BAB I

PENDAHULUAN

1.1 LATAR BELAKANG

Dalam suatu industri atau usaha kecil menengah yang memproduksi suatu produk
tentunya memiliki sistem produksi yang dijalankan untuk memenuhi permintaan
produk ataupun jasa. Dalam hal ini sistem adalah integrasi dari manusia, mesin,
metode dan lain-lain yang dapat mempengaruhi kegiatan produksi. Dalam suatu
sistem tentunya terdapat berbagai masalah dalam pelaksanaannya, oleh karena itu
seharusnya dilakukan penelitian agar dapat memecahkan masalah dalam sistem.
CV. Berkat Abadi Sentosa merupakan perusahaan yang bergerak dalam
pengolahan kembali ubin keramik bekas dari perusahaan pembuat keramik.
Perusahaan ini memiliki supplier yang membawa bahan baku berupa ubin setiap
harinya berjumlah 800 unit dengan sekali pengantaran di pagi hari. Pada proses
produksinya, perusahaan ini memiliki masalah yaitu terjadi bottleneck maupun idle
sehingga diperlukan adanya analisis total produksi yang dapat diselesaikan selama jam
kerja.
Dari penjelasan diatas, untuk mengatasi masalah tersebut perlu dilakukan
simulasi. Simulasi dapat didefinisikan sebagai peniruan dari system nyata. Dari
peniruan ini, maka akan didapatkan hasil simulasi berupa analisis sistem sehingga
dapat mengatasi kekurangan dari sistem nyata tersebut. Untuk melakukan simulasi
sistem tersebut, dapat menggunakan software yaitu ProModel.
Laporan ini akan dibuat simulasi dari sistem nyata CV. Berkat Abadi Sentosa pada
proses produksi ubin keramik. Oleh karena itu, dilakukan analisis dari sistem dengan
simulasi sistem nyata menggunakan software ProModel. Dengan melakukan simulasi
ini diharapkan kekurangan atau permasalahan di proses produksi ubin keramik CV.
Berkat Abadi Sentosa dapat dilakukan perbaikan.

1.2 IDENTIFIKASI MASALAH

Berikut merupakan identifikasi masalah dari CV. Berkat Abadi Sentosa.
1. Terjadi bottleneck dan idle dalam proses produksi ubin keramik. Commented [NN1]: Disesuaiin sama programnya dulu.
Bawah-bawahnya juga.

1
 1.3 RUMUSAN MASALAH
Berikut merupakan rumusan masalah dari CV. Berkat Abadi Sentosa:
1. Bagaimana total porduksi yang dapat diselesaikan selama jam kerja pada proses
produksi ubin keramik di CV. Berkat Abadi Sentosa?
2. Apa yang mengakibatkan bottleneck dan idle pada proses produksi di CV. Berkat
Abadi Sentosa?
3. Bagaimana solusi yang efisien dari permasalahan tersebut dengan
mempertimbangkan biaya?

1.4 BATASAN MASALAH

Dalam studi kasus di CV. Berkat Abadi Sentosa, batasan- batasan yang digunakan
yaitu:
1. Waktu pengamatan dilakukan sebanyak 30 kali

1.5 ASUMSI
Berikut merupakan asumsi dari CV. Berkat Abadi Sentosa:
1. Operator sedang berada dalam kondisi normal.
2. Waktu pengamatan diasusmsikan sesuai dengan studi kasus.
3. Biaya diasusmsikan sesuai dengan studi kasus.

1.6 TUJUAN PENELITIAN

Tujuan dari penelitian ini antara lain:
1. Menganalisis total produksi yang dapat diselesaikan selama jam kerja pada proses
produksi ubin keramik di CV. Berkat Abadi Sentosa.
2. Mencari proses yang mengakibatkan bottleneck dan idle pada proses produksi
ubin keramik di CV. Berkat Abadi Sentosa.
3. Menganalisis solusi yang efisien pada proses produksi ubin keramik di CV. Berkat
Abadi Sentosa dengan mempertimbangkan biaya.

1.7 MANFAAT PENELITIAN

Manfaat dari penelitian ini antara lain:
1. Dapat mengetahui total produksi yang dapat diselesaikan selama jam kerja pada
proses produksi ubin keramik di CV. Berkat Abadi Sentosa.

2
2. Dapat menemukan proses yang mengakibatkan bottleneck dan idle pada proses
produksi ubin keramik di CV. Berkat Abadi Sentosa.
3. Dapat memberikan solusi yang efisien pada proses produksi ubin keramik di CV.
Berkat Abadi Sentosa dengan mempertimbangkan biaya.

3
 (Halaman ini sengaja dikosongkan)

4
 BAB II
TINJAUAN PUSTAKA

2.1 SISTEM
Menurut Blanchard (1991:25) sistem adalah sekumpulan elemen yang bekerja
bersama untuk mencapai tujuan yang diharapkan. Contoh dari sistem adalah sistem
lalu lintas, sistem ekonomi dan sistem manufaktur.

2.1.1 Elemen Sistem

Menurut Harrel (2004:25) Elemen-elemen (elements) dapat difenisikan siapa, apa,
dimana, kapan dan bagaimana suatu entitas mengalami pemrosesan.

Gambar 2.1 Elemen – elemen sistem

Sumber: Harrel (2004:26)
1. Entitas: segala item yang diproses dalam sistem. Entitas dapat dibedakan
berdasarkan karakteristik yang dimiliki.
2. Aktivitas: kegiatan yang dilakukan dalam system yang dapat mempengaruhi
system secara langsung maupun tidak dalam pemrosesan entitas.
3. Resources: bagian dari elemen system yang melakukan aktivitas.
4. Kontrol: penyedia informasi dan berperan dalam pengambilan keputusan
mengenai bagaimana suatu system dioperasikan. Contoh dari kontrol adalah
perencanaan produksi, penjadwalan produksi, lembar intruksi, prioritas kerja.

2.1.2 Klasifikasi Sistem

Menurut Christoper (2004), sistem dapat diklasifikasikan berdasarkan dua hal
sebagai berikut :
1. Tipe Entitas
a. Discrete Event System
Suatu event terjadi di suatu waktu tertentu, dan antar kejadian dalam sistem
tidak berpengaruh oleh jumlah entitas yang masuk.

5
 b. Continous Event System
Status dari suatu komponen dalam sistem akan berubah secara kontinyu
seiring dengan perubahan waktu yang terjadi.
c. Combined Event Models
Model ini terdiri dari dua komponen, yakni komponen diskret dan
kontinyu.Entitas yang berada dalam model dapat dihitung maupun diukur.
2. Kondisi Entitas ketika Sistem Berakhir
a. Terminating
Sistem yang tidak memperbolehkan entitas untuk tetap berada dalam sistem
ketika sistem itu berakhir. Contoh: bank, restoran, airline ticket counter.
b. Non-Terminating
Sistem tidak pernah berhenti, sehingga entitas akan selalu berada dalam
sistem. Contoh: hospitals, manufacturing facilities.

2.2 MODEL
Menurut Harrel (2004:144), model merupakan representasi dari suatu sistem
nyata, dimana dalam melakukan pemodelan dibutuhkan pengetahuan mengenai
sistem yang akan dimodelkan, serta kemampuan pemodel dalam mengoperasikan
software yang digunakan.

2.2.1 Klasifikasi Model

Berikut ini adalah klasifikasi model menurut Pegden, Shannon dan Sadowski
(1995), Harrel, Gosh, dan Bowden (2004).
1. Berdasarkan Struktur.
a. Model Ikonis, yaitu model simulasi yang terlihat menyerupai sistem nyata dan
sering disebut sebagai simulator. Model ikonis sering digunakan untuk tujuan
pelatihan.
b. Model Simbolik, yaitu model simulasi yang mengkaji simulasi dalam bentuk
matematis maupun menggunakan symbol.
2. Berdasarkan Fungsi.
a. Model Deskriptif, yaitu model yang memberikan gambaran dari sistem.
b. Model Prediktif, yaitu model yang digunakan untuk meramalkan hasil dari
kondisi tertentu.

