Anda di halaman 1dari 31

TUGAS BRIEFING

MODUL I
Monte Carlo Simulation dan Stat::Fit Data Testing

1.1.

Monte Carlo Simulation


Monte carlo simulation, atau biasa juga disebut probability simulation, adalah sebuah teknik atau

metode yang digunakan untuk menggambarkan sebuah keadaan ketidakpastian pada kondisi di mana
variabel waktu tidak berpengaruh (Albrecht, 2010).
Ketika melakukan sebuah peramalan, terdapat asumsi - asumsi yang dibuat dan digunakan,
seperti biaya konstruksi, waktu yang dibutuhkan untuk menyelesaikan sebuah kegiatan, dsb. Namun,
pada kenyataannya, ada beberapa aspek atau variabel yang tidak bisa diasumsikan secara akurat.
Variabel yang tidak dapat diasumsikan tersebut akan dibuat dalam sebuah range nilai.
Konsep utama dari Monte Carlo simulation adalah membangkitkan bilangan random dari range
nilai yang telah dibuat, melakukan perhitungan, mendapatkan hasil dari kalkulasi tersebut, lalu
mengulangi proses tersebut selama waktu yang telah ditentukan, menggunakan bilangan random yang
berbeda. Pada akhirnya, akan didapatkan nilai final yang akan menggambarkan hasil hasil yang
memungkinkan untuk dicapai.
1.1.1

Tahapan Simulasi Monte Carlo


Berikut adalah tahapan - tahapan dalam pembuatan simulasi Monte Carlo:

1. Membuat

probabilitas

distribusi

untuk

variabel-variabel

penting.

(distribusi

normal,

eksponensial, empiris, dll)


2. Bangkitkan bilangan random sesuai dengan distribusi yang ditentukan.
3. Lakukan pengulangan pada simulasi dengan bilangan random yang berbeda.
4. Analisis statistik hasil simulasi.
1.1.2

Membangkitkan Bilangan Random


Pembangkitan bilangan random dapat menggunakan beberapa software seperti Ms. Excel, Statfit,

Crystal Ball, Minitab, dll. Pada modul ini kita akan belajar membangkitkan bilangan random melalui 3

cara yaitu formula =RAND() pada Ms. Excel, penggunaan tool Data Analysis pada Ms. Excel, dan
penggunaan software Stat::Fit.
a. Formula =RAND() pada Ms. Excel.
Pada Ms. Excel, pembangkitan bilangan random dapat menggunakan rumus =RAND() dan
secara otomatis Ms. Excel akan mengaktifkan bilangan random yang terdistribusi secara uniform
antara nilai 0 hingga 1. Apabila diinginkan beberapa outcome secara simultan, pembangkitan
bilangan random ini dapat dilengkapi dengan probabilitas munculnya setiap outcome tersebut.
Dengan demikian, munculnya bilangan random pada kisaran tertentu berkaitan dengan outcome
tertentu. Untuk keperluan ini dapat menggunakan perintah =VLOOKUP(nilai yang dicari, tabel
yang menjadi acuan, kolom nilai pada tabel acuan).
Sebagai contoh, akan digunakan kasus ketidakpastian permintaan di Toko Dave Candies,
sebuah toko cokelat. Berdasarkan data 6 bulan terakhir, permintaan cokelat di tokonya adalah 40,
50, 60, 70, 80, dan 90, dengan kemungkinan yang sama (probabilitas masing-masing permintaan
adalah 1/6). Berikut adalah contoh pembangkitan bilangan random untuk memodelkan
ketidakpastian permintaan cokelat.

Gambar 1.1 Pembangkitan Bilangan Random Menggunakan VLOOKUP


Angka pada kolom Rand didapatkan dengan formula =RAND()
Kelemahan metode ini adalah angka random yang digenerate dapat berubah-ubah. Meskipun
tidak berpengaruh, kelemahan ini dapat diatasi dengan cara melakukan copy pada semua angka
random, lalu paste value di tempat yang sama.

b. Penggunaan tool Data Analysis pada Ms. Excel.


Cara lain untuk mengaktifkan bilangan random adalah dengan menggunakan Data Analysis
Tools. Pada Tab Menu: Data, pilih Data Analysis, dan pilih Random Number Generator,
kemudian tentukan distribusi apa dan berapa jumlah random numbers yang diinginkan.
2

Gambar 1.2 Letak tool Data Analysis pada Ms. Excel

Gambar 1.3 Pembangkitan Bilangan Random Menggunakan Data Analysis


c. Penggunaan Software Stat::Fit.
Sementara pada Statfit dapat menggunakan menu INPUT, kemudian GENERATE.

