:07 13:58:04 13:58:09 13:58:14 14:01:09 14:01:09
29 9:50:10 9:50:22 9:50:36 9:53:01 13:55:04 13:55:17 14:10:55 14:11:14 14:11:18 14:13:45 14:13:47 14:13:50 14:16:19 14:16:19
30 10:11:57 10:12:08 10:12:09 10:13:55 14:11:07 14:11:15 14:23:57 14:24:07 14:24:53 14:26:33 14:26:39 14:26:57 14:29:13 14:29:13
W SelesaiCustomerWaktu
Datang
Pendaftaran PembayaranPerbaikan Inspeksi
41
Tabel 2.4.6 rekapan data baru yang telah di uji kecukupannya dimana data
sebanyak 30 pada pengamatan tersebut dinyatakan cukup sehingga tidak ada
perubahan data dan sampel tersebut dinyatakan mewakili populasi yang ada.
4.4 Pola Data dari Masing-masing Data
Pola data yang dihasilkan dari rekapan data baru pada masing-masing server
di service sepeda motor AHASS 13124 DAYA MOTOR SURABAYA sebagai
berikut:
a. Pola Data Server 1 (Pendaftaran)
Pola data server 1 (pendaftaran) dapat dipaparkan sebagai berikut:
Gambar 2.4.19 Pola data server 1 (pendaftaran)
Gambar 2.4.4 pola data server 1 (pendaftaran) dapat diketahui pola data
tersebut berdistribusi triangular, maka sampel tersebut mewakili proporsi acak yang
diketahui output expression TRIA (101, 160, 164). Ukuran seluruh populasi
triangular minimal 101, dengan mode 160, dan maksimal sebesar 164.
b. Pola data server 2 (Perbaikan)
Pola data server 2 (perbaikan) dapat dipaparkan sebagai berikut:
42
Gambar 2.4.20 Pola data server 2 (perbaikan)
Gambar 2.4.5 pola data server 1 (perbaikan) dapat diketahui pola data tersebut
berdistribusi triangular, maka sampel tersebut mewakili proporsi acak yang
diketahui expression TRIA (668, 684, 951). Ukuran seluruh populasi triangular
minimal angka 668, dengan mode 684, dan maksimal angka sebesar 951.
c. Pola data server 3 (Inspeksi)
Pola data server 3 (inspeksi) dapat dipaparkan sebagai berikut:
Gambar 2.4.21 Pola data server 3 (inspeksi)
Gambar 2.4.6 pola data server 3 (inspeksi) dapat diketahui bahwa pola data
tersebut berdistribusi beta yang artinya sampel tersebut mewakili proporsi acak
43
yang diketahui output expression 133 + 82 * BETA(0.906, 1.07). Ukuran seluruh
populasi beta sebesar 1.07 dan sebagai bilangan asli positif (alpha) sebesar 0.906.
d. Pola data server 4 (Pembayaran)
Pola data server 4 (pembayaran) dapat dipaparkan sebagai berikut:
Gambar 2.4.22 Pola data server 4 (pembayaran)
Gambar 2.4.7 pola data server 4 (pembayaran) dapat diketahui bahwa pola data
tersebut berdistribusi beta yang artinya sampel tersebut mewakili proporsi acak
yang diketahui output expression 135 + 80 * BETA(0.889, 0.849). Ukuran seluruh
populasi beta sebesar 0.849 dan sebagai bilangan asli positif (alpha) sebesar 0.889.
Tabel 2.4.7 Rekapan pola data tiap server
No Server Expression
1 Server 1 (Pendaftaran) TRIA(101, 160, 164)
2 Server 2 (Perbaikan) TRIA(638, 684, 951)
3 Server 3 (Inspeksi) 133 + 82 * BETA(0.906, 1.07)
4 Server 4 (Pembayaran) 135 + 80 * BETA(0.889, 0.849)
Tabel 2.4.7 Rekapan pola data tiap server menjelaskan bahwa pola data pada
server 1 expression TRIA (101, 160, 164), server 2 berdistribusi TRIA (668, 684,
951), server 3 berdistribusi 133 + 82 * BETA(0.906, 1.07), server 4 berdistribusi
135 + 80 * BETA(0.889, 0.849).