6
 c. Model Normatif, yaitu model yang memberikan jawaban terbaik dari
alternative yang ada.
3. Berdasarkan Acuan Waktu.
a. Model Statis (Monte CarloSimulation), yaitu model yang tidak
memperhitungkan perubahan-perubahan karena pengaruh waktu.
b. Model Dinamis, yaitu model yang memperhitungkan faktor waktu dalam
menggambarkan suatu sistem nyata.
4. Berdasarkan Tingkat Ketidakpastian.
a. Model Stokastik atau Probabilistik, yaitu model yang menghasilkan output
yang bersifat acak.
b. Model Deterministik, yaitu model yang selalu menghasilkan keluarkan yang
selalu sama setiap kali model dijalankan.
c. Model Tak Pasti, yaitu model yang dikembangkan untuk kondisi
ketidakpastian mutlak.
5. Berdasarkan Derajat Kuantifikasi.
a. Model Kualitatif, yaitu model yang menggambarkan suatu mutu pada suatu
realita.
b. Model Kualitatif dibagi menjadi 2:
1) Model Mental, yaitu model yang menggambarkan proses berpikir
manusia.
2) Model Verbal, yaitu model yang disajikan dalam bahasa sehari-hari.
c. Model Kuantitatif, yaitu model yang variabelnya dapat dikuantifikasikan.
d. Model Kuantitatif dibagi menjadi 4:
1) Model Heuristik, yaitu modle yang digunakan untuk mencari jawaban baik
tetapi bukan yang optimum.
2) Model Simulasi, yaitu model yang digunakan untuk mencari jawaban baik
yang menguntungkan pada sistem yang sangat kompleks.
3) Model Optimum, yaitu model yang digunakan untuk menentukan
jawaban terbaik.
4) Model Statistik, yaitu model yang mendeskripsikan dan menyimpulkan
data.

7
 6. Berdasarkan Derajat Generalisasi.
a. Model umum, secara umum dapat diterapkan pada berbagai bidang
fungsional.
b. Model spesifik, hanya digunakan untuk masalah tertentu.
7. Berdasarkan Acuan Dimensi.
a. Model Dua Dimensi, yaitu model yang terdiri dari dua faktor penentu.
b. Model Multi Dimensi, yaitu model yang terdiri dari banyak faktor penentu.
8. Berdasarkan Acuan Lingkungan.
Berdasarkan acuan lingkungan, model dapat dibedakan menjadi 2 macam, yaitu:
a. Model Loop Terbuka, yaitu model yang memiliki interaksi dengan
lingkungannya.
b. Model Loop Tertutup, yaitu model yang tidak memiliki interaksi dengan
lingkungannya.

2.2.2 Stakeholder Pemodelan

Menurut Cleland dan Ireland (2000:175), tiap proyek mempunyai stakeholder.
Stakeholder meliputi semua pihak yang terlibat baik secara langsung maupun tidak
langsung dalam pengerjaan suatu proyek serta pihak yang terkena dampak dari adanya
proyek. Permodelan sistem merupakan bagian dari proyek simulasi yang memiliki
stakeholder dengan dua klasifikasi yaitu Internal Stakeholders, External Stakeholders.
1. Internal Stakeholder, merupakan pihak-pihak yang terlibat secara langsung dalam Commented [NN2]: Pake nomor dulu

pemodelan system. Pihak yang termasuk dalam internal stakeholder antara lain
pengumpulan data, analis, serta orang yang memodelkan system.
2. External Stakeholder, merupakan pihak-pihak yang terlibat secra tidak langsung
dalam pemodelan system. External stakeholder adalah pihak yang menjadi objek
pemodelan, missal suatu perusahaan yang disimulasikan untuk menganalisis
penyebab masalah yang terjadi di dalam perusahaan tersebut.

2.2.3 Teori Antrian

Menurut Christoper (2000), teori antrian merupakan studi matematika dari
antrian atau kejadian garis tunggu (waiting lines), yaitu suatu garis tunggu dari
pelanggan yang memerlukan layanan dari sistem yang ada.

8
2.2.3.1 Komponen Dasar Antrian
Komponen dasar antrian adalah sebagai berikut:
1. Kedatangan
Setiap masalah antrian melibatkan kedatangan, misalnya orang, mobil, atau
panggilan telepon untuk dilayani. Unsur ini sering disebut input. Proses input
meliputi sumber kedatangan atau biasa dinamakan calling population, dan cara
terjadinya kedatangan yang umumnya merupakan proses random. Terdapat 3
perilaku antrian, yaitu:
a. Reneging (pembatalan) adalah meninggalkan antrian sebelum dilayani
b. Balking adalah orang yang langsung pergi ketika melihat panjangnya antrian,
menolak untuk memasuki antrian
c. Jockeying adalah orang yang berpindah- pindah dari satu antrian ke antrian
lain karena ingin dilayani lebih cepat
2. Pelayanan
Pelayan atau mekanisme pelayanan dapat terdiri dari satu atau lebih pelayan, atau
satu atau lebih fasilitas pelayanan. Contohnya pada sebuah check out counter dari
suatu supermarket terkadang hanya ada seorang pelayan, tetapi bisa juga diisi
seorang kasir dengan pembantunya untuk memasukkan barang- barang ke
kantong plastik.Sebuah bank dapat mempekerjakan seorang atau banyak teller.
Disamping itu, perlu diketahui cara pelayanan dirampungkan, yang kadang-
kadang merupakan proses random. Ada 3 aspek yang harus diperhatikan dalam
mekanisme pelayanan, yaitu:
a. Tersedianya Pelayanan
Mekanisme pelayanan tidak selalu tersedia untuk setiap saat.Misalnya dalam
pertunjukan bioskop, loket penjualan karcis masuk hanya dibuka pada waktu
tertentu antara satu pertunjukan dengan pertunjukan berikutnya.
b. Kapasitas Pelayanan
Kapasitas dari mekanisme pelayanan diukur berdasarkan jumlah langganan
yang dapat dilayani secara bersama-sama.
c. Lamanya Pelayanan
Lamanya pelayanan adalah waktu yang dibutuhkan untuk melayani seorang
langganan atau satu-satuan.Ini harus dinyatakan secara pasti.

9
 3. Disiplin Antrian
Disiplin antrian adalah aturan keputusan yang menjelaskan cara melayani
pengantri, misalnya datang awal dilayani dulu yang lebih dikenal dengan
singkatan FCFS, datang terakhir dilayani dulu LCFS, berdasar prioritas, berdasar
abjad, berdasar janji, dan lain- lain. Jika tak ada antrian berarti terdapat pelayan
yang menganggur atau kelebihan fasilitas pelayanan.

2.2.3.2 Prioritas Pelayanan Antrian

Menrurut Christoper (2004), ada 4 bentuk prioritas pelayanan antrian yang biasa
digunakan, yaitu:
1. First Come First Served (FCFS) atau First In First Out (FIFO)
Entitas yang pertama kali berada dalam antrian akan dilayani terlebih dahulu
sebelum entitas yang lain datang
2. Last Come First Served (LCFS) atau Last In First Out (LIFO)
Entitas yang terakhir kali mendatangi antrian akan menjadi entitas yang pertama
kali dilayani oleh server.
3. Shortest Processing Time (SPT)
Entitas yang membutuhkan pelayanan paling cepat akan mendapatkan pelayanan
lebih dahulu
4. Longest Processing Time (LPT)
Entitas yang memiliki kebutuhan pelayanan lebih rumit akan dilayani terlebih
dahulu
5. Lowest Value First (LVF)
Sering digunakan untuk memodelkan penumpang di system transportasi, dimana
pelanggan yang akan dikategorikan dalam kelas pertama, kelas kedua dan kelas
ketiga. Pelanggan yang berada di kelas kedua akan mendapat pelayanan ketika
sudah tidak ada antrian pelanggan kelas pertama.
6. Highest Value First (HVF)
Pelayanan akan memprioritaskan pelanggan yang telah melakukan lebih banyak
transaksi di waktu sebelumnya.

