Upload
fuadd-ariess
View
60
Download
5
Embed Size (px)
Citation preview
BAB IPENDAHULUAN
1.1Latar Belakang
Pada era saat ini, pembangunan telah menjadi aspek yang sangat
penting di dunia. Pembangunan bukan lagi menjadi proyek yang
dilakukan hanya sebagai syarat suatu negara agar dikatakan sebagai
negara maju, akan tetapi pembangunan saat ini sudah menjadi
kebutuhan setiap negara itu sendiri. Kebutuhan akan pembangunan
gedung-gedung bertingkat yang kini semakin meningkat sudah pasti
berpengaruh terhadap kebutuhan bahan-bahan bangunan seperti
beton tiang pancang bulat/spunt pile.
Meningkatnya kebutuhan bahan bangunan seperti spunt pile
mengharuskan setiap perusahaan beton spunt pile meningkatkan
produktivitasnya agar selalu dapat memenuhi demand yang ada. PT.
Beton Prima Indonesia adalah salah satu perusahaan yang
memproduksi beton spunt pile. Dalam proses produksinya, PT. Beton
Prima Indonesia masih menggunakan operator/manual dalam
beberapa proses sehingga mengakibatkan lama waktu produksi yang
tidak konstan. Hal ini dapat merugikan perusahaan karena
produktivitas yang dihasilkan terkadang menjadi kurang maksimal.
Untuk memperbaiki sistem yang kurang optimal di PT. Beton Prima
Indonesia, dapat menggunakan metode simulasi.
Simulasi adalah suatu metodologi untuk melaksanakan percobaan
dengan menggunakan model dari suatu sistem nyata. Sehingga kita
bisa mensimulasikan proses produksi spunt pile pada PT. Beton Prima
Indonesia agar kita dapat melihat serta memperbaiki sistem yang ada
sehingga dapat menghasilkan output yang optimal.
1.2Tujuan
Tujuan dari praktikum ini adalah sebagai berikut:
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
1
1. Mengidentifikasi permasalahan yang terdapat pada sistem
produksi spunt pile di PT. Beton Prima Indonesia
2. Memodelkan sistem produksi spunt pile pada PT. Beton Prima
Indonesia menggunakan ACD
3. Memodelkan sistem produksi spunt pile pada software Arena 5.0
serta menstimulasikannya
4. Menganalisis hasil simulasi
5. Memberikan skenario perbaikan terhadap permasalahan yang
muncul dalam sistem produksi spunt pile di PT. Beton Prima
Indonesia, serta menganalisanya
1.3Manfaat
Manfaat yang didapatkan setelah praktikan mengikuti praktikum
ini adalah:
1. Mampu mengidentifikasi permasalahan yang terdapat pada
sistem produksi spunt pile di PT. Beton Prima Indonesia
2. Mampu memodelkan sistem produksi spunt pile di PT. Beton Prima
Indonesia menggunakan ACD
3. Mampu menentukan distribusi waktu menggunakan input analyzer
serta perhitungan secara statistik berdasarkan data sistem nyata
di PT. Beton Prima Indonesia
4. Mampu memodelkan sistem produksi spunt pile pada software
Arena 5.0 serta mensimulasikannya
5. Mampu memberikan skenario perbaikan terhadap permasalahan
yang muncul dalam sistem produksi spunt pile di PT. Beton Prima
Indonesia dan mampu menganalisanya.
1.4Batasan
Batasan yang digunakan pada praktikum ini adalah:
1. Pengamatan pada tiang pancang bulat/spunt pil
2. Pengamatan dilakukan dibagian produksi
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
2
1.5Asumsi
Asumsi yang digunakan pada praktikum ini adalah:
1. Memiliki tingkat kepercayaan 95%
2. Tidak ada mesin yang rusak
3. Operator bekerja dalam keadaan normal
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
3
BAB IIDASAR TEORI
2.1Pengertian Sistem
Menurut Gordon B. Davis (1984), sebuah sistem terdiri dari
bagian-bagian yang saling berkaitan yang beroprasi bersama untuk
mencapai beberapa sasaran atau maksud. Sedangkan, menurut
Raymond Mcleod (2001), sistem adalah himpunan dari unsur-unsur
yang saling berkaitan sehingga membentuk suatu kesatuan yang
utuh dan terpadu.
Sistem memiliki beberapa karakteristik antara lain:
1. Kejadian (event), merupakan suatu peristiwa yang dapat merubah
keadaan sistem.
2. Aktivitas (activity), merupakan suatu proses yang menyebabkan
perubahan dalam sistem yang dapat mengubah atribut meupun
entity.
3. Hubungan (relationship), merupakan kesinambungan interaksi
antara dua objek atau lebih yang memudahkan proses
pengenalan satu akan yang lain.
4. Antarmuka penghubung (interface), merupakan media
penghubung antar subsistem.
5. Elemen-elemen, merupakan komponen bagian dari sistem yang
berupa entitas atau subsistem.
6. Atribut, merupakan sebutan, sifat atau karakteristik yang memiliki
elemen sistem. Terdapat dua macam atribut, yaitu parameter dan
variable.
7. Batas sistem (boundary), merupakan daerah yang membatasi
antar sistem atau lingkungan luarnya.
8. Lingkungan luar (environment), merupakan apapun diluar dari
sistem yang mempengaruhi operasi sistem.
9. Masukan sistem (input), merupakan suatu energi yang dimasukan
dalam suatu sistem.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
4
10. Pengganggu (disturbance/noise), merupakan faktor-faktor yang
menyebabkan terjadinya kesalahan pada sistem.
11. Keluaran sistem (output), merupakan hasil dari energi yang diolah
dan diklasifikasikan menjadi keluaran.
12. Umpan balik (feedback), merupakan reaksi dan respon
stakeholder atas sistem yang dilakukan.
13. Ukuran performansi system dibagi menjadi dua yaitu transient
state dan steady state.
14. Proses pengolahan (transformation process), merupakan suatu
proses yang akan merubah masukan menjadi keluaran.
15. Perilaku sistem (behaviour), merupakan perilaku dari sistem yang
melibatkan masukan, pengolahan, dan keluaran.
2.2Pengertian Model
Model adalah pola (contoh, acuan, ragam) dari sesuatu yang akan
dibuat atau dihasilkan (Departemen P dan K, 1984: 75). Definisi lain
dari model adalah abstraksi dari sistem sebenarnya, dalam gambaran
yang lebih sederhana serta mempunyai tingkat prosentase yang
bersifat menyeluruh, atau model adalah abstraksi dari realitas
dengan hanya memusatkan perhatian pada beberapa sifat dari
kehidupan sebenarnya.
2.3Pengertian Simulasi
Simulasi merupakan suatu metodologi untuk melaksanakan
percobaan dengan menggunakan model dari suatu sistem nyata
(Siagian, 1987). Simulasi adalah model dari suatu sistem nyata,
dimana sistem tersebut dimodelkan dengan menggunakan sebuah
software yang berfungsi untuk menirukan prilaku sistem nyata.
2.3.1Elemen Simulasi
Suatu sistem dalam simulasi mencakup entities, activities,
resources, and control. Elemen-elemen tersebut mendefinisikan
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
5
siapa, apa, di mana, kapan, dan bagaimana suatu entity diproses.
Berikut merupakan penjelasan elemen dasar permodelan:
1. Entities, yaitu segala sesuatu yang dapat di proses.
2. Activity, yaitu kegiatan yang dilakukan dalam sistem yang
mempengaruhi entitas baik secara langsung atau tidak langsung.
3. Resources, yaitu alat/operator untuk menjalankan aktivitas.
4. Controls, yaitu segala sesuatu yang menentukan bagaimana,
kapan, dan dimana aktivitas dijalankan.
Gambar 2.1 Elemen simulasiSumber : Mckeod(2001)
2.4Definisi Arena Simulation Software
Arena adalah sebuah program penyusun model dan juga
merupakan simulator yang masuk dalam kategori high level program.
Arena juga termasuk software simulasi yang memiliki ciri general
purpose simulation language, dimana pengguna dapat membangun
model, templates, bahkan membuat sendiri modul jika diperlukan
dengan menggunakan bantuan program seperti Visual Basic, Fortran,
atau C/C++.
2.4.1Modul Arena Simulation Software
Berikut ini adalah modul-modul yang digunakan pada Arena
simulation software:
a. Create Module
Create module merupakan modul sebagai titik awal entitas dalam
model simulasi untuk mendefinisikan kedatangan entitas ke
dalam suatu sistem. Contoh: Kedatangan pelanggan untuk proses
pelayanan.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
6
Gambar 2.2 Modul create
b. Dispose Module
Dispose module merupakan modul sebagai titik akhir untuk
entitas dalam modul simulasi. Contoh: Customer keluar dari bank.