4.5 Parameter untuk Acuan Penelitian
Parameter yang digunakan pada objek service sepeda motor AHASS 13124
DAYA MOTOR SURABAYA adalah sebagai berikut:
44
a. Perhitungan Matematis Banyaknya Antrian
1. Waktu pelayanan server 1 (pendaftaran)
Banyak antrian = 9
Ditanya = Perhitungan matematis banyak antrian
Jawab:
Banyak ntrian = 𝑇𝑜𝑡𝑎𝑙 𝑏𝑎𝑛𝑦𝑎𝑘 𝑎𝑛𝑡𝑟𝑖𝑎𝑛 𝑠𝑒𝑟𝑣𝑒𝑟 1
𝐽𝑢𝑚𝑙𝑎ℎ 𝐷𝑎𝑡𝑎
= 9
30
= 0,3
2. Waktu pelayanan server 2 (perbaikan)
Banyak antrian = 0
Ditanya = Perhitungan matematis banyak antrian
Jawab:
Banyak antrian = 𝑇𝑜𝑡𝑎𝑙 𝑏𝑎𝑛𝑦𝑎𝑘 𝑎𝑛𝑡𝑟𝑖𝑎𝑛 𝑠𝑒𝑟𝑣𝑒𝑟 2
𝐽𝑢𝑚𝑙𝑎ℎ 𝐷𝑎𝑡𝑎
= 0
30
= 0
3. Waktu pelayanan server 3 (inspeksi)
Banyak antrian = 0
Ditanya = Perhitungan matematis banyak antrian
Jawab:
Banyak antrian = 𝑇𝑜𝑡𝑎𝑙 𝑏𝑎𝑛𝑦𝑎𝑘 𝑎𝑛𝑡𝑟𝑖𝑎𝑛 𝑠𝑒𝑟𝑣𝑒𝑟 3
𝐽𝑢𝑚𝑙𝑎ℎ 𝐷𝑎𝑡𝑎
= 0
30
= 0
4. Waktu pelayanan server 4 (pembayaran)
Banyak antrian = 0
Ditanya = Perhitungan matematis banyak antrian
Jawab :
Waktu antrian = 𝑇𝑜𝑡𝑎𝑙 𝑏𝑎𝑛𝑦𝑎𝑘 𝑎𝑛𝑡𝑟𝑖𝑎𝑛 𝑠𝑒𝑟𝑣𝑒𝑟 3
𝐽𝑢𝑚𝑙𝑎ℎ 𝐷𝑎𝑡𝑎
= 0
30
= 0
45
b. Perhitungan Matematis Lama Antrian
1. Waktu pelayanan server 1 (pendaftaran)
Total waktu lama antrian = 993 detik
Ditanya = Perhitungan matematis lama antrian
Jawab:
Lama antrian = 𝑇𝑜𝑡𝑎𝑙 𝑤𝑎𝑘𝑡𝑢 𝑙𝑎𝑚𝑎 𝑎𝑛𝑡𝑟𝑖𝑎𝑛 𝑠𝑒𝑟𝑣𝑒𝑟 1
𝐽𝑢𝑚𝑙𝑎ℎ 𝐷𝑎𝑡𝑎
= 993 detik
30
= 33,1 detik
2. Waktu pelayanan server 2 (perbaikan)
Total waktu lama antrian = 389 detik
Ditanya = Perhitungan matematis lama antrian
Jawab:
Lama antria n = 𝑇𝑜𝑡𝑎𝑙 𝑤𝑎𝑘𝑡𝑢 𝑙𝑎𝑚𝑎 𝑎𝑛𝑡𝑟𝑖𝑎𝑛 𝑠𝑒𝑟𝑣𝑒𝑟 2
𝐽𝑢𝑚𝑙𝑎ℎ 𝐷𝑎𝑡𝑎
= 21984 detik
30
= 12,97 detik
3. Waktu pelayanan server 3 (inspeksi)
Total waktu lama antrian = 556 detik
Ditanya = Perhitungan matematis lama antrian
Jawab:
Lama antrian = 𝑇𝑜𝑡𝑎𝑙 𝑤𝑎𝑘𝑡𝑢 𝑙𝑎𝑚𝑎 𝑎𝑛𝑡𝑟𝑖𝑎𝑛 𝑠𝑒𝑟𝑣𝑒𝑟 3
𝐽𝑢𝑚𝑙𝑎ℎ 𝐷𝑎𝑡𝑎
= 556 detik
30
= 18,54 detik
4. Waktu pelayanan server 4 (pembayaran)
Total waktu lama antrian = 288 detik
Ditanya = Perhitungan matematis lama antrian
Jawab:
Lama antrian = 𝑇𝑜𝑡𝑎𝑙 𝑤𝑎𝑘𝑡𝑢 𝑙𝑎𝑚𝑎 𝑎𝑛𝑡𝑟𝑖𝑎𝑛 𝑠𝑒𝑟𝑣𝑒𝑟 4
𝐽𝑢𝑚𝑙𝑎ℎ 𝐷𝑎𝑡𝑎
= 288 detik7
30
= 9,6 detik
46
c. Perhitungan Matematis Parameter Utilitas
1. Waktu pelayanan server 1 (pendaftaran)
Lama melayani = 4198 detik
Total waktu melayani = 11613 detik
Ditanya = Perhitungan matematis parameter utilitas
Jawab:
Utilitas = ∑ 𝐿𝑎𝑚𝑎 𝑚𝑒𝑙𝑎𝑦𝑎𝑛𝑖
𝑇𝑜𝑡𝑎𝑙 𝑤𝑎𝑘𝑡𝑢 𝑚𝑒𝑙𝑎𝑦𝑎𝑛𝑖 x 100%
= 4198 detik
11613 detik x 100%
= 36,15 %
2. Waktu pelayanan server 2 (perbaikan)
Lama melayani = 21984 detik
Total waktu melayani = 26403 detik
Ditanya = Perhitungan matematis parameter utilitas
Jawab:
Utilitas = ∑ 𝐿𝑎𝑚𝑎 𝑚𝑒𝑙𝑎𝑦𝑎𝑛𝑖
𝑇𝑜𝑡𝑎𝑙 𝑤𝑎𝑘𝑡𝑢 𝑚𝑒𝑙𝑎𝑦𝑎𝑛𝑖 x 100%
= 21984 detik
26403 detik x 100%
= 83,26%
3. Waktu pelayanan server 3 (inspeksi)
Lama melayani = 5524 detik
Total waktu melayani = 25999 detik
Ditanya = Perhitungan matematis parameter utilitas
Jawab:
Utilitas = ∑ 𝐿𝑎𝑚𝑎 𝑚𝑒𝑙𝑎𝑦𝑎𝑛𝑖
𝑇𝑜𝑡𝑎𝑙 𝑤𝑎𝑘𝑡𝑢 𝑚𝑒𝑙𝑎𝑦𝑎𝑛𝑖 x 100%
= 5524 detik
25999 detik x 100%
= 21,25%
4. Waktu pelayanan server 4
Lama melayani = 5421 detik
Total waktu melayani = 26037 detik
Ditanya = Perhitungan matematis parameter utilitas
Jawab:
47
Utilitas = ∑ 𝐿𝑎𝑚𝑎 𝑚𝑒𝑙𝑎𝑦𝑎𝑛𝑖
𝑇𝑜𝑡𝑎𝑙 𝑤𝑎𝑘𝑡𝑢 𝑚𝑒𝑙𝑎𝑦𝑎𝑛𝑖 x 100%
= 5421 detik
26037 detik x 100%
= 20,82 %
4.6 Model Simulasi menggunakan ARENA dan Visio
Model simulasi menggunakan ARENA dan visio dari objek di service sepeda
motor AHASS 13124 DAYA MOTOR SURABAYA sebagai berikut:
Gambar 2.4.23 Model simulasi menggunakan ARENA
Gambar 2.4.24 Model simulasi menggunakan ARENA dan visio
48
4.7 Validasi Model ARENA dengan Sistem Nyata melalui Parameter
Performance Sistem
Validasi model menggunakan ARENA dengan sistem nyata melalui
parameter performance sistem terdiri dari verifikasi dan validasi model ARENA
yang dijelaskan sebagai berikut:
4.7.1 Verifikasi Model ARENA
Verifikasi model yang dilakukan dengan mengecek simulasi yang dapat
dijelaskan sebagai berikut:
Gambar 2.4.25 Verifikasi simulasi model ARENA
4.7.2 Validasi Model ARENA
Validasi model arena dengan sistem nyata menggunakan uji paired two
sample for means dengan hipotesis sebagai berikut:
H0: Tidak terdapat perbedaan yang signifikan antara model arena dengan sistem
nyata
H1: Terdapat perbedaan yang signifikan antara model arena dengan sistem nyata
Pengambilan Keputusan:
Jika sig < 0,05 maka tolakH0
Jika sig > 0,05 maka terima H0
49
A. Parameter Utilitas
Uji paired two sample for means utilitas adalah sebagai berikut:
1. Replikasi 1
Uji paired two sample for means parameter utilitas pada replikasi 1 adalah
sebagai berikut:
Tabel 2.4.8 Rekapan data utilitas replikasi 1
Sistem Nyata Replikasi 1 (ARENA)
Server 1 (Pendaftaran) 0.3615 0.1490
Server 2 (Perbaikan) 0.8326 0.8041
Server 3 (Inspeksi) 0.2125 0.0005
Server 4 (Pembayaran) 0.2082 0.0005
Rekapan Utilitas
ServerUtilitas
Tabel 2.4.9 Hasil uji paired two sample for means utilitas replikasi 1
Variable 1 Variable 2
Mean 0.403699377 0.238532268
Variance 0.08685087 0.147089062
Observations 4 4
Pearson Correlation 0.998148387
Hypothesized Mean Difference 0
df 3
t Stat 3.624349047
P(T<=t) one-tail 0.018068335
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.03613667
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
Tabel 2.4.9 Hasil uji paired two sample for means utilitas replikasi 1 diketahui
bahwa nilai sig (p value) sebesar 0,036. Sehingga nilai sig < 0.05 artinya tolah H0
dengan kesimpulan terdapat perbedaan yang signifikan antara model arena dengan
sistem nyata.
2. Replikasi 2
Uji paired two sample for means parameter utilitas pada replikasi 2 adalah
sebagai berikut:
Tabel 2.4.10 Rekapan data utilitas replikasi 2
Sistem Nyata Replikasi 2 (ARENA)
Server 1 (Pendaftaran) 0.3615 0.1476
Server 2 (Perbaikan) 0.8326 0.8002
Server 3 (Inspeksi) 0.2125 0.0005
Server 4 (Pembayaran) 0.2082 0.0005
ServerUtilitas
Rekapan Utilitas
50
Tabel 2.4.11 Hasil uji paired two sample for means utilitas replikasi 2
Variable 1 Variable 2
Mean 0.403699377 0.237185512
Variance 0.08685087 0.145698306
Observations 4 4
Pearson Correlation 0.998087585
Hypothesized Mean Difference 0
df 3
t Stat 3.723546269
P(T<=t) one-tail 0.016862263
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.033724526
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
Tabel 2.4.11 Hasil uji paired two sample for means utilitas replikasi 2
diketahui bahwa nilai sig (p value) sebesar 0,033. Sehingga nilai sig < 0.05 artinya
tolah H0 dengan kesimpulan terdapat perbedaan yang signifikan antara model
arena dengan sistem nyata.