Gambar 1.4 Pembangkitan Bilangan Random Menggunakan Stat::Fit


Pada window generate tersebut, dapat ditentukan tipe distribusinya, nilai minimal, nilai
maksimal, serta poinnya.
1.2.

Stat::Fit Data Testing


Pengujian data perlu dilakukan sebelum menentukan distribusi dari sekelompok data. Pengujian

tersebut meliputi uji keseragaman dan uji kecukupan data. Berikut contoh dari pengujian data:
1.2.1

Uji Keseragaman Data


Uji keseragaman data dilakukan dengan menggunakan control chart. Data outlier (di luar range

UCL dan LCL) dihapus. UCL/LCL dihitung dengan menggunakan


1.2.2

Uji Kecukupan Data


Uji kecukupan data dilakukan dengan menggunakan rumus

Keterangan:
4

x 3

= Jumlah data yang dibutuhkan

= Jumlah data yang dimiliki

= 1.96 (untuk confidence level 95%)

= 0.05 (untuk confidence level 95%)

Apabila N < N, dilakukan pengambilan data kembali dan dilakukan uji keseragaman data dan
uji kecukupan data sampai N > N
1.2.3

Stat::Fit
Stat::Fit adalah software pendukung ProModel yang merupakan suatu aplikasi statistik untuk

menentukan distribusi data yang akan digunakan sebagai input untuk membuat model dalam ProModel.
Stat::Fit memberikan kemudahan, kecepatan, dan ketepatan dalam pengolahan data yang dimiliki.
Dalam melakukan simulasi model menggunakan ProModel, Stat::Fit digunakan untuk menentukan
distribusi waktu proses, waktu kedatangan, dan waktu transfer.
1.2.3.1 Langkah menggunakan Stat::Fit dengan ProModel
1. Buka ProModel
2. Buka menu tools dan pilih Stat::Fit.
3. Pilih file > new.
Masukkan data yang akan dicari distribusinya baik secara langsung maupun melalui Notepad
atau Microsoft Excel
4. Pilihan input (input options)
Menyediakan pilihan untuk mengolah sekumpulan data, di antaranya Jumlah kelas untuk
histogram dan untuk uji Chi-squared, ketelitian data dan tipe distribusi yang akan ditampilkan.

Dengan menggunakan

atau memilih menu Input > Options, akan tampil kotak dialog input

options seperti di bawah ini:

Gambar 1.5 Menu Options


Keterangan:
Intervals

: Jumlah kelas dari data yang dimasukkan.

1.2.3.2 Tiga Pilihan dalam Menentukan Jumlah Kelas


1. Auto
Menetapkan jumlah kelas minimum yang paling mungkin tanpa kehilangan makna dari data
tersebut. Jumlah kelas akan bertambah jika skewness semakin besar.

Gambar 1.6 Grafik Kelas Auto


Cara Menampilkan dialog box Input Graph:
Klik Menu Input lalu pilih Input Graph
2. Sturges
Menetapkan kelas dengan rumus:
6

k = 1 + 3.3 log N
Gambar 1.7 Option Grafik Sturges

Gambar 1.8 Grafik Kelas Struges


3.
4. Manual
5. Menetapkan kelas sesuai dengan kewenangan dari pengguna.
6. Precision: ketelitian (berapa digit di belakang koma) tersedia sampai 15 digit.
9.

7.
8.

Gambar 1.9 Opsi grafik manual

10.
11.
12. 1.2.3.3 Analisis Statistik
7

Gambar 1.10 Grafik kelas manual

1. Scatter Plotter
13. Untuk melihat bentuk scatter plotter dari input data dapat dengan klik menu:
14. Statistics > Independence Tests > Scatter Plot

15.
16.
Gambar 1.11 Scatter plot diagram
2. Descriptive Statistics
17. Deskripsi statistika dapat kita pilih melalui menu Statistics > Descriptive. Hasil yang dapat
diketahui dari perintah ini adalah parameter distribusi seperti banyaknya jumlah data yang kita
miliki, nilai minimal, nilai maksimal, nilai mean, dan lain-lain.

18.
19.

