Laporan Simulasi Kelompok 06 (20 Mei)

LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI
JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

1

BAB I
PENDAHULUAN

1.1 Latar 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.

1.2 Tujuan
Tujuan dari praktikum ini adalah sebagai berikut:
1. Mengidentifikasi permasalahan yang terdapat pada sistem produksi spunt pile
di PT. Beton Prima Indonesia

2

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

1.3 Manfaat
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.

1.4 Batasan
Batasan yang digunakan pada praktikum ini adalah:
1. Pengamatan pada tiang pancang bulat/spunt pil
2. Pengamatan dilakukan dibagian produksi

1.5 Asumsi
Asumsi yang digunakan pada praktikum ini adalah:

3

1. Memiliki tingkat kepercayaan 95%
2. Tidak ada mesin yang rusak
3. Operator bekerja dalam keadaan normal

4

BAB II
DASAR TEORI

2.1 Pengertian 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.
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.

5

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.

2.2 Pengertian 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.

2.3 Pengertian 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.

2.3.1 Elemen Simulasi
Suatu sistem dalam simulasi mencakup entities, activities, resources, and
control. Elemen-elemen tersebut mendefinisikan 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.

6

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.
Incoming
entities
Outgoing
entities
activities
resources controls
System

Gambar 2.1 Elemen simulasi
Sumber : Mckeod(2001)

2.4 Definisi 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++.

2.4.1 Modul 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.

Gambar 2.2 Modul create

b. Dispose Module

7

Dispose module merupakan modul sebagai titik akhir untuk entitas dalam
modul simulasi. Contoh: Customer keluar dari bank.

Gambar 2.3 Modul dispose
c. Process Module
Process module digunakan untuk mendefinisikan proses. Server dapat berupa
sebuah resource atau transporter. Contoh: Memenuhi pesanan.

Gambar 2.4 Modul process
d. 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 decide
e. 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
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.

8

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 format .txt karena Input Analyzer Arena hanya dapat membaca
masukan dari format .txt.

2.4.3 Process 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.

9

2.5 Activity 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 Diagram
No Nama Simbol Lambang
Keterangan
1 Generate

Merepresentasikan menciptakan (create) atau
membangkitkan (generate) entitas
2 Terminate

Merepresentasikan 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 status/aktivitas
pendahulu berubah atau berlanjut menjadi
status/aktivitas berikutnya.

2.6 Distribusi Probabilitas
Mengenai distribusi data dan macam-macam distribusi data terdapa pada
mega project.

2.6.1 Distribusi 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.

10

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 Convention

(2-1)

b. Cummulative Distribution Function (cdf)
Cummulative Distribution Function

(2-2)

( )
U diperoleh dari () (2-3)

11

2.6.1.2 Distribusi Normal
Sebuah fungsi yang berbentuk lonceng dengan parameter dan .
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.
Probability Density Function

( )
)
dt (2-4)


(

dt (2-5)

2.6.1.3 Distribusi Triangular

12

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.

( )
( )( )

( )
( )( )

(2-6)


13

( )
( )( )

()
()()
(2-7)

14

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.

(2-
8)

(2-9)

15

2.6.1.5 Distribusi Gamma
Nilai antara a dan b dimana a > b, dan probabilitas dari semua nilai-nilai
adalah sama.

)
()
(2-9)

b. Cummulative Distribution Function(cdf)

(
)
()
(2-10)

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

16

tersebut tidak berfungsi sebagaimana mestinya . Distribusi weibull pada
umumnya digunakan untuk mempresentasikan waktu kerusakan.

()
(2-11)

b. Cummulative Distribution Function(cdf)

(

0 (2-12)

2.6.1.7 Distribusi Lognormal
Merupakan distribusi probabilitas sebuah peubah (variabel) acak yang
logaritmanya tersebar secara normal.

17


(2-13)


+ (2-14)

Distribusi lognormal pada umumnya digunakan untuk merepresentasikan
waktu kerusakan.

2.6.2 Distribusi 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

18

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

(2-15)


()
(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

19

(probabilitas dinyatakan dengan notasi q=1-p). Masing-masing percobaan
merupakan peristiwa yang bersifat bebas yaitu peristiwa yang satu tidak
mempengaruhi peristiwa yang lain.

(
( )
(2-17)


( ) (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.

20


( )
(2-19)

( )
(2-20)

2.7 Verifikasi 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,

21

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.