3. Replikasi 3
Uji paired two sample for means parameter utilitas pada replikasi 3 adalah
sebagai berikut:
Tabel 2.4.12 Rekapan data utilitas replikasi 3
Sistem Nyata Replikasi 3 (ARENA)
Server 1 (Pendaftaran) 0.3615 0.1498
Server 2 (Perbaikan) 0.8326 0.8015
Server 3 (Inspeksi) 0.2125 0.0005
Server 4 (Pembayaran) 0.2082 0.0006
Rekapan Utilitas
ServerUtilitas
Tabel 2.4.13 Hasil uji paired two sample for means utilitas replikasi 3
Variable 1 Variable 2
Mean 0.403699377 0.238077734
Variance 0.08685087 0.146022352
Observations 4 4
Pearson Correlation 0.998242773
Hypothesized Mean Difference 0
df 3
t Stat 3.694479068
P(T<=t) one-tail 0.017204714
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.034409428
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
Tabel 2.4.13 Hasil uji paired two sample for means utilitas replikasi 3
diketahui bahwa nilai sig (p value) sebesar 0,034. Sehingga nilai sig < 0.05 artinya
51
tolah H0 dengan kesimpulan terdapat perbedaan yang signifikan antara model
arena dengan sistem nyata.
4. Replikasi 4
Uji paired two sample for means parameter utilitas pada replikasi 4 adalah
sebagai berikut:
Tabel 2.4.14 Rekapan data utilitas replikasi 4
Sistem Nyata Replikasi 4 (ARENA)
Server 1 (Pendaftaran) 0.3615 0.1493
Server 2 (Perbaikan) 0.8326 0.7774
Server 3 (Inspeksi) 0.2125 0.0004
Server 4 (Pembayaran) 0.2082 0.0006
ServerUtilitas
Rekapan Utilitas
Tabel 2.4.15 Hasil uji paired two sample for means utilitas replikasi 4
Variable 1 Variable 2
Mean 0.403699377 0.231929312
Variance 0.08685087 0.13716005
Observations 4 4
Pearson Correlation 0.99854518
Hypothesized Mean Difference 0
df 3
t Stat 4.420385238
P(T<=t) one-tail 0.010747806
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.021495613
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
Tabel 2.4.15 Hasil uji paired two sample for means utilitas replikasi 4
diketahui bahwa nilai sig (p value) sebesar 0,021. Sehingga nilai sig < 0.05 artinya
tolah H0 dengan kesimpulan terdapat perbedaan yang signifikan antara model
arena dengan sistem nyata.
5. Replikasi 5
Uji paired two sample for means parameter utilitas pada replikasi 5 adalah
sebagai berikut:
Tabel 2.4.16 Rekapan data utilitas replikasi 5
Sistem Nyata Replikasi 5 (ARENA)
Server 1 (Pendaftaran) 0.3615 0.1443
Server 2 (Perbaikan) 0.8326 0.7774
Server 3 (Inspeksi) 0.2125 0.0004
Server 4 (Pembayaran) 0.2082 0.0005
ServerUtilitas
Rekapan Utilitas
52
Tabel 2.4.17 Hasil uji paired two sample for means utilitas replikasi 5
Variable 1 Variable 2
Mean 0.403699377 0.230680334
Variance 0.08685087 0.137463091
Observations 4 4
Pearson Correlation 0.998163038
Hypothesized Mean Difference 0
df 3
t Stat 4.399708068
P(T<=t) one-tail 0.010883539
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.021767077
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
Tabel 2.4.17 Hasil uji paired two sample for means utilitas replikasi 5
diketahui bahwa nilai sig (p value) sebesar 0,021. Sehingga nilai sig < 0.05 artinya
tolah H0 dengan kesimpulan terdapat perbedaan yang signifikan antara model
arena dengan sistem nyata.
B. Parameter Lama Antrian
Uji paired two sample for means lama waktu antrian adalah sebagai berikut:
1. Replikasi 1
Uji paired two sample for means parameter lama antrian pada replikasi 1
adalah sebagai berikut:
Tabel 2.4.18 Rekapan data lama antrian replikasi 1
Sistem Nyata Replikasi 1 (ARENA)
Server 1 (Pendaftaran) 33.1 0.0259
Server 2 (Perbaikan) 12.96666667 1.0978
Server 3 (Inspeksi) 18.53333333 0.0000
Server 4 (Pembayaran) 9.6 0.0000
Lama AntrianServer
Rekapan Lama Antrian
Tabel 2.4.19 Hasil uji paired two sample for means lama antrian replikasi 1
Variable 1 Variable 2
Mean 18.55 0.280917559
Variance 107.6596296 0.296689647
Observations 4 4
Pearson Correlation -0.33924842
Hypothesized Mean Difference 0
df 3
t Stat 3.455758421
P(T<=t) one-tail 0.0203828
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.0407656
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
53
Tabel 2.4.19 Hasil uji paired two sample for means lama antrian replikasi 1
diketahui bahwa nilai sig (p value) sebesar 0,040. Sehingga nilai sig < 0.05 artinya
tolah H0 dengan kesimpulan terdapat perbedaan yang signifikan antara model
arena dengan sistem nyata.
