BAB I

LANDASAN TEORI
1.1.

Defenisi Sistem1
Sistem sering didefenisikan dengan berbagai cara, tetapi salah satu

defenisi yang paling banyak dikutip ialah sebagai berikut :

Sistem ialah seperangkat elemen atau komponen yang saling bergantung
atau berinteraksi satu dengan lain menurut pola tertentu dan membentuk satu
kesatuan untuk mencapai tujuan tertentu.
Defenisi di atas menjelaskan karakteristik sebuah sistem yaitu
seperangkat elemen yang membentuk satu kesatuan (unity), mempunyai hubungan
fungsional (functional relationship) dan kesatuan tujuan. Sekelompok benda yang
terletak secara acak dalam sebuah ruangan memenuhi persyaratan sebagai
seperangkat elemen tetapi tidak dapat disebut sebagai sistem karena antar benda
tersebut tidak terjadi interaksi atau tidak membentuk hubungan fungsional dan
tidak memiliki kesatuan tujuan. Tubuh manusia adalah adalah sebuah sistem yang
komponen-komponennya adalah kerangka, otak, syaraf, cariran tubuh dan lainlain. Masing-masing komponen memiliki fungsi masing-masing tetapi terintegrasi
dalam satu kesatuan yang utuh sehingga manusia dapat melakukan apa yang
diinginkannya tanpa terjadi kontraksi yang negatif antar komponen.
1.1.1.Karakteristik Sistem
Di samping memiliki seperangkat elemen atau komponen, dan hubungan
fungsional, sebuah sistem juga harus memiliki atribut. Komponen dari sebuah
sistem adalah elemen-elemen operasional dan sistem tersebut yang terdiri input,
proses dan output.
Setiap komponen sistem memiliki nilai tertentu. Nilai komponen
menjelaskan keadaan sistem sebagai perangkat yang di samping memiliki
kegiatan pengendalian juga ada satu atau lebih kendala. Atribut sistem adalah
1 Sukaria Sinulingga, Pengantar Teknik Industri (Yogyakarta : Graha Ilmu, 2008), hlm
16-18

properti dari komponen sistem tersebut. Atribut sistem dicirikan oleh parameterparameter sistem. Saling hubungan antar komponen menjelaskan keterkaitan antar
komponen dan atribut sistem. Keterkaitan atau interaksi antar komponen sistem
dengan atribut tertentu menentukan tujuan dari sistem tersebut. Properti dari
komponen sistem menjelaskan sifat-sifat dari komponen tersebut yaitu :
1. Sifat-sifat dan perilaku setiap komponen dalam perangkat komponen
memberikan efek terhadap sifat-sifat dan perilaku seluruh perangkat dalam
sistem. Apabila salah satu komponen tidak berfungsi maka kinerja seluruh
komponen lain akan terpengaruh.
2. Sifat-sifat dan perilaku masing-masing komponen bergantung pada sifat-sifat
dan perilaku sedikitnya salah satu komponen lainnya. Sejalan dengan butir 1
suatu komponen tidak akan mampu melakukan fungsinya dengan baik apabila
komponen-komponen lain tidak mampu memperlihatkan kinerja yang baik
pula. Seorang dosen misalnya tidak akan mampu berperan dengan baik di kelas
apabila mahasiswa atau fasilitas kelas tidak memadai.
3. Setiap sub-set dari komponen juga memiliki sifat-sifat dan karakteristik 1 dan 2
tatapi komponen-komponen tidak dapat dibagi ke dalam sub-set yang
independen. Jika masing-masing sub-set bersifat independen maka kedua subset tertentu tidak lagi membentuk sistem.
Walaupun sistem dibentuk oleh komponen-komponennya, sebuah sistem
tidak sekedar penjumlahan dari komponen-komponen sistem. Setiap komponen
sistem juga merupakan sebuah sistem tersendiri. Dengan demikian sebuah sistem
merupakan bagian dari sistem yang lebih besar. Sebagai contoh, proses
manufacturing di lantai pabrik adalah sebuah sistem dengan komponenkomponennya antara lain ialah penyiapan bahan baku, permesinan (machining),
pengendalian proses, pengandalian mutu. Pengendalian mutu sebagai sebuah
komponen dari proses manufacturing juga dapat dipandang sebagai sebuah sistem
yang lebih rendah yang komponen-komponennya ialah unit pengujian di
laboratorium, pengambilan sampel dan lain-lain.

1.1.2.

Sistem Malar dan Diskrit2

Sistem-sistem seperti sistem pesawat disebut sebagai sistem malar,

karena perubahan yang terjadi pada sistem ini terutama berlangsung secara halus.
Sedangkan sistem-sistem seperti yang ada pada pabrik dinamakan sistem diskrit,
Karena perubahan yang terjadi padanya terutama berlangsung secara tak malar
(tak kontinu). Hanya sedikit sistem yang benar-benar malar atau diskrit. Sebagai
contoh, perhatikan dua contoh di atas. Pada sistem pesawat terbang, terjadi
penyetalan yang bersifat diskrit pada penyeimbangnya sesuai dengan perubahan
ketinggian pesawat. Sedangkan pada sistem pabrik, pemrosesan produk terjadi
secara malar.
Sistem pesawat terbang yang lengkap dapat dipandang sebagai sistem
diskrit. Jika tujuan mempelajari sistem ini adalah untuk mengikuti jalur
penerbangan pesawat tersebut, katakanlah menyimak problema lalulintas udara,
maka tidak ada gunanya untuk mengamati bagaimana pesawat itu melakukan
pembelokan arah terbangnya. Karena itu, sudah cukup tepat bila yang
diperhatikan hanya titik-titik dimana pesawat tersebut harus berbelok (dilakukan
seketika), sehingga sistem pesawat ini bias dilihat sebagai sistem yang diskrit.
Pada sistem pabrik, jika jumlah suku cadang cukup besar, maka tak akan
terdapat sebuah titik yang dapat diperlakukan sebagai variabel yang bersifat
diskrit. Alih-alih, jumlah suku cadang dapat dipresentasikan oleh variabel malar
dengan aktivitas pemrosesan yang mengendalikan laju perpindahan suku cadang
dari suatu keadaan ke keadaan yang lain.
Penggambaran sistem lebih menentukan daripada sifat sistem itu sendiri
dalam menetapkan jenis model yang akan dibuat. Pembedaan antara sistem malar
dan diskrit perlu dilakukan karena metode pemrograman umum yang dibuat untuk
kedua sistem ini berbeda. Namun tak ada aturan khusus tentang bagaimana suatu
sistem tertentu dapat digambarkan.

2 Sandi Setiawan, Simulasi Teknik Pemrograman dan Metode Analisis (Yogyakarta:

Penerbit Andi OffSet, 1991), hlm. 5-13

1.1.3.Pemodelan Sistem
Untuk mempelajari sebuah sistem terkadang dimungkinkan untuk
melakukan uji coba dengan sistem itu. Namun, tentu saja tidak mungkin untuk
melakukan suatu uji coba bila sistem tersebut masih hipotesis. Alternatif yang
terkadang dipakai adalah membuat sejumlah prototip dan mengujinya. Tetapi cara
seperti ini dapat menjadi sangat mahal dan menghabiskan waktu. Bahkan dengan
sistem yang telah ada, sering kali pengujicobaan menjadi sistem ekonomi dengan
mengubah penawaran dan permintaan barang secara sembarang. Konsekuensinya,
studi tentang suatu sistem umumnya dilakukan pada model sistem tersebut. Jadi,
model sistem tidak hanya merupakan pengganti sistem, namun juga merupakan
penyederhanaan sistem.
Dalam pemodelan suatu sistem, proses penyeleksian dilakukan
sedemikian rupa sehingga ada beberapa elemen sistem yang dimodelkan dan ada
elemen yang diasumsikan tidak penting dan tidak relevan dalam konteks tujuan
yang ingin dicapai. Jadi, sebuah model tidak hanya merupakan pewujudan tujuan,
namun juga merupakan asumsi.
Secara garis besar, cara pemodelan sistem dapat dibagi menjadi dua ;
penetapan struktur model dan pemasokan data. Penetapan struktur menentukan
kendala atau batas sistem dan menandai entitas, atribut, dan aktivitas sistem.
Sedangkan dat memberikan nilai yang dapat dimiliki oleh atiribut dan
menentukan hubungan yang terkandung dalam aktivitas. Kedua cara ini tak
terpisahkan karena yang satu tak akan dapat dikerjakan tanpa yang lain.
Untuk mengilustrasikan proses di atas, perhatikan penggambaran tentang
sistem swalayan (supermarket) berikut ini :
Pengunjung yang membutuhkan sejumlah barang datang ke sebuah
swalayan. pengunjung mengambil keranjang, jika tersedia, dan mulai berbelanja.
Setelah selesai berbelanja, pengunjung melakukan antrian untuk pemeriksaan
(pembayaran) di salah satu dari beberapa tempat pembayaran yang ada.
Setelah