10
2.3 SIMULASI
Menurut Harrel (2005:5) simulasi merupakan tiruan dari system dinamis dengan
menggunakan computer untuk mengevaluasi dan memperbaiki performansi sistem.

2.3.1 Software Simulasi

Dalam pemodelan simulasi dikenal dua software yang paling umum digunakan,
yaitu programming language dan simulation application.
1. Programming Language, yaitu suatu bahasa ataupun tata cara yang dapat
digunakan manusia untuk dapat berkomunikasi secara langsung dengan
komputer. Programming language dibagi menjadi dua, yaitu High Level Language,
yang lebih mudah dipelajari karena semua kalimat digunakan di kehidupan
sehari-hari, serta Low Level Language, yang lebih sulit untuk dipelajari karena
seperti bahasa mesin.
2. Simulation Application adalah suatu program untuk menirukan/ memodelkan
suatu perilaku sistem nyata sehingga hasilnya dapat dianalisis dan dipelajari.
Simulation Application dibagi menjadi dua, yaitu:
a. General Purposes Application yang dapat digunakan secara umum dan berbagai
tugas/tujuan,
b. Special Purposes Application untuk tugas/tujuan yang spesifik dan lebih
lengkap.

2.3.2 Metodologi Simulasi

Menurut Jerry Banks (1995:15), langkah-langkah perancangan simulasi dapat
dilakukan sebagai berikut:
1. Problem Formulation
2. Setting of Objectives and Overall Project Plan
3. Model Conceptualization
4. Data Collection
5. Model Translation
6. Verifikasi
7. Validasi
8. Simulation Analysis
9. Documentation and Reporting

11
 2.4 PETRINET
PetriNet dikembangkan Carl Adam Petri sejak tahun 1962 dimulai dengan
disertasinya. PetriNet merupakan bipartite graph yang memiliki dua tipe node yaitu place
dan transition yang dipergunakan untuk menganalisis informasi penting mengenai
struktur dan perilaku dinamis dari sistem yang dimodelkan. Simbol yang
dipergunakan adalah sebagai berikut:
1. Lingkaran (Location) merepresentasikan aktivitas (pasif/aktif) atau kondisi/status
(pre/post).

Gambar 2.2 Simbol Location

Sumber: Bause dan Kritzinger (2002:79)
2. Segi empat (Transition) merepresentasikan kejadian atau saat perubahan/transisi
kondisi.

Gambar 2.3 Simbol Transition

Sumber: Bause dan Kritzinger (2002:79)

3. Panah (Flow relation) Merepresentasikan relasi urutan antar node yang

menunjukkan bahwa node pendahulu berlanjut menjadi node berikutnya.

Gambar 2.4 Simbol Flow Realtion

Sumber: Bause dan Kritzinger (2002:79)
4. Token (Marking) Mempresentasikan pergerakan location atau perubahan kondisi
yang dialami entitas.

Gambar 2.5 Simbol Marking

Sumber: Bause dan Kritzinger (2002:79)

2.5 PROMODEL
Menurut Harrel (2000:66) ProModel merupakan software simulasi yang dirancang
untuk memodelkan sistem dengan proses discrete-event. ProModel adalah salah satu

12
software simulasi yang dapat memodelkan suatu sistem nyata dengan elemen, proses
dalam sistem terkait sehingga hasilnya dapat dianalisis dan dapat diaplikasikan dalam
system nyata.

2.5.1 Pembuatan Model dengan ProModel

Langkah pembuatan model dengan ProModel, sebagai berikut:
1. Definisikan elemen model dasar yang akan digunakan dengan urutan
a. Pendefinisian locations.
b. Pendefinisian entities.
c. Pendefinisian path network.
d. Pendefinisian resources.
e. Pendefinisian processing.
f. Pendefinisian arrivals.
g. Pendefinisian shift.
h. Pendefinisian attribute atau variable.
2. Pendekatan model dalam bentuk coding.
3. Menjalankan model.
4. Pembacaan model statistik dan report.

2.5.2 Elemen Dasar ProModel

Berikut adalah elemen-elemen dasar promodel yang dapat digunakan antara lain:
1. Locations, mewakili tempat pada sistem yang akan dilewati oleh entitas ataupun
bentuk tempat terjadinya aktivitas maupun pengambilan keputusan.
2. Entities, yaitu apapun yang diproses dalam suatu model.
3. Path Network, yaitu jalur yang dilalui resources maupun entitas.
4. Resources, adalah orang ataupun barang – barang yang digunakan untuk
melakukan beberapa fungsi tertentu, seperti pemindahan entitas, membantu
pelaksanaan kinerja fungsi tertentu, ataupun melakukan maintenance pada suatu
location.
5. Processing, mendefinisikan routing dari entitas yang melalui sistem dan operasi yang
terjadi pada setiap location yang dimasuki entitas.
6. Arrivals, mendefinisikan waktu dimana entitas masuk pada sistem

13
 7. Shift and break, digunakan untuk menentukan kondisi shift dan break dari suatu
location dan resource. Biasanya disimpan dalam bentuk mingguan.
8. General information, digunakan untuk menspesifikasikan informasi dasar dari suatu
model termasuk nama dari suatu model, satuan waktu, satuan jarak, dan library
graphic.
9. Cost, dapat digunakan untuk memonitor niaya yang berkaitan dengan locations,
entities, dan resources selama simulasi dijalankan dan laporan statistic secara umum
termasuk statistic biaya.

2.5.3 Advanced Element ProModel

Berikut ini adalah Advanced Element dari ProModel:
1. Attributes
Attributes merupakan suatu tempat yang mirip dengan variable, tetapi terikat pada
location dan entitas dengan spesifikasi tertentu dan biasanya berisi informasi
mengenai location atau entitas tersebut.
2. Variables
Variables dapat berisi bilangan riil atau bilangan bulat termasuk nilai elemen indeks
dan biasanya digunakan untuk pembuatan keputusan maupun rekaman informasi.
3. Macros
Macros akan memudahkan saat text, kumpulan statement, atau kode block akan
digunakan berkali-kali dalam model.

2.5.4 Konsep Permodelan ProModel

Model didefinisikan sebagai suatu deskripsi logis tentang bagaimana sistem
bekerja atau komponen-komponen berinteraksi. Dengan membuat pemodelan
ProModel dari suatu system diharapkan kita dapat lebih mudah melakukan analisis.

2.5.4.1 Batching of Entities (Permanent dan Temporary)

Dalam suatu proses, memungkinkan untuk dilakukan penggabungan beberapa
entitas yang memiliki tipe entitas yang sama atau sejenis. Menggabungkan beberapa
entitas yang mempunyai tipe yang sama tersebut dapat dilakukan dengan perintah
group ungroup dan combine.
1. Temporary Batching Using Group/Ungroup

14
 Pernyataan Group dan Ungroup adalah perintah yang saling berkaitan. Group
adalah langkah awal untuk mengelompokkannya dan ungroup adalah perintah
lanjutan untuk membatalkan perintah group atau memisahkan pengelompokkan
yang telah dilakukan sebelumnya. Setiap entitas awal memiliki atribut dengan
nilai tertentu yang melekat pada entitas sebelum entitas digabungkan. Atribut dan
nilai pada tiap entitas tunggal tidak akan berpindah pada entitas yang sudah
dikelompokkan. ProModel mempertahankan semua identitas dan atribut dari
entitas yang dikelompokkan dan memungkinkan mereka untuk tetap menjadi
entitas individu setelah perintah ungroup.
2. Permanent Batching Using Combine
Combine berfungsi untuk mengumpulkan dan mengkonsolidasikan entitas dengan
jumlah tertentu menjadi satu kesatuan, opsional dengan nama yang berbeda.
Entitas gabungan kehilangan identitas dan atribut mereka dan tidak dapat
diungroup nantinya. Ketika mendefinisikan lokasi, kapasitas lokasi di mana
pernyataan combine digunakan harus setidaknya sama besar dengan jumlah
gabungan.