Gambar 2.3 Modul disposec. Process Module
Process module digunakan untuk mendefinisikan proses. Server
dapat berupa sebuah resource atau transporter. Contoh:
Memenuhi pesanan.
Gambar 2.4 Modul processd. Decide Module
Decide module digunakan untuk pengambilan keputusan proses
dalam sistem. Contoh: Pengiriman part yang benar untuk diproses
lebih lanjut atau pengiriman part yang salah untuk dikerjakan
kembali untuk perbaikan.
Gambar 2.5 Modul decidee. Batch Module
Batch module digunakan sebagai mekanisme pengelompokan
dalam model simulasi. Contohnya: Membawa bersama sajian
makanan berserta minuman sebelum di hidangkan.
Gambar 2.6 Modul batch
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
7
f. Separate Module
Separate module digunakan untuk menyalin baik entitas yang
masuk menjadi beberapa entitas atau untuk membagi sebuah
entitas yang sebelumnya telah di batch. Contohnya:
Memindahkan kotak dari container dan mengirimkan entitas ke
beberapa tempat.
Gambar 2.7 Modul separate
g. Assign Module
Assign module memberikan penetapan nilai kepada variabel
pengguna yang di definisikan, tingkat atau level kontinu, atribut
entitas atau gambar, variabel-variabel status model, atau tempat
sumber daya. Contoh: Mengakumulasikan nomor-nomor dari sub
part yang menyusun part.
Gambar 2.8 Modul assign
2.4.2 Input Analyzer
Input Analyzer merupakanbagian dari software Arena.Tools ini
digunakan untuk menentukan fungsi distribusi probabilitas dari data
input. Selain itu juga dapat digunakan untuk mencocokkan fungsi
spesifik dari distribusi data file dan membandingkan fungsi distribusi
atau untuk menampilkan efek dari perubahan parameter untuk
distribusi yang sama. Input Analyzer menampilkan input data acak
tersebut yang kemudian dapat dianalisis menggunakan fitur
perangkat lunak fitting distribution untuk mencari bentuk distribusi
yang cocok menggambarkan data tersebut. Data yang akan
dimasukkan sebelumnya harus disimpan dalam Notepad dengan
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
8
format .txt karena Input Analyzer Arena hanya dapat membaca
masukan dari format .txt.
2.4.3Process Analyzer
Proses Analyzer membantu dalam mengevaluasi alternatif yang
disajikan oleh eksekusi model simulasi scenario yang berbeda. Hal ini
berguna untuk pengembangan model simulasi, serta pembuatan
keputusan dimana tidak dikenal dengan model, namun akrab disebut
dengan menangani solusi model simulasi. Biasanya process analyzer
untuk menentukan scenario mana yang cocok sehingga bisa
mendapatkan WIP yang minimum.
2.5Activity Cycle Diagram
Activity Cycle Diagram (ACD) adalah bahasa grafik/gambar yang
memodelkan sistem dengan menunjukan hubungan interaksi antar
elemen dengan perubahan secara diskrit terhadap waktu. Entitas di
ACD ada dua yaitu entitas permanen dan sementara. Sedangkan
aktivitas pada ACD ada dua, pasif dan aktif.
Tabel 2.1 Modul Activity Cycle DiagramNo
Nama Simbol
Lambang Keterangan
1 GenerateMerepresentasikan menciptakan (create)
atau membangkitkan (generate) entitas
2 TerminateMerepresentasikan membuang atau
memberhentikan entitas.
3 Passive Merepresentasikan aktivitas pasif.
4 Active Merepresentasikan aktivitas aktif.
5 Panah
(connect)
Merepresentasikan relasi urutan antar
node yang menunjukkan bahwa
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
9
status/aktivitas pendahulu berubah atau
berlanjut menjadi status/aktivitas
berikutnya.
2.6Distribusi Probabilitas
Mengenai distribusi data dan macam-macam distribusi data
terdapa pada mega project.
2.6.1Distribusi Kontinyu
Salah satu macam distribusi probabiltas, yaitu model matematika
yang menghubungkan nilai variabel dengan probabilitas terjadinya
nilai itu. Distribusi Kontinyu memiliki sifat kontinyu, data yang diamati
berjalan secara berkesinambungan dan tidak terputus.
2.6.1.1 Distribusi Uniform
Distribusi uniform pada umumnya digunakan variabel acak
seragam (uniform) umum digunakan karena tidak adanya informasi
tentang ditribusi yang mendasari yang dimodelkan.
a. Probability Density Function (pdf)
Probability Density Function (pdf)
Using Maximum Convention1
b−afor a≤ x≤b
0 for x<a∨x>b (2-1)
b. Cummulative Distribution Function (cdf)
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
10
Cummulative Distribution Function
0 for x<a
x−ab−a
for a≤ x<b (2-2)
1 for x ≥b
X=a+( b−a )U
U diperoleh dari U=RN (0,1 ) (2-3)
2.6.1.2 Distribusi Normal
Sebuah fungsi yang berbentuk lonceng dengan parameter µ dan
σ. Variabel acak normal digunakan untuk memodelkan banyak
fenomena acak yang dapat dinyatakan sebagai jumlah variabel
acak, berdasarkan central limit theorem. Analisis harus berhati-hati
dalam menggunakan distribusi normal untuk model fenomena acak,
yang tidak dapat mengasumsikan nilai negatif. Distribusi normal
pada umumnya digunakan untuk menggambarkan proses.
a. Probability Density Function (pdf)
Probability Density Function
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
11
f ( x ,μ ,σ )= 1σ x√2π
e
(x−μx)2
(2σ x2 ) dt (2-
4)
b. Cummulative Distribution Function (cdf)
Cummulative Distribution Function
∫−∞
x
f (t ; μx , σ x )dt=∫−∞
x1
σ x √2πe
(t−μx )2
(2σ x2 ) dt (2-
5)
2.6.1.3 Distribusi Triangular
Sebuah distribusi dengan batas bawah a, modus c dan batas
atas b. Variabel acak trianguler digunakan ketika distribusi yang
mendasari tidak diketahui, tetapi masuk akal untuk mengasumsikan
bahwa nilai berkisar dari berapa nilai minimal, bentuk linear kurva
PDF adalah cara paling sederhana untuk mewakili jenis perilaku.
Variabel acak trianguler biasanya digunakan untuk
merepresentasikan proses.
a. Probability Density Function (pdf)
Probability Density Function
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
12
0 for x<a ,
2 ( x−a )(b−a ) (c−a )
for a≤x ≤c ,
2 (b−x )(b−a ) (b−c )
for c< x≤b ,
0 for b<x (2-6)
b. Cummulative Distribution Function (cdf)
Cummulative Distribution Function
0 for x<a ,
( x−a )2
(b−a ) (c−a )for a≤x ≤c ,
1−(b−x )2
(b−a ) (b−c )for c<x≤b , (2-7)
1 for b<x
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
13
2.6.1.4 Distribusi Eksponensial
Fungsi eksponensial adalah salah satu fungsi yang paling penting
dalam matematika. Biasanya fungsi ini ditulis dengan notasi exp (x)
atau ex, dimana e adalah basis logaritma natural yang kira-kira
sama dengan 2.71828183. Variabel acak eksponensial banyak
digunakan untuk model “acak” waktu antar kedatangan untuk waktu
kontinyu. Variabel acak eksponensial biasanya digunakan untuk
mempresentasikan interval pelanggan, banyaknya kegagalan, dan
sebagainya.
a. Probability Density Function (pdf)
Probability Density Function
λ e− λx (2-8)
b. Cummulative Distribution Function (cdf)
Cummulative Distribution Function
1−e−λx (2-9)
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
14
2.6.1.5 Distribusi Gamma
Nilai antara a dan b dimana a > b, dan probabilitas dari semua
nilai-nilai adalah sama.
a. Probability Density Function (pdf)
Probability Density Function
xk−1exp (−x
θ)
Γ (k)θk(2-
9)
b. Cummulative Distribution Function(cdf)
Cummulative Distribution Function
γ (k ,xθ)
Γ (k )(2-10)
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
15
2.6.1.6 Distribusi Weibull
Biasanya digunakan untuk menyelesaikan masalah-masalah yang
menyangkut lama waktu (umur) suatu objek yang mampu
bertahan hingga akhirnya objek tersebut tidak berfungsi
sebagaimana mestinya . Distribusi weibull pada umumnya
digunakan untuk mempresentasikan waktu kerusakan.
a. Probability Density Function (pdf)
Probability Density Function
f ( x )= kλ ( x
λ )k−1
e−( x
λ)k
x ≥0 x<0 (2-11)
b. Cummulative Distribution Function(cdf)
Cummulative Distribution Function
1−e−( x
λ)k
x≥0
0 x<0 (2-12)
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
16
2.6.1.7 Distribusi Lognormal
Merupakan distribusi probabilitas sebuah peubah (variabel) acak
yang logaritmanya tersebar secara normal.
a. Probability Density Function (pdf)
Probability Density Function
1x√2πσ
e−ln x−μ2
2μ2 (2-13)
b. Cummulative Distribution Function (cdf)
Cummulative Distribution Function
12+ 12
erf [ ln x−μ2σ ] (2-
14)
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
17
Distribusi lognormal pada umumnya digunakan untuk
merepresentasikan waktu kerusakan.