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)

22

BAB III
METODOLOGI PRAKTIKUM

3.1 Diagram Alir Praktikum
Berikut ini merupakan digram alir dari praktikum:
Mulai
Studi Kepustakaan
Pengamatan Keputusan
Penentuan Fokus
Pengamatan
Pengambilan Data
Pengolahan Data
Pemodelan Data dengan
ACD
Penentuan Distribusi
Pemodelan Sistem
dengan Arena
Verifikasi
Apakah Model
Sesuai ?
Validasi
Analisis dan
Pembahasan
Skenario dengan
Process Analyzer
Analisis dan
Pembahasan Hasil
Eksperimen
Kesimpulan dan Saran
Selesai
Apakah Model Valid
?
Tidak
Ya
Tidak
Ya

Gambar 3.1 Diagram alir praktikum

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

3.3 Hasil 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 dilakukan pelepasan mur dan baut pada cetakan dan

24

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.

25

BAB IV
ANALISIS DAN PEMBAHASAN

4.1 Gambaran 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 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.

26

Tabel 4.1 Rekap data pembuatan spunt pile
Cutting Heading
gulung
spiral
pasang
emplit
setting
Feed
ing
Pasang
baut
Stress
ing
Spinni
g
Steam
Ing
Mold
ing
Finish
ing
2 1 4 8,1
6
1,45 3,1 3,4 9 13
3,8 13,1
1,4 1,3 5,2 7,5
5,38
1,86 2,9 3,7 9 13
5,1 12,4
1,3 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 13,9
1,9 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 12,4
1,2 1,5 5,2 7,5
5,9
2 2,4 3,7 9 13
3,8 14,9
1,5 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 13,5
1,9 1,3 2,95 7,5
5,38
1,86 3,75 3,4 9 13
3,9 13,1
1,3 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 14,9
1,9 1,3 3,5 7,5
5,5
2,2 2,9 3,68 9 13
5,1 13,9
1,8 1,5 5,2 6
6
1,86 3,75 4,3 9 13
2,7 13,5
1,5 1 6,1 8,1
5,38
2 2,4 3,4 9 13
3,9 13,1
1,8 1,3 3,5 7,5
5,9
2,3 2,4 3,7 9 13
4,9 12,4
2,1 1,5 5,2 6
6,3
2,2 2,4 3,7 9 13
4,38 14,9
2,1 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 13,5
2,1 1 6,1 8,1
5,9
1,86 2,4 3,4 9 13
5,1 13,1
1,5 1,3 5,2 7,5
6,3
2 3,1 3,7 9 13
2,7 12,4
1,5 1,5 6,1 7,5
5,5
2,3 2,9 3,7 9 13
3,9 14,9
1,5 1 5,2 6
6
2,2 3,75 3,68 9 13
4,9 13,9
1,5 1,3 6,1 8,1
5,38
1,86 2,4 4,3 9 13
4,9 13,5
1,9 1,5 3,5 7,5
5,9
2 2,4 3,4 9 13
4,38 13,1
1,5 1 2,95 6
6,3
2,3 2,9 3,7 9 13
5,48 12,4
1,5 1 5,2 7,5
5,5
2,2 3,75 3,7 9 13
3,8 14,9
1,5 1,3 6,1 6
5,38
1,45 2,4 3,68 9 13
5,1 13,9
1,9 1,5 5,2 8,1
5,9
1,86 2,4 4,3 9 13
2,7 13,5
1,5 1,4 6,1 7,5
6,3
2 2,4 4,3 9 13
3,9 13,9
1,8 1,3 3,5 7,5
5,5
2,3 2,9 3,4 9 13
4,9 13,5
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 12,4
1,8 1 6,1 7,5
5,9
2 3,1 3,68 9 13
3,8 14,9
2,1 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 13,5
1,8 1,4 6,1 6
5,9
1,86 2,4 3,7 9 13
3,9 13,1

27

1,8 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
Feed
ing
Pasang
baut
Stress
ing
Spinnig
Steam
Ing
Mold
ing
Finish
ing
2,2 1,3 2,95 7,5
5,5
2,3 2,9 3,68 9 13
4,9 14,9
1,8 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 13,5
1,9 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 14,9
1,9 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 13,5
1,5 1,3 6,1 7,5
5,38
2,2 2,9 3,7 9 13
4,9 13,1
1,8 1,5 3,5 6
5,9
1,45 3,75 3,7 9 13
4,38 12,4
2,1 1,4 2,95 7,5
6,3
1,86 2,4 3,68 9 13
5,48 14,9

4.2 Pengolahan Data
4.2.1 Uji 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) =
= 1.68
b. Std =
()
=
()
()
()
()
= 0.269
c. Dengan K = 2, maka:
BKA (Batas Kontrol Atas) = X + k = 1.68 + 2.0.269 = 2.218
BKB (Batas Kontol Bawah) = X k = 1.68 2.0.269 = 1.142
d. Didapatkan grafik control chart sebagai berikut:

28

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.