2. Replikasi 2
Uji paired two sample for means parameter lama antrian pada replikasi 2
adalah sebagai berikut:
Tabel 2.4.20 Rekapan data lama antrian replikasi 2
Sistem Nyata Replikasi 2 (ARENA)
Server 1 (Pendaftaran) 33.1 0.02
Server 2 (Perbaikan) 12.96666667 0.86
Server 3 (Inspeksi) 18.53333333 0
Server 4 (Pembayaran) 9.6 0
ServerLama Antrian
Rekapan Lama Antrian
Tabel 2.4.21 Hasil uji paired two sample for means lama antrian replikasi 2
Variable 1 Variable 2
Mean 18.55 0.220833878
Variance 107.6596296 0.18390676
Observations 4 4
Pearson Correlation -0.340231292
Hypothesized Mean Difference 0
df 3
t Stat 3.481472986
P(T<=t) one-tail 0.020006304
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.040012607
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
Tabel 2.4.21 Hasil uji paired two sample for means lama antrian replikasi 2
diketahui bahwa nilai sig (p value) sebesar 0,040. Sehingga nilai sig < 0.05 artinya
tolah H0 dengan kesimpulan terdapat perbedaan yang signifikan antara model
arena dengan sistem nyata.
3. Replikasi 3
Uji paired two sample for means parameter lama antrian pada replikasi 3
adalah sebagai berikut:
54
Tabel 2.4.22 Rekapan data lama antrian replikasi 3
Sistem Nyata Replikasi 3 (ARENA)
Server 1 (Pendaftaran) 33.1 0.03
Server 2 (Perbaikan) 12.96666667 1.18
Server 3 (Inspeksi) 18.53333333 0
Server 4 (Pembayaran) 9.6 0
Rekapan Lama Antrian
ServerLama Antrian
Tabel 2.4.23 Hasil uji paired two sample for means lama antrian replikasi 3
Variable 1 Variable 2
Mean 18.55 0.302291516
Variance 107.6596296 0.340521844
Observations 4 4
Pearson Correlation -0.336368438
Hypothesized Mean Difference 0
df 3
t Stat 3.447362849
P(T<=t) one-tail 0.020507673
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.041015345
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
Tabel 2.4.23 Hasil uji paired two sample for means lama antrian replikasi 3
diketahui bahwa nilai sig (p value) sebesar 0,041. Sehingga nilai sig < 0.05 artinya
tolah H0 dengan kesimpulan terdapat perbedaan yang signifikan antara model
arena dengan sistem nyata.
4. Replikasi 4
Uji paired two sample for means parameter lama antrian pada replikasi 4
adalah sebagai berikut:
Tabel 2.4.24 Rekapan data lama antrian replikasi 4
Sistem Nyata Replikasi 4 (ARENA)
Server 1 (Pendaftaran) 33.1 0.02
Server 2 (Perbaikan) 12.96666667 1.20
Server 3 (Inspeksi) 18.53333333 0
Server 4 (Pembayaran) 9.6 0
ServerLama Antrian
Rekapan Lama Antrian
55
Tabel 2.4.25 Hasil uji paired two sample for means lama antrian replikasi 4
Variable 1 Variable 2
Mean 18.55 0.304722718
Variance 107.6596296 0.354843649
Observations 4 4
Pearson Correlation -0.344483692
Hypothesized Mean Difference 0
df 3
t Stat 3.443841052
P(T<=t) one-tail 0.020560344
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.041120689
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
Tabel 2.4.25 Hasil uji paired two sample for means lama antrian replikasi 4
diketahui bahwa nilai sig (p value) sebesar 0,041. Sehingga nilai sig < 0.05 artinya
tolah H0 dengan kesimpulan terdapat perbedaan yang signifikan antara model
arena dengan sistem nyata.
5. Replikasi 5
Uji paired two sample for means parameter lama antrian pada replikasi 5
adalah sebagai berikut:
Tabel 2.4.26 Rekapan data lama antrian replikasi 5
Sistem Nyata Replikasi 5 (ARENA)
Server 1 (Pendaftaran) 33.1 0.02
Server 2 (Perbaikan) 12.96666667 1.25
Server 3 (Inspeksi) 18.53333333 0
Server 4 (Pembayaran) 9.6 0
Rekapan Lama Antrian
ServerLama Antrian
Tabel 2.4.27 Hasil uji paired two sample for means lama antrian replikasi 5
Variable 1 Variable 2
Mean 18.55 0.319325537
Variance 107.6596296 0.387915413
Observations 4 4
Pearson Correlation -0.343044496
Hypothesized Mean Difference 0
df 3
t Stat 3.437894102
P(T<=t) one-tail 0.020649678
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.041299356
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
56
Tabel 2.4.27 Hasil uji paired two sample for means lama antrian replikasi 5
diketahui bahwa nilai sig (p value) sebesar 0,041. Sehingga nilai sig < 0.05 artinya
tolah H0 dengan kesimpulan terdapat perbedaan yang signifikan antara model
arena dengan sistem nyata.