Gambar 1.12 Descriptive statistics

20.
21.
22.
23.
3. Distribution Fit
24. Untuk memutuskan bentuk distribusi dari data yang kita miliki secara otomatis, kita dapat
menggunakan perintah Auto::Fit,

atau dengan memilih menu Fit > Auto::Fit. Dengan


8

perintah ini, kita dapat mengetahui hasil distribusi data yang kita miliki Dengan mudah dan
cepat. Hasilnya dapat kita lihat seperti pada gambar di bawah ini.
28.

25.
26.

Gambar 1.13 Distribution Fit


27.

29.

Gambar 1.14 Fitting

30.

31.
32.

Gambar 1.15 Grafik perbandingan

33.
34. Semakin tinggi nilai ranking maka distribusi tersebut semakin baik dalam mewakili data yang
kita miliki.
4. Goodness of Fit Tests
35. Uji statistik untuk menguji apakah distribusi probabilitas terpilih benar-benar tepat mewakili
sampel data. Ada 3 tiga uji yang disediakan oleh aplikasi Stat::Fit, yaitu:
36.
a. Chi-Square Test
b. Kolgomorov Smirnov Test
c. Anderson Darling Test
9

37. Untuk melakukan pengujian itu dilakukan dengan memilih menu Fit > Goodness-of-Fit, atau

memilih icon

. Tampilan dari perintah ini dapat kita lihat seperti gambar di bawah ini:
38.

39.

40.

Gambar 1.16 Goodness of Fit Tests

41.

Gambar 1.17 Goodness of Fit Tests

42.
43. 1.2.3.4 Transfer Distribusi ke Promodel
44.

Sebelum hasil distribusi digunakan, maka terlebih dahulu diexport, kemudian pilih

distribusi dengan ranking paling tinggi sehingga akan keluar angka yang nantinya akan digunakan pada

ProModel. Cara melakukan export adalah dengan klik


sehingga akan tampil dialog box seperti ini:

10

atau klik FILE > Export > Export Fit

45.
46. Gambar 1.18 Export fit
47.
48. Dalam kotak OUTPUT terdapat dua pilihan yang aktif:
a. Clipboard
49.
Dimaksudkan setelah klik tombol OK, maka hasil distribusi akan tersimpan dalam
memori sementara yang mudah sekali hilang. Jika menggunakan ini sesegera mungkin untuk
dipaste ke tempat yang dituju
b. File
50.
Setelah klik tombol OK, maka akan muncul dialog box baru yang meminta Anda untuk
menentukan nama file text dan lokasi di mana akan disimpan. Cara ini tergolong aman karena
tersimpan secara permanen dalam disk drive walaupun tidak permanen sekali.
51.
52. Buka kembali Promodel yang tadinya ter-minimized, lalu paste distribusi tersebut.
53.
54. 1.2.3.5 Random Generator
55.

Random generator adalah tools yang ada di dalam Stat::Fit ProModel yang biasa

digunakan untuk men-generate data jika data yang dibutuhkan ternyata kurang dari hasil observasi yang
dilakukan. Pada bagian sebelumnya telah dijelaskan bagaimana cara melakukan perhitungan uji
kecukupan data, jika hasil dari perhitungan tersebut lebih dari hasil N yang didapat, kita dapat
melakukan generate dengan menggunakan tool random generator ini.
56.
11

57. Langkah-langkah menggunakan random generator dengan ProModel


1. Buka ProModel
2. Buka menu tools dan pilih random generator
3. Kemudian akan muncul tampilan jendela seperti di bawah ini:

58.
59. Gambar 1.19: Window generate yang terdapat pada Stat::Fit
4. Setelah itu, pilih distribusi apa yang akan digunakan berdasarkan hasil auto fit yang dilakukan
pada sebelumnya. untuk di kolom di bawahnya diisi sesuai distribusi yang dipilih dan untuk
nilainya dapat dilihat di goodness of fit. Lalu untuk points diisi berdasarkan kebutuhan jumlah
data hasil uji kecukupan data yang akan di-generate.

60.
61. Gambar 1.20: Menyalin parameter yang didapatkan ke dalam window generate

12

5. Setelah di generate, data hasil generate akan langsung masuk ke dalam files autofit sebelumnya.
Kemudian dilakukan langkah-langkah autofit seperti pada langkah- langkah sebelumnya. Hasil
yang didapat kemungkinan berbeda dengan yang di generate.
62.