membayar,

pengunjung

mengembalikan

keranjang

dan

meninggalkan swalayan. Kata-kata pengunjung, sejumlah barang, dating,

mengambil keranjang, tersedia, berbelanja, antrian, pemeriksaan, pembayaran,

mengembalikan keranjang, dan meninggalkan merupakan kata-kata kunci yang

menunjukkan pada ciri-ciri utama sistem dan harus ada dalam model. Tabel di
bawah memperlihatkan entitas, atribut, dan aktivitas pada model swalayan
tersebut. Terlihat bahwa swalayan secara keseluruhan bukan merupakan entitas
belaka. Kedatangan pelanggan dalam penggambaran sistem ini dipandang sebagai
aktivitas eksogen yang datang dari lingkungan dan mempengaruhi sistem. Jika
seandainya tujuan studi dimasukkan penganalisaan pengaruh fasilitas parkir,
kendala sistem harus mencakup tentang tempat parkir. Kedatangan pelanggan
diswalayan bergantung pada apakah ia dapat menemukan tempat parkir, dan hal
ini juga bergantung pada aktivitas pelanggan meninggalkan swalayan. Akibatnya,
kedatangan pelanggan kendaraan (yang kemudian diparkir) merupakan aktivitas
eksogen.
Penetapan lain mengenai tujuan studi sistem terkandung dalam model.
Jumlah barang belanjaan digambarkan sebagai atribut pelanggan, namun tak ada
pembedaan yang dibuat mengenai jenis barang tersebut. Jika penetapan-penetapan
ini tak mampu dipertahankan lagi sehubungan dengan sasaran studi, maka harus
digunakan bentuk model yang lain.
Tabel 1.1. Elemen-Elemen pada Model Swalayan
Entitas
Pengunjung

Atribut
Jumlah

Aktivitas
Datang Mengambil.

Keranjang

Barang
Ketersediaan

Belanja
Antri

Counter

1.1.4.

Nomor

Check-Out
Mengembalikan

Kekosongan

Pergi

Jenis-jenis Model
Model-model yang digunakan dalam studi sistem dapat diklasifikasikann

dalam banyak cara. Klasifikasi yang akan dipakai dalam buku ini diilustrasikan
dalam gambar dibawah ini. Secara garis besar, model-model ini dibedakan
menjadi model fisika dan model matematika.

Model fisika didasarkan pada analogi antara sistem-sistem seperti

mekanis dan elektris. Dalam model fisika, atribut sistem digambarkan oleh
pengukuran-pengukuran tegangan. Sebagai contoh, laju gerak jarum pengukur
pada motor arus searah bergantung pada tegangan yang diberikan pada motor. Jika
tegangan tersebut dipakai untuk menggambarkan kecepatan mesin, maka jumlah
putaran jarum pengukur merupakan ukuran jarak yang telah ditempuh.
Sedangkan

model

matematika

menggunakan

simbol-simbol

dan

persamaan-persamaan matematika untuk menggambarkan sistem. Atribut sistem

direpresentasikan oleh variabel dan aktivitas oleh fungsi-fungsi matematika yang
menghubungkan variabel-variabel yang ada.
Selanjutnya, dibedakan antara model statik dan model dinamik. Model
statik hanya dapat menunjukkan nilai-nilai yang dimiliki oleh atribut ketika sistem
berada dalam keseimbangan. Sebaliknya, model dinamik mengikuti perubahan
yang dihasilkan oleh aktivitas sistem sepanjang waktu. Pembedaaan berikutnya
dalam model matematika adalah pembedaan dalam metode analitis dan numeris.
Menggunakan metode analitis berarti memakai teori matematika deduktif untuk
menyelesaikan model. Karena itu, teknik analitis ini adalah cara untuk
mendapatkan model yang dapat diselesaikan dan merupakan solusi terbaik yang
bersesuaian dengan sistem yang dipelajari. Sementara itu, metode numeris
melibatkan penggunaan prosedur-prosedur komputasi untuk menyelesaikan
persamaan-persamaan yang ada.

Model

Matematis

Fisis

Statik

Dinamik

Numeris

Statik

Analitis

Dinamik

Numeris

Simulasi
Sistem

Gambar 1.1. Jenis-Jenis Model

Sumber: Sandi Setiawan, Simulasi Teknik Pemrograman dan Metode Analisis, 1991

1. Model fisika statik.

Contoh model fisika yang telah dikenal dengan baik adalah model skala.
Dalam pembuatan pesawat terbang misalnya, pembuatan model skala
menyediakan cara yang sederhana untuk menentukan pengukuran plat-plat
badan pesawat secara tepat dibandingkan dengan cara menggambar bentukbentuk tiga dimensinya yang rumit. Model bola untuk menggambarkan atom
memainkan peranan yang penting dalam menafsirkan molekul DNA, dan
karya ini dianugerahi hadiah Nobel. Model-model ini merupakan model fisika
statik. Model skala juga digunakan dalam merancang terowongan angin dan
penampung air.
Selain itu, model fisika statik juga digunakan untuk menyelesaikan
persamaan-persamaan dengan syarat batas khusus. Terdapat banyak contoh
dalam fisika matematik dimana persamaan yang identik digunakan untuk
gejala fisika yang berbeda.
2. Model fisika dinamik.

Model fisika dinamik didasarkan pada analog antara sistem yang dipelajari
dan beberapa sistem yang berbeda secara alamiah. Biasanya analogi tersebut
didasarkan pada kesamaan gaya yang mengatur kelakuan sistem.
Sistem elektris mekanis adalah analog satu sama lain, dan kedayagunaan yang
satu dapat dipelajari dari yang lain. Dalam praktek, lebih mudah

untuk

mengubah sistem elektris daripada memodifikasi sistem mekanis, sehingga

seringkali dibuat sistem elektris untuk mempelajari sistem mekanis.
Jika sistem mekanis yang dipelajari sesederhana seperti yang diilustrasikan di
atas, sistem tersebut dapat dipelajari dengan memecahkan persamaan
matematikanya. Namun, banyak pengaruh luar yang dapat dimasukkan dan
membuat persamaan matematika yang ada menjadi sulit untuk dipecahkan.
Karena itu, pemodelan pengaruh luar tersebut secara elektris adalah tepat
sebab pemodelan ini dapat dilakukan hanya dengan menetapkann batas
tegangan yang diperbolehkan ada pada kapasitor.
3. Model matematika statik.
Model statik memberikan hubungan antar atribut sistem ketika sistem berada
dalam kesetimbangan. Jika titik kesetimbangan diubah dengan mengganti
nilai-nilai atributnya, maka model dimungkinkan untuk memperoleh nilai-nilai
yang baru untuk semua atributnya, tetapi bagaimana cara nilai-nilai tersebut
berubah tidaklah diperlihatkan. Untuk jelasnya, perhatikan contoh berikut ini.
Permintaan (demand) untuk suatu komoditas akan rendah bila harganya tinggi,
dan akan tinggi bila harganya rendah. Sebaliknya, penawaran (supply)
diharapkan meningkat dengan naiknya harga, karena pemasok (supplier)
melihat kesempatan untuk mendapatkan keuntungan yang lebih besar.
Karena hubungan yang terjadi diasumsikan linier, model pasar lengkap dapat
dituliskan sebagai berikut:
Q = k lH
S = m nH
S= Q
Persamaan terakhir menyatakan kondisi pasar, penawaran sama dengan
permintaan, dan menentukan harga yang ada di pasar.