2.5.4.2 Attaching of Entities (Permanent dan Temporary)

Dalam suatu proses, memungkinkan untuk dilakukan penggabungan beberapa
entitas yang memiliki tipe entitas yang berbeda. Menggabungkan beberapa entitas
yang mempunyai tipe yang berbeda tersebut dapat dilakukan dengan perintah load-
unload dan Join.
1. Temporary Attach Using Load/Unload
Pernyataan Load-Unload digunakan untuk menggabungkan sejumlah tertentu
entitas secara sementara. Load adalah langkah awal untuk menggabungkan dan
unload adalah perintah lanjutan untuk membatalkan perintah load atau
memisahkan penggabungan yang telah dilakukan sebelumnya. ProModel
mempertahankan semua identitas dan atribut dari entitas yang digabungkan
dengan load dan memungkinkan mereka untuk tetap menjadi entitas individu
setelah perintah unload.
2. Permanent Attach Using Join
ProModel menggunakan pernyataan Join untuk menggabungkan sejumlah
tertentu dari entitas menjadi satu kesatuan, opsional dengan nama yang

15
 berbeda, namun tidak dapat dipisahkan lagi. Jika entitas dasar dan entitas yang
akan digabung memiliki atribut sebelum penggabungan terjadi, entitas yang
bergabung akan memiliki nilai atribut dari entitas dasar. Dengan kata lain, entitas
dengan routing rule IF Join akan kehilangan atributnya ketika terjadi penggabungan
secara permanen.

2.5.4.3 Splitting dan Accumulating of Entities

Dalam suatu operasi memungkinkan adanya pemisahan entitas menjadi beberapa
entitas. Splits As memisah entitas yang ada menjadi sejumlah entitas baru (lebih dari
satu) dan sebagai pilihan menetapkan nama entitas yang baru (hasil proses split).
Entitas yang dihasilkan memiliki nilai atribut yang sama dengan entitas asli. Setiap
entitas yang ingin dipisah harus melepaskan semua sumber daya yang dimiliki dengan
menggunakan pernyataan free.

2.5.4.4 Decision (If Then Else)

Dalam suatu sistem, mungkin dilakukan eksekusi yang berbeda berdasarakan
kondisi tertentu. If... then... else mengeksekusi pernyataan atau blok pernyataan jika
ekspresi Boolean benar. Jika pernyataan else... disertakan dan ekspresi Boolean bernilai
salah, pernyataan atau blok pernyataan alternatif dieksekusi. Untuk pernyataan if...
then... yang akan dipecah menjadi lebih dari satu baris, item pertama pada baris
berikutnya harus dimulai dengan then, and, atau or.

2.5.5 Sim Runner

SimRunner merupakan sebuah tool pada ProModel yang digunakan sebagai alat
bantu untuk melakukan optimalisasi model existing. Model harus dipastikan telah
berjalan sesuai dengan sistem nyata sebelum dilakukan optimalisasi dengan
SimRunner. Hasil optimal diperoleh dengan cara menentukan fungsi tujuan terlebih
dahulu, kemudian mendefinisikan faktor input yang akan diubah sehingga
menghasilkan keluaran sesuai dengan fungsi tujuan optimalisasi (Maria, 1997).
Pilihan menu pada SimRunner:
1. Setup project: digunakan untuk mendefinisikan faktor input dan fungsi tujuan dari
model existing.
2. Analyze model: digunakan untuk menentukan jumlah replikasi yang diinginkan.

16
3. Optimize model: digunakan untuk optimalisasi model existing dari nilai faktor
input. Hasil optimalisasi dengan SimRunner berupa report yang disajikan dalam
3 tipe data:
1. Data report: data berupa tabel yang ditampilkan pada SimRunner. Data report
dapat diimport ke dalam spreadsheet.
2. Analysis report: data berupa teks yang akan muncul apabila memilih ‘Final Report’
pada tab ‘Seek Optimum’ pada menu ‘Optimize Model’.
3. Chart: grafik yang menggambarkan proses optimalisasi. Chart akan ditampilkan
apabila memilih ‘Performance Plot’ pada tab ‘Seek Optimum’ pada menu ‘Optimize
Model’.

2.5.6 Generating Scenario

Menurut Harrell, Ghosh dan Bowden (2004:653) Generating Scenario merupakan
tool pada ProModel untuk mengubah satu atau lebih parameter dari sebuah model
tanpa mengubah model secara langsung. Skenario harus berdasarkan parameter yang
telah ditentukan pada macros dan nilainya berada dalam rentang RTI.

2.5.7 Verifikasi dan Validasi

Verifikasi dan validasi merupakan tahapan untuk menguji kredibilitas/kesesuaian
sistem nyata dengan model simulasi. Verifikasi berkaitan dengan melakukan
perbandingan antara model konseptual dengan model simulasi (Banks, Carson, dan
Nelson, 1995). Validasi adalah proses penentuan apakah model merupakan
representasi yang akurat dan sesuai dengan sistem nyata (Hoover dan Perry, 1989).

2.5.7.1 Teknik Verifikasi

Menurut Harrel (2004:178), terdapat beberapa teknik dalam melakukan verifikasi,
di antaranya adalah sebagai berikut:
1. Melakukan pemeriksaan ulang terhadap model, dapat dilakukan secara bottom-
up yaitu melakukan pemeriksaan satuan dan logika proses yang digunakan dalam
model.
2. Melakukan pengecekan terhadap output yang dihasilkan pada masing-masing
proses pada model dengan menggunakan trace. Trace adalah daftar kejadian yang

17
 terjadi sampai simulasi selesai. Daftar trace dapat dilihat dengan berbagai cara,
yaitu:
a. Off: digunakan untuk menghentikan trace.
b. Step: digunakan untuk membuat list trace dengan hanya satu kejadian dalam
1 kali trace.
c. Continuous: digunakan untuk membuat list trace terus menerus.
3. Mengamati animasi dari model yang dijalankan, apakah tingkah laku dari sistem
telah sesuai dengan model yang diinginkan.
4. Melakukan compile error atau debugging pada model simulasi.

2.5.7.2 Teknik Validasi

Menurut Harrel (2004:183), teknik validasi yang dapat digunakan adalah sebagai
berikut:
1. Mengamati animasi pada model yang dijalankan, membandingkan tingkah laku
pada model dengan tingkah laku pada sistem nyata menurut pengetahuan orang
lain mengenai sistem tersebut.
2. Membandingkan model dengan sistem nyata dengan cara menjalankan model
dan sistem nyata dalam kondisi yang sama.
3. Melakukan perbandingan antara output model dengan output pada sistem nyata.
4. Melakukan analisis sensitivitas, yakni dengan cara melakukan perubahan
terhadap nilai input untuk mengetahui akibat pada perilaku yang terjadi pada
sistem atau pada output sistem.

18
 BAB III
METODOLOGI PENELITIAN

3.1 Diagram Alir Praktikum

Mulai A B C

Studi Pustaka
Verifikasi Model

Studi Kasus Tidak

Terverifikasi?

Identifikasi Masalah
Ya

Jalankan Simulasi

Pembuatan Model
Konseptual (PetriNet)
Validasi Model
Tidak

Pengolahan
Tervalidasi?
Data

Ya

Pemodelan Sistem
dengan software Analisis Hasil Simulasi
ProModel 7.5

Pembuatan Model Perbaikan

Dry Run
Analisis hasil perbaikan

A C B End

Gambar 3.1 Diagram Alir Praktikum

3.2 Prosedur Praktikum

Berikut adalah prosedur praktikum yang dilakukan pada penelitian modul I:
1. Memulai penelitian.
2. Mempelajari studi pustaka mengenai simulasi modul I.

