LR MODUL 2 110421100003 110421100010
-
Upload
independent -
Category
Documents
-
view
7 -
download
0
Transcript of LR MODUL 2 110421100003 110421100010
Laporan Modul 2
Oleh :
Kelompok 21
Fitri Agtusi (110421100003)
Widi Dwi N (110421100010)
Tugas Besar Simulasi Sistem Industri
Laboratorium Komputasi dan Optimasi Industri
Jurusan Teknik Industri Fakultas Teknik
Universitas TrunojoyoMadura2014
1. Lakukan pengambilan data berdasarkan data yang akan
diambil sesaui modul 1
Jawab :
Pengambilan data pada mini market Aka Jaya dibedakan
menjadi beberapa tabel seperti dibawah ini.
Tabel 2.1 waktu antar kedatangan pada mini market AKA
Jaya
Waktu Antar KedatanganNo Waktu waktu antar kedatangan WAKTU (DETIK)
1 16:00:13 0:00:13 132 16:00:27 0:00:14 143 16:01:57 0:01:30 904 16:02:10 0:00:13 135 16:04:16 0:02:06 1266 16:06:48 0:02:32 1527 16:06:54 0:00:06 68 16:07:31 0:00:37 379 16:08:56 0:01:25 85
10 16:10:43 0:01:47 10711 16:11:30 0:00:47 4712 16:12:45 0:01:15 7513 16:13:18 0:00:33 3314 16:16:50 0:03:32 21215 16:18:18 0:01:28 8816 16:18:48 0:00:30 3017 16:19:42 0:00:54 5418 16:21:40 0:01:58 118
Pada tabel diatas diuraikan waktu antar
kedatangan yaitu waktu, waktu tersebut menjelaskan
waktu kedatangan. Pada pelanggan yang pertama waktu
kedatangan pukul 16:00:13 dan waktu kedatanggan
pelanggan kedua 16:00:27 maka diperoleh waktu anatar
kedatangan sebesar 0:00:13 atau waktu antar kedatangan
pelanggan 1 dengan pelanggan 2 yaitu sebesar 13 detik
Tabel 2.2 panjang antrian pada loket 1 mini market Aka
Jaya
Waktu Antar KedatanganNo Waktu
1 16:00:132 16:00:273 16:01:574 16:02:105 16:04:166 16:06:487 16:06:548 16:07:319 16:08:56
10 16:10:4311 16:11:3012 16:12:4513 16:13:1814 16:16:5015 16:18:1816 16:18:4817 16:19:4218 16:21:40
Tabel 2.3 waktu pelayanan loket 1 pada mini market Aka
Jaya
Waktu Antar KedatanganNo Waktu waktu antar kedatangan WAKTU (DETIK)
1 16:00:13 0:00:13 132 16:00:27 0:00:14 143 16:01:57 0:01:30 904 16:02:10 0:00:13 135 16:04:16 0:02:06 1266 16:06:48 0:02:32 1527 16:06:54 0:00:06 68 16:07:31 0:00:37 379 16:08:56 0:01:25 85
10 16:10:43 0:01:47 10711 16:11:30 0:00:47 4712 16:12:45 0:01:15 7513 16:13:18 0:00:33 3314 16:16:50 0:03:32 21215 16:18:18 0:01:28 8816 16:18:48 0:00:30 3017 16:19:42 0:00:54 5418 16:21:40 0:01:58 118
2. Lakukan uji kecukupan data
Setelah dilakukan pengambilan data, data yang diambil
sebanyak 20 data yang akan dilakukan uji kecukupan.
Keterangan rumus waktu kedatangan:
Diketahui : K = Banyaknya kasir
S = Sigma
N’ = Hasil uji kecukupan data
- Jumlah = xi , ∑ ∑xi2
- Sigma 1 = (∑xi¿¿2
- Sigma 2 = 0,1 (ketetapan)
- K/S = 1 / 0,1
= ¿¿
- N’ = ¿¿1 / 0,1 : xi∑
Waktu Antar KedatanganNo Waktu waktu antar kedatangan
1 16:00:13 0:00:132 16:00:27 0:00:143 16:01:57 0:01:30
Diperoleh jumlah dari perhitungan waktu kedatangan
yaitu 1338 dan nilai kecukupan data dari perhitungan
tersebut yaitu 726,3
Keterangan rumus waktu pelayanan:
Diketahui : K = Banyaknya kasir
S = Sigma
N’ = Hasil uji kecukupan data
- Jumlah = xi , ∑ ∑xi2
- Sigma 1 = (∑xi¿¿2
- Sigma 2 = 0,1 (ketetapan)
- K/S = 1 / 0,1
= ¿¿
- N’ = ¿¿1 / 0,1 : xi∑
Waktu Antar Kedatanganwaktu antar kedatangan
0:00:130:00:140:01:30
Diperoleh jumlah dari perhitungan waktu pelayanan
yaitu 1329 dan nilai kecukupan data dari perhitungan
tersebut yaitu 543,49
3. Tentukan pola data dari masing – masing data
Ada 2 pola data yang digunakan yaitu
a. Pola data antar kedatangan
Dapat diketahui dari keluaran input analyzer
diperoleh nilai pola data atau distribusi berupa
Exponensial dengan nilai expression sebesar 6 +
EXPO(60.9).