Untuk model yang bersesuaian dengan kondisi pasasr yang normal dimana
permintaan berkurang dan penawaran mengingkat dengan naiknya harga,
koefisien l dan n merupakan bilangan positif. Untuk hasil yang realistis,
koefisien k juga harus bernilai positif.
Namun pada umumnya, penawaran digambarkan dengan kurva yang
melengkung ke atas dan permintaan oleh kurva yang melengkung ke bawah.
Maka tidak mungkin untuk menyatakan suatu hubungan yang persamaannya
dapat dipecahkan. Dibutuhkan suatu metode numeric untuk memecahkannya.
4. Model matematika dinamik.
Model matematika dinamik memperbolehkan pengubahan atribut-atribut
sistem yang didapatka sebagai fungsi waktu. Penurunan dapat dilakukan
dengan solusi analitis atau komputasi numeris, bergantung pada kerumitan
model. Persamaan yang diturunkan untuk menjelaskan kelakuan roda-roda
mobil merupakan sebuah contoh model matematik dinamik.
1.1.5.

Sistem Simulasi3
Di dalam mempelajari sistem dari suatu persoalan yang harus

diselesaikan, diperlukan metode ataupun model untuk menguraikan sistem

tersebut. Apabila memungkinkan maka analisis untuk menyelesaikan persoalan
tersebut dapat dilakukan sepanjang persoalan itu dapat dievaluasi dn untuk
melaksanakannya tidak banyak membutuhkan waktu. Untuk keperluan yang lebih
mendalam, seperti untuk membuat Reproduksi Sistem Tingkah Laku, solusi
analitis mungkin tidak dapat diperoleh. Untuk mengatasi hal ini, salah satu
pendekatan yang dapat digunakan adalah dengan Sistem Simulasi.
Konsep sistem simulasi muncul dan dilaksanakan pada permulaan tahun
1950-an. Konsep ini muncul sebagai akibat dari terjadinya berbagai perubahan di
dalam memandang persoalan, di mana suatu persoalan dianggap dapat diuraikan
menurut bagian-bagian yang berinteraksi secara simultan. Perubahan-perubahan
semacam ini secara nyata dapat diamati dalam percobaan. Sistem simulasi
3 Thomas J. Kakiay, Pengantar Sistem Simulasi, (Andi Offset, Yogyakarta, 2004), hlm 11

memberikan hasil yang layak (feasible) pada EDP, di mana hasilnya dapat
diperoleh dengan cepat.
Simulasi juga memberikan kemungkinan untuk mengerjakan seluruh
bagian dalam sistem analisis yang sebenarnya merupakan persoalan yang
kompleks yang harus dikerjakan dengn analisis. Dengan demikian hal ini
merupakan keharusan di dalam mempelajari interaksi di antara bagian atau unsurunsur suatu sistem. Di dalam sistem simulasi terdapat suatu deskripsi dari
alternatif-alternatif yang dapat memberikan gambaran yang lebih baik.
1.1.6.Pengertian Simulasi Menurut Para Ahli4
Banyak para ahli memberikan definisi tentang simulasi. Beberapa
diantaranya adalah sebagai berikut.
1. Emshoff dan Simon (1970)
Simulasi didefinisikan sebagai suatu model sistem dimana komponennya
direpresentasikan oleh proses-proses aritmatika dan logika yang dijalankan
komputer untuk memperkirakan sifat-sifat dinamis sistem tersebut.
2. Shannon (1975)
Simulasi merupakan proses perancangan model dari sistem nyata yang
dilanjutkan

dengan

pelaksanaan

eksperimen

terhadap

model

untuk

mempelajari perilaku sistem atau evaluasi strategi.

3. Banks dan Carson (1984)
Simulasi adalah tiruan dari sistem nyata yang dikerjakan secara manual atau
komputer, yang kemudian diobservasi dan disimpulkan untuk mempelajari
karakterisasi sistem.
4. Hoover dan Perry (1990)
Simulasi merupakan proses perancangan model matematis atau logis dari
sistem nyata, melakukan eksperimen terhadap model dengan menggunakan
komputer untuk menggambarkan, menjelaskan dan memprediksi perilaku
sistem.
5. Law dan Kelton (1991)
4 Erma Suryani, Pemodelan dan Simulasi (Graha Ilmu, Yogyakarta, 2006), hlm.3

Simulasi didefinisikan sebagai sekumpulan metode dan aplikasi untuk

menirukan atau merepresentasikan perilaku dari suatu sistem nyata, yang
biasanya dilakukan pada komputer dengan menggunakan perangkat lunak
tertentu.
6. Khosnevis (1994)
Simulasi merupakan proses aplikasi membangun model dari sistem nyata atau
usulan sistem, melakukan eksperimen dengan model tersebut untuk
menjelaskan perilaku sistem, mempelajari kinerja sistem, atau untuk
membangun sistem baru sesuai dengan kinerja yang diinginkan.
1.1.7.Jenis Simulasi5
Ada beberapa jenis sistem simulasi, yaitu sebagai berikut:
1. Identity Simulation (Simulasi Identitas)
Di depan sudah di singgung di depan, sistem simulasi adalah suatu kegiatan
yang memberikan pernyataan (representing) atau suatu sistem dengan melalui
model simbolik yang dapat dimanipulasi dengan mudah dan dapat
menghasilkan angka-angka atau bilangan-bilangan numerik.
Range (jarak) spektra dari sistem simulasi cukup luas. Yang lebih ekstrem
lagi, dapat menggunakan sistem itu sebagai modal untuk mendapatkan
pengetahuan atas sifat-sifat maupun tingkah laku di dalam sistem itu sendiri.
Penggunaan Identity Simulation ini terlihat secara langsung. Pendekatannya
pun cukup sederhana. Pada umumnya banyak meniadakan berbagai hal yang
fundamental dari aturan pemodelan.
Identity Simulation biasanya cukup mahal dan tidak begitu layak, hanya
memberikan sedikit kontrol atau bahkan tidak sama sekali terhadap simulasi
atau keadaan untuk mendapatkan jawaban yang efektif.
2. Ouasi Identity Simulation (Simulasi Identitas Semu)
Simulasi ini selangkah lebih maju dibanding Identity Simulation. Simulasi
Identitas Semu ini memodelkan berbagai aspek yang terkait dari sistem yang
sebenarnya dan dapat mengeluarkan unsur-unsur yang dapat membuat setiap
5 Thomas J. Kakiay, Op.Cit, hlm.11-14

Identity Simulation tidak berfungsi dengan baik. Sebagai contoh, untuk

menguji bagaimana pertahanan udara suatu negara, pengujian itu tidak
langsung dilakukan menggunakan pesawat pembom (A4, B29, dan lain-lain)
dengan memasuki wilayah pertahanan udara negara tersebut. Belum lagi yang
dari darat (alterleri) ataupun pesawat-pesawat buru sergap. Pesawat-pesawat
ini digunakan untuk mendapatkan data penyerangan sebelum terdeteksi dan
response dari negara yang akan diserang tersebut.
3. Laboratory Simulation (Simulasi Laboratorium)
Simulasi ini lebih murah dan lebih layak daripada Identity Simulation dan
Quasi Identity Simulation dan akan dapat memberikan jawaban yang lebih
esensial pada masa yang akan datang. Biasanya simulasi laboratorium ini
memerlukan berbagai komponen, seperti operator, software dan hardware,
komputer,

prosedur

operasional,

fungsi-fungsi

matematis,

distribusi

probabilitas, dan lain-lain.