19
 3. Mengobservasi studi kasus yang diberikan. Studi kasus yang diberikan adalah CV.
Berkat Abadi Sentosa merupakan perusahaan yang bergerak dalam pengolahan
kembali ubin keramik bekas dari perusahaan pembuat keramik.
4. Melakukan identifikasi masalah yang terjadi pada studi kasus yang diberikan.
5. Kemudian melakukan model konseptual dengan membuat PetriNet.
6. Melakukan pengolahan data. Pengolahan data
7. Melakukan pemodelan system nyata dengan software ProModel.
8. Melakukan dry run.
9. Melakukan verifikasi model. Apabila belum terverifikasi, melakukan pembuatan
model konseptual dengan PetriNet kembali.
10. Apabila sudah terverifikasi, maka melakukan simulasi.
11. Melakukan validasi. Apabila belum tervalidasi, melakukan pengolahan data
kembali.
12. Apabila sudah tervalidasi, maka melakukan analisis hasil simulasi
13. Melakukan pembuatan model perbaikan
14. Melakukan analisis hasil perbaikan
15. Praktikum selesai. Commented [NN3]: di tambahin penjelasan singkat
tentang langka2nya ya

20
 BAB IV
HASIL DAN PEMBAHASAN

4.1 GAMBARAN SISTEM

CV. Berkat Abadi Sentosa merupakan perusahaan yang bergerak dalam
pengolahan kembali ubin keramik bekas dari perusahaan pembuat keramik.
Perusahaan ini mendapatkan bahan baku dari perusahaan partner yang berada tidak
jauh dari lokasinya. Bahan baku ubin yang dating setiap harinya berjumlah 800 unit
dibawa oleh supplier dengan sekali pengantaran di pagi hari. Ubin yang dating langsung
diinspeksi oleh seorang inspektor dengan perbandingan 9:1 untuk keramik yang masih
dapat di-rework dengan yang harus dibuang.
Proses produksinya dimulai dengan proses pemotongan keramik di stasiun kerja
pertama oleh seorang pekerja menggunakan mesin scroll saw. Dari lokasi pemotongan,
ubin kemudian dibawa oleh pekerja pada proses sebelumnya ke stasiun Packaging.
Pada proses Packaging, 12 ubin jadi dimasukkan ke dalam satu box oleh seorang
operator. Proses selanjutnya adalah proses labelling di stasiun berikutnya, yang
merupakan kegiatan memberikan identitas pada tiap box. Proses ini dilakukan oleh
mesin secara otomatis di mana proses hanya dapat dimulai ketika mesin mendeteksi
terdapat 4 box yang siap untuk diberikan label. Box tersebut kemudian akan diproses
satu per satu oleh mesin tersebut. Selanjutnya, box berisi ubin keramik jadi disimpan
di gudang untuk kemudian didistribusikan keesokan harinya.
CV. Berkat Abadi Sentosa mulai beroperasi dari pukul 08.00 hingga 17.00 dengan
waktu break untuk makan siang selama sejam dari pukul 12.00. Simulasi ini bertujuan
untuk menganalisis total produksi yang dapat diselesaikan selama jam kerja dan
mencari proses yang mengakibatkan bottleneck maupun idle sehingga dapat mencari
solusi yang efisien dengan mempertimbangkan biaya.

21
 4.2 FLOWCHART SISTEM
Berikut merupakan flowchart dari proses produksi CV. Berkat Abadi Sentosa.
Mulai Commented [NN4]: di flowchart, klo proses pake kotak
ya, trus yang cacat langsung menuju selesai.

Bahan Baku
Keramik

Inspeksi bahan baku

keramik

Tidak
Keramik bisa
rework?

Ya

Pemotongan

Ubin Jadi

Packaging

Labelling

Penyimpanan

Selesai
Gambar 4.1 Flowchart Sistem

22
4.3 PETRI NET
Berikut merupakan Petri Net dari sistem produksi keramik CV. Berkat Abadi
Sentosa.

4.3.1 Daftar Aktivitas

Berikut adalah daftar aktivitas dan entitas pada sistem produksi keramik.
Tabel 4.1 Daftar Aktivitas pada Sistem
Aktivita
Deskripsi Entitas
s
A Kedatangan keramik Keramik
Keramik memasuki antrian menuju stasiun
B Keramik
inspeksi
C Keramik diinspeksi oleh seorang inspektor Keramik, inspektor
D Keramik selesai diinspeksi Keramik, inspektor
Keramik, operator
E Keramik dipotong oleh operator pemotongan
pemotongan
Keramik selesai dipotong oleh operator Keramik, operator
F
pemotongan pemotongan
12 keramik potong dimasukkan ke dalam satu Keramik potong, operator
G
box oleh operator Packaging Packaging
Keramik potong selesai di-Packaging oleh Keramik potong, operator
H
operator Packaging Packaging
Box berisi keramik potong diberi label oleh Box keramik potong, mesin
I
mesin labelling labelling
Box berisi keramik potong selesai diberi label
J Box keramik potong
oleh mesin labelling
K Box yang sudah diberi label disimpan di gudang Box keramik potong
AA Operator inspeksi idle Inspektor
AB Operator pemotongan idle Operator pemotongan Commented [NN5]: Di autofit ya semua tabelnya.
Font nya 10 juga.
Table yang bawah2 juga
4.3.2 Daftar kejadian (Event) Berdasarkan Urutan Kejadian
Berikut adalah daftar kejadian pada sistem produksi keramik.
Tabel 4.2 Daftar Kejadian pada Sistem
Post-
Kejadian Deskripsi Pre-condition
condition
1 Memasuki antrian A B
2 Mulai proses inspeksi B C
3 Selesai proses inspeksi C D
4 Mulai proses pemotongan D E
5 Selesai proses pemotongan E F
6 Mulai proses Packaging F G
7 Selesai proses Packaging G H
8 Mulai proses labelling H I
9 Selesai proses labelling I J
10 Mulai proses pemindahan ke gudang J K

23
 4.3.3 Pembuatan Model dengan PetriNet
Berikut merupakan pembuatan model dengan Petri Net

Gambar 4.2 Petri Net Sistem

4.4 UJI KECUKUPAN DATA

Untuk menguji kecukupan data, dilakukan perhitungan dalam setiap prosesnya.
Terdapat 4 proses dalam sistem. Berikut adalah perhitungan uji kecukupan data dalam
maing-masing proses.
Diketahui:
N = 30
α = 95%
k=2
s=5
𝑘 2
√𝑁∑𝑥2 −(∑𝑥)2
N’ = [𝑠 ]
∑𝑥

Proses Inspeksi:
𝑘 2 2
√𝑁∑𝑥2 −(∑𝑥)2 √(30 𝑥 6,336)−(13,74)2
2
N’ = [ 𝑠
] = [ 0.05
] = 10.95 ≈ 11
∑𝑥 13,74

Proses Pemotongan:
𝑘 2 2
√𝑁∑𝑥2 −(∑𝑥)2 √(30 𝑥 0,9884)−(5,36)2
N’ = [𝑠 ] 2 = [0.05 ] = 51,26 ≈ 51
∑𝑥 5,36

24
Proses Packaging:
𝑘 2 2
√𝑁∑𝑥2 −(∑𝑥)2 √(30 𝑥 1,053962)−(5,476)2
N’ = [𝑠 ] 2 = [0.05 ] = 87,09 ≈ 87
∑𝑥 5,476

Proses Labelling:
𝑘 2 2
√𝑁∑𝑥2 −(∑𝑥)2 √(30 𝑥 3,3519)−(9,99)2
2
N’ = [ 𝑠
] = [ 0.05
] = 12,13 ≈ 12
∑𝑥 9,99

Berikut merupakan hasil uji kecukupan data dari masing-masing proses.

Tabel 4.3 Uji kecukupan Data
Proses N N’ Keterangan
Inspeksi 30 11 Mencukupi
Pemotongan 30 51 Mencukupi
Packaging 30 87 Tidak Mencukupi
Labelling 30 12 Mencukupi

4.5 PENENTUAN PARAMETER DISTRIBUSI DENGAN STAT::FIT

Berikut adalah pengujian distribusi data dengan Stat::Fit dan validasi distribusi
data dengan perhitungan Error (Chi Square).