b. Pola Data Operasi
Dapat diketahui dari keluaran input analyzer
diperoleh nilai pola data atau distribusi berupa
Beta dengan nilai expression yaitu sebesar 7 + 128
* BETA(0.955, 1.1).
4. Hitung parameter yang dijadikan acuan dalam penelitian
(utilitas, panjang antrian, lama antrian. sesuai modul
1)
A. Utilitas
Berikut merupakan hasil perhitungan parameter yang
dijadikan acuan penelitian ini, dalam penelitian ini
parameter yang diambil adalah utilitas.
utilitas (premium stasiun 1)No waktu idle /prosewaktu prosesutilitas
1 16:00:13 I 0:00:03
94.18%
2 16:00:16 P 0:00:273 16:00:43 I 0:00:044 16:00:47 P 0:01:095 16:01:56 I 0:00:076 16:02:03 P 0:00:537 16:02:56 I 0:00:028 16:02:58 P 0:01:479 16:04:45 I 0:00:02
10 16:04:47 P 0:01:5611 16:06:43 I 0:00:0712 16:06:50 P 0:00:3113 16:07:21 I 0:00:0014 16:07:21 P 0:00:3415 16:07:55 I 0:00:0916 16:08:04 P 0:01:2717 16:09:31 I 0:00:0618 16:09:37 P 0:02:0419 16:11:41 I 0:00:0920 16:11:50 P 0:00:5521 16:12:45 I 0:00:0222 16:12:47 P 0:01:2623 16:14:13 I 0:00:0324 16:14:16 P 0:00:4225 16:14:58 I 0:00:0526 16:15:03 P 0:01:4327 16:16:46 I 0:00:0728 16:16:53 P 0:00:0729 16:17:00 I 0:00:1130 16:17:11 P 0:02:1531 16:19:26 I 0:00:0332 16:19:29 P 0:00:4633 16:20:15 I 0:00:0234 16:20:17 P 0:01:1335 16:21:30 I 0:00:1236 16:21:42 P 0:00:2537 16:22:07 I 0:00:0538 16:22:12 P 0:00:4239 16:22:54 I 0:00:1640 16:23:10 P 0:01:0741 16:24:17 I
Dari tabel utilitas diatas di dapatkan bahwa utilitas
kasir satu adalah sebesar 94,18%. Sedangkan dari simulasi
arena yang telah dibuat di dapatkan hasil utilitas selama
5 kali replikasi adalah sebagai berikut:
Periode arena1 0.682 0.913 0.974 0.96
Kemudian kedua utilitas dibandingkan dengan
menggunakan uji independent sample T test, untuk mengetahui
apakah utilitas dari perhitungan secara manual dengan
simulasi arena berbeda atau tidak. Maka hipotesa yang
digunakan adalah:
H0 : Tidak terdapat perbedaan yang nyata antara rata-
rata utilitas output arena dengan sistem nyata
H1 : Terdapat perbedaan yang nyata antara rata-rata
utilitas output arena dengan sistem nyata
Pengambilan keputusan:
Penarikan keputusan :
Jika sig2tailed < 0.05, maka tolak H0
Jika sig2tailed ≥ 0.05, maka terima H0
Dari perhitungan SPSS diatas di dapatkan nilai sig
sebesar 0.040 yang lebih kecil dari nilai 0,05
(0,04<0,05) sehingga menggunakan equal variances not assumed,
dan nilai sig (2-tailed) pada nilai equal variances not assumed
sebesar 0,567 yang lebih besar dari nilai 0,05 yang
berarti terima H0 yang berarti tidak terdapat perbedaan
yang nyata antara rata-rata waktu tunggu output arena
dengan sistem nyata.