Ada dua tipe Laboratory Simulation, yaitu:
a. Operating Planning
Dalam

Operating

Planning

menggunakan

komputer

untuk

mengumpulkan data dan untuk mengolah informasi dari para pemain.

Komputer memainkan peran penting untuk menjalankan berbagai aksi
secara random yang merupakan jawaban dari para pemain.
Sebagai contoh, War Gamming atau Business Management Game
merupakan permainan yang sangat banyak digunakan terutama di
sekolah-sekolah staf dan komando militer. Electronic Warfare Simulator
sudah cukup dikenal, dikembangkan dalam tahun 1950-an, suatu
simulasi pertempuran di laut yang melibatkan dua kesatuan kepal tempur
yang berusaha untuk saling menghancurkan. Hasilnya adalah informasi
dari pertempuran di laut. Simulasi ini dipergunakan untuk latihan para
perwira angkatan laut.
b. Man Machine Simulation
Simulasi ini memberikan sudut pandang lain dalam menyelidiki berbagai
konsep teknis dengan tujuan-tujuan tertentu. Di sini aturan permainan

tidak begitu dipentingkn, sementara komputer-komputer digunakan

untuk mengolah dan menganalisis data. Sebagai contoh:
1) Pada Rand System, Research Laboratory juga menggunakan simulasi
pembangkit rangsangan untuk mempelajari informasi-informasi
prosesing center.
2) Pada tahun 1956, Rand Corporations memastikan suatu Logistics
System Laboratory di bawah sponsor Angkatan Laut USA. Studi ini
pertama-tama dilakukan di dalam laboratorium untuk hal-hal yang
menyangkut simulasi dari dua sistem logistik yang luas, yang
kemudian

dibandingkan

untuk

mendapatkan

efektivitas

dari

manajemen dan utilitas resources.

c. Computer Simulational (Simulasi Komputer)
Bila dari suatu laboratorium simulasi unsur manusianya dikeluarkan
maka yang tertinggal adalah komputer, operating prosedur, fungsi-fungsi
matematis dan juga distribusi probabilitas, maka akan memperoleh inti
dari simulasi komputer. Simulasi ini hanya menggunakan komputer
untuk

memecahkan

masalah

sesuai

kebutuhan

yang

kemudian

diprogramkan ke dalam komputer. Semua tingkah laku yang dijadikan

sebagai persolan dialihkan ke dalam program termasuk ketentuan logika
pengambilan keputusan dan pelaksanaannya. Simulasi komputer banyak
dipergunakan dalam berbagai sistem. Hanya saja jangan mengacaukan
simulasi komputer dengan studi simulasi dri suatu komputer sistem.
Contoh penggunaan simulasi komputer ini terdapat pada:
1)

Pelatihan operasi bagian pemadam kebakaran di kota-kota besar.

2) Pengalokasian berbagai sumber daya pada rumah-rumah sakit
besar.
3) Sistem transportasi kota-kota besar di mana urbanisasi cukup
tinggi.

4)

Sistem invertarisasi pada perusahaan-perusahaan besar dan

medium serta BUMN.

5)

Di bidang milimeter, untuk membagi suatu wilayah yang luas

menjadi bagian-bagian yang menjadi daerah pertempuran guna
merebut daerah tersebut.

Simulasi komputer menawarkan berbagai keunggulan sebagai alat untuk

melakukan analisis.
1.1.8.

Kelebihan, Kekurangan dan Klasifikasi Model Simulasi6

Adapun kelebihan model simulasi adalah:

1. Tidak semua sistem dapat direpresentasikan dalam model matematis, simulasi
merupakan alternatif yang tepat.
2. Dapat bereksperimen tanpa adanya risiko pada sistem nyata. Dengan simulasi
memungkinkan untuk melakukan percobaan terhadap sistem tanpa harus
menanggung risiko terhadap sistem yang berjalan.
3. Simulasi dapat mengestimasi kinerja sistem pada kondisi tertentu dan
memberikan alternatif desain terbaik sesuuai dengan spesifikasi yang
diinginkan.
4. Simulasi memungkinkan untuk melakukan studi jangka panjang dalam waktu
relatif singkat.
5. Dapat menggunakan input data bervariasi.
Adapun kekurangan model simulasi adalah:
1. Kualitas dan analisis model tergantung pada si pembuat model.
2. Hanya mengestimasi karakteristik sistem berdasarkan masukan tertentu.

1.1.9.

Langkah-langkah dalam Simulasi7

6 Ema Suryani, Op.Cit, hlm 5.

7 Ibid, hlm 11-12

Dalam melakukan simulasi terdapat beberapa langkah yang perlu

dilakukan, diantaranya.
1. Pendefinisian sistem. Langkah ini meliputi penentuan batasan sistem dan
identifikasi variabel yang significant.
2. Formulasi model. Merumuskan hubungan antar komponen-komponen model.
3. Pengambilan data. Identifikasi data yang diperlukan oleh model sesuai
dengan tujuan pembuatan model.
4. Pembuatan model. Dalam penyusunan model perlu disesuaikan dengan jenis
bahasa simulasi yang akan digunakan.
5. Verifikasi model. Proses pengecekan terhadap model apakah sudah bebas dari
error.
6. Validasi model. Validasi model merupakan proses pengujian terhadap model
apakah model yang dibuat sudah sesuai dengan sistem nyatanya. Yaman
Barlas dalam jurnalnya yang berjudul Multiple Test for Validation of Systems
Dynamics Type of Simulation Model, menjelaskan dua cara pengujian yaitu:
a. Perbandingan rata-rata (mean comparison)
EI =

(S A)
A

dimana,
S= nilai rata-rata hasil simulasi
A= nilai rata-rata data aktual
Model dianggap valid bila EI5%
b. Perbandingan Variasi Amplitudo (Amplitude Variation Comparison)
Untuk membandingkan variasi antara output simulasi dan data historis
yang tersedia, kita dapat menghitung standard deviasi model (Ss) dan
standard deviasi historis (SA). Kedua standard deviasi ini kemudian
dibandingkan dengan menggunakan percent error in the variations, atau
E2 dengan rumus sebagai berikut.

 S A
S sS A

E 2=
Model dianggap valid bila E2 30%
7. Skenarioisasi. Penyusunan skenario terhadap model, setelah model valid
maka langkah selanjutnya adalah membuat beberapa skenario (eksperimen)
untuk memperbaiki kinerja sistem sesuai dengan keinginan. Secara umum
jenis-jenis skenario dapat dibedakan menjadi dua jenis.
a. Skenario parameter, dilakukan dengan jalan mengubah nilai parameter
model. Skenario jenis ini relatif mudah dilakukan karena kita hanya
melakukan perubahan terhadap nilai parameter model dan melihat
dampaknya terhadap output model.
b. Skenario struktur, dilakukan dengan cara mengubah struktur model.
Skenario jenis ini memerlukan pengetahuan yang cukup tentang sistem
agar struktur baru yang diusulkan/dieksperimenkan dapat memperbaiki
kinerja sistem.
8. Interpretasi model. Proses ini merupakan penarikan kesimpulan dari hasil
output model simulasi.
9. Implementasi merupakan penerapan model pada sistem.
10. Dokumentasi merupakan proses penyimpanan hasil output model.
1.1.10. Promodel dan Elemen-Elemen Dasar Promodel 8
Promodel merupakan suatu software untuk mensimulasikan suatu sistem
dan menganalisis suatu sistem produksi. Promodel memiliki fleksibilitas,
menyajikan kombinasi yang paling tepat dalam memodelkan segala kondisi.
Model dari suatu sistem dibangun sesuai dengan yang diinginkan,
software promodel menyediakan beberapa elemen-elemen yang telah disesuaikan
untuk membuat model sistem produksi. Beberapa elemen dasar yang ada seperti
8 A. Sofyan Yusuf, dkk, Komputer Industri (PROMODEL). diakses dari
http://muhglbkt.files. iwordpress.com /2011/01/promodel3.pdf pada tanggal 20 Oktober
2014 pukul 20.00 WIB

location, entities, processing.

