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:


rata waktu tunggu output arena dengan sistem nyata


waktu tunggu output arena dengan sistem nyata





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


12345


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:


rata utilitas pada masing-masing scenario yang

telah dibuat


utilitas pada masing-masing scenario yang telah

dibuat





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



panjang antrian Model Skenario 1



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:


rata panjang antrian pada masing-masing scenario

yang telah dibuat


panjang antrian pada masing-masing scenario yang

telah dibuat





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

Pola data dari masing – masing dataData kedatangan :

Pola Data Operasi

Parameter – Parameter performance sistem.

Model Awal Utilitas

Replikasi 1

Replikasi 2

Replikasi 3

Replikasi 4

Replikasi 5

Model Awal Panjang Antrian

Replikasi 1

Replikasi 2

Replikasi 3

Replikasi 4

Replikasi 5

LR MODUL 2 110421100003 110421100010

Documents

Transcript of LR MODUL 2 110421100003 110421100010