Contoh: Hasil autofit generate dengan distribusi Beta dengan minimum = 0, maximum =

1, p = 1.5, dan q = 3
63.
64. TUGAS BRIEFING
65.
1. [30] Review satu jurnal internasional tentang simulasi dengan format rangkuman, kelebihan dan
kekurangan, serta kritik dan saran.
2. [15] Generate 20 bilangan random yang terdistribusi uniform dengan range 0-20 menggunakan
salah satu metode rand, data analysis, atau stat::fit
66. Catatan:
- Untuk metode rand: formula tidak boleh dihapus
- Untuk metode data analysis atau Stat::Fit: capture/screenshot langkah-langkah yang
dilakukan
3. [25] Lakukan uji keseragaman dan kecukupan data terhadap data yang digenerate, berikan
analisisnya
4. [30] Udin memiliki sebuah mobil yang sudah lama tidak dipakai namun kondisinya masih bagus.
Jika mobil tidak dipergunakan akan menimbulkan kerugian baik itu dari kondisi mesin maupun
biaya yang harus dikeluarkan seperti pajak dan maintenance. Karena itu, Udin mulai memikirkan
apa yang harus dilakukan pada mobil tersebut. Dia bingung apakah mobil sebaiknya DIJUAL
atau dijadikan sebuah BISNIS RENTAL.
67.

Jika mobil tersebut dijual, Udin berniat menyimpan uang hasil penjualan tersebut di bank.

Bunga bank diasumsikan fix 0.7% per bulan. Harga jual mobil tersebut saat ini Rp 250.000.000,dan depresiasi mobil 7,5% per tahun.
68.

Namun Udin juga sudah memperhitungkan bagaimana bisnis rental yang nantinya akan

dijalankan jika layak. Udin mematok harga sewa mobil Rp 500.000,- per hari. Dia memprediksi
bahwa jumlah peminjaman mobil antara 15-30 kali/bulan (probabilitas dapat dilihat pada tabel).
Sedang biaya yang harus dikeluarkan untuk maintenance Rp 2.000.000,-/bulan.

13

69.
70.

Bisnis mana yang sebaiknya dipilih Udin jika diasumsikan bisnis hanya akan berumur 5

tahun dan mobil akan dijual?


5. [20 BONUS] Lakukan pengujian terhadap data di bawah ini menggunakan software Stat::Fit
untuk menentukan distribusi yang cocok: 7 6 9 3 8 5 3 15 6 7 12 5 3 10 3 8 5 7 12 9
71.

Lampirkan capture/screenshot dan berikan penjelasan

72.
73. TUGAS DIKIRIM KE E-MAIL: SICOLAB@HOTMAIL.COM PALING LAMBAT 1
MINGGU SETELAH BRIEFING
74.
75. Referensi:
1. Hammersley, J. M.; Hanscomb, D. C., 1964. Monte Carlo Methods. London: Methuen.
2. Fishman, G.S., 1996. Monte Carlo: Concepts, Algorithms and Applications. New York:
Springer- Verlag.
3. Albrecht, M.C., 2010. Introduction to Discrete Event Simulation. Arizona.
4. Statfit User Guide.
5. Montgomery, D.C., 2002, Introduction Statistical Quality Control 4th Edition, John Wiley &
Sons, Singapura.
6. Montgomery, D.C., Runger, G.C., Hubele, N.F, 2010, Engineering Statistics 5th Ed., John
Wiley & Sons, Singapura.

76.

MODUL II
14

77.

DISCRETE EVENT SIMULATION: SPREADSHEET

SIMULATION

78. Tujuan Praktikum:


79. 1. Memahami konsep dasar discrete event simulation
80. 2. Memahami aplikasi discrete event dalam dunia nyata
81.
82. 2.1
83.

Discrete Event Simulation


Merupakan simulasi yang menggunakan model matematis ataupun logis dari sebuah

sistem fisik yang menggambarkan perubahan keadaan pada titik titik waktu tertentu dalam simulasi
(Albrecht, 2010).
84.

Discrete Event Simulation sering kali digunakan dalam memodelkan keadaan-keadaan


seperti konsumen yang menunggu waktu servis, manajemen dari parts inventory, dan
sebagainya.

85.
86. 2.2
87.

Simulasi Berbasis Spreadsheet


Simulasi sendiri dapat dilakukan dengan software spreadsheet maupun software seperti

ProModel, Flexsim, dsb. Pada bab ini akan dibahas simulasi berbasis spreadsheet, sementara simulasi
menggunakan Pro Model dan Flexsim akan dijelaskan di bab selanjutnya.
88.