4.5.1 Pengujian Distribusi dengan Stat::Fit

Pengujian distribusi data dilakukan dengan Stat::Fit pada software ProModel.
Berikut adalah data pengamatan pada CV. Berkat Abadi.
Tabel 4.3 Data Pengamatan
No. Inspeksi Pemotongan Packaging Labelling
1 0,40 0,22 0,189 0,34
2 0,43 0,19 0,168 0,32
3 0,47 0,16 0,206 0,35
4 0,40 0,23 0,105 0,28
5 0,46 0,16 0,197 0,34
6 0,51 0,23 0,148 0,31
7 0,43 0,16 0,110 0,28
8 0,42 0,14 0,256 0,38
9 0,46 0,19 0,166 0,32
10 0,41 0,17 0,187 0,34
11 0,46 0,21 0,232 0,34

25
 Tabel 4.3 Data Pengamatan (Lanjutan)
No. Inspeksi Pemotongan Packaging Labelling
12 0,40 0,17 0,162 0,37
13 0,47 0,22 0,095 0,27
14 0,51 0,16 0,215 0,35
15 0,54 0,14 0,108 0,28
16 0,51 0,13 0,198 0,34
17 0,47 0,14 0,160 0,32
18 0,46 0,16 0,191 0,34
19 0,42 0,20 0,235 0,37
20 0,47 0,16 0,208 0,35
21 0,48 0,12 0,214 0,35
22 0,44 0,23 0,100 0,28
23 0,49 0,18 0,202 0,35
24 0,53 0,16 0,230 0,36
25 0,49 0,21 0,217 0,36
26 0,47 0,16 0,210 0,35
27 0,39 0,23 0,192 0,34
28 0,46 0,17 0,165 0,32
29 0,42 0,20 0,212 0,35
30 0,47 0,16 0,198 0,34

Berikut adalah langkah-langkah dalam melakukan pengujian data atau Stat: Fit.
1. Menjalankan software ProModel.
2. Pilih tools pada Toolbar, pilih Stat: Fit

Gambar 4.3 Pengolahan Stat: Fit

3. Masukkan data tiap proses pada data tabel.

Gambar 4.4 Pengisian Data pada Stat::Fit

4. Klik fit, kemudian auto.fit, pilih continuous distribution klik OK
5. Hasil akan ditampilkan berupa automatic filling. Untuk penggunaan distribusi akan
mengikuti rank terbesar serta do not reject pada acceptance.

26
 Gambar 4.5 Hasil automatic fitting
Dalam studi kasus ini, keempat proses memiliki distribusi waktu yang berbeda-
beda, untuk itu seluruh distribusi waktu tiap proses harus diuji. Berikut adalah rekapan
hasil uji distribusi waktu dari keempat proses yang ada.
Tabel 4.4 Daftar Distribusi Waktu yang Digunakan
Proses Distribusi AutoFit Rank Acceptance Distribusi Terpilih
Normal (0.458, 3.94e-002) 100 Do not reject
Lognormal (-0.0861, -0.611,
73 Do not reject
7.25e-002)
Normal (0.458,
Inspeksi Triangular (0.378, 0.558,
17.7 Do not reject 3.94e-002)
0.43)
Uniform (0.39, 0.54) 11.2 Do not reject
Exponential (0.39, 6.8e-002) 0.188 Reject
Lognormal (-1.97e-003, -1.73,
95.3 Do not reject
0.178).
Triangular (0.113, 0.255, 0.16) 88.5 Do not reject
Triangular (0.113,
Pemotongan Normal (0.179, 3.2e-002) 48.2 Do not reject
0.255, 0.16)
Uniform (0.12, 0.23) 22.1 Do not reject
2.11e-
Exponential (0.12, 5.87e-002) Reject
002
Triangular (7.1e-002, 0.264,
100 Do not reject
0.21)
Normal (0.183, 4.26e-002) 24.8 Do not reject Triangular (7.1e-
Packaging
Lognormal (-291, 5.68, 1.46e- 002, 0.264, 0.21)
24.8 Do not reject
004)
Uniform (9.5e-002, 0.256) 4.11 Do not reject
Triangular (0.256, 0.386, 0.35) 100 Do not reject
Normal (0.332, 2.91e-002) 28.4 Do not reject
Labelling Lognormal (-291, 5.68, 9.97e- Normal (7.06, 2.77)
28.4 Do not reject
005)
Uniform (0.27, 0.38) 2.61 Reject

4.5.2 Validasi Distribusi dengan Perhitungan Error (Chi Square)

Perhitungan error (Chi Square) pada data distribusi dilakukan dengan bantuan
software Minitab dan Microsoft Excel. Berikut merupakan langkah-langkah pengujian
data:
1. Menjalankan software Minitab.

27
 2. Masukan data salah satu proses pada data table

Gambar 4.6 Pengisian Data pada Software Minitab

3. Klik Calc – Random data – pilih Normal

Gambar 4.7 Langkah Perhitungan di Minitab

4. Selanjutnya isi kolom mean and standard deviation dengan data yang diperoleh dari
perhitungan stat: fit pada software ProModel. Serta pada kolom number of rows of
data to generate diisi 30 yang artinya data yang akan di random sebanyak 30 data.
Kolom store in column adalah kolom tujuan yang akan diisi bilangan random, yaitu
kolom C2.

28
 Gambar 4.8 Langkah Perhitungan di Minitab

5. Selanjutnya akan muncul data random seperti tabel dibawah ini

Tabel 4.5 Data Random
Proses Inspeksi (min)
1 0.387 16 0.461
2 0.391 17 0.463
3 0.399 18 0.467
4 0.402 19 0.468
5 0.407 20 0.471
6 0.409 21 0.471
7 0.412 22 0.473
8 0.428 23 0.475
9 0.43 24 0.477
10 0.436 25 0.483
11 0.438 26 0.485
12 0.442 27 0.489
13 0.446 28 0.501
14 0.451 29 0.531
15 0.461 30 0.536

6. Hitung rata-rata dan standar deviasi dari data yang telah dibangkitkan dengan
software excel.
Tabel 4.6 Hasil Perhitungan Random
Min 0.387
Max 0.536
Rata-rata 0.453
St.Dev 0.038

7. Hitung batas atas dan batas bawah dari data random number yang telah
dibangkitkan sebelumnya berdasarkan rata-rata dan standar deviasi data random.
Berikut merupakan data hasil perhitungan batas atas, batas bawah, range, jumlah
kelas dan panjang interval.

29
 Tabel 4.7 Hasil Perhitungan Random
BA 0.529
BB 0.377
Range 0.149
Jumlah Kelas 6
Panjang Interval 0.025

8. Menentukan batas atas dan batas bawah dari tiap kelas dimana berdasarkan nilai
terendah dan tertinggi dari data random. Berikut merupakan contoh batas atas dan
batas bawah tiap kelas pada perhitungan data sebelumnya.
Tabel 4.8 Hasil Perhitungan Random
Kelas Batas Bawah Batas Atas
1 0.387 0.407
2 0.409 0.436
3 0.438 0.461
4 0.461 0.471
5 0.471 0.483
6 0.485 0.536

9. Menentukan frekuensi relatif, frekuensi kumulatif, probabilitas relatif dan

probabilitas kumulatif pada tiap kelas untuk data asli dan random. Frekuensi relatif
dihitung berdasarkan range batas atas dan batas bawah, sedangkan frekuensi
kumulatif merupakan kumulatif frekuensi relatif tiap kelas. Sedangkan
probabilitas kumulatif adalah kumulatif dari probabilitas relatif tiap kelas. Berikut
merupakan tabel perhitungan probabilitas relatif dari data asli dan random.
Tabel 4.9 Hasil Perhitungan
Data Random Data Asli
Kelas
FR FC PR PC FR FC PR PC
1 5 5 0.167 0.167 4 4 0.133 0.133
2 5 10 0.167 0.334 6 10 0.2 0.333
3 5 15 0.167 0.501 6 16 0.2 0.533
4 5 20 0.167 0.668 6 22 0.2 0.733
5 5 25 0.166 0.834 1 23 0.033 0.766
6 5 30 0.166 1 7 30 0.234 1
Total 30 30