1.1.11.Location
Location dalam promodel merepresentasikan sebuah area tetap dimana
bahan baku, bahan setengah jadi ataupun bahan jadi mengalami atau menunggu
proses, ataupun mencari aliran material atau proses selanjutnya. Tempat dimana
entitas diproses, di-delay, disimpan serta beberapa aktivitas lainnya.
1.1.12. Entities
Entities adalah setiap bahan yang akan diproses oleh model. Entitas
merupakan suatu objek yang akan diamati dari sistem. Contoh: part kerja,
operator.
1.1.13. Arrival
Arrival pada bagian ini menunjukkan mekanisme masuknya entitas
kedalam sistem. Baik banyaknya lokasi tempat kedatangan ataupun frekuensi
serta waktu kedatangannya secara periodik menurut interval tertentu.
1.1.14. Processing
Processing merupakan operasi yang dilakukan dalam location.
Processing mengambarkan apa yang dialami oleh suatu entitas mulai dari saat
entitas masuk sistem sampai
keluar dari sistem.
1.1.15. Resource
Resource merupakan sumber daya yang digunakan untuk melakukan
operasi tertentu dalam kinerja suatu sistem. Dalam promodel, objek yang
dijadikan resource akan bergerak sesuai dengan keinginan kita. Contohnya:
operator, forklift, crane, alat angkut untuk material handling lainnya.
1.1.16. Path Network

Path Network digunakan untuk menentukan arah dan jalur yang

ditempuh oleh resource ataupun entitas ketika bergerak dari suatu lokasi ke lokasi
lainnya. Path network ini merupakan suatu hal yang menjadi keharusan jika ingin
memakai resource ataupun entitas yang bergerak.
1.1.17. Langkah langkah Pembuatan Model Simulasi
Tahap pertama setelah kita masuk ke dalam software promodel adalah
klik file yang ada pada menu bar lalu klik new. Langkah ini dilakukan untuk
mengisi general information seperti title, time units, dan distance units sesuai
dengan model simulasi yang akan dibuat lalu OK. Berikut ini adalah tampilan dari
langkah tersebut.

Sumber: A. Sofyan Yusuf, dkk, Komputer Industri (PROMODEL), 2011

Gambar 1.2. Tampilan General Information

Tahap berikutnya yaitu klik Build lalu klik Locations, hal ini dilakukan
untuk membuat dimana tata letak lokasi sesuai dengan model simulasi yang akan
dibuat, seperti gudang bahan baku, conveyor, mesin dan lain-lain yang kemudian
dimasukkan ke dalam layout yang ada. Berikut ini adalah tampilan dari langkah
tersebut.

Sumber: A. Sofyan Yusuf, dkk, Komputer Industri (PROMODEL), 2011

Gambar 1.3. Tampilan Pemilihan Locations

Tahap selanjutnya yaitu klik Build lalu klik Entities, hal ini digunakan
untuk menginput data bahan apa saja yang di gunakan dalam pembuatan model
simulasi tersebut. Bahan-bahan yang di gunakan diantaranya yaitu bahan baku,
bahan setengah jadi dan bahan jadi. Pemilihan gambar untuk bahan tersebut
disesuaikan dengan model simulasi yang akan dibuat. Berikut ini adalah tampilan
dari langkah tersebut.

Sumber: A. Sofyan Yusuf, dkk, Komputer Industri (PROMODEL), 2011

Gambar 1.4. Tampilan Pemilihan Entities

Tahap selanjutnya yaitu klik Build lalu klik Path Networks, kemudian
pada net 1 klik paths lalu kemudian klik gambar gudang bahan baku dengan
gudang mesin milling. Tahap berikutnya klik interfaces untuk menginput data

dimana dalam hal ini untuk node n1 menggunakna location gudang bahan baku
dan untuk node n2 menggunakna location mesin milling. Hal ini dapat diartikan
sebagai jaringan yang menghubungkan aliran jalannya bahan antara gudang bahan
baku ke mesin milling, untuk net 2 dan seterusnya caranya sama seperti diatas.
Berikut ini adalah tampilan dari langkah tersebut.

Sumber : A. Sofyan Yusuf, dkk, Komputer Industri (PROMODEL), 2011

Gambar 1.5. Tampilan Pemilihan Specifications

Tahap selanjutnya yaitu klik Build lalu klik Resources, kemudian pilih
forklift dan pickup yang natinya akan digunkana untuk mengangkut aliran bahan
pada net ke-3 dan net ke-4. Agar forklift dapat ditempatkan pada net ke-3, maka
caranya dengan mengklik specs pada kolom forkliftI, setelah itu akn muncul
sebuah tampilan dimana isi kolom Path Networks dengan Net 3 lalu Home dengan
N1, lalu Off Shift dengan N2, kemudian ceklis Return Home If IdleI dan OK, agar
forklift dapat berjalan kembali ke posisi semula. Berikut ini adalah tampilan dari
langkah tersebut.

Sumber : A. Sofyan Yusuf, dkk, Komputer Industri (PROMODEL), 2011

Gambar 1.6. Tampilan Pemilihan Resources

Tahap selanjutnya yaitu klik Build lalu klik Processing, dalam hal ini
logika dalam pembuatan model simulasi mulai digunakan agar model simulasi
dapat berjalan sesuai dengan rencana. Logika yang digunkaan dalam memproses
jalannya bahan dari awal hingga akhir ini dapat dilakukan dengan menginput data
pada Entity, Location, Output, Destination, dan Move Logic, namun dalam hal ini
Move Logic digunakan jika pada jaringan tersebut terdapat Resources. Berikut ini
adalah tampilan dari langkah tersebut.

Sumber : A. Sofyan Yusuf, dkk, Komputer Industri (PROMODEL), 2011

Gambar 1.7. Tampilan Pemilihan Processing

Tahap selanjutnya yaitu klik Build lalu klik Arrivals, lalu kemudian
dilakukan penginputan data pada kolom Entity dengan bahan baku, Location
dengan gudang bahan baku, Cty each dengan 100, Occurrences dengan 1,
frequency dengan n (1,1). Hal ini digunakan agar mekanisme entities dapat masuk
kedalam sistem tersebut, sehingga model simulasi dapat berjalan. Berikut ini
adalah tampilan dari langkah tersebut.

Sumber : A. Sofyan Yusuf, dkk, Komputer Industri (PROMODEL), 2011

Gambar 1.8. Tampilan Arrivals

Tahap berikutnya yaitu klik Save & Run, kemudian klik Simulation lalu
klik Resume Simulation agar model simulasi yang telah dibuat dapat berjalan
sesuai dengan rencara. Berikut ini adalah tampilan dari langkah tersebut.

Sumber : A. Sofyan Yusuf, dkk, Komputer Industri (PROMODEL), 2011

Gambar 1.9. Tampilan Save and Run

1.2.

Meningkatkan Operasi melalui Dinamis Value stream Mapping dan

Simulasi Discrete Event9

1.2.1.Pendahuluan
Kepuasan pelanggan merupakan perhatian utama bagi perusahaan. Tanpa
pelanggan, tidak akan ada bisnis yang berjalan, dan ada pula nilai aliran. Nilai
aliran adalah semua kegiatan, baik nilai tambah dan non-nilai tambah, yang
diperlukan untuk mengubah produk atau jasa dari tahap bahan baku ke konsumen.
Alat lean manufacturing tidak untuk industri tertentu, tapi dapat memberikan
keuntungan untuk layanan dan lingkungan manufaktur.

Namun, banyak

perbaikan telah dicapai pada industri manufaktur karena alat lean berasal dari
lingkungan manufaktur. Prinsip-prinsip lean yang dipelopori oleh Toyota Motor
Company telah menyebar di seluruh industri manufaktur dan merupakan alat yang
efektif dan efisien yang digunakan di sektor lain dari industri seperti jasa
keuangan, asuransi, kesehatan, minyak dan gas, pendidikan, makanan, teknologi
informasi, perdagangan dan bengkel.
Dalam beberapa kali, perusahaan jasa dan manufaktur berjuang untuk
mengelola kepuasan pelanggan.