2.6.2Distribusi Diskrit
Distribusi dimana perubahnya secara teoritis tidak dapat
menerima sembarang nilai diantara dua nilai yang diberikan. Sering
lebih mudah bila semua peluang suatu peubah acak x dinyatakan
dalam suatu rumus. Tetapi juga tidak menutupi kemungkinan apabila
distribusi diskrit dinyatakan dalam bentuk grafik ataupun dalam
bentuk label.
2.6.2.1 Distribusi Poisson
Merupakan limit dari distribusi binomial dengan banyaknya
percobaan n relatif besar. Distribusi poisson pada umumnya
digunakan untuk menggambarkan jumlah kedatangan dalam satu
satuan waktu.
a. Probability Mass Function (pmf)
Probability Mass Function
e−λ λk
k !(2-
15)
b. Cummulative Distribution Function (cdf)
Cummulative Distribution Function
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
18
Γ (⌊ k+1 ⌋ , λ )⌊k ⌋ !
for k≥0 (2-16)
2.6.2.2 Distribusi Binomial
Setiap percobaan hasilnya dapat dibedakan dalam 2 macam
kejadian: berhasil (probabilitas dinyatakan dengan notasi p) atau
tidak berhasil (probabilitas dinyatakan dengan notasi q=1-p).
Masing-masing percobaan merupakan peristiwa yang bersifat bebas
yaitu peristiwa yang satu tidak mempengaruhi peristiwa yang lain.
a. Probability Mass Function (pmf)
Probability Mass Function
(nk) pk (1−p)n−k(2-17)
b. Cummulative Distribution Function (cdf)
Cummulative Distribution Function
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
19
I 1−p(n−⌊k ⌋ ,1+⌊ k ⌋ ) (2-18)
2.6.2.3 Distribusi Geometri
Percobaan bebas dilakukan berulang, dapat menghasilkan
keberhasilan dengan probabilitas p dan kegagalan dengan probabilitas
q=1-p.
a. Probability Mass Function (pmf)
Probability Mass Function
(1−p)k−1 p (2-
19)
b. Cummulative Distribution Function (cdf)
Cummulative Distribution Function
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
20
1−(1−p)k (2-20)
2.7Verifikasi dan Validasi
Verifikasi adalah proses mengevaluasi suatu model apakah telah
memenuhi kondisi seperti yang dirancang pada awal pengembangan,
dengan pemeriksaan program komputer. Verifikasi dilakukan dengan
membandingkan antara input yang diberikan model dan animasi
running simulasi.
Teknik verifikasi ada 4, yaitu:
Teknik 1: Dalam pengembangan model simulasi, tuliskan
program komputer terbagi dalam beberapa
modul/subprogram/routine.
Teknik 2: Perancangan program simulasi akan lebih baik jika
merupakangabungan dari ide beberapa orang yang tergabung
dalam satu tim, agar model lebih berkembang dan tidak terbatas
oleh persepsi satu orang saja (jalan di tempat, structure walk
through)
Teknik 3: Jalankan simulasi dengan variasi masukan
parameter dan amati hasilnya, apakah beralasan dan dapat
diterima.
Teknik 4: Lakukan pemrosesan simulasi bertahap (trace) untuk
mengamati
proses kejadian dan perubahan nilai variabelnya.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
21
Validasi adalah proses penentuan apakah model, sebagai
konseptualisasi atau abstraksi, merupakan representasi berarti dan
akurat dari sistem nyata (Hoover dan Perry, 1989). Validasi dilakukan
dengan membandingkan output hasil simulasi dengan kondisi aktual,
dengan menggunakan uji T, untuk mengetahui bahwa data dari
model dan aktual berasal dari distribusi yang sama, maka model
dikatakan valid.
Macam-macam pengujian validasi yakni:1. Unit Test, merupakan pengujian difokuskan pada unit terkecil
dari suatu modul program.
2. Integration Test, merupakan pengujian terhadap unit-unit
program yang saling berhubungan (terintegrasi) dengan fokus
pada masalah interfacing. Dapat dilaksanakan secara top-down
integration atau bottom-up integration.
3. System Test, merupakan pengujian yang dilakukan sepenuhnya
pada sistem
berbasis komputer. Terdiri atas recovery testing (penanganan
kegagalan),
4. Security testing (mekanisme proteksi), stress testing (situasi tidak
normal)
5. Acceptance Test, merupakan pengujian terakhir sebelum sistem
dipakai oleh user. Terdiri atas requirement test (pemenuhan
kebutuhan), black box test (uji keluaran yang tidak berbeda
signifikan), dan white box test (algoritma representasi proses)
3
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
22
BAB IIIMETODOLOGI PRAKTIKUM
3.1 Diagram Alir Praktikum
Berikut ini merupakan digram alir dari praktikum:
Gambar 3.1 Diagram alir praktikum
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
23
3.2 Prosedur Praktikum
Langkah-langkah yang perlu dilakukan dalam praktikum ini adalh:
1. Mulai
2. Studi Kepustakan
3. Pengamatan Pendahuluan
4. Penentuan Fokus Pengamatan
5. Pengambilan Data
6. Pengolahan Data
7. Permodelan Sistem dengan ACD
8. Penentuan Distribusi
9. Permodelan Sistem dengan Arena
10. Verifikasi
11. Simulasi Sistem dengan Arena
12. Validasi
13. Analisa dan Pembahasan
14. Skenario dengan Process Analyzer
15. Analisa dan Pembahasan Hasil Eksperimen
16. Kesimpulan Saran
17. Selesai
3.3Hasil Pengamatan Pendahuluan
Entitas masuk berupa pc bar kemudian di masukan ke proses
pemotongan. Pada proses pemotongan dilakukan pemotongan
dengan mesin cutting. Lalu di heading dengan mesin heading.
Setelah proses ini maka dilakukan proses gulung spiral lalu proses
pemasangan emplit dan dilanjutkan proses setting. Setalah proses
setting dilakukan penuangan concentrate (campuran semen, pasir,
dan lainnya) dari dalam batching plan, dialirkan dengan conveyor ke
dalam cetakan setelah itu proses pemasangan sil mur baut, kemudian
proses stressing (penarikan). Kemudian dilakukan proses spining
(pemadatan). Setelah proses ini dilakukan kemudian dilanjutkan pada
proses steaming dengan mesin boiler. Setelah proses ini selesai
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
24
dilakukan pelepasan mur dan baut pada cetakan dan cetakan akan
kembali lagi ke stasiun kerja setting sedangkan produk beton tiang
pancang/spunt pile akan dilakukan proses finishing meliputi
pemotongan strant, pengecatan emplit, marking, kemudian di
delivery menggunakan truck.
Permasalahan ada pada proses pemotongan, dimana pada proses
pemotongan di lakukan secara manual sehingga menyebabkan waktu
yang tidak konstan.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
25
BAB IVANALISIS DAN PEMBAHASAN
4.1Gambaran Sistem
PT. Beton Prima Indonesia adalah merupakan salah satu
perusahaan yang memproduksi berbagai macam produk beton
pracetak di Indonesia. Studi kasus yang kami ambil adalah untuk
proses produksi tiang pancang yang type spunt pile atau tiang
pancang yang berbentuk bulat yang biasanya di pakai untuk
memperkuat pondasi dari bangunan. Tiang pancang spunt pile di buat
dari PC bar yang berbentuk gelondongan yang kemudian di potong
dengan menggunakan mesin cutting sesuai ukuran yang ditentukan /
sesuai dengan ukurang beton tiang pancang yang ingin di produksi
(rata-rata ukuran 12 m dan dipotong menjadi 6 bagian). Setelah dari
mesin cutting, pc yang sudah terpotong di bawah ke mesin heading
sebanyak 6 setiap pengambilan, untuk dilakukan proses heading
untuk ujung-ujung dari pc bar yang berfungsi sebagai pengunci dari
emplitnya kemudian masuk ke proses gulung spiral satu persatu
setelah proses gulung spiral yaitu proses pemasangan emplit yang
dilakukan oleh pekerja yang dilakukan secara manual.
