BAB I

PENDAHULUAN
Pendahuluan memuat tentang permasalahan yang ada di dalam penelitian dan
mengapa diadakan penelitian. Pada Bab I Pendahuluan berisi latar belakang,
identifikasi masalah, rumusan masalah, batasan, asumsi, tujuan penelitian, dan
manfaat penelitian.

1.1 LATAR BELAKANG

Industri merupakan kegiatan ekonomi yang mengolah bahan mentah, bahan
baku, barang setengah jadi atau barang jadi menjadi barang yang bermutu tinggi
dalam penggunaannya. Perkembangan industri melibatkan berbagai ilmu
pengetahuan dan teknologi. Di Indonesia saat ini, berbagai industri yang ada
berusaha untuk memanfaatkan teknologi yang lebih sederhana dan memperluas
kesempatan kerja. Salah satu industri yang berkembang yaitu di bidang produksi.
Industri manufaktur merupakan jenis industri yang mengolah bahan mentah
atau bahan baku menjadi barang setengah jadi atau barang jadi. Dalam berjalannya
industri manufaktur tentunya terdapat kendala atau permasalahan yang terjadi
seperti menumpuknya bahan baku untuk diproduksi dan kinerja pekerja yang kurang
optimal. Semakin banyaknya kendala yang timbul dalam sistem, maka diperlukan
usaha yang lebih besar untuk memperbaikinya. Guna mengatasi permasalahan
tersebut maka diperlukan suatu metode yang disebut dengan simulasi.
Simulasi merupakan tiruan dari sistem dinamis dengan menggunakan komputer
untuk mengevaluasi dan memperbaiki performansi sistem (Harrel, 2005). Pada
kegiatan simulasi dapat dilihat kerja dari sistem seharusnya, selain itu dengan
melakukan simulasi dan menganalisis sistem yang ada, diharapkan dapat
mengetahui kekurangan yang ada dalam sistem nyata sehingga dapat mencari
pemecahan masalah tersebut. Dalam menjalankan suatu simulasi, sistem
dimodelkan dalam sebuah software. Salah satu software yang digunakan untuk
mensimulasikan suatu sistem adalah ProModel. ProModel merupakan salah satu
software yang dapat menjalankan dan membuat simulasi dari setiap proses yang
dirancang untuk memodelkan sistem dengan proses discrete-event. ProModel sebagai
alat simulasi untuk berbagai macam jenis model sistem manufaktur dan service system.

1
 Pemodelan manufaktur yang dapat diterapkan salah satunya yaitu sistem produksi
di Tiban Jaya Rotan.
Tiban Jaya Rotan merupakan salah satu pusat kerajinan rotan terbesar di kota
Malang. Pada usaha ini memproduksi berbagai macam produk seperti kursi, sekat,
dan lemari yang terbuat dari rotan. Sistem yang diamati pada pengamatan ini yaitu
proses pembuatan kursi Putri. Proses pembuatan kursi Putri terdiri dari pemotongan
bahan baku, mem-bending rotan yang telah dipotong, perakitan menjadi kerangka
kursi, penganyaman, dan finishing.
Kedatangan rotan dalam satu kali kedatagan sebanyak 8 lonjor setiap harinya.
Rotan-rotan tersebut akan dipotong sesuai ukuran kerangka kursi. Selanjutnya rotan
yang telah dipotong akan dibengkokkan menggunakan mal yang sesuai dengan
ukuran kursi Putri. Rotan-rotan yang dibengkokkan selanjutnya akan dibawa
menggunakan gerobak menuju ke proses perakitan. Kemudian rotan akan dirakit
membentuk kerangka. Kerangka kursi yang sudah jadi selanjutnya akan dianyam.
Kursi akan dianyam menggunakan rotan sintetis dimana dalam satu kali kedatangan
rotan sintetis sebanyak 4 gulung setiap harinya. Proses akhir pembuatan kursi rotan
merupakan proses finishing. Proses finishing yang dimaksud adalah pelapisan bagian
bawah kursi dengan kain, dimana kain untuk pelapis bagian bawah kursi selalu
tersedia. Kursi rotan yang telah jadi akan dipindahkan ke toko untuk didistribusikan
ke konsumen.
Waktu kerja toko ini dari hari Senin-Sabtu dimulai pada pukul 07.30 WIB
hingga 16.00 WIB dengan waktu istirahat selama 60 menit dari pukul 11.30-12.30
WIB. Namun, pada hari Jumat waktu istirahat dimulai dari jam 11.00-13.00. Biaya
yang dibutuhkan pada proses produksi ditampilkan pada tabel dibawah ini.
Tabel 1.1 Daftar Harga Bahan Baku
Entitas Harga Satuan
Rotan Rp 12000/lonjor
Rotan Sintetis Rp 150.000/gulung
Kain pelapis Rp 5000