Salah satu simulasi spreadsheet adalah simulasi dengan menggunakan MS. Excel, tentu
kita masih ingat bagaimana penggunaan rumus-rumus excel, seperti yang digunakan pada bab
Monte Carlo.

89. Keuntungan simulasi berbasis spreadsheet adalah:


1. Mudah dipahami
2. Terintegrasi dengan gambar grafik, sehingga memudahkan pengguna dalam visualisasi data
3. Dynamic updating, mudah untuk mengubah input data dan mendapatkan hasil simulasi yang
paling baru
4. Terintegrasi dengan fungsi statistik, sehingga memudahkan pengguna dalam melakukan analisis
15

5. Informatif, karena memperlihatkan secara eksplisit perubahan keadaan setiap interval waktu.
6. Lebih murah karena tidak memerlukan investasi tambahan untuk mendapatkan software khusus
untuk simulasi.
90.
91. Sementara kekurangan simulasi berbasis spreadsheet adalah:
1. Tidak dapat digunakan untuk masalah-masalah yang terlalu kompleks. Semakin kompleks sistem
yang akan dimodelkan, maka akan semakin besar model yang akan dibuat sehingga
membutuhkan kemampuan yang lebih.
2. Tidak dilengkapi dengan feature animasi sehingga kurang menarik secara visual.
3. Harus membangun sendiri semua logika dan kode pemrograman.
92.
93. 2.3
94.

Membangun Model Simulasi


Tahapan dalam membuat simulasi spreadsheet adalah:

1. Menentukan parameter input


95. Menentukan input seperti waktu kedatangan, waktu akhir simulasi, waktu antar kedatangan, serta
waktu servis.
2. Pembuatan rancangan model
96. Ditentukan variabel-variabel apa saja yang ingin diketahui dan bagaimana hubungan antar
variabel.
3. Membuat dan memasukkan fungsi logika
4. Pengujian fungsi logika
97. Dapat dilakukan dengan menginput sembarang nilai ke dalam sel, apabila hasil yang didapatkan
sesuai dengan tujuan dan fungsi yang ingin dicapai, maka fungsi logika dinyatakan benar dan
dapat lanjut ke step berikutnya.
4. Merekam Model
98. Merekam segala aktivitas dengan menggunakan Macro.
5. Pengujian Macro
99. Setelah direkam, Macro dapat dijalankan. Apabila terdapat kesalahan dalam melakukan
perekaman, maka akan muncul error message.
100.
101.
102.

2.4

Merekam Simulasi

Merekam simulasi dapat menggunakan fungsi Macro pada toolbar. Langkah-langkah

yang perlu dilakukan dalam merekam program dalam Macro adalah:


1. Membuka menu tools, kemudian pilih Macro selanjutnya akan muncul sub menu, pilih Record
Macro
16

103.
104. Gambar 2.1: Window record macro pada Microsoft Excel
2. Akan muncul kotak dialog, tentukan nama Macro yang akan dibuat.
3. Selanjutnya pilih Personal Macro Workbook agar macro yang disimpan dapat digunakan setiap
saat pada file apapun. Pilih OK.
4. Pilih Macro Stop Recording, selanjutnya pilih Use Relative Reference. Hal ini akan
memungkinkan program yang dibuat pindah ke alamat relatif, bukan sel atau range tertentu
5. Setelah Macro selesai direkam, selanjutnya adalah membuka Macro yang sudah disimpan dan
menjalankannya.
105.
106.
107.

2.5

Contoh Soal

Sebuah bisnis cuci mobil ingin menghitung tingkat kepuasan konsumen berdasarkan

lamanya waktu yang dihabiskan konsumen dari masuk, menunggu, proses mencuci, pengeringan sampai
exit. Kamu sebagai analyst diminta untuk melakukan simulasi dan menjawab pertanyaan di atas. Bisnis
cuci mobil beroperasi selama 5 jam setiap harinya. Diketahui beberapa data sebagai berikut:
108.

Tabel 2.1: Data waktu pada system cuci mobil

109.
110.

Flowchart untuk bisnis cuci mobil terdapat pada gambar di bawah ini.

17

111.

18

112.

Referensi

1. Evans, J. R.; Olson, D. R., 1998. Introduction to Simulation and Risk Analysis. Prentice Hall.
2. Banks, J. (ed)., 1998. Handbook of Simulation: Principles, Methodology, Advances,
Applications, and Practice. Wiley.
3. Fishman, G. S., 2001. Discrete-event simulation: modeling, programming, and analysis. New
York: Springer-Verlag.
4. Albrecht, M.C., 2010. Introduction to Discrete Event Simulation. Arizona.
113.
114.