4.2.2 Uji 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:
N
1
= [

Dimana:
N
1
= Jumlah pengamatan yang harus dilakukan
K = Tingkat kepercayaan dalam pengamatan. ( k = 2, 1- = 95%)
S = Derajat ketelitian dalam pengamatan (5%)
Xi = Data pengamatan
Berdasarkan data yang telah diambil dapat dilakukan perhitungan sebagai berikut:
N
1
=
()
= 6.338 6
Karena nilai N N maka dapat disimpulkan bahwa data yang diambil telah cukup
dan telah mewakili populasi.

0
0.5
1
1.5
2
2.5
1 3 5 7 9 1113151719212325272931333537394143454749
waktu
BKA
BKB

29

4.2.3 Uji 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.

Gambar 4.2 Uji regresi data waktu pemotongan
Berdasarkan scatter diagram diatas, diketahui bahwa data tidak membentuk pola
tertentu sehingga data dinyatakan independen.

4.3 Penentuan 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.
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.

0
1
2
3
0 10 20 30 40 50 60
waktu
waktu

30

4.4 Penentuan 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 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

31

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 bilangan
Nomor
X
Data
Generate Nomor
X
Data
Generate Nomor
X
Data
Generate
1 1,2 1,106361 18 1,5 1,625774 35 1,8 1,830445
2 1,2 1,215269 19 1,5 1,63376 36 1,8 1,831084
3 1,3 1,297589 20 1,5 1,646853 37 1,8 1,838676
4 1,3 1,361481 21 1,5 1,652417 38 1,8 1,84325
5 1,3 1,37721 22 1,5 1,658212 39 1,8 1,850676
6 1,4 1,407804 23 1,5 1,664956 40 1,8 1,872222
7 1,4 1,440166 24 1,5 1,678723 41 1,8 1,879404
8 1,4 1,440846 25 1,5 1,679281 42 1,8 1,883005
9 1,4 1,465825 26 1,5 1,685705 43 1,8 1,89108
10 1,4 1,498986 27 1,5 1,70979 44 1,9 1,896702
11 1,4 1,510907 28 1,5 1,711097 45 1,9 1,907545
12 1,4 1,516701 29 1,5 1,713218 46 1,9 1,941461
13 1,5 1,537273 30 1,8 1,758086 47 1,9 2,038248
14 1,5 1,541102 31 1,8 1,76046 48 1,9 2,07688
15 1,5 1,545263 32 1,8 1,763444 49 1,9 2,077625
16 1,5 1,551345 33 1,8 1,771441 50
1,9
2,077625
17 1,5 1,551466 34 1,8 1,805857

4.5 Pengujian 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

32

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 :
r =

= 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 =
= 0,48
b. PC =

33

=
= 0,58
Berikut merupakan tabel hasil perhitungan frekuensi dan probabilitas
pada masing masing data :
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 =
= 0,064
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 square
Kelas PC 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 0,1156 0,4817
4 0,58 0,46 0,0144 0,0313

34

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.

4.6 Model Konseptual
4.6.1 Flowchart Sistem
Berikut adalah flowchart dari sistem pembuatan spunt pile di PT. Beton Prima
Indonesia:

4.6.2 ACD
Berikut merupakan Activity Cycle Diagram pada sistem pembuatan spunt pile.
Terlampir

4.7 Pembuatan 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:

35

a. Drag create menuju layout. Klik create 1 kemudian definisikan:

Gambar 4.7 Pendefinisian create 1
1) 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
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.

36

4.9 Pendefinisian Process 1
1) 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.

4.10 Pendefinisian separate 1
1) Name: Dipotong
2) Type: Duplicate Original
3) Percent Cost to Duplicate (0-100): 50
4) # of Duplicate: 5

37

5) Klik OK
e. Drag process menuju layout. Klik process 2 kemudian definisikan.