10. Menghitung nilai chi-square

Tabel 4.10 Hasil Perhitungan
PC ASLI PC RANDOM SQUARE ERROR X2
0.133 0.167 0,001156 0.007
0.333 0.334 0,000001 0
0.533 0.501 0,001024 0.002
0.733 0.668 0,004225 0.006
0.766 0.834 0,004624 0.006
1 1 0 0

30
11. Menentukan nilai chi-square pada tabel chi-square dengan derajat kebebasan (df) =
N-1, dan tingkat signifikansi = 1 – α. Berikut merupakan perbandingan nilai chi-
square hitung dan tabel dari data diatas dimana tingkat signifikansi sebesar 95%.
Tabel 4.11 Hasil Perhitungan Chi Square
Chi-square Hitung 0.021
Chi-square Tabel 11.070

12. Membandingkan nilai chi-square hitung dengan nilai chi-square tabel.

Berdasarkan hasil perhitungan error dengan menggunakan perhitungan nilai chi-
square diatas, diperoleh nilai chi-square hitung kurang dari nilai chi-square tabel
maka distribusi data yang diuji valid atau dapat diterima.

4.6 PEMBUATAN MODEL SISTEM PEMBUATAN

Berikut merupakan langkah-langkah membuat pemodelan sistem di CV. Berkat
Abadi Sentosa denagn sofware promodel :
1. Membuka software ProModel
2. Membuat new project dengan cara klik menu file lalu pilih new, atau bisa langsung
klik icon new atau bisa juga dengan mengetik pada keyboard CTRL-N.
3. Setelah membuat new file, maka akan muncul dialog box general information, ketikan
judul proyek yang akan dibuat pembuatan di CV. Berkat Abadi Sentosa pada
kolom title kemudian klik ok.

Gambar 4.6 Dialog box

4. Kemudian membuat background untuk latar pemodelan sisitem yang dibuat,

dengan cara klik build pada toolbar kemudian pilih background graphics lalu pilih
behind grid.
5. Setelah itu klik edit pilih import lalu tutorial back klik open.

31
 Gambar 4.7 Gambar Background Graphics
6. Membuat layout dari pemodelan sistem dengan cara build location, klik build lalu
pilih location.

Gambar 4.8Build Location

Masukkan location dan data-data dimana proses akan dilakukan sesuai dengan icon
atau graphic.
Tabel 4.7Build Location
Icon Name Cap. Unit Rules
Entity Spot Kedatangan INF 1 Oldest
Convenyor Antrian inspeksi INF 1 Oldest, FIFO
Band Saw Proses inspeksi INF 1 Oldest
Convenyor Antrian Pemotongan INF 1 Oldest, FIFO
AGV Proses Pemotongan INF 1 Oldest
Convenyor Antrian Packaging INF 1 Oldest, FIFO
Press Brake Proses Packaging INF 1 Oldest
Convenyor Antrian Labelling INF 1 Oldest, FIFO
CMM Proses Labelling INF 1 Oldest
Convenyor Antrian warehouse INF 1 Oldest, FIFO
Building Warehouse 1INF 1 Oldest
Entity Spot Kedatangan box INF 1 Oldest

7. Langkah berikutnya adalah mendefinisikan entitas yang terdapat di pemodelan

sistem, dengan cara klik bulid pilih entity.

32
 Gambar 4.9Build entity
Masukkan data-data yang menjelaskan tentang entity yang kan digunakan dalam
pemodelan sistem contohnya nama entitas.
Tabel 4.8Bulid Entity
Name Speed(rpm) Stats Notes
Keramik 150 Time series
Box 150 Time series
Keramik bagus 150 Time series
Keramik cacat 150 Time series
Keramik bagus siap pack 150 Time series
Keramik bagus Packaging 150 Time series
Keramik bagus masuk box 150 Time series
Keramik Labelling 150 Time series

8. Langkah berikutnya adalah pembuatan jaringan aliran sistem. Klik Build, pilih path
networks. Pilih kolom Path pada dialog box Path Network. Pada layout klik kiri di
sekitar location tertentu lalu tarik garis menuju location berikutnya klik kanan pada
locations tujuan kemudian lanjutkan lagi sesuai langkah awal. Pada sistem ini
terdapat 1 aliran produksi, yaitu: Net1

Gambar 4.10 Build Path

33
 9. Untuk menambahkan resources yang akan digunakan klik Build- resources atau
CTRL-R.

Gambar 4.11Build Resource

Berikut merupakan tabel resources yang digunakan dalam sistem.
Tabel 4.8 Penentuan Resource
Name Units Dts Stats Specs
Net1,N3. Rtn
Inspektor add_operation None By Unit, Time Series
Home
Operator Net1,N5. Rtn
add_operation None By Unit, Time Series
Pemotongan Home
Net1,N7. Rtn
Operator Packaging add_operation None By Unit, Time Series
Home

10. Tahap selanjutnya adalah pembuatan logika proses. Klik Build-Processing atau
CTRL-P. Pada Processing terdapat dua jenis logika yaitu logika process layout dan
routing layout
Tabel 4.9 Build Processing
Entity Location Operation Output Destination Rule Move logic
Keramik Kedatangan Keramik Antrian First
inspeksi 1
Keramik Antrian Use mesin Keramik Proses First
inspeksi pemotongan for 2 inspeksi 1
min
Keramik Proses Use inspektor For Keramik Antrian 0.9 Move With
Inspeksi N(0.458, 0.0394) Bagus Pemotongan 1 inspektor
min Then Free
Keramik Exit 0.1
cacat
Keramik Antrian Keramik Proses First
bagus pemotongan Bagus Pemotongan 1
Box Kedatangan Inc WIP box Box Proses First
box Packaging 1
Keramik Antrian Keramik Proses Join
bagus siap Packaging bagus siap Packaging 1
pack pack
Box Proses Join 1 Kramik Antrian First Move with
Packaging keramik_bagussiap bagus Labelling 1 operator
pack Packaging Packaging
then free
Keramik Antrian Use Keramik Proses First
bagus Labelling operator_Packaging bagus Labelling 1
Packaging For T(0.071, 0.21, Packaging
0.264) min
Keramik Proses Wait T(0.256, 0.35, Keramik Antrian First
bagus Labelling 0.386)sec Labelling warehouse 1
Packaging

34
 Tabel 4.9 Build Processing (lanjutan)
Entity Location Operation Output Destination Rule Move
logic
Keramik Antrian Keramik Warehouse First
Labelling warehouse Labelling 1
Keramik warehouse Dec WIP_Box Keramik Exit First
Labelling Inc Labelling 1
total_produk

Alur proses pada sistem adalah sebagai berikut:

1. Kedatangan keramik
Menunjukkan kedatangan keramikyang akan menuju antrian inspeksi.
2. Antrian inspeksi
Setelah keramik datang kemudian masuk ke antrian inspeksi dimana nantinya
dari antrian inspeksi akan dilakukan proses inspeksi
3. Proses inspeksi
Dalam antriann inspeksi keramik dilakukan pengecekan oleh seorang oprator
inspeksi dimanan nantinya keramik yang dihasilkan ada dua yaitu keramik
bagus yang akan dilanjutkan ke antrian pemotongan dan keramik cacat yang
tidak akan digunakan lagi.
4. Antrian pemotongan
Keramik yang sudah di inspeksi dan memiliki penilaian keramik bagus
dilanjutkan ke antrian pemotongan dimana nantinya di antrian ini akan
terhubung ke proses pemotongan
5. Proses pemotongan
Di proses pemotongan nantinya keramik bagus akan menghasilkan keramik
bagus siap pack dimana nantinya tujuan selanjutnya yaitu ke antrian Packaging.
Keramik bagus siap pack nanti akan dipindahkan langsung oleh operator
pemotongan
6. Kedatangan Box
Menunjukkan kedatangan box menuju lokasi proses Packaging .
7. Atrian Packaging
Keramik bagus yang sudah siap pack kemudian di arahkan ke antrian
Packaging lalu ke proses Packaging.