19

115.
116.

MODUL III

DES SOFTWARE I: PROMODEL


117.

Pengenalan PROMODEL

118.

Tujuan Praktikum:

119.

1. Mengetahui dasar-dasar simulasi dengan software ProModel

120.

2. Memahami dan mampu melakukan pengaturan layout dalam ProModel.

121.

3. Memahami dan mampu menentukan lokasi, entitas, arrival, processing, dan resource.

122.

4. Memahami dan mampu membuat flowchart.

123.

5. Memahami penggunaan logic JOIN, USE, WAIT, dan MOVE FOR.

124.
125.

3.1

Model dan Sistem

126.

3.1.1

Definisi Model dan Sistem

127.

Model dan sistem merupakan kata kunci dari definisi simulasi. Model diartikan sebagai

representasi atau perwujudan dari serangkaian objek atau ide-ide dalam bentuk matematik atau
hubungan logika tertentu. Sedangkan sistem adalah sekumpulan elemen atau entitas yang saling
berinteraksi untuk mencapai tujuan tertentu. Sistem ada di sekitar kita, seperti kegiatan belajar mengajar,
kegiatan praktikum, sistem bank, lini produksi, dan lain sebagainya.
128.
129.

3.1.2. Komponen Sistem


Menurut Banks dkk (2000), komponen suatu sistem adalah:

1. Entities, objek yang dipelajari di dalam sistem yang menyebabkan perubahan status sistem. Ada
dua tipe entitas yaitu permanen (ada dari awal sampai akhir proses) dan ada yang bersifat
temporary (hanya ada pada saat-saat tertentu).
2. Attributes, ciri khusus yang melekat pada entitas yang membedakan dengan entitas yang lain.
3. Activities, kegiatan yang dilakukan oleh entitas dan mengubah status entitas.
130.
131.
132.
133.
134.

Hubungan antara sistem dan komponen-komponennya dijelaskan pada tabel 4.1.


20

135.
136.

Tabel 3.1 Contoh Sistem dengan Komponennya

137.
138.
139.

3.2

Elemen Dasar ProModel

140.

3.2.1

Layout

141.

Layout merupakan salah satu bagian penting dari sebuah plant atau pabrik. Layout yang

baik dapat meminimalkan biaya perpindahan material (material handling) dan dapat mendukung proses
produksi agar berlangsung dengan baik. Dengan menggunakan ProModel, dapat diatur tampilan layout
yang sesuai dengan kasus yang dimodelkan.
142.

Berikut ini adalah penjelasan cara mengatur layout ProModel.

1. Membuka menu View pada ProModel, pilih Layout Setting


2. Pilih menu Grid Setting

21

143.

144.
145.

Gambar 3.2 Grid Setting

Klik Scale untuk menentukan skala. Skala berupa jarak dan waktu untuk jarak 1 kotak. Isi

dengan skala yang diinginkan.


146.

Selain mengatur skala, agar tampilan layout terlihat nyata serta memiliki tampilan yang

menarik, ProModel menyediakan fitur untuk membuat background. Background dapat dibuat di
ProModel ataupun di-import dari aplikasi lain seperti AutoCAD, CorelDRAW, Photoshop, dll.
Graphics yang di-import ke ProModel harus disimpan dalam format BMP, WMF, GIF, atau
PCX.
1. Membuat graphics menggunakan ProModel
147.
Buka menu Build pilih Background Graphics (behind grid / front grid, tergantung
kebutuhan)
2. Mengimport graphics
148.
Buka menu Edit pilih Import Graphic
149.
150.

3.2.2

Locations

Locations (Ctrl+L) menggambarkan tempat-tempat di dalam sistem dimana entitas

diproses, disimpan, di-delay atau aktivitas lainnya. Lokasi dibutuhkan sebagai tempat untuk menerima
22

dan menyimpan entitas yang akan datang. Lokasi juga dibutuhkan saat proses produksi entitas di mana
value ditambahkan pada entitas tersebut.
151.
152.

3.2.3

Entities

Entitas (Ctrl+E) merupakan obyek yang dipelajari di dalam sistem yang menyebabkan

perubahan status sistem. Obyek ini akan masuk dan keluar sistem serta mengalami pemrosesan. Entitas
dapat berupa komponen, produk, dokumen, maupun manusia. Masing-masing entitas mempunyai nama
dan dapat direpresentasikan dengan satu atau lebih grafik selama simulasi.
153.
154.