Tabel 2.2 Daftar Harga Tiap Tenaga Kerja

Tenaga Kerja Biaya
Pekerja Potong Rp 80.000/hari
Pekerja Bending Rp 80.000/hari
Pekerja Rakit Rp 80.000/hari
Pekerja Anyam Rp 80.000/hari
Pekerja Finishing Rp 80.000/hari

2
 Performance yang ditinjau merupakan adanya operator pada beberapa stasiun
menunggu produk yang di proses sebelumnya selesai, sehingga keyleverage yang
menjadi pengamatan merupakan utilization pekerja. Sistem tersebut akan
disimulasikan menggunakan software ProModel. Harapannya dengan penggunaan
ProModel mampu mengevaluasi dan memberikan perbaikan pada produksi di Tiban
Jaya Rotan sehingga proses produksi dapat berjalan dengan efisien.

1.2 IDENTIFIKASI MASALAH

Identifikasi masalah adalah tahap permulaan dari suatu penelitian untuk
mengetahui permasalahan yang terdapat di obyek penelitian. Masalah yang dihadapi
Tiban Jaya Rotan dalam melakukan proses produksi yaitu:
1. Kinerja pekerja pada sistem produksi kurang merata

1.3 RUMUSAN MASALAH

Rumusan masalah adalah penjabaran dari identifikasi masalah yang berupa
pertanyaan yang nantinya dijawab melalui penelitian. Rumusan masalah dari studi
kasus Tiban Jaya Rotan yaitu:
1. Bagaimana cara memodelkan sistem produksi Tiban Jaya Rotan?
2. Bagaimana kinerja sistem berdasarkan output model simulasi sistem produksi
Tiban Jaya Rotan?
3. Bagaimana rekomendasi perbaikan yang dapat dilakukan pada sistem?

1.4 BATASAN
Batasan adalah pembatasan dari ruang lingkup penelitian sehingga penelitian
dapat terfokus dan tidak melebar ke topik yang lain. Batasan masalah pada Tiban
Jaya Rotan yaitu:
1. Pengamatan dilakukan hanya pada proses pembuatan kursi Putri.

1.5 ASUMSI
Asumsi adalah pernyataan yang diterima sebagai landasan berpikir dan
dianggap benar. Asumsi dari penelitian di Tiban Jaya Rotan yaitu:
1. Pekerja bekerja dalam kondisi normal
2. Kain untuk finishing selalu tersedia

3
 1.6 TUJUAN PENELITIAN
Tujuan merupakan target yang akan dicapai dalam melakukan penelitian.
Tujuan dari penelitian ini yaitu:
1. Untuk memodelkan sistem produksi Tiban Jaya Rotan
2. Untuk mengetahui kinerja sistem berdasarkan output model simulasi sistem
produksi di Tiban Jaya Rotan
3. Untuk mengetahui rekomendasi perbaikan yang dapat dilakukan pada sistem

1.7 MANFAAT PENELITIAN

Manfaat penelitian adalah hal yang didapatkan setelah melakukan penelitian.
Manfaat penelitian pada Tiban Jaya Rotan yaitu:
1. Mampu memodelkan sistem produksi Tiban Jaya Rotan
2. Mengetahui kinerja sistem berdasarkan output model simulasi sistem produksi
di Tiban Jaya Rotan
3. Mengetahui rekomendasi perbaikan yang dapat dilakukan pada sistem

4
 BAB II
TINJAUAN PUSTAKA

Bab ini berisi tentang sistem, model, simulasi, petri net, promodel dan teori cara
pembuatan skenario

2.1 SISTEM
Sistem merupakan suatu kumpulan atau himpunan dari unsur, komponen, atau
variabel yang terorganisasi, saling berinteraksi, saling tergantung satu sama lain dan
saling terpadu (Sutabri, 2012). Suatu sistem dibuat untuk menangani sesuatu yang
berulang kali atau yang secara rutin terjadi. Contoh dari sistem adalah sistem
peredaran darah, sistem lalu lintas, dan sistem manufaktur.