Merupakan hal

yang

lazim meskipun

kecanggihan teknologi informasi, otomatisasi proses dan program pelatihan yang

tersedia di industri. Beberapa tantangan yang dihadapi oleh perusahaanperusahaan adalah bagaimana meningkatkan kualitas produk dan layanan,
bagaimana mengurangi biaya, persediaan WIP (Work in Process), memimpin, dan
bagaimana mendayagunakan sumber daya. Lean adalah strategi yang baik untuk
mengatasi tantangan karena meningkatkan nilai yang dirasakan oleh pelanggan,
melalui perbaikan terus menerus dari kegiatan non-nilai tambah yang tersembunyi
dalam setiap jenis Value stream. Alasan lain tantangan ini adalah bagaimana
organisasi memproses informasi dan tingkat prosedur operasi yang diterapkan
pada proses. Industri jasa ditandai dengan variabilitas yang tinggi, tuntutan
didasari pada keinginan individu (terutama pada kasus per kasus), dan karena itu
9 Azubuike Chukukere, Krystel K. Castillo-Villar dan HungDa Wan. Improving
Operations through Dynamic Value Stream Mapping and Discrete-Event
Simulation (USA: Industrial and Systems Engineering Research Conference,
2014)

banyak kustomisasi yang diperlukan dalam lingkungan ini sementara industri

manufaktur ditandai dengan variasi yang lebih rendah karena pengulangan operasi
dan rakitan. Penerapan alat lean tidak hanya akan meningkatkan kinerja bisnis
tetapi juga meningkatkan profitabilitas. Penelitian ini akan fokus pada
peningkatan operasi di industri jasa. Langkah pertama untuk mencapai ini adalah
untuk mengidentifikasi nilai, apa harapan pelanggan dan hal-hal yang tersedia
untuk membayar. Langkah kedua (mengidentifikasi value stream) adalah untuk
mengidentifikasi aktivitas nilai tambah dan non-nilai tambah pada proses yang
diperlukan untuk memberikan harapan pelanggan. Langkah ketiga adalah untuk
memahami pentingnya pengolahan limbah dan kemampuan untuk mengurangi
atau menghilangkan limbah. Limbah diklasifikasikan sebagai non-nilai tambah
dan kegiatan yang diperlukan tetapi non-nilai tambah dalam value stream. Limbah
non-nilai tambah yang tidak dapat dihindari, mereka adalah kendala operasional
saat ini teknologi, aset produksi dan prosedur operasi sementara nilai tambah
adalah kegiatan yang jelas tidak menciptakan nilai dan dapat segera dihapus.
Pengetahuan tentang aliran layanan atau produk proses merupakan elemen penting
yang harus dipertimbangkan sebelum identifikasi limbah bisa efektif. Karya ini
bertujuan untuk meningkatkan operasi toko perbaikan menggunakan Value stream
Mapping (VSM) dalam kombinasi dengan simulasi kejadian diskrit.
Sebuah VSM adalah cara yang efektif untuk menangkap situasi saat ini,
mengidentifikasi visi lean jangka panjang (keadaan masa depan), dan
mengembangkan rencana untuk sampai ke sana. Ini biasanya merupakan langkah
pertama dalam pelaksanaan lean karena membutuhkan banyak kompleksitas dan
kebingungan, jika VSM dilakukan dengan cermat dan pelaksanaannya efisien,
perusahaan akan mengurangi biaya produksi seperti biaya persediaan, pengerjaan
ulang, bagian mismatch. Sebuah VSM mengumpulkan dan menampilkan
informasi yang lebih luas dari peta aliran proses, rentang yang lebih luas, rentang
menerima bahan baku atau perintah nasabah untuk memberikan barang dan jasa.
Hal ini juga membantu untuk mengidentifikasi untuk fokus masa depan proyek,
sub-proyek, dan acara kaizen. Namun keterbatasan adalah ketidakmampuan untuk
menampilkan rincian yang diperlukan (misalnya, tingkat WIP di sebuah stasiun

kerja tertentu) dan bahwa alat statis yang menunjukkan satu tingkat pada suatu
waktu (beberapa interaksi peta sulit). VSM tradisional dikombinasikan dengan
simulasi kejadian diskrit yang dalam penelitian ini untuk menghasilkan Dynamic
Value stream Model (DVSM). DVSM ini lebih cocok dalam arti bahwa meniru
sistem nyata, mengandung semua unsur VSM tradisional, dan hal itu akan
menguji dan menganalisis ide-ide perbaikan sebelum pelaksanaannya. DVSM
tidak statis seperti VSM dan memberikan umpan balik yang cepat pada
perubahan. Gambar yang meniru karakteristik dinamik dari proses nyata, sehingga
memungkinkan pengguna untuk bereksperimen pada keputusan yang berbeda
yang akan menjadi sangat mahal di dunia nyata. Karya ini menggunakan VSM
untuk mengevaluasi kinerja bengkel. Sebuah alat dinamis yang digunakan untuk
menjelaskan perilaku proses dinamis. Aliran dan model keseluruhan fokus berasal
dari VSM sedangkan analisis, fleksibilitas, dan dinamika berasal dari DVSM.
1.2.2.

Tinjauan Literatur
Rother dan Shook menyatakan bahwa cara mengambil informasi untuk

VSM adalah dengan berjalan di sepanjang jalur bahan dan informasi. Shook
menggambar peta sederhana di lantai toko yang menunjukkan aliran fisik saat
keluarga produk dan arus informasi yang sesuai sebagai produk wisata melalui
value stream yang kompleks. Rother dan Shook dianalisis VSM sebagai
kumpulan informasi umum yang dapat menyesatkan menanam manajer dan
insinyur selama perbaikan operasi. Argumennya adalah bahwa VSM subjektif dan
pengetahuan tentang variabilitas proses lebih membantu dalam menggambarkan
situasi saat ini. Data statis, dalam banyak kasus, tidak mengandung petunjuk yang
signifikan dari kondisi saat ini yang sebenarnya. Dengan demikian, penting untuk
mengadopsi alat-alat yang dapat meniru dinamika sistem nyata.
Belokar membuat peta value stream saat keadaan menggunakan
perusahaan manufaktur mobil di India sebagai studi kasus. Peta value stream
perubahan yang diusulkan dapat meningkatkan waktu prosedur operasional dan
produktivitas. Pekerjaan mereka merekomendasikan bahwa peta negara masa
depan harus terus berubah untuk peta keadaan saat sepanjang masa bisnis apapun.

Guo quang Pan membahas penerapan VSM untuk proses produksi pabrik mesin
logam. Peta saat mengungkapkan masalah yang mempengaruhi waktu pengiriman
dan peta negara masa depan menyarankan skema dioptimalkan yang mengurangi
waktu pengiriman siklus sebesar 57% (dari 21 hari menjadi 9 hari). Melvin
dibahas VSM dalam makanan dan minuman industri (misalnya, industri
manufaktur yoghurt). Modelnya menemukan beberapa inefisiensi dan tidak pantas
kegiatan pemeliharaan yang mempengaruhi arus barang, sehingga downtime yang
berlebihan.

Melvin

menyimpulkan

makalahnya

dengan

mengusulkan

pembangunan kembali lini pengolahan untuk menghindari gerakan yang tidak

perlu barang dan adopsi mesin baru yang mengurangi tingkat kecacatan. Wongso
menerapkan VSM dalam garis manufaktur make to order untuk mengidentifikasi
proses bottleneck, proposal penurunan manufaktur lead sebesar 27% dan analisis
kapasitas menyarankan perluasan tungku perlakuan panas.

Sumber: Azubuike Chukukere, Krystel K. Castillo-Villar dan HungDa Wan, Improving Operations
through Dynamic Value Stream Mapping and Discrete-Event, 2014

Gambar 1.10. Alur proses

1.2.3.

Metodologi
Makalah ini mengadopsi konsep VSM dibahas oleh Rother dan Shook.