3.2.4

Arrivals

Mekanisme yang digunakan untuk menentukan bagaimana entitas memasuki sistem

adalah arrival (Ctrl+A). Entitas dapat datang secara tunggal atau dalam batch. Jumlah entitas yang
datang pada satu waktu disebut batch size (Qty each). Waktu antara kedatangan entitas disebut sebagai
interarrival time (Frequency). Total jumlah batch kedatangan dinyatakan sebagai Occurences. Batch
size, interarrival time, dan jumlah batch bisa dinyatakan dengan angka konstan atau random (distribusi
statistik). Kedatangan pertama dari pola arrival dinyatakan sebagai First Time.
155.
156.

3.2.5

Resources

Resource (Ctrl+R) merupakan sumber daya yang digunakan dalam proses maupun

perpindahan material (material handling). Resource dapat berupa mesin ataupun manusia. Dalam bab ini
resource yang akan digunakan adalah resource untuk membantu jalannya proses produksi, berupa
manusia.
157.
158.

3.2.6

Processing

Processing (Ctrl+P) menggambarkan operasi yang berlangsung pada sebuah lokasi,

seperti jumlah waktu yang dihabiskan entitas pada tempat tersebut, pemilihan resources yang diperlukan
untuk melakukan suatu proses, pemilihan tujuan entitas tersebut berikutnya, dan semua hal lain yang
terjadi pada lokasi tersebut.
159.
160.

3.2.7

Logic Builder

Logic Builder adalah sebuah tool di ProModel yang mempermudah pembuatan logic

statement tanpa perlu mengingat kata kunci, syntax, atau kode-kode tertentu. Logic Builder membuat
pengguna membuat logic statement hanya dengan melakukan klik dan mengetik kata-kata/angka yang
diperlukan.

23

161.

Pada modul ini, akan dijelaskan 3 logic dasar yang ada dalam ProModel. Ketiga logic

tersebut adalah JOIN, USE, dan WAIT. Ketiga logic tersebut masing-masing berfungsi untuk
melakukan proses assembly, menggunakan resource, dan menentukan waktu proses entitas.
162.
163.
164.
165.
166.
167.
168.
169.
170.

Cara mendefinisikannya adalah sebagai berikut:

1. Klik Logic Builder berupa gambar palu pada jendela Operation

171.
172. Gambar 3.3 Logic Builder
2. Pilih JOIN, USE, atau WAIT pada jendela Logic Builder.
a. JOIN
173.
JOIN adalah Logic Builder, dimana pada lokasi tersebut akan ada perintah untuk
menggabungkan entitas menjadi entitas yang baru. Masukkan jumlah kuantitas yang akan di
Join dan entitas yang akan di Join kemudian klik paste.

24

174.
175.
176.

Gambar 3.4 Logic Builder Join

Note: sebelum membuat statement Join pada suatu proses, pilih if Join request

pada jendela routing rule entitas yang akan di Join. If Join request menandakan perintah
entitas akan dikirim ke lokasi tujuan jika ada entitas lain yang akan digabungkan. Jika tidak
ada entitas lain yang akan digabungkan, maka entitas ini tidak akan dikirim ke lokasi tujuan.

177.
25

178.
b. USE
179.
durasi

Gambar 3.5 Routing Rule untuk Entitas yang di-Join

Masukkan jumlah resource yang akan digunakan, resource yang digunakan, dan
penggunaan

resource,

kemudian

klik

paste.

USE

akan

mengakumulasi

utilitas/kegunaan resource.

180.
181.
c. WAIT
182.

Gambar 3.6 Logic Builder Use

WAIT adalah menu Logic Builder yang akan menahan entitas pada lokasi tersebut

dalam beberapa waktu. WAIT dalam beberapa kasus digunakan untuk mendefinisikan waktu
yang digunakan mesin (lokasi) untuk mengolah entitas. Masukkan waktu proses entitas
kemudian klik paste.

183.
184.

Gambar 3.7 Logic Builder Wait


26

185.
186.
187.
188.
189.

3.3

190.

Flowchart

Flowchart merupakan bagan alir (flow) yang berfungsi untuk menerjemahkan urutan

proses pada sebuah sistem yang akan dimodelkan. Semua informasi penting dari sistem
direpresentasikan pada flowchart untuk mempermudah pembuatan model.
191.
192.

3.4.

193.