C. Parameter Banyak Antrian
Uji paired two sample for means banyak antrian adalah sebagai berikut:
1. Replikasi 1
Uji paired two sample for means parameter banyak antrian pada replikasi 1
adalah sebagai berikut:
Tabel 2.4.28 Rekapan data banyak replikasi 1
Sistem Nyata Replikasi 1 (ARENA)
Server 1 (Pendaftaran) 0.3 0.10
Server 2 (Perbaikan) 0 4.12
Server 3 (Inspeksi) 0 0
Server 4 (Pembayaran) 0 0
Server
Rekapan Banyak Antrian
Banyak Antrian
Tabel 2.4.29 Hasil uji paired two sample for means banyak antrian replikasi 1
Variable 1 Variable 2
Mean 0.075 1.053440846
Variance 0.0225 4.172198156
Observations 4 4
Pearson Correlation -0.312099978
Hypothesized Mean Difference 0
df 3
t Stat -0.934400173
P(T<=t) one-tail 0.20951323
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.41902646
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
Tabel 2.4.29 Hasil uji paired two sample for means banyak antarian replikasi
1 diketahui bahwa nilai sig (p value) sebesar 0,41. Sehingga nilai sig < 0.05 artinya
terima H0 dengan kesimpulan tidak terdapat perbedaan yang signifikan antara
model arena dengan sistem nyata.
2. Replikasi 2
Uji paired two sample for means parameter banyak antrian pada replikasi 2
adalah sebagai berikut:
57
Tabel 2.4.30 Rekapan data banyak replikasi 2
Sistem Nyata Replikasi 2 (ARENA)
Server 1 (Pendaftaran) 0.3 0.07
Server 2 (Perbaikan) 0 3.24
Server 3 (Inspeksi) 0 0
Server 4 (Pembayaran) 0 0
Rekapan Banyak Antrian
ServerBanyak Antrian
Tabel 2.4.31 Hasil uji paired two sample for means banyak antrian replikasi 2
Variable 1 Variable 2
Mean 0.075 0.828127044
Variance 0.0225 2.586188805
Observations 4 4
Pearson Correlation -0.313170169
Hypothesized Mean Difference 0
df 3
t Stat -0.906694977
P(T<=t) one-tail 0.215704667
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.431409333
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
Tabel 2.4.31 Hasil uji paired two sample for means banyak antarian replikasi
2 diketahui bahwa nilai sig (p value) sebesar 0,43. Sehingga nilai sig < 0.05 artinya
terima H0 dengan kesimpulan tidak terdapat perbedaan yang signifikan antara
model arena dengan sistem nyata.
3. Replikasi 3
Uji paired two sample for means parameter banyak antrian pada replikasi 3
adalah sebagai berikut:
Tabel 2.4.32 Rekapan data banyak replikasi 3
Sistem Nyata Replikasi 3 (ARENA)
Server 1 (Pendaftaran) 0.3 0.12
Server 2 (Perbaikan) 0 4.41
Server 3 (Inspeksi) 0 0
Server 4 (Pembayaran) 0 0
ServerBanyak Antrian
Rekapan Banyak Antrian
58
Tabel 2.4.33 Hasil uji paired two sample for means banyak antrian replikasi 3
Variable 1 Variable 2
Mean 0.075 1.133593184
Variance 0.0225 4.788588435
Observations 4 4
Pearson Correlation -0.308964556
Hypothesized Mean Difference 0
df 3
t Stat -0.945519362
P(T<=t) one-tail 0.207074387
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.414148774
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
Tabel 2.4.33 Hasil uji paired two sample for means banyak antarian replikasi
3 diketahui bahwa nilai sig (p value) sebesar 0,41. Sehingga nilai sig < 0.05 artinya
terima H0 dengan kesimpulan tidak terdapat perbedaan yang signifikan antara
model arena dengan sistem nyata.
4. Replikasi 4
Uji paired two sample for means parameter banyak antrian pada replikasi 4
adalah sebagai berikut:
Tabel 2.4.34 Rekapan data banyak replikasi 4
Sistem Nyata Replikasi 4 (ARENA)
Server 1 (Pendaftaran) 0.3 0.08
Server 2 (Perbaikan) 0 4.49
Server 3 (Inspeksi) 0 0
Server 4 (Pembayaran) 0 0
ServerBanyak Antrian
Rekapan Banyak Antrian
Tabel 2.4.35 Hasil uji paired two sample for means banyak antrian replikasi 4
Variable 1 Variable 2
Mean 0.075 1.142710194
Variance 0.0225 4.989988809
Observations 4 4
Pearson Correlation -0.317801192
Hypothesized Mean Difference 0
df 3
t Stat -0.934159436
P(T<=t) one-tail 0.209566323
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.419132646
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
59
Tabel 2.4.35 Hasil uji paired two sample for means banyak antarian replikasi
4 diketahui bahwa nilai sig (p value) sebesar 0,419. Sehingga nilai sig < 0.05
artinya terima H0 dengan kesimpulan tidak terdapat perbedaan yang signifikan
antara model arena dengan sistem nyata.