35
 8. Proses Packaging
Dalam proses Packaging keramik bagus yang sudah siap pack kemudian di
gabungkan oleh box dengan bantuan operator Packaging kemudian diarahkan
ke antrian Labelling.
9. Antrian Labelling
Keramik yang sudah siap Packaging dari proses Packaging kemudian dialirkan
di antrian Labelling untuk dilakukan proses selanjutnya di proses Labelling
10. Proses Labelling
Dalam proses labelig keramik bagus siap Packaging kemudian diberikan label
menjadi keramik Labelling selanjutnya keramik Labelling ini dialirkan ke
antrian warehouse.
11. Antrian warehouse
Diantrian warehouse ini keramik Labelling kemudian dialirkan ke warehouse
untuk disimpan
12. Warehouse
Setelah sampai di warehouse keramik Labelling di simpan.
11. Selanjutnya akan didefinisikan kedatangan entitas. Klik Build pilih Arrivals.

Gambar 4.12 Build Arrive

12. Langkah selanjutnya, buka Build-Variables (global). Masukkan WIP pada ID, lalu 0
pada initial value, dan masukkan permen jadi pada ID lalu 0 pada initial value.
Setelah itu klik pada layout agar icon berubah menjadi Yes.

Gambar 4.13 Build Variable

13. Selanjutnya adalah mendefinisikan shift. Klik Build pilih Shift pilih Define. Setelah
itu, shift kerja dari resource dapat didefinisikan sebagai berikut: pekerja mulai
bekerja pukul 08:00-16.00. Gunakan add work untuk mendefinisikan jam kerja.
Gunakan add break untuk mendefinisikan jam istirahat. Setelah mendefinisikan
shift kerja selanjutnya simpan file.

36
 Gambar 4.14 Shift

Untuk menugaskan operator sesuai Shift yang telah dibuat dapat dilakukan dengan
klik Build–Shift–Assign. Maka akan muncul tabel shift assignment. Selanjutnya klik pada
resource untuk menambahkan resource yang akan didefinisikan Shift kerjanya. Pilih Select
All klik OK.

Gambar 4.15 Shift Calender

14. Untuk memverifikasi model yang telah dibuat gunakan tools Trace dengan langkah-
langkah sebagai berikut:
a. Pilih Simulation pada menu bar di ProModel window, lalu pilih option kemudian
centang pause dan trace pada kolom at start. Lalu klik Run.

Gambar 4.16Kotak Dialog Simulasi

37
 b. Klik tombol Play pada tampilan menu. Kemudian pilih options pada menu bar di
ProModel window, lalu pilih trace options. Pada trace options pilih output to file
kemudian setelah memilih output to file ulangi kembali cara membuka trace
option, lalu pilih cara trace yang diinginkan. Misal pilih trace continuous.

Gambar 4.17Trace Option

Kemudian setelah dipilih trace continuous maka trace akan berjalan terus menerus
sampai simulasi berakhir

Gambar 4.18Trace

Setelah simulasi berakhir, kembali ke tampilan awal ProModel. Lalu pilih output
pada menu bar di ProModel window, lalu pilih view trace untuk melihat hasil rekap output
trace dari simulasi yang sudah dijalankan

4.7 PERHITUNGAN REPLIKASI

Dalam melakukan uji validitas, hal yang perlu dilakukan pertama kali adalah
menguji kenormalan data, berikut ini merupakan langkah dalam melakukan uji
kenormalan data dengan menggunakan software SPSS 21.

38
 Tabel 4.10 Data Perbandingan Output Aktual dan Simulasi
Output
Replikasi
Data Simulasi Data Aktual
1 59 60
2 60 60
3 60 60
4 60 60
5 61 60
Dari data tersebut dapat dibuat hipotesis seperti di bawah ini:
H0 : Data berdistribusi normal.
H1 : Data tidak berdistribusi normal.
Hasil dari pengujian kenormalan data menggunakan software SPSS dijelaskan pada
tabel 4.11.
Tabel 4.11 Output Uji Normalitas
Tests of Normality

data_aktual Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

data_output 60.00 .300 5 .161 .883 5 .325

a. Lilliefors Significance Correction

Karena pada tabel nilai Sig. = 0,161 ≤ 0,05 maka Ho ditolak. Kemudian dilakukan uji
Mann Whitney. Berikut adalah hipotesis uji Man Whitney:
H0: Tidak terdapat perbedaan yang signifikan
H1: Terdapat perbedaan yang signifikan

4.8 VERIFIKASI DAN VALIDASI

Berikut akan dilakukan proses verifikasi dan validasi dari pemodelan sistem yang
telah dibuat
4.8.1 Verifikasi
Berikut merupakan langkah-langkah verifikasi model simulasi yang telah dibuat
1. Verifikasi yaitu membandingkan antara model konseptual dan
model simulasi yang dibuat dengan menggunakan software Promodel.
Model konseptual dari sistem ini ditunjukkan oleh petri net. Berikut
merupakan model konseptual dan model simulasi yang telah dibuat.

39
 Gambar 4.19Petri Net

Gambar 4.20 Desain Pemodelan Sistem dengan Software

Dari kedua gambar diatas yaitu gambar Petri Net dan Desain Pemodelan Sistem
dengan Software dapat diketahui bahwa model konseptual yang dibuat dan model
simulasi dengan mengunakan software telah sama.
2. Analisis Trace

40
 Selain kedua cara diatas, cara lain yang perlu dilakukan adalah dengan
menganalisa trace pada software promodel dari model simulasi yang telah dibuat.
Berikut merupakan gambar representasi dari trace yang ada pada program.

Gambar 4.21Output Trace

Dari hasil output trace pada program menunjukkan daftar kejadian yang terjadi
selama simulasi dijalankan sampai simulasi berhenti. Berdasarkan beberapa sampel
yang diambil dari output yang ditunjukkan yaitu pada waktu ke 24:00 (wait for
available inspektor). Hal itu berarti pada waktuke 24:00 model simulasi menghasilkan
output menunggu operator inspeksi yang tersedia. Berdasarkan dari hasil pengamatan
pada waktu tersebut keramik sudah masuk dalam antrian inspeksi dan menunggu
operator yang tersedia untuk melakukan proses inspeksi tersebut.
3. Running Model simulasi pada promodel dan melakukan Compile Error

Gambar 4.22 Pemodelan sistem ketika dirunning

Salah satu cara lain untuk proses verifikasi yaitu dengan melakukan Running pada
model simulasi yang telah dibuat sesuai dengan model konseptual. Dalam model
simulasi sistem CV. Berkat Abadi Sentosa ini ketika program dijalankan program
dapat berjalan dengan baik dan tidak terdapat debug.

41
 Pengujian compile error dilakukan dengan cara klik icon compile pada kotak dialog
operation pada Process and Move Logic. Berikut merupakan dialog box yang menunjukkan
bahwa compile successfully, yang artinya proses sudah berjalan dengn baik.

Gambar 4.23 Compile Error

4.8.2 Validasi
Validasi merupakan proses untuk membandingkan model dengan sistem nyata dengan
cara menjalankan model dan sistem nyata dalam kondisi yang sama. Berikut merupakan
output dari sistem nyata dan permodelan sistemnya. Untuk memvalidasi model simulasi
dilakukan dengan langkah sebagai berikut:

4.9 ANALISIS DAN PEMBAHASAN

4.10 RANCANGAN PERBAIKAN SISTEM
4.10.1 Permasalahan Model Awal
4.10.2 Analisis dan Pembahasan Model Terbaik
4.10.3 Pemilihan Skenario

42
43
 BAB V
PENUTUP

5.2 KESIMPULAN
5.3 SARAN

44