Setelah pemasangan emplit, dilakukan setting yaitu geronjong
spiral dimasukkan kedalam cetakan (molding) satu persatu kemudian
proses feeding (penuangan concentrate kedalam cetakan) yang
dialirkan melalui dari batching plan melalui conveyor dengan volume
sesuai ukuran beton yang di produk. Setelah itu dengan
menggunakan crane, molding yang sudah terisi di pindahkan ke
proses stressing yaitu proses penarikan beton dengan yang
tergantung spesfikasinya tetapi sebelum proses itu dilakukan terlebih
pemasangan mur dan baut. Setelah proses stressing selesai
dilakukan proses spinning yaitu proses pemadatan beton tiang
pancang. Setelah itu dilakukan proses steaming. Setelah proses
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
26
steaming selesai dilakukan proses the molding yaitu proses
pelepasang tiang pancang dari cetakan dan juga pelepasan sill dan
baut dari tiang pancang setalah itu baru dilakukan proses finishing.
Tabel 4.1 Rekap data pembuatan spunt pile
Cutting
Heading
gulung
spiral
pasang
emplit
setting
Feeding
Pasang
baut
Stress
ing
Spinnig
Steam
Ing
Molding
Finishing
2 1 4 8,1 6 1,45 3,1 3,4 9 13 3,8 13,11,4 1,3 5,2 7,5 5,38 1,86 2,9 3,7 9 13 5,1 12,41,3 1,5 6,1 7,5 5,9 2 3,75 3,7 9 13 2,7 14,9
1,4 1,4 3,5 6 6,3 2,3 2,4 3,68 9 13 3,9 13,91,9 1,3 5,2 8,1 5,5 2,2 2,4 4,3 9 13 4,9 13,5
1,5 1 6,1 7,5 6 1,45 2,9 3,4 9 13 4,38 13,1
1,8 1,3 3,5 6 5,38 1,86 3,75 3,7 9 13 5,48 12,41,2 1,5 5,2 7,5 5,9 2 2,4 3,7 9 13 3,8 14,91,5 1,4 6,1 6 6,3 2,3 3,1 3,68 9 13 5,1 13,9
1,4 1 3,5 8,1 5,5 2,2 2,9 4,3 9 13 2,7 13,51,9 1,3 2,95 7,5 5,38 1,86 3,75 3,4 9 13 3,9 13,11,3 1,5 5,2 6 5,9 2 2,4 3,7 9 13 4,9 12,4
1,4 1,4 6,1 7,5 6,3 2,3 2,4 3,7 9 13 3,8 14,91,9 1,3 3,5 7,5 5,5 2,2 2,9 3,68 9 13 5,1 13,91,8 1,5 5,2 6 6 1,86 3,75 4,3 9 13 2,7 13,51,5 1 6,1 8,1 5,38 2 2,4 3,4 9 13 3,9 13,11,8 1,3 3,5 7,5 5,9 2,3 2,4 3,7 9 13 4,9 12,42,1 1,5 5,2 6 6,3 2,2 2,4 3,7 9 13 4,38 14,92,1 1,4 6,1 7,5 5,5 1,45 2,9 3,68 9 13 5,48 13,9
1,98 1,3 5,2 6 5,38 1,86 3,75 4,3 9 13 3,8 13,52,1 1 6,1 8,1 5,9 1,86 2,4 3,4 9 13 5,1 13,11,5 1,3 5,2 7,5 6,3 2 3,1 3,7 9 13 2,7 12,41,5 1,5 6,1 7,5 5,5 2,3 2,9 3,7 9 13 3,9 14,91,5 1 5,2 6 6 2,2 3,75 3,68 9 13 4,9 13,91,5 1,3 6,1 8,1 5,38 1,86 2,4 4,3 9 13 4,9 13,51,9 1,5 3,5 7,5 5,9 2 2,4 3,4 9 13 4,38 13,11,5 1 2,95 6 6,3 2,3 2,9 3,7 9 13 5,48 12,41,5 1 5,2 7,5 5,5 2,2 3,75 3,7 9 13 3,8 14,91,5 1,3 6,1 6 5,38 1,45 2,4 3,68 9 13 5,1 13,91,9 1,5 5,2 8,1 5,9 1,86 2,4 4,3 9 13 2,7 13,51,5 1,4 6,1 7,5 6,3 2 2,4 4,3 9 13 3,9 13,91,8 1,3 3,5 7,5 5,5 2,3 2,9 3,4 9 13 4,9 13,5
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
27
1,8 1 2,95 6 6 2,2 3,75 3,7 9 13 4,38 13,1
1,2 1,3 5,2 8,1 5,38 1,86 2,4 3,7 9 13 5,48 12,41,8 1 6,1 7,5 5,9 2 3,1 3,68 9 13 3,8 14,92,1 1,3 3,5 6 6,3 2,3 2,9 4,3 9 13 5,1 13,9
1,5 1,5 5,2 7,5 5,38 2,2 3,75 3,4 9 13 2,7 13,51,8 1,4 6,1 6 5,9 1,86 2,4 3,7 9 13 3,9 13,11,8 1 3,5 8,1 6,3 2 2,4 3,7 9 13 4,9 12,4
Tabel 4.1 Rekap data pembuatan spunt pile (lanjutan)
Cutting
heading
gulung
spiral
pasang
emplit
setting
Feeding
Pasang
baut
Stress
ing
Spinnig
Steam
Ing
Molding
Finish
ing
2,2 1,3 2,95 7,5 5,5 2,3 2,9 3,68 9 13 4,9 14,91,8 1 5,2 7,5 6 2,2 3,75 4,3 9 13 4,38 13,9
1,4 1,3 6,1 6 5,38 1,45 2,4 3,4 9 13 5,48 13,51,9 1,5 5,2 8,1 5,38 1,86 3,1 3,7 9 13 3,8 13,1
1,5 1 6,1 7,5 5,9 2 2,9 3,7 9 13 5,1 12,4
1,4 1 5,2 7,5 6,3 1,86 3,75 3,68 9 13 2,7 14,91,9 1,3 6,1 6 5,5 2 2,4 4,3 9 13 3,9 13,9
1,5 1 5,2 8,1 6 2,3 2,4 3,4 9 13 4,9 13,51,5 1,3 6,1 7,5 5,38 2,2 2,9 3,7 9 13 4,9 13,11,8 1,5 3,5 6 5,9 1,45 3,75 3,7 9 13 4,38 12,42,1 1,4 2,95 7,5 6,3 1,86 2,4 3,68 9 13 5,48 14,9
4.2Pengolahan Data4.2.1Uji Keseragaman Data
Uji keseragaman data dilakukan untuk mengetahui, apakah data
seragam, dan tidak ada yang outliner. Uji keseragaman data
dilakukan dengan menghitung batas atas, rata-rata, dan batas bawah
data. Untuk kemudian dilakukan analisa menggunakan grafik, dan
dilakukan revisi, atau penambahan data jika terdapat data yang
keluar control.
Berikut ini adalah perhitungan keseragaman data pada waktu
proses pemotongan:
a. Rata-rata (X) = 2+1.4+1.3+1.4+1.9… ..+1.9+1.5+1.5+1.8+2.1
50 = 1.68
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
28
b. Std = √∑ (xi−x )2
n−1 = √ (2−1.68 )2+(1.4−1.68 )2…..+ (1.8−1.68 )2+(2.1−1.68) ²
49
= 0.269
c. Dengan K = 2, maka:
BKA (Batas Kontrol Atas) = X + kσ = 1.68 + 2.0.269 = 2.218
BKB (Batas Kontol Bawah) = X – kσ = 1.68 – 2.0.269 = 1.142
d. Didapatkan grafik control chart sebagai berikut:
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 490
0.5
1
1.5
2
2.5
waktuBKABKB
Gambar 4.1 Control chart data waktu pemotongan
Berdasarkan grafik diatas, diketahui bahwa tidak ada data yang
keluar dari batas control, sehingga data telah seragam.