B. Panjang Antrian
Berikut merupakan hasil perhitungan parameter yang
dijadikan acuan penelitian ini, dalam penelitian ini
parameter yang diambil adalah panjang antrian
utilitas (premium stasiun 1)utilitasWAKTU (DETIK) Panjang antriaproses
94.18%
3 0 2727 4 694 7 53
69 62 477 2 116
53 7 3162 0 3447 39 572 6 124
116 9 557 2 86
31 3 420 5 103
34 7 4239 46 6557 3 916 135 35
124 45 59
Dari perhitungan manual diatas di dapatkan bahwa
panjang antiran adalah sebesar 1,46. Sedangkan dari
simulasi arena di dapatkan panjang antrian selama 5
periode adalah sebagai berikut:
panjang antrianPeriode arena
1 0.682 1.533 1.31
Kemudian kedua utilitas dibandingkan dengan
menggunakan uji independent sample T test, untuk mengetahui
apakah utilitas dari perhitungan secara manual dengan
simulasi arena berbeda atau tidak. Maka hipotesa yang
digunakan adalah:
H0 : Tidak terdapat perbedaan yang nyata antara rata-
rata waktu tunggu output arena dengan sistem nyata
H1 : Terdapat perbedaan yang nyata antara rata-rata
waktu tunggu output arena dengan sistem nyata
Pengambilan keputusan:
Penarikan keputusan :
Jika sig2tailed < 0.05, maka tolak H0
Jika sig2tailed ≥ 0.05, maka terima H0
Dari perhitungan SPSS diatas di dapatkan nilai sig
sebesar 0.040 yang lebih kecil dari nilai 0,05
(0,04<0,05) sehingga menggunakan equal variances not assumed,
dan nilai sig (2-tailed) pada nilai equal variances not assumed
sebesar 0,421 yang lebih besar dari nilai 0,05 yang
berarti terima H0 yang berarti tidak terdapat perbedaan
yang nyata antara rata-rata panjang antrian output arena
dengan sistem nyata.
5. Buatlah model simulasi dari sistem yang anda amati.
Buat sedetail mungkin dan se-realistik mungkin
6. Tentukan parameter-parameter performance sistem yang
sedang anda amati.
Parameter-parameter yang digunakan untuk untuk
mengamati kinerja dari sistem transaksi pembayaran di
aka jaya antara lain sebagai berikut:
Mengurangi jumlah antrian yang terjadi di kasir AKA
jaya dengan cara menambah jumlah operator dan
menambah jumlah stasiun kerja.
Meningkatkan produktivitas operator kasir,
dengancara mempercepat waktu pelayanan.
7. Buat tiga kemungkinan skenario yang bisa dimunculkan
untuk meningkatkan performance sistem yang diamati.
Skenario 1
Skenario 1 dimana pada skenario ini terdapat 1
stasiun kasir, namun menggunakan 2 operator,
dimana operator 1 bertugas untuk menscan barcode
sementara satu operator lain memasukkan barang
kedalam kantong plastic, hal ini dilakukan untuk
mempercepat proses transaksi sehingga dapat
mengurangi antrian yang terjadi.
Skenario 2
Skenario ini terdapat 2 stasiun kasir, dimana
penggunaan 2 stasiun kasir ini digunakan untuk
membagi jumlah konsumen yang akan melakukan
transaksi pembayaran setelah memilih barang yang
akan dibeli, sehingga akan mengurangi antrian
konsumen.
Skenario 3
Skenario ini terdapat 3 stasiun kasir, dimana
penggunaan 3 stasiun kasir ini digunakan untuk
membagi jumlah konsumen yang akan melakukan
transaksi pembayaran setelah memilih barang yang
akan dibeli, sehingga akan mengurangi antrian
konsumen.
8. Lakukan proses comparing system dari masing-masing
skenario tersebut.
Berikut ini merupakan comparing system dari parameter
utilitas pada keempat scenario yang telah dibuat yang
dihitung dengan menggunakan software SPSS.
Utilitas Model AwalNo Replikasi
12345
Utilitas Model Skenario 1No Replikasi
12345
Utilitas Model Skenario 2No Replikasi
12345
Utilitas Model Skenario 3No Replikasi
12
Dari data diatas kemudian diuji dengan menggunakan uji
statistic anova untuk mengetahui apakah terdapat
perbedaan antara keempat model yang telah dibuat. Hasil
perhitungan anova dapat dilihat pada tabel dibawah ini.