4.11 Pendefinisian process 2
1) Name: Proses Heading
2) Type: Standart
3) Logic:
Type: Resource > Resource Name: Operator Heading > Quantity: 1 > klik
OK
4) Delay Type: Normal
5) Units: Minutes
7) Value (Mean): 1.32
8) Std Dev: 0.237
9) Klik OK
f. Drag process menuju layout. Klik process 3 kemudian definisikan.

4.12 Pendefinisian process 3
1) Name: Proses Gulung Spiral
2) Type: Standard
3) Logic:

38

Action: Delay
4) Delay Type: Triangular
5) Units: Hours
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 1
1) 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
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

39

i. Drag Create menuju layout. Klik create 2 kemudian definisikan.

1) Name:
2) Entity Type: Entitas End Plate
Type: Constant
Value: 1
Units: Minutes
7) Klik OK
j. Drag Assign menuju layout. Klik assign 2 kemudian definisikan.

1) 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.

40

Gambar 4.17 Pendefinisian process 4
1) Name: Pemasangan Endplate
2) Type: Standart
3) Logic:
Type: Resource > Resource Name: Operator Endplate > Quantity: 1 > klik
OK
5) Units: Minutes
8) Std Dev: 0.378
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
6) Klik OK

41

m. Drag Station menuju layout. Klik Station 2 kemudian definisikan.

1) Name: Stasiun 2
4) Klik OK
n. Drag Assign menuju layout. Klik Assign 3 kemudian definisikan.

1) Name: Assign Spiral dan Endplate
2) Assignments:
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.

1) Name: Kedatangan Cetakan

42

2) Entity Type: Entitas Cetakan
Type: Constant
Value: 1
Units: Minutes
7) Klik OK
p. Drag Assign menuju layout. Klik Assign 4 kemudian definisikan.

1) Name: Assign Cetakan
2) Assignments:
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.

1) Name: Batch Cetakan
2) Type: Temporary
3) Batch Size: 2

43

5) Rule: Any Entity
6) Klik OK
r. Drag Process menuju layout. Klik process 5 kemudian definisikan.

1) Name: Proses Penyettingan
2) Type: Standart
3) Logic:
Type: Resource > Resource Name: Operator Penyettingan > Quantity: 1 >
klik OK
5) Units: Minutes
8) Std Dev: 0.311
9) Klik OK
s. Drag Assign menuju layout. Klik assign 5 kemudian definisikan.

1) Name: Assign Penyettingan
2) Assignments:

44

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.

1) Name: Concentrate
2) Entity Type: Cor
Type: Constant
Value: 1
Units: Minutes
7) Klik OK
u. Drag Station menuju layout. Klik station 3 kemudian definisikan.

1) Name: Stasiun 5
4) Klik OK
v. Drag Access menuju layout. Klik access 1 kemudian definisikan.

45

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
w. Drag Convey menuju layout. Klik convey 1 kemudian definisikan.

Gambar 4.29 Pendefinisian convey 1
1) Name: Conveyor
5) Klik OK
x. Drag Station menuju layout. Klik station 4 kemudian definisikan.


46

1) Name: Stasiun 4
4) Klik OK
y. Drag Exit menuju layout. Klik exit 1 kemudian definisikan.

Gambar 4.31 Pendefinisian exit 1
1) Name: Exit 1
3) # of Cells: -
4) Klik OK
z. Drag Assign menuju layout. Klik assign 6 kemudian definisikan.

1) 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.


47

1) 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.

1) Name: Batch Cor
2) Type: Temporary
3) Batch Size: 2
5) Rule: Any Entity
6) Klik OK
cc. Drag Process menuju layout. Klik process 6 kemudian definisikan.

1) Name: Proses Penuangan
2) Type: Standart
3) Logic:

48

Type: Resource > Resource Name: Operator Penuangan > Quantity: 1 >
klik OK
5) Units: Minutes
8) Std Dev: 0.0845
9) Klik OK
dd. Drag Assign menuju layout. Klik assign 7 kemudian definisikan.

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.

1) Name: Sil dan Baut
2) Entity Type: Entitas Sil Baut

49

Type: Constant
Value: 1
Units: Minutes
7) Klik OK
ff. Drag Assign menuju layout. Klik assign 8 kemudian definisikan.

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.

1) Name: Batch Sil dan Cor
2) Type: Temporary
3) Batch Size: 2

50

5) Rule: Any Entity
6) Klik OK
hh. Drag Station menuju layout. Klik station 5 kemudian definisikan.