4.2.2Uji Kecukupan Data
Uji kecukupan data dilakukan untuk mengetahui apakah data
yang diambil telah cukup, dan mampu mewakili populasi berdasarkan
sistem yang ada. Uji kecukupan data dihitung menggunakan rumus
berikut:
N1 = [ ks √N∑ X i
2−(∑ X i )2
∑ X i]2
, N>N1
Dimana:
N1 = Jumlah pengamatan yang harus dilakukan
K = Tingkat kepercayaan dalam pengamatan. ( k = 2, 1-α = 95%)
S = Derajat ketelitian dalam pengamatan (5%)
Xi = Data pengamatan
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
29
Berdasarkan data yang telah diambil dapat dilakukan perhitungan
sebagai berikut:
N1 = 20.05
√50 x144.25−¿¿¿¿= 6.338 ≈ 6
Karena nilai N ≥ N’ maka dapat disimpulkan, bahwa data yang diambil
telah cukup dan telah mewakili populasi.
4.2.3Uji Independensi Data
Uji independensi dilakukan untuk mengetahui apakah data yang
diambil tidak bergantung kepada variable lain. Data yang diuji
keindependensiannya adalah data yang telah diuji keseragamannya.
50 data tersebut dimasukkan ke dalam scatter diagram, untuk
mengetahui, ada atau tidaknya pola terhadap data tersebut, sehingga
didapatkan grafik sebagai berikut.
0 2 4 6 8 10 1202468
1012 waktu
waktu
Gambar 4.2 Uji regresi data waktu pemotongan
Berdasarkan scatter diagram diatas, diketahui bahwa data tidak
membentuk pola tertentu sehingga data dinyatakan independen.
4.3Penentuan Parameter Distribusi dengan Input Analyzer
Penentuan bilangan acak menggunakan software ARENA dengan
media Input Analyzer, memiliki langkah-langkah sebagai berikut:
1. Buka program ARENA.
2. Pilih menu Tools – Input Analyzer.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
30
3. Masukan data waktu dalam Data Table, setelah muncul lembar
kerja, klik File > Data File > Use Exsiting > Pilih lokasi dan nama
file.
4. Kemudian akan muncul suatu grafik, Klik Fit > Fit All.
5. Untuk memindahkan expression, blok nilai expression, klik Edit
dan pilih copy expression.
6. Pindahkan nilai expression ke model Arena yang sesuai.
Berikut table distribusi waktu masing-masing proses pada system.
4.4Penentuan Parameter Distribusi Pembangkitan Bilangan
Acak
Penentuan distribusi menggunakan Microsoft Excel dengan cara
membangkitkan bilangan acak berdasarkan parameter pada masing –
masing distribusi dengan menggunakan tool Random Generator,
dengan langkah – langkah sebagai berikut :
1. Buka Ms. Excel.
2. Aktifkan Data Analysis pada Ms. Excel.
Gambar 4.3 Cara mengaktifkan Data Analysis pada Microsoft Excel
3. Masukkan data pada lembar kerja Ms. Excel.
4. Hitung parameter yang dibutuhkan pada distribusi yang
diinginkan sehingga pada Ms. Excel juga dilakukan pembangkitan
bilangan yang berdistribusi normal, yakni parameter rata –rata
dan standar deviasi. Proses yang akan dibangkitkan datanya
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
31
mempunyai rata – rata 1.595918 dan berstandar deviasi
0.223289.
5. Ketikkan banyaknya variabel yang ingin dimunculkan (1) dan
banyaknya data pada variabel tersebut sesuai data yang telah
seragam dan independen. Untuk proses ini data yang diinputkan
sebanyak 50 dan diketahui data berdistribusi triangular.
Gambar 4.4 Cara membangkitkan bilangan random
6. Kemudian akan muncul bilangan berdasarkan distribusi dan
parameter yang telah diatur sebelumnya.
7. Pada tabel 4.3 akan ditampilkan data hasil pengamatan dan data
pembangkitan bilangan
Tabel 4.3 Data hasil pengamatandan data hasil pembangkitan bilanganN
omor
X D
ata
Genera
te
Nomo
r
X D
ata
Genera
te
Nomo
r
X D
ata
Genera
te
1 1,21,1063
61 18 1,51,6257
74 35 1,81,8304
45
2 1,21,2152
69 19 1,51,6337
6 36 1,81,8310
84
3 1,31,2975
89 20 1,51,6468
53 37 1,81,8386
76
4 1,31,3614
81 21 1,51,6524
17 38 1,81,8432
5
5 1,31,3772
1 22 1,51,6582
12 39 1,81,8506
76
6 1,41,4078
04 23 1,51,6649
56 40 1,81,8722
22
7 1,41,4401
66 24 1,51,6787
23 41 1,81,8794
04
8 1,41,4408
46 25 1,51,6792
81 42 1,81,8830
05
9 1,41,4658
25 26 1,51,6857
05 43 1,81,8910
8
10 1,41,4989
86 27 1,51,7097
9 44 1,91,8967
02
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
32
11 1,41,5109
07 28 1,51,7110
97 45 1,91,9075
45
12 1,41,5167
01 29 1,51,7132
18 46 1,91,9414
61
13 1,51,5372
73 30 1,81,7580
86 47 1,92,0382
48
14 1,51,5411
02 31 1,81,7604
6 48 1,92,0768
8
15 1,51,5452
63 32 1,81,7634
44 49 1,92,0776
25
16 1,51,5513
45 33 1,81,7714
41 501,9 2,0776
25
17 1,51,5514
66 34 1,81,8058
57
4.5Pengujian Distribusi
Pengujian Distribusi dilakukan untuk mengetahui kesesuaian
antara hasil penentuan parameter menggunakan input analyzer dan
menggunakan Ms. Excel. Berikut adalah langkah – langkahnya :
1. Buka Ms. Excel
2. Urutkan data hasil pengamatn mulai yang terkecil hingga yang
terbesar.
3. Urutkan data hasil pembangkitan bilangan mulai yang terkecil
hingga terbesar
4. Tentukan nilai tertinggi dan terendah dari kedua data tersebut
5. Hitung range dari kedua data tersebut, contoh pengukuran adalah
sebagai berikut :
Nilai Terendah :1,106361
Nilai tertinggi : 2,077625
R = 2,077635 – 1,106361= 0,9713
6. Hitung banyak kelas yang ada pada distribusi data tersebut .
Berikut adalah contoh perhitungannya:
K = 1 + 3,3 log (n)
= 1 + 3,3 log(50)
= 1 + 5,68
= 6,68 (dibulatkan menjadi 7 kelas)
7. Hitung range pada masing – masing kelas. Berikut adalah contoh
perhitungannya :
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
33
r = RK
= 0,97137
= 0,138752
8. Hitung batas atas dan batas bawahnya. Berikut adalah contoh
perhitungannya:
a. Batas bawah = nilai terkecil keseluruhan data = 1,106361
b. Batas atas = BB + r
= 1,106361 + 0,138752
= 1,245113029
9. Hitung Frekuensi Relatif dan Frekuensi Kumulatif pada masing –
masing kelas pada data hasil pengamatan dari data hasil
pembangkitan bilangan, berikut adalah contoh perhitungan untuk
kelas ketiga untuk data hasil pengamatan.
a. FR = 24
b. FC = FR3 + FC 2
= 24 + 5
= 29
10. Hitung nilai PR dan PC pada masing – masing kelas pada data
pengamatan dan data hasil pembangkitan bilangan, berikut
adalah contoh perhitungan untuk kelas ketiga data hasil
pengamatan :
a. PR =FRn
=247
= 0,48
b. PC = FCn
=297
= 0,58
Berikut merupakan tabel hasil perhitungan frekuensi dan
probabilitas pada masing – masing data :
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
34
Tabel 4.4 Hasil perhitungan frekuensi dan probabilitas data
Distribusi Data Asli Distribusi Data Generate
kelas
BB BA FC FR PC PR FC
FR
PC PR
1 1,106361
1,245113
2 2 0,04 0,04 2 2 0,04 0,04
2 1,245113
1,383865
5 3 0,1 0,06 5 3 0,1 0,06
3 1,383865
1,522617
29 24 0,58 0,48 12 7 0,24 0,14
4 1,522617
1,661369
29 0 0,58 0 23 11 0,46 0,22
5 1,661369
1,800121
43 14 0,86 0,28 34 11 0,68 0,22
6 1,800121
1,938873
50 7 1 0,14 46 12 0,92 0,24
7 1,938873
2,077625
50 0 1 0 49 3 0,98 0,06
11. Lakukan perhitungan chi square error dengan cara menghitung
selisih nilai PC data hasil pengamatndan PC data hasil
pembangkitan bilangan. Berikut adalah contoh perhitungan
square error untuk data pada kelas ketiga :
Square error = ( PC data asli– PC data generate)^2
= (0,58 – 0,24)^2 = 0,1156
12. Lakukan perhitungan nilai X, dengan membagi nilai square error
dengan PC data generate, Berikut adalah contoh perhitungan
untuk data pada kelas ketiga:
X = 0,11560,24
= 0,064
13. Jumlahkan nilai X untuk memperoleh nilai Chi Square hitung,
berikut adalah contoh perhitungannya
Chi Square hitung : 0 + 0 + 0,4817 + 0,0313 + 0476 + 0,007 +
0,0004 = 0,568
Tabel 4.5 Perhitungan chi squareK
elasPC asli
PC teori
sqr error
X
1 0,04 0,04 0 0
2 0,1 0,1 0 0
3 0,58 0,24 0,115 0,481
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
35
6 7
4 0,58 0,46 0,0144
0,0313
5 0,86 0,68 0,0324
0,0476
6 1 0,92 0,0064
0,007
7 1 0,98 0,0004
0,0004
14. Hipotesis
a. H0 = Data berdistribusi triangular
H1 = Data tidak berdistribusi triangular
Syarat :
H0 terima jika nilai Chi Square hitung ≤ nilai Chi Square tabel.