Tugas pertama adalah untuk mengidentifikasi value stream, keluarga produk yang
relevan, dan memilih produk tertentu untuk model. Perusahaan digunakan sebagai
studi kasus dalam makalah ini tidak memproduksi atau menghasilkan barang
tetapi perusahaan jasa yang memperbaiki kerusakan mobil. Mobil yang rusak
adalah value stream yang akan dimodelkan. Kinerja toko perbaikan tabrakan, dari
waktu mobil yang rusak tiba garasi perbaikan untuk waktu yang keluar detail-toko

sebagai mobil diperbaiki, dievaluasi dalam tulisan ini seperti yang dijelaskan
dalam Gambar 1.10 langkah kedua adalah observasi dan pengumpulan data di
body shop, pekerja (pengrajin di body shop) dan operator di setiap stasiun proses
diwawancarai untuk memahami berbagai deskripsi pekerjaan mereka dan waktu
siklus dibutuhkan untuk beberapa jenis pekerjaan variabel mereka. Data
dikumpulkan saat bekerja di sekitar body shop dengan pensil dan kertas. Jumlah
mobil yang rusak yang masuk bengkel dan jumlah mobil diperbaiki yang keluar
toko dalam waktu tiga bulan dikumpulkan. Variasi dalam stasiun proses ini
disebabkan perbedaan jenis kendaraan, model, tingkat keparahan kerusakan, dan
kompetensi dari orang-orang di tubuh. Variasi dalam waktu siklus dalam stasiun
dikumpulkan di lantai toko sementara mobil didorong melalui value stream untuk
jangka waktu satu bulan. Ketiga, data yang terkumpul dianalisis dan digunakan
dalam proses pemetaan.
Makalah ini menggunakan data sampel yang dikumpulkan di lantai toko
untuk memahami tren dan distribusi yang cocok untuk model simulasi. Statistik
merupakan perangkat lunak yang digunakan agar sesuai dengan distribusi yang
memadai untuk setiap stasiun proses dalam model. Tahap akhir dari metodologi
adalah simulasi dan verifikasi hasil.

Sumber: Azubuike Chukukere, Krystel K. Castillo-Villar dan HungDa Wan, Improving Operations
through Dynamic Value Stream Mapping and Discrete-Event, 2014

Gambar 1.11. Langkah Metodologi

1.2.4.

Mengidentifikasi Value stream

Sebelum value stream diidentifikasi, tiga pertanyaan berikut perlu

dijawab: apa nilai, apa value stream dan apa maknanya? Nilai aliran adalah apa
yang pelanggan bersedia untuk membayar, value stream ditetapkan tindakan yang
diperlukan untuk membawa produk atau layanan kepada pelanggan. Nilai aliran
terdiri dari nilai tambah dan kegiatan non-nilai tambah. Limbah adalah nama
untuk non-nilai tambah kegiatan dalam lean manufacturing. Ini memiliki dua

bentuk, non-nilai tambah dan yang diperlukan non-nilai tambah kegiatan adalah
limbah. Non-nilai yang diperlukan menambahkan kegiatan yang tidak dapat
dihindari tetapi kegiatan non-nilai tambah yang signifikan karena memiliki efek
negatif pada bottom line dari perusahaan mana pun. Nilai aliran dalam karya ini
adalah proses perbaikan mobil yang rusak. Kegiatan yang diperlukan untuk
mengubah mobil rusak dari periode pelanggan sampai periode pelanggan
mengambil mobil.
1.2.5.

Pengamatan dan Pengumpulan Data

Ukuran sampel adalah 26 untuk semua stasiun proses. Cycle Time

disingkat sebagai CT dan Waiting Time disingkat sebagai WT. Tidak ada WT
karena kertas ini mengasumsikan bahwa pelanggan mengambil mobil mereka
diperbaiki segera mereka keluar dari toko rinci. Mobil rusak dan mobil diperbaiki
yang masuk dan keluar toko perbaikan tabrakan berjarak 66 hari.
1.2.6.

Pemetaan Proses
Data yang dikumpulkan digunakan untuk mengembangkan peta keadaan

saat ini. Peta keadaan dimulai saat informasi dilewatkan dari pelanggan untuk
perbaikan kontrol dalam bentuk perintah perbaikan pra-estimasi dihitung pada
kontrol perbaikan dan tanda pelanggan perbaikan otorisasi. Otorisasi pelanggan
dikirim ke perusahaan asuransi dimana persetujuan akhir untuk perbaikan
diterima dalam bentuk kode otorisasi. Begitu bengkel menerima kode otorisasi,
bagian-bagian yang diperlukan akan diperbaiki. Mobil pelanggan yang rusak
akan berada di garasi perbaikan menunggu untuk bagian-bagian yang diperbaiki
untuk tiba. Waktu menunggu di garasi perbaikan adalah 21 jam, rata-rata. Begitu
bagian tiba, perjalanan mobil yang rusak melalui stasiun proses mulai. Blok
persegi panjang mewakili stasiun proses, segitiga mewakili waktu tunggu di setiap
stasiun proses. Angka dalam kotak persegi panjang merupakan rata-rata siklus
atau nilai tambah rata-rata waktu dan angka di bawah segitiga di antara stasiun
proses mewakili non-nilai tambah waktu. Jumlah rata-rata nilai tambah waktu
2.46 hari sedangkan jumlah dari nilai tambah dan non-nilai tambah waktu juga

dikenal sebagai lead time, adalah 9.24 hari. VSM menunjukkan bahwa waktu
tunggu rata-rata melalui semua stasiun proses per mobil diperbaiki adalah sekitar
6.78 hari (nilai tambahan waktu). Selain itu, garasi perbaikan dan toko memiliki
waktu tunggu masing-masing sebesar 21 dan 30 jam. Salah satu manfaat dari
VSM adalah bahwa hal itu menunjukkan daerah pengguna yang membutuhkan
perbaikan terus-menerus. Kaizen merupakan simbol yang melekat di atas waktu
tunggu untuk perbaikan, body shop dan toko persiapan menunjukkan bahwa
prioritas harus diberikan kepada proses ini.
1.2.7.

Simulasi
VSM memberikan snapshot dari seluruh stasiun proses tetapi informasi

yang dikumpulkan dari VSM terbatas. Misalnya, VSM tidak menunjukkan

variabilitas di stasiun proses, tingkat WIP, antara metrik kinerja lainnya. Bagian
ini menyajikan model simulasi yang berpotensi akan membantu dalam memahami
dinamika aliran proses keseluruhan dan juga membantu dalam mengusulkan peta
negara di masa depan. Perangkat lunak simulasi Promodel digunakan untuk model
peta negara masa depan. Software Stat Fit digunakan untuk mengubah data yang
diamati dalam distribusi statistik yang memadai yang meniru perilaku toko
perbaikan tabrakan.
1.2.8.

Simulasi Model
Entitas yang digunakan dalam model ini adalah dalam empat bentuk.

Entity memasuki sistem (perbaikan garasi) sebagai mobil yang rusak, di garasi
perbaikan entitas adalah semacam menjadi dua dan memasuki body shop sebagai
mobil yang rusak atau mobil rusak total. Pemilahan pada tahap ini diperlukan
karena kesenjangan yang besar dalam jam kerja antara mobil rusak. Mobil rusak
membutuhkan kurang dari 3 hari jam kerja diklasifikasikan sebagai mobil rusak
sementara mobil rusak yang membutuhkan lebih dari 3 hari jam kerja
diklasifikasikan sebagai mobil rusak total. Hal ini juga didirikan dari data yang
diamati bahwa sekitar 30% dari mobil rusak yang tiba ke toko perbaikan tabrakan
adalah rusak sementara 70% adalah rusak total pekerjaan masing-masing. Kedua
bentuk mobil yang rusak bergabung di toko persiapan sebagai mobil diperbaiki.