1) Name: Stasiun 9
4) Klik OK
ii. Drag Process menuju layout. Klik process 7 kemudian definisikan.

1) Name: Pemasangan Sil dan Baut
2) Type: Standart
3) Logic:
Type: Resource > Resource Name: Operator Sil Baut > Quantity: 1 > klik
OK
5) Units: Minutes

51

8) Std Dev: 0.0781
9) Klik OK
jj. Drag Process menuju layout. Klik process 8 kemudian definisikan.

1) Name: Stressing
2) Type: Standart
3) Logic:
Type: Resource > Resource Name: Operator Stressing > Quantity: 1 > klik
OK
4) Delay Type: Constant
5) Units: Minutes
7) Value: 4
8) Klik OK
kk. Drag Process menuju layout. Klik process 9 kemudian definisikan.

1) Name:Spinning
2) Type: Standart
3) Logic:

52

Type: Resource > Resource Name: Operator Spinning > Quantity: 1 > klik
OK
5) Units: Minutes
7) Value: 9
8) Klik OK
ll. Drag Request menuju layout. Klik request 1 kemudian definisikan.

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.

53

Gambar 4.45 Pendefinisian transport 1
1) Name: Transport Crane
2) Transport Name: Crane
3) Unit Number: -
6) Velocity: 1
7) Units: Per Minute
8) Klik OK
nn. Drag Station menuju layout. Klik station 6 kemudian definisikan.

1) Name: Stasiun 3
4) Klik OK
oo. Drag Free menuju layout. Klik free 1 kemudian definisikan.

Gambar 4.47 Pendefinisian free 1

54

1) Name: Free Crane
2) Transporter Name: Crane
3) Unit Number: -
4) Klik OK
pp. Drag Process menuju layout. Klik process 10 kemudian definisikan.

1) Name:Steaming
2) Type: Standart
3) Logic:
Type: Resource > Resource Name: Operator Steaming > Quantity: 1 > klik
OK
5) Units: Minutes
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

55

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
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

56

uu. Drag Dispose menuju layout. Klik dispose 2 kemudian definisikan.

1) Name: Dispose Sil Baut
3) Klik OK
vv. Drag Process menuju layout. Klik process 11 kemudian definisikan.

1) Name: Pelepasan Mur Baut Cetakan
2) Type: Standart
3) Logic:
Type: Resource > Resource Name: Operator Pelepasan > Quantity: 1 > klik
OK
5) Units: Minutes
8) Std. Dev: 0.0744
9) Klik OK
ww. Drag Process menuju layout. Klik process 11 kemudian definisikan.

57

1) Name: Finishing
2) Type: Standart
3) Logic:
Type: Resource > Resource Name: Operator Finishing > Quantity: 1 > klik
OK
5) Units: Minutes
8) Std. Dev: 0.62
9) Klik OK
xx. Drag Dispose menuju layout. Klik dispose 3 kemudian definisikan.

1) Name: Disimpan di Gudang
3) Klik OK

4.8 Perhitungan Jumlah Replikasi
Untuk mengurangi jumlah variansi maka simulasi harus dilakukan sebanyak n
kali replikasi. Untuk mendapatkan nilai n maka perlu dilakukan replikasi awal n0

58

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
= 0.05
tn-1,/2 = t4,0.025 = 2,776
Tabel 4.6 Hasil number out simulasi
Replikasi
Number Out
Simulasi
1 31
2 31
3 31
4 31
5 30
Standar Deviasi 0,447213595
Rata rata 30,8

Nilai half width dihitung dengan rumus :
Half width =
(
=
()
= 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 :
=
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
(38 * %) dengan nilai n sebesar :
N (

)
2

59

N (
)
2
= 8,54
Sehingga untuk memperoleh suatu hasil simulasi dengan nilai error sebesar
1% diperlukan replikasi sebanyak 9 kali.

4.9 Verifikasi 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.

60

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

61

BAB V
PENUTUP

5.1 Kesimpulan
Berikut ini adalah kesimpulan dari laporan mega project:

5.2 Saran
Berikut ini adalah saran yang dapat diberikan dari laporan mega project:

Laporan Simulasi Kelompok 06 (20 Mei)

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laporan Simulasi Kelompok 06 (20 Mei)

Diunggah oleh

Hak Cipta:

Format Tersedia

LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI

JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

Anda mungkin juga menyukai