Chi Square tabel yang digunakan adalah nilai tabel dengan nilai
a = 5%
b. Df = k – (p-1)
= 7 – (2-1)
= 4
15. Diketahui bahwa nilai tabel untuk distribusi Chi Square df = 4
adalah 9,488. Dapat diketahui bahwa nilai Chi Square hitung ≤
Nilai Chi Square tabel. Maka H0 diterima dan dapat disimpulkan,
bahwa data berdistribusi triangular, dan sesuai dengan jenis
distribusi yang diperoleh pada input analyzer.
4.6Model Konseptual
4.6.1Flowchart Sistem
Berikut adalah flowchart dari sistem pembuatan spunt pile di PT. Beton
Prima Indonesia:
4.6.2ACD
Berikut merupakan Activity Cycle Diagram pada sistem
pembuatan spunt pile.
Terlampir
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
36
4.7Pembuatan Model Sistem
Berikut langkah-langkah pembuatan model.
1. Buka program Arena
2. Pembuatan model dilakukan menggunakan basic process,
advance process, dan advance transver.
Langkah-langkah pembuatan model adalah sebagai berikut:
a. Drag create menuju layout. Klik create 1 kemudian definisikan:
Gambar 4.7 Pendefinisian create 11) Name: Kedatangan PC Bar
2) Entity Type: Entitas PC Bar
3) Time Between Arrivals:
Type: Constant
Value: 1
Units: Minutes
4) Entities per Arrival: 1
5) Max Arrivals: infinite
6) First Creation: 0.0
7) Klik OK
b. Drag station menuju layout. Klik station 1 kemudian definisikan.
Gambar 4.8 Pendefinisian station 1
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
37
1) Name: Stasiun 1
2) Station Type: Station
3) Station Name: Station 1
4) Klik OK
c. Drag process menuju layout. Klik process 1 kemudian definisikan.
4.9 Pendefinisian Process 11) Name: Proses Pemotongan
2) Type: Standart
3) Logic:
Action: Seize Delay Release > Priority: Medium(2) > Resource:
klik add < Type: Resource > Resource Name: Operator
Pemotongan > Quantity: 1 > klik OK
4) Delay Type: Triangular
5) Units: Minutes
6) Allocation: Value Added
7) Minimum: 0.5
8) Value (Most Likely): 1.5
9) Maximum: 2.5
10) Klik OK
d. Drag separate menuju layout. Klik separate 1 kemudian
definisikan.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
38
4.10 Pendefinisian separate 11) Name: Dipotong
2) Type: Duplicate Original
3) Percent Cost to Duplicate (0-100): 50
4) # of Duplicate: 5
5) Klik OK
e. Drag process menuju layout. Klik process 2 kemudian definisikan.
4.11 Pendefinisian process 21) Name: Proses Heading
2) Type: Standart
3) Logic:
Action: Seize Delay Release > Priority: Medium(2) > Resource:
klik add < Type: Resource > Resource Name: Operator Heading
> Quantity: 1 > klik OK
4) Delay Type: Normal
5) Units: Minutes
6) Allocation: Value Added
7) Value (Mean): 1.32
8) Std Dev: 0.237
9) Klik OK
f. Drag process menuju layout. Klik process 3 kemudian definisikan.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
39
4.12 Pendefinisian process 31) Name: Proses Gulung Spiral
2) Type: Standard
3) Logic:
Action: Delay
4) Delay Type: Triangular
5) Units: Hours
6) Allocation: Value Added
7) Minimum: 0.5
8) Value (Most Likely): 1
9) Maximum: 1.5
10) Klik OK
g. Drag Assign menuju layout. Klik assign 1 kemudian definisikan.
Gambar 4.13 Pendefinisian assign 11) Name: Assign Gulung Spiral
2) Assignments:
Klik Add > Type: Attribute > Attribute Name: Gulung Spiral >
New Value: Q
Klik Add > Type: Variable > Variable Name: Q > New Value:
Q+1
3) Klik OK
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
40
h. Drag Batch menuju layout. Klik batch 1 kemudian definisikan.
Gambar 4.14 Pendefinisian batch 1
1) Name: Batch Endplate dan Spiral
2) Type: Permanent
3) Batch Size: 2
4) Save Criterion: Last
5) Rule: Any Entity
6) Klik OK
i. Drag Create menuju layout. Klik create 2 kemudian definisikan.
Gambar 4.15 Pendefinisian create 21) Name: ‘
2) Entity Type: Entitas End Plate
3) Time Between Arrivals:
Type: Constant
Value: 1
Units: Minutes
4) Entities per Arrival: 1
5) Max Arrivals: infinite
6) First Creation: 0.0
7) Klik OK
j. Drag Assign menuju layout. Klik assign 2 kemudian definisikan.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
41
Gambar 4.16 Pendefinisian assign 21) Name: Assign Endplate
2) Assignments:
Klik Add > Type: Attribute > Attribute Name: Barang Endplate >
New Value: W
Klik Add > Type: Variable > Variable Name: W > New Value:
W+1
3) Klik OK
k. Drag Process menuju layout. Klik Process 4 kemudian definisikan.
Gambar 4.17 Pendefinisian process 4
1) Name: Pemasangan Endplate
2) Type: Standart
3) Logic:
Action: Seize Delay Release > Priority: Medium(2) > Resource:
klik add < Type: Resource > Resource Name: Operator Endplate
> Quantity: 1 > klik OK
4) Delay Type: Normal
5) Units: Minutes
6) Allocation: Value Added
7) Value (Mean): 7.44
8) Std Dev: 0.378
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
42
9) Klik OK
l. Drag Route menuju layout. Klik Route 1 kemudian definisikan.
Gambar 4.18 Pendefinisian route 1
1) Name: Ke Stasiun 2
2) Route Time: 10
3) Units: Minutes
4) Destination Type: Station
5) Station Name: Station 2
6) Klik OK
m. Drag Station menuju layout. Klik Station 2 kemudian definisikan.
Gambar 4.19 Pendefinisian station 2
1) Name: Stasiun 2
2) Station Type: Station
3) Station Name: Station 2
4) Klik OK
n. Drag Assign menuju layout. Klik Assign 3 kemudian definisikan.
Gambar 4.20 Pendefinisian assign 3
1) Name: Assign Spiral dan Endplate
2) Assignments:
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
43
Klik Add > Type: Attribute > Attribute Name: Endplate dan
Spiral > New Value: E
Klik Add > Type: Variable > Variable Name: E > New Value:
E+1
Klik Add > Type: Entity Type > Entity Type: Spiral Endplate
3) Klik OK
o. Drag Create menuju layout. Klik Create 3 kemudian definisikan.
Gambar 4.21 Pendefinisian create 3
1) Name: Kedatangan Cetakan
2) Entity Type: Entitas Cetakan
3) Time Between Arrivals:
Type: Constant
Value: 1
Units: Minutes
4) Entities per Arrival: 1
5) Max Arrivals: infinite
6) First Creation: 0.0
7) Klik OK
p. Drag Assign menuju layout. Klik Assign 4 kemudian definisikan.