Hipotesa:
H0 : Tidak terdapat perbedaan yang nyata antara rata-
rata utilitas pada masing-masing scenario yang
telah dibuat
H1 : Terdapat perbedaan yang nyata antara rata-rata
utilitas pada masing-masing scenario yang telah
dibuat
Pengambilan keputusan:
Penarikan keputusan :
Jika sig2tailed < 0.05, maka tolak H0
Jika sig2tailed ≥ 0.05, maka terima H0
Dari perhitungan anova diatas di dapatkan nilai sig
sebesar 0,006 yang lebih kecil dari 0,05 sehingga tolak
h0 atau terdapat perbedaan yang nyata antara rata-rata
utilitas pada masing-masing scenario yang telah dibuat
untuk mengetahui mana saja yang memiliki perbedaan rata-
rata dapat diketahui dengan menggunakan posthoc sebagai
berikut.
Dari tabel multiple comparation diatas di dapatkan bahwa
pada scenario awal berbeda dengan scenario perbaikan 1
skenario perbaikan 2 dan scenario perbaikan 3, hal ini
dikarenakan nilai sig yang kurang dari nilai 0,05
sehingga tolak h0 atau terdapat perbedaan rata-rata
antara scenario awal dengan scenario perbaikan. Sehingga
dapat disimpulkan bahwa scenario perbaikan dapat
diterapkan untuk memperbaiki sistem kerja yang terdapat
pada minimarket aka jaya.
Berikut ini merupakan comparing system dari parameter
panjang antrian pada keempat scenario yang telah dibuat
yang dihitung dengan menggunakan software SPSS.
3 1.314 2.075 5.66
No Replikasi Output Arena1 0.022 0.153 0.084 0.15 0.04
No Replikasi Output Arena1 0.0852 0.1953 0.3254 0.1755 0.225
No Replikasi Output Arena1 0.052 0.08333333333333 0.04333333333334 0.115 0.23
panjang antrian Model Skenario 1
panjang antrian Model Skenario 2
panjang antrian Model Skenario 3
Dari data diatas kemudian diuji dengan menggunakan uji
statistic anova untuk mengetahui apakah terdapat
perbedaan antara keempat model yang telah dibuat. Hasil
perhitungan anova dapat dilihat pada tabel dibawah ini.
Hipotesa:
H0 : Tidak terdapat perbedaan yang nyata antara rata-
rata panjang antrian pada masing-masing scenario
yang telah dibuat
H1 : Terdapat perbedaan yang nyata antara rata-rata
panjang antrian pada masing-masing scenario yang
telah dibuat
Pengambilan keputusan:
Penarikan keputusan :
Jika sig2tailed < 0.05, maka tolak H0
Jika sig2tailed ≥ 0.05, maka terima H0
Dari perhitungan anova diatas di dapatkan nilai sig
sebesar 0,007 yang lebih kecil dari 0,05 sehingga tolak
h0 atau terdapat perbedaan yang nyata antara rata-rata
panjang antrian pada masing-masing scenario yang telah
dibuat untuk mengetahui mana saja yang memiliki perbedaan
rata-rata dapat diketahui dengan menggunakan posthoc
sebagai berikut.
Dari tabel multiple comparation diatas di dapatkan bahwa
pada scenario awal berbeda dengan scenario perbaikan 1
skenario perbaikan 2 dan scenario perbaikan 3, hal ini
dikarenakan nilai sig yang kurang dari nilai 0,05
sehingga tolak h0 atau terdapat perbedaan rata-rata
antara scenario awal dengan scenario perbaikan. Sehingga
dapat disimpulkan bahwa scenario perbaikan dapat
diterapkan untuk memperbaiki sistem kerja yang terdapat
pada minimarket aka jaya.
Kesimpulan 5 1
Utilitas Model Awal
Dapat diketahui dari tabel diatas diperoleh
sekenario terbaik yaitu pada skeneraio 1 dengan nilai
utilitas yaitu 0.518 dan nilai panjang antrian yaitu
0.078. mengapa dipilih menjadi scenario terbaik karena
pada scenario 1 nilai utilitas paling besar dan panjang
antrian paling kecil.
9. Bila skenario tersebut di implementasikan pada sistem
nyatanya identifikasi faktor-faktor penghambatnya,
jelaskan.
Faktor-faktor penghambat apabila scenario tersebut di
implementasikan yaitu
- Faktor penambhan operator yang akan menambah biaya
pada perusahaan
- Terbatasnya biaya
- Faktor pengadaan tempat jika ditambahkan loket untuk
pelayanan.
LAMPIRAN
Parameter – Parameter performance sistem.
Model Awal Utilitas
Replikasi 1
Replikasi 2
Replikasi 3
Replikasi 4
Replikasi 5
Model Awal Panjang Antrian
Replikasi 1