5. Replikasi 5
Uji paired two sample for means parameter banyak antrian pada replikasi 5
adalah sebagai berikut:
Tabel 2.4.36 Rekapan data banyak replikasi 5
Sistem Nyata Replikasi 5 (ARENA)
Server 1 (Pendaftaran) 0.3 0.09
Server 2 (Perbaikan) 0 4.70
Server 3 (Inspeksi) 0 0
Server 4 (Pembayaran) 0 0
ServerBanyak Antrian
Rekapan Banyak Antrian
Tabel 2.4.37 Hasil uji paired two sample for means banyak antrian replikasi 5
Variable 1 Variable 2
Mean 0.075 1.197470765
Variance 0.0225 5.455060495
Observations 4 4
Pearson Correlation -0.3162337
Hypothesized Mean Difference 0
df 3
t Stat -0.940373494
P(T<=t) one-tail 0.2081998
t Critical one-tail 2.353363435
P(T<=t) two-tail 0.4163996
t Critical two-tail 3.182446305
t-Test: Paired Two Sample for Means
Tabel 2.4.37 Hasil uji paired two sample for means banyak antarian replikasi
5 diketahui bahwa nilai sig (p value) sebesar 0,416. Sehingga nilai sig < 0.05
artinya terima H0 dengan kesimpulan tidak terdapat perbedaan yang signifikan
antara model arena dengan sistem nyata.
4.8 Skenario Perbaikan (3 Skenario)
Skenario perbaikan dari modul sebelumnya dilakukan pembuatan simulasi
dengan menggunakan software arena yang terdiri dari 3 skenario perbaikan dapat
dipaparkan reakapan utilitasnya sebagai berikut:
60
1. Perbaikan 1
Tabel 2.4.38 Skenario perbaikan 1
1 2 3 4 5
1 Pendaftaran 0.476 0.358 0.402 0.495 0.426
2 Perbaikan 1 dan 2 (Sub Model) 0.000 0.000 0.000 0.000 0.000
3 Inspeksi 0.001 0.001 0.001 0.001 0.001
4 Pembayaran 0.001 0.001 0.001 0.001 0.001
Rekapan Utilitas Perbaikan 1
No. ServerOutput Arena
2. Perbaikan 2
Tabel 2.4.39 Skenario perbaikan 2
1 2 3 4 5
1 Pendaftaran 0.529 0.370 0.346 0.496 0.420
2 Perbaikan 1 0.816 0.844 0.878 0.797 0.865
3 Pembayaran 0.001 0.001 0.001 0.0004 0.001
Rekapan Utilitas Perbaikan 2
No. ServerOutput Arena
3. Perbaikan 3
Tabel 2.4.40 Skenario perbaikan 3
1 2 3 4 5
1 Pendaftaran 0.357 0.354 0.324 0.456 0.383
2 Perbaikan 1 dan 2 (Sub Model) 0.000 0.000 0.000 0.000 0.000
3 Pembayaran 0.001 0.001 0.001 0.0013 0.001
No. ServerOutput Arena
Rekapan Utilitas Perbaikan 3
4.9 Proses Comparing System Masing-masing Skenario (ANOVA)
Proses comparing system digunakan untuk membandingkan model yang sudah
dilakukan pembuata dengan model skenario perbaikan 1, 2 dan 3.
Hipotesa:
H0: tidak terdapat perbedaan secara signifikan antara replikasi satu dengan replikasi
lain (𝜇1= 𝜇2= 𝜇3= 𝜇4)
H1: terdapat perbedaan secara signifikan antara replikasi satu dengan replikasi lain
(𝜇1 ≠ 𝜇2 ≠ 𝜇3 ≠ 𝜇4)
Pengambilan Keputusan:
Jika F hitung ≥ F tabel, maka tolak H0
Jika F hitung < F tabel, maka terima H0
61
1. Skenario 1
Comparing System pada skenario perbaikan 1 yang dapat dipaparkan sebagai
berikut:
Tabel 2.4.41 Hasil uji ANOVA skenario perbaikan 1
Source of Variation SS df MS F P-value F crit
Between Groups 0.00311 4 0.000777 0.016538 0.999397 3.055568
Within Groups 0.705143 15 0.04701
Total 0.708253 19
ANOVA Skenario Perbaikan 1
Tabel 2.4.41 Hasil uji ANOVA skenario perbaikan 1 dapat diketahui bahwa F
hitung sebesar F hitung sebesar 0,016 artinya F hitung < F tabel sebsar 3,055 maka
dapat disimpulkan bahwa tidak terdapat perbedaan secara signifikan antara
replikasi satu dengan replikasi lain lain (𝜇1= 𝜇2= 𝜇3= 𝜇4).