Gambar 4.22 Pendefinisian assign 4
1) Name: Assign Cetakan
2) Assignments:
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
44
Klik Add > Type: Entity Type > Entity Type: Entitas Cetakan
Klik Add > Type: Attribute > Attribute Name: Cetakan > New
Value: R
Klik Add > Type: Variable > Variable Name: R > New Value:
R+1
3) Klik OK
q. Drag Batch menuju layout. Klik batch 2 kemudian definisikan.
Gambar 4.23 Pendefinisian batch 2
1) Name: Batch Cetakan
2) Type: Temporary
3) Batch Size: 2
4) Save Criterion: Last
5) Rule: Any Entity
6) Klik OK
r. Drag Process menuju layout. Klik process 5 kemudian definisikan.
Gambar 4.24 Pendefinisian process 5
1) Name: Proses Penyettingan
2) Type: Standart
3) Logic:
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
45
Action: Seize Delay Release > Priority: Medium(2) > Resource:
klik add < Type: Resource > Resource Name: Operator
Penyettingan > Quantity: 1 > klik OK
4) Delay Type: Normal
5) Units: Minutes
6) Allocation: Value Added
7) Value (Mean): 6.43
8) Std Dev: 0.311
9) Klik OK
s. Drag Assign menuju layout. Klik assign 5 kemudian definisikan.
Gambar 4.25 Pendefinisian assign 5
1) Name: Assign Penyettingan
2) Assignments:
Klik Add > Type: Attribute > Attribute Name: Spiral Testing >
New Value: Y
Klik Add > Type: Variable > Variable Name: Y > New Value:
Y+1
3) Klik OK
t. Drag Create menuju layout. Klik create 6 kemudian definisikan.
Gambar 4.26 Pendefinisian create 6
1) Name: Concentrate
2) Entity Type: Cor
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
46
3) Time Between Arrivals:
Type: Constant
Value: 1
Units: Minutes
4) Entities per Arrival: 1
5) Max Arrivals: infinite
6) First Creation: 0.0
7) Klik OK
u. Drag Station menuju layout. Klik station 3 kemudian definisikan.
Gambar 4.27 Pendefinisian station 3
1) Name: Stasiun 5
2) Station Type: Station
3) Station Name: Station 5
4) Klik OK
v. Drag Access menuju layout. Klik access 1 kemudian definisikan.
Gambar 4.28 Pendefinisian access 1
1) Name: Access Conveyor
2) Conveyor Name: Conveyor 1
3) # of Cells: 1
4) Queue Type: Queue
5) Queue Name: Access Conveyor Queue
6) Klik OK
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
47
w. Drag Convey menuju layout. Klik convey 1 kemudian definisikan.
Gambar 4.29 Pendefinisian convey 1
1) Name: Conveyor
2) Conveyor Name: Conveyor 1
3) Destination Type: Station
4) Station Name: Station 4
5) Klik OK
x. Drag Station menuju layout. Klik station 4 kemudian definisikan.
Gambar 4.30 Pendefinisian station 4
1) Name: Stasiun 4
2) Station Type: Station
3) Station Name: Station 4
4) Klik OK
y. Drag Exit menuju layout. Klik exit 1 kemudian definisikan.
Gambar 4.31 Pendefinisian exit 1
1) Name: Exit 1
2) Conveyor Name: Conveyor 1
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
48
3) # of Cells: -
4) Klik OK
z. Drag Assign menuju layout. Klik assign 6 kemudian definisikan.
Gambar 4.32 Pendefinisian assign 61) Name: Assign Cor
2) Assignments:
Klik Add > Type: Attribute > Attribute Name: Cor Coran > New
Value: T
Klik Add > Type: Variable > Variable Name: T > New Value:
T+1
3) Klik OK
aa. Drag Assign menuju layout. Klik assign 7 kemudian definisikan.
Gambar 4.33 Pendefinisian assign 71) Name: Assign Penyetingan
2) Assignments:
Klik Add > Type: Attribute > Attribute Name: Spiral Tersetting >
New Value: Y
Klik Add > Type: Variable > Variable Name: Y > New Value:
Y+1
3) Klik OK
bb. Drag Batch menuju layout. Klik batch 2 kemudian definisikan.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
49
Gambar 4.34 Pendefinisian batch 2
1) Name: Batch Cor
2) Type: Temporary
3) Batch Size: 2
4) Save Criterion: Last
5) Rule: Any Entity
6) Klik OK
cc. Drag Process menuju layout. Klik process 6 kemudian definisikan.
Gambar 4.35 Pendefinisian process 6
1) Name: Proses Penuangan
2) Type: Standart
3) Logic:
Action: Seize Delay Release > Priority: Medium(2) > Resource:
klik add < Type: Resource > Resource Name: Operator
Penuangan > Quantity: 1 > klik OK
4) Delay Type: Normal
5) Units: Minutes
6) Allocation: Value Added
7) Value (Mean): 1.29
8) Std Dev: 0.0845
9) Klik OK
dd. Drag Assign menuju layout. Klik assign 7 kemudian definisikan.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
50
Gambar 4.36 Pendefinisian assign 7
1) Name: Assign Spiral Tertuang
2) Assignments:
Klik Add > Type: Attribute > Attribute Name: Spiral Tertuang >
New Value: U
Klik Add > Type: Variable > Variable Name: U > New Value:
U+1
3) Klik OK
ee. Drag Create menuju layout. Klik create 4 kemudian definisikan.
Gambar 4.37 Pendefinisian create 4
1) Name: Sil dan Baut
2) Entity Type: Entitas Sil Baut
3) Time Between Arrivals:
Type: Constant
Value: 1
Units: Minutes
4) Entities per Arrival: 1
5) Max Arrivals: infinite
6) First Creation: 0.0
7) Klik OK
ff. Drag Assign menuju layout. Klik assign 8 kemudian definisikan.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
51
Gambar 4.38 Pendefinisian assign 8
1) Name: Assign Sil Baut
2) Assignments:
Klik Add > Type: Entity Type > Entity Type: Entitas Sil Baut
Klik Add > Type: Attribute > Attribute Name: Sil Baut > New
Value: I
Klik Add > Type: Variable > Variable Name: I > New Value: I+1
3) Klik OK
gg. Drag Batch menuju layout. Klik batch 3 kemudian definisikan.
Gambar 4.39 Pendefinisian batch 31) Name: Batch Sil dan Cor
2) Type: Temporary
3) Batch Size: 2
4) Save Criterion: Last
5) Rule: Any Entity
6) Klik OK
hh. Drag Station menuju layout. Klik station 5 kemudian definisikan.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
52
Gambar 4.40 Pendefinisian station 5
1) Name: Stasiun 9
2) Station Type: Station
3) Station Name: Station 9
4) Klik OK
ii. Drag Process menuju layout. Klik process 7 kemudian definisikan.
Gambar 4.41 Pendefinisian process 7
1) Name: Pemasangan Sil dan Baut
2) Type: Standart
3) Logic:
Action: Seize Delay Release > Priority: Medium(2) > Resource:
klik add < Type: Resource > Resource Name: Operator Sil Baut
> Quantity: 1 > klik OK
4) Delay Type: Normal
5) Units: Minutes
6) Allocation: Value Added
7) Value (Mean): 3.41
8) Std Dev: 0.0781
9) Klik OK
jj. Drag Process menuju layout. Klik process 8 kemudian definisikan.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
53
Gambar 4.42 Pendefinisian process 8
1) Name: Stressing
2) Type: Standart
3) Logic:
Action: Seize Delay Release > Priority: Medium(2) > Resource:
klik add < Type: Resource > Resource Name: Operator
Stressing > Quantity: 1 > klik OK
4) Delay Type: Constant
5) Units: Minutes
6) Allocation: Value Added
7) Value: 4
8) Klik OK
kk. Drag Process menuju layout. Klik process 9 kemudian definisikan.
Gambar 4.43 Pendefinisian process 9
1) Name:Spinning
2) Type: Standart
3) Logic:
Action: Seize Delay Release > Priority: Medium(2) > Resource:
klik add < Type: Resource > Resource Name: Operator Spinning
> Quantity: 1 > klik OK
4) Delay Type: Constant
5) Units: Minutes
6) Allocation: Value Added
7) Value: 9
8) Klik OK
ll. Drag Request menuju layout. Klik request 1 kemudian definisikan.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
54
Gambar 4.44 Pendefinisian request 1
1) Name: Request Crane
2) Transporter Name: Crane
3) Selection Rule: Cyclical
4) Save Attribut: -
5) Priority: High(1)
6) Velocity: 1
7) Units: Per Minute
8) Queue Type: Queue
9) Queue Name: Request Crane.Queue
10) Klik OK
mm. Drag Transport menuju layout. Klik transport 1 kemudian
definisikan.