Lokasi yang sama dengan stasiun proses VSM menjadi sumber daya yang
merebut, delay, dan melepaskan entitas sebanyak 4, yaitu penduga di garasi
perbaikan, 10 pekerja di body shop, 4 persiapan-orang di persiapan shop, 2
pelukis di booth cat, dan pekerjaan di toko detail seperti yang ditunjukkan pada
Gambar 1.12.

Sumber: Azubuike Chukukere, Krystel K. Castillo-Villar dan HungDa Wan, Improving Operations
through Dynamic Value Stream Mapping and Discrete-Event, 2014

Gambar 1.12. Diagram Alir Simulasi

1.2.9.

Model Logika dan Asumsi

Model Logika dan Asumsi yang didapat adalah:

1. Sebanyak 30% dari mobil yang rusak adalah HH sementara 70% adalah LH.
2. Pekerja di bagian body shop 1, 2 & 3 lebih berpengalaman, oleh karena itu,
mereka menangani 30% pekerjaan HH atau pekerjaan LH ketika tidak ada
pekerjaan HH tersedia tersedia. Tubuh manusia 4, 5, 6, 7, 8, 9, & 10 hanya
dapat menangani pekerjaan LH.
3. Simulasi memiliki 66 ulangan.
4. Model diasumsikan sembilan jam kerja dalam satu hari.
5. Tidak ada pengerjaan ulang, hanya hasil yang dianggap.
6. Perbaikan di garasi diasumsikan titik masuk (entitas) ke dalam sistem.
7. Lead time didefinisikan sebagai waktu rata-rata suatu entitas dalam sistem.
8. Orang-orang di body shop memiliki pengalaman yang sama dan pengetahuan
teknis dalam peta negara masa depan.

1.2.10. Simulasi Model Hasil dan Validasi

Model simulasi dimulai dengan sistem yang kosong pada waktu nol.
Sebuah periode transien 100 hari digunakan untuk menghangatkan sistem (entitas
beban dan memastikan bahwa aliran proses steady state dicapai). Hasil diperoleh
dari 66 ulangan untuk 1000 hari. Hasil simulasi meniru peta keadaan saat ini di
Gambar 1.13, dalam hal waktu menunggu di garasi perbaikan, body shop dan toko
persiapan. Kesibukan body shop 99,2% dari waktu dan persiapan toko 91.03%
dari waktu. Perbaikan garasi terdiri lebih dari waktu menunggu dan tidak banyak
nilai tambah kegiatan dicapai pada saat di stasiun proses karena mobil rusak yang
menganggur, menunggu suku cadang atau kode otorisasi untuk perbaikan.
Pemanfaatan sumber daya pada tahap ini adalah 1%. Stasiun proses lain memiliki
pemanfaatan di bawah kontrol. Pemanfaatan sumber daya di body shop tidak
seimbang karena variasi besar dalam kemampuan pekerja tubuh. Catatan kinerja
manajer dari pekerja membantu untuk peringkat masing-masing pemanfaatan.
Pekerja 1 adalah sangat berpengalaman dan sibuk 92,08% dari waktu sementara
Tubuh manusia 10 tidak sangat berpengalaman pada pekerjaan maka,
pemanfaatan ya 63,25%.
1.2.11. Kerja Standar dan Pendukung Bersandar Alat
Ketika standardisasi tidak pada tempatnya, seperti yang diamati dalam
kasus ini, kualitas perbaikan sangat tergantung pada manusia tubuh individu.
Semakin terampil pekerja, semakin baik kualitas dan karena perkiraan cukup
serta bagian yang kurang tersedia akan dihasilkan. Pekerjaan terstandardisasi
mengurangi limbah dengan mengidentifikasi dan menghilangkan yang tidak perlu
yaitu waktu non nilai tambah di toko. Ini menyediakan kecepatan kerja yang stabil
dan dapat diprediksi. Proses kerja akan ditentukan dan didokumentasikan dengan
baik memberikan urutan pekerjaan yang diprediksi. Ini adalah platform yang
stabil untuk perbaikan terus-menerus. Penerapan standar kerja dalam bengkel
akan menghasilkan bagian yang memerintahkan sekali dan perkiraan yang
komprehensif loading mobil yang rusak pada body shop untuk perbaikan. Hal ini
akan menghasilkan aliran kontinu kerja di toko.

Perangkat ramping berikut ini akan memberikan dukungan penting bagi

keberhasilan standarisasi kerja dan harus dilaksanakan secara paralel:
1. Tenaga kerja fleksibel: diusulkan di body shop untuk meningkatkan
pemerataan pekerjaan di seluruh bengkel. Hal ini memerlukan program lintas
pelatihan yang ekstensif di lantai toko. Variasi dalam jenis perbaikan akan
merata ke tubuh tersedia-laki. Adopsi pendekatan ini akan memungkinkan
setiap

manusia

tubuh

untuk

menangani

setiap

kelas

kerusakan,

mempersingkat waktu memimpin, dan menunggu waktu; untuk menyediakan

lantai toko dengan rencana perbaikan; dan untuk meningkatkan keterlibatan
setiap manusia tubuh.
2. Penerapan 5S (sort, set in order, standardize, shine dan sustain) dan sistem
visual yang: Pemberian informasi kepada karyawan dengan cara lain dari
sekadar menulis dapat membantu mengurangi limbah dan pengawasan.
Semua karyawan dari bengkel harus berlatih rumah tangga dan organisasi
tempat kerja teknik untuk menciptakan lingkungan tertib. Individu dan tim
disiplin harus didorong. Gerakan boros seperti mencari alat-alat kerja dan
instruksi kerja harus dihindari
3. Just in time: (JIT) sehingga bagian-bagian memerintahkan dapat diterima di
lead time terpendek. Memesan bagian yang tepat dengan spesifikasi yang
tepat pada waktu yang tepat dan memberikan tindak lanjut yang cepat
1.2.12. Hasil Ringkasan dan Kesimpulan
Makalah ini menyajikan DVSM diterapkan ke toko perbaikan tabrakan.
Jika fungsi pekerjaan setiap manusia tubuh standar dan dengan tenaga kerja yang
fleksibel diterapkan pada body shop, model simulasi menunjukkan perbaikan
berikut:
1. Memimpin waktu rata-rata untuk mobil diperbaiki akan mengurangi 9,246,32 hari
2.

WIP rata-rata dalam sistem akan turun 90,13-43,68 (6.26 + 6.89 + .83 + 29.7
= 43,68) mobil

3. Pemanfaatan sumber daya rata-rata di body shop yang seimbang, tenaga kerja
yang fleksibel akan berfungsi sebagai penyangga terhadap variasi besar isi
pekerjaan di bengkel. Rata-rata perbaikan / bodyman merupakan jumlah ratarata mobil diperbaiki oleh masing-masing manusia tubuh dan variasi ini
disebabkan perbedaan tingkat keparahan mobil rusak. Berdasarkan hasil peta
masa depan negara, kelompok kerja harus dipertahankan pada setiap stasiun
dan rencana dibuat untuk pelatihan mingguan.
Sebuah keberhasilan pelaksanaan kelompok kerja di stasiun proses akan
menyebabkan tenaga kerja yang fleksibel dan standar kerja di stasiun proses.
Rekomendasi tidak digunakan dalam model simulasi tapi berguna untuk terus
perbaikan di bengkel tabrakan adalah: faktor Visual, 5S, dan JIT. Bengkel harus
mengadopsi proses penilaian kerusakan yang komprehensif sebelum loading
mobil rusak ke bengkel dan juga memperkenalkan kali stempel kolom pada log
perbaikan agar mudah evaluasi nilai tambah waktu. Penerapan alat lean tidak
spesifik industri; kombinasi DVSM dan simulasi kejadian diskrit dapat
bermanfaat bagi industri jasa, bukan hanya untuk lingkungan manufaktur seluas
dirasakan. Akhirnya, jalan masa depan penelitian dapat mempertimbangkan ulang
dan kualitas sempurna dalam model simulasi dan menggunakan teknologi RFID
untuk membedakan nilai tambah waktu dan non-nilai tambah waktu.