Contoh Kasus

Tumini membuka sebuah rumah makan mi ayam di Giwangan yang bernama Mi Ayam

Tumini. Menu utama rumah makan tersebut adalah mi ayam. Mi ayam memiliki 5 warehouse untuk
menyimpan bahan yang dibutuhkan, yaitu WH_mie untuk menyimpan mi, WH_ayam untuk menyimpan
ayam, WH_sayuran untuk menyimpan sayuran, WH_kuah untuk menyimpan kuah, dan WH_mangkuk
sebagai tempat penyimpanan mangkuk dan sendok.
194.

Mi Ayam Tumini memiliki 5 lokasi yang terdiri dari: kompor, tempat racik, cek kualitas,

meja pelanggan, serta tempat cuci piring dan sendok


195.

Urutan proses pada Mi Ayam Tumini adalah sebagai berikut (asumsi tidak ada batching):

Mi dari WH_mie dipindahkan ke kompor selama 5 detik


Sayuran dari WH_sayuran dipindahkan ke kompor selama 5 detik
Mi dan sayuran dimasak di kompor selama 4 menit menjadi mi sayur
Mi sayur dibawa ke tempat peracikan selama 7 detik
Ayam dan mangkuk dibawa ke tempat peracikan selama 3 detik
Kuah dibawa ke tempat peracikan selama 5 detik
Mi sayur, ayam, kuah, mangkuk, dan sendok diracik (assembled) oleh 1 peracik selama 1

menit menjadi mi ayam


Mi ayam dibawa ke meja cek kualitas selama 5 detik
Mi ayam dicek selama 15 detik oleh 1 QC
Mi ayam dibawa ke meja pelanggan selama 20 detik
Pelanggan makan mi ayam selama 15 menit (entitas berubah menjadi piring sendok)
Piring sendok dibawa ke tempat cuci piring selama 10 detik
Piring sendok dicuci selama 3 menit oleh 1 tukang cuci
Selesai

196.

27

197.

Berikut ini tabel detail kapasitas dan waktu kedatangan seluruh entitas. Berdasarkan

seluruh data yang ada, buatlah model simulasi dengan menggunakan Promodel untuk Mi Ayam Tumini.
198.
199.

Tabel 3.1: Kapasitas lokasi di Mi Ayam Tumini

entitas
200.

201.
202.

28

Tabel 3.2: Arrival rate

203.
3.4.1. Flowchart

204.
205.
206.

3.5

207.

Langkah 1. Membuka File Baru

1.
2.
3.
4.
5.

Pembuatan Model dengan ProModel

Buka menu File, pilih New


Ketik nama title
Pilih satuan waktu dan satuan jarak
Pilihan graphic dan logic tidak usah diubah
Klik OK

208.

Langkah 2. Membuat Locations

1. Buka menu Build, pilih Locations (Ctrl+L).


2. Dari Tabel Graphics klik simbol yang melambangkan lokasi, kemudian klik pada layout.
3. Nama lokasi bisa diganti dengan klik pada kolom lokasi yang akan diganti kemudian menulis
nama baru.
209.

Langkah 3. Menentukan Entitas

1. Buka menu Build, pilih Entities (Ctrl+E).


2. Dari tabel Entity Graphics klik salah satu simbol yang akan digunakan sebagai simbol entitas.
3. Kolom Name, Speed, Stats dan Notes pada tabel Entities tidak perlu diubah.
210.

Langkah 4. Mendefinisikan Arrival

1. Buka menu Build, pilih Arrivals (ctrl+A)


2. Isilah kolom-kolom yang tersedia pada tabel Arrivals
211.

Langkah 5. Mendefinisikan Resources

1. Buka menu Build, pilih Resources (Ctrl+R).


2. Dari tabel Graphics klik salah satu simbol yang akan digunakan sebagai symbol resource dan
tentukan jumlah unitnya.
212.

Langkah 6. Mendefinisikan Processing dan Routing

1. Buka menu Build, pilih Processing (ctrl+P)


2. Isi setiap kolom dan baris dengan elemen-elemen yang sesuai dengan kasus.
213.

Langkah 7. Mendefinisikan Simulasi

1. Buka menu Build, pilih Options


2. Set run hours pada 24 kemudian run simulasi
214.
215.
216.

Referensi:

1. Banks, J., Carson, J. S., Nelson, B. L., dan Nicol, D. M., 2000, Discrete-Event Symulation,
2. Prentice-Hall, New Jersey.

3. ProModel User Guide


217.