Gambar 4.45 Pendefinisian transport 1
1) Name: Transport Crane
2) Transport Name: Crane
3) Unit Number: -
4) Destination Type: Station
5) Station Name: Station 3
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
55
6) Velocity: 1
7) Units: Per Minute
8) Klik OK
nn. Drag Station menuju layout. Klik station 6 kemudian definisikan.
Gambar 4.46 Pendefinisian station 6
1) Name: Stasiun 3
2) Station Type: Station
3) Station Name: Station 3
4) Klik OK
oo. Drag Free menuju layout. Klik free 1 kemudian definisikan.
Gambar 4.47 Pendefinisian free 1
1) Name: Free Crane
2) Transporter Name: Crane
3) Unit Number: -
4) Klik OK
pp. Drag Process menuju layout. Klik process 10 kemudian definisikan.
Gambar 4.48 Pendefinisian process 10
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
56
1) Name:Steaming
2) Type: Standart
3) Logic:
Action: Seize Delay Release > Priority: Medium(2) > Resource:
klik add < Type: Resource > Resource Name: Operator
Steaming > Quantity: 1 > klik OK
4) Delay Type: Constant
5) Units: Minutes
6) Allocation: Value Added
7) Value: 13
8) Klik OK
qq. Drag Separate menuju layout. Klik separate 2 kemudian
definisikan.
Gambar 4.49 Pendefinisian separate 2
1) Name: Pemisahan Sil Baut Cetakan
2) Type: Split Exciting Batch
3) Member Attributes: Retain Original Entity Values
4) Klik OK
rr. Drag Decide menuju layout. Klik decide 1 kemudian definisikan.
Gambar 4.50 Pendefinisian decide 1
1) Name: Pemisah Cetakan
2) Type: 2-way by Condition
3) If: Entity Type
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
57
4) Named: Entitas Cetakan
5) Klik OK
ss. Drag Dispose menuju layout. Klik dispose 1 kemudian definisikan.
Gambar 4.51 Pendefinisian dispose 1
1) Name: Dispose Cetakan
2) Centang Record Entity Statistic
3) Klik OK
tt. Drag Decide menuju layout. Klik decide 2 kemudian definisikan.
Gambar 4.52 Pendefinisian decide 2
1) Name: Pemisah Sil Baut
2) Type: 2-way by Condition
3) If: Entity Type
4) Named: Entitas Sil Baut
5) Klik OK
uu. Drag Dispose menuju layout. Klik dispose 2 kemudian definisikan.
Gambar 4.53 Pendefinisian dispose 2
1) Name: Dispose Sil Baut
2) Centang Record Entity Statistic
3) Klik OK
vv. Drag Process menuju layout. Klik process 11 kemudian definisikan.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
58
Gambar 4.54 Pendefinisian process 10
1) Name: Pelepasan Mur Baut Cetakan
2) Type: Standart
3) Logic:
Action: Seize Delay Release > Priority: Medium(2) > Resource:
klik add < Type: Resource > Resource Name: Operator
Pelepasan > Quantity: 1 > klik OK
4) Delay Type: Normal
5) Units: Minutes
6) Allocation: Value Added
7) Value (Mean): 4.7
8) Std. Dev: 0.0744
9) Klik OK
ww. Drag Process menuju layout. Klik process 11 kemudian
definisikan.
Gambar 4.55 Pendefinisian process 11
1) Name: Finishing
2) Type: Standart
3) Logic:
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
59
Action: Seize Delay Release > Priority: Medium(2) > Resource:
klik add < Type: Resource > Resource Name: Operator
Finishing > Quantity: 1 > klik OK
4) Delay Type: Normal
5) Units: Minutes
6) Allocation: Value Added
7) Value (Mean): 13.5
8) Std. Dev: 0.62
9) Klik OK
xx. Drag Dispose menuju layout. Klik dispose 3 kemudian definisikan.
Gambar 4.56 Pendefinisian dispose 3
1) Name: Disimpan di Gudang
2) Centang Record Entity Statistic
3) Klik OK
4.8Perhitungan Jumlah Replikasi
Untuk mengurangi jumlah variansi maka simulasi harus dilakukan
sebanyak n kali replikasi. Untuk mendapatkan nilai n maka perlu
dilakukan replikasi awal n0 yaitu sebanyak 5 kali replikasi. Hasil dari 5
replikasi tersebut terdapat dalam tabel 4. Kolom n menunjukkan
replikasi ke-n. Selanjutnya untuk mendapatkan nilai n’ (n replikasi
yang dibutuhkan) maka dilakukan perhitungan sebagai berikut:
n = 5 (replikasi awal)
n-1 = 4
α = 0.05
tn-1,α/2 = t4,0.025 = 2,776
Tabel 4.6 Hasil number out simulasiReplikasi Number
Out
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
60
Simulasi
1 31
2 31
3 31
4 31
5 30Standar Deviasi
0,447213595
Rata – rata 30,8
Nilai half width dihitung dengan rumus :
Half width = (Tn−1, α2 )∗std deviasi
√n
= (2.776 )∗0.447
√5 =
1.242.236
= 0.55456
Dari perhitungan di atas didapatkan nilai half width sebesar
0.55456, atau jika dihitung prosentase error terhadap rata –rata dari
data adalah sebesar :
= 0.5545630.8
x 100%
= 1.80 %
Karena nilai tersebut lebih kecil dari error yang ditentukan
diawal yakni 5%, maka nilai replikasi tersebut dinyatakan telah
cukup. Namun bila diinginkan nilai error yang lebih kecil, misal
sebesar 1% maka nilai half width menjadi 0.3 (30.8 * 1%), dengan
nilai n’ sebesar :
N’ =(
Zα2
∗std
half width)2
N’ =( 1.96∗0.44720.3
)2 = 8,54
Sehingga untuk memperoleh suatu hasil simulasi dengan nilai
error sebesar 1% diperlukan replikasi sebanyak 9 kali.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
61
4.9Verifikasi Model
Verifikasi dilakukan dengan 3 cara, yakni:
1. Ketika seluruh model Arena telah selesai dibuat, dilakukan
pengecekan satuan waktu yang ada pada masing-masing
modul, agar sesuai dengan satuan waktu pada sistem nyata.
2. Menekan F4 ketika Jendela Arena masih aktif, untuk mengecek
ada atau tidaknya error pada sistem permodelan tersebut.
3. Mencocokan modul yang ada pada Arena dengan ACD sistem
produksi spunt pile yang telah dibuat sebelumnya.
4.10 Validasi Model
Validasi model simulasi sistem produksi spunt pile pada laporan
mega project ini dilakukan dengan metode statistik yang
menggunakan software SPSS.
4.10.1 Validasi Model dengan SPSS
Proses validasi model simulasi pembuatan spunt pile pada mega
project kali ini akan dilakukan tiga validasi, yaitu validasi input,
validasi waktu proses, dan validasi waktu antri. Berikut adalah
langkah-langkah pengujian model simulasi pembuatan spunt pile.
1. Buka program yang telah dibuat pada Arena.
2. Run program dan pilih tampilkan hasil di akhir simulasi program
3. Setelah muncul ReportSelection, pilih category by replication.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
62
4. Bandingkan jumlah output, waktu antri, dan proses dari simulasi
dengan aktual dari 5 replikasi. Berikut adalah data dari 5 replikasi.
((((TABEL))))
Selanjutnya dilakukan pengujian data yang terdapat pada tabel 4.
dengan menggunakan software SPSS. Pengujian tersebut diwakili
dengan pengujian kenormalan data. Langkah-langkah uji kenormalan
pada software SPSS adalah sebagai berikut:
1. Membuka SPSS dan membuat file baru.
2. Klik VariableView, kemudian mengisi nama variabel dengan Group
dan Output.
3. Isikan data ke dalam Data View.
4. Klik analyze, pilih Descriptivestatistic, dan pilih Explore. Masukkan
Output ke dalam Dependentlist. Klik Plots centang Normality Plots
with test. Klik continue lalu klik OK.
((((LANJUTKAN))))
4.11 Analisis Hasil Simulasi
4.12 Rancangan Perbaikan Sistem
4.12.1 Rancangan Skenario dengan Process Analyzer
4.12.1.1 Analisis dan Pembahasan Hasil Skenario
4.13 Pemilihan Skenario
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
63
BAB VPENUTUP
5.1Kesimpulan
Berikut ini adalah kesimpulan dari laporan mega project:
5.2Saran
Berikut ini adalah saran yang dapat diberikan dari laporan mega
project:
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRIJURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
64