2. Skenario 2
Comparing System pada skenario perbaikan 2 yang dapat dipaparkan sebagai
berikut:
Tabel 2.4.42 Hasil uji ANOVA skenario perbaikan 2
Source of Variation SS df MS F P-value F crit
Between Groups 0.00388 4 0.00097 0.005424 0.99993 3.47805
Within Groups 1.788452 10 0.178845
Total 1.792332 14
ANOVA Skenario Perbaikan 2
Tabel 2.4.42 Hasil uji ANOVA skenario perbaikan 2 dapat diketahui bahwa F
hitung sebesar F hitung sebesar 0,005 artinya F hitung < F tabel sebesar 3,478 maka
dapat disimpulkan bahwa tidak terdapat perbedaan secara signifikan antara
replikasi satu dengan replikasi lain lain (𝜇1= 𝜇2= 𝜇3= 𝜇4).
3. Skenario 3
Comparing System pada skenario perbaikan 3 yang dapat dipaparkan sebagai
berikut:
Tabel 2.4.43 Hasil uji ANOVA skenario perbaikan 3
Source of Variation SS df MS F P-value F crit
Between Groups 0.00336 4 0.00084 0.017733 0.99927 3.47805
Within Groups 0.473638 10 0.047364
Total 0.476998 14
ANOVA Skenario Perbaikan 3
62
Tabel 2.4.43 Hasil uji ANOVA skenario perbaikan 3 dapat diketahui bahwa F
hitung sebesar F hitung sebesar 0,017 artinya F hitung < F tabel sebesar 3,478 maka
dapat disimpulkan bahwa tidak terdapat perbedaan secara signifikan antara
replikasi satu dengan replikasi lain lain (𝜇1= 𝜇2= 𝜇3= 𝜇4).
4.10 Identifikasi Faktor Penghambat Apabila Skenario Diimplementasikan
pada Sistem Nyata.
Faktor penghambat yang dapat terjadi apabila skenario perbaikan di
implementasikan pada sistem nyata adalah faktor penambahan tenaga kerja pada
server perbaikan motor, maka dapat terjadi penambahan biaya tenaga kerja yang
dikeluarkan.
4.11 Animasi Menggunakan Software Arena
Animasi menggunakan software arena pada proses pelayanan di service sepeda
motor AHASS 13124 DAYA MOTOR SURABAYA sebagai berikut::
Gambar 2.4.26 Animasi layout menggunakan software arena
63
BAB V
KESIMPULAN DAN SARAN
Bab lima berisi tentang kesimpulan dan saran yang dapat diambil dari tugas
besar simulasi industri dari modul dua berjudul simulasi menggunakan software
arena pada objek penelitian sistem pelayanan service sepeda motor AHASS 13124
DAYA MOTOR SURABAYA.
5.1 Kesimpulan
Kesimpulan yang dapat diambil dari penelitian service sepeda motor AHASS
13124 DAYA MOTOR SURABAYA dari modul dua berjudul simulasi
menggunakan software arena dijelaskan sebagai berikut:
1. Software arena terdapat modul dasar yang dipakai untuk membuat simulasi
model dan skenario perbaikan diantaranya terdapat modul create yang
merupakan modul ini digunakan sebagai titik awal (starting point) dari
masuknya entity dalam sebuah model simulasi. Dispose yang berguna untuk
mengakhiri sebuah model. Process digunakan untuk menambah aktivitas pada
proses simulasi, modul assign, decide, sparate, batch, dan modul record.
2. Pengambilan input dari tugas besar simulasi sistem industri yaitu menggunakan
waktu kedatangan, proses perbaikan, selesai dan waktu antrian pelanggan pada
PT AHASS service sepeda motor AHASS 13124 DAYA MOTOR
SURABAYA. Sedangkan output dari model tersebut yaitu suatu perbaikan
model dimana memperbaiki suatu model yang ada pada PT AHASS sehingga
lebih efisien dan efektif.
3. Skenario perbaikan dibuat dan simulasikan untuk memperbaiki sistem nyata,
pada skenario perbaikan 1 dibuat perbaikan berupa penambahan tenaga kerja
pada proses perbaikan untuk mempercepat proses kerja, menambah utilitas, dan
menambah banyak output pengerajaan sehingga pada proses selanjutnya tidak
terjadi proses antrian.
5.2 Saran
Saran yang dapat membangun dari penelitian simulasi menggunakan software
ARENA pelayanan service sepeda motor AHASS 13124 DAYA MOTOR
64
SURABAYA seharusnya untuk pemilihan sistem skenario perbaikan sebaiknya
sesuai dengan sistem nyata dan membawa keuntungan bagi perusahaan dengan
mempertimbangakan beberapa faktor penghambatnya.
DAFTAR PUSTAKA
Camerling. 2017. Model Simulasi Untuk Menganalisis Kinerja Sistem Antrian
Kapaltanker Pada Dermaga Pt. Pertamina Tbbm Wayame Ambon. ARIKA,
Vol. 11 No. 1
Ilyas. 2016. Pendekatan Simulasi Untuk Analisis Antrian Pada Bengkel Servis Pt.
X. Jurnal Optimasi Sistem Industri, Vol. 15 No. 2