2.1.1 Elemen Sistem

Elemen-elemen (elements) dalam suatu system berfungsi untuk mendefinisikan
siapa, apa, dimana, kapan, dan bagaimana suatu entitas mengalami pemrosesan
(Harrel, 2004:25). Elemen-elemen yang ada dalam sistem menurut Harrel (2000),
yaitu:
1. Entitas
Entitas merupakan segala item yang diproses dalam sistem. Entitas dapat
dibedakan berdasarkan karakteristik yang dimiliki. Entitas dibagi dalam
beberapa tipe, yakni :
a. Human or animate (pelanggan, pasien)
b. Inanimate
c. Intangible (panggilan telepon, e-mail)
2. Aktivitas
Aktivitas merupakan kegiatan yang dilakukan dalam sistem yang dapat
mempengaruhi sistem secara langsung maupun tidak dalam pemrosesan entitas.
Aktivitas dapat dikelompokan sebagai berikut :
a. Entitiy processing (check-in, inspeksi, fabrikasi)
b. Entity and resource movement (perpindahan forklift, berada diatas elevator)
c. Resources adjustments, maintenance, and repairs (pengaturan mesin, perbaikan
mesin)

5
 3. Resources
Resources merupakan bagian dari elemen sistem yang melakukan aktivitas.
Resources dikategorikan sebagai berikut :
a. Human or animate (operator, dokter)
b. Inanimate (peralatan, lantai produksi)
c. Intangible (informasi, sumber listrik)
4. Kontrol
Kontrol merupakan penyedia informasi dan berperan dalam pengambilan
keputusan mengenai bagaimana suatu sistem dioperasikan. Contoh dari kontrol
adalah perencanaan produksi, penjadwalan produksi, lembar intruksi, prioritas
kerja, peta kontrol.

2.1.2 Klasifikasi Sistem

Menurut Christoper (2004), sistem dapat diklasifikasikan berdasarkan dua hal
sebagai berikut:
1. Tipe Entitas
Klasifikasi sistem berdasarka tipe entitasnya dibedakan menjadi tiga, yaitu :
a. Discrete Event System
Suatu event terjadi di suatu waktu tertentu, dan antar kejadian dalam sistem
tidak terpengaruh oleh jumlah entitas yang masuk. Dalam discrete event
system, waktu kedatangan, waktu mulai proses dan waktu proses berakhir
akan didefinisikan dalam waktu yang diskret.
Contoh: toko, service centers, manufacturing facilities, transportation centers,
ATM.
b. Continous Event System
Status dari suatu komponen dalam sistem akan berubah secara kontinyu
seiring perubahan waktu yang terjadi. Sistem ini biasanya merupakan sistem
yang memproses fluid atau fluid-like substance. Tipe material yang diproses
akan diukur dalam satuan berat atau volume.
Contoh: biji kopi yang diproses hingga menjadi bubuk kopi.
c. Combined Event Models
Model ini terdiri dari dua komponen, yakni komponen diskret dan kontinyu.
Entitas yang berada dalam model dapat dihitung maupun diukur.

6
 Contoh: biji kopi yang diproses hingga menjadi bubuk kopi akan terhitung dalam
satuan gram, akan tetapi ketika akan didistribusikan, bubuk kopi tersebut akan
dimasukkan dalam plastik dan kopi dapat dihitung.
2. Kondisi Entitas ketika Sistem Berakhir
Klasifikasi sistem berdasarkan kondisis entitas ketika sistem berakhir dibedakan
menjadi dua, yaitu :
a. Terminating
Sistem yang tidak memperbolehkan entitas untuk tetap berada dalam sistem
ketika sistem berakhir. Contoh: bank, restaurant, airline ticket counter.
b. Non-Terminating
Sistem tidak pernah berhenti, sehingga entitas akan selalu berada dalam
sistem. Contoh: manufacturing facilities, repair facilities, hospitals.

2.2 MODEL
Model merupakan representasi dari suatu objek, benda, atau ide-ide dalam
bentuk yang disederhanakan (Arif, 2017). Model dapat berisi informasi-informasi
tentang suatu sistem yang ibuat dengan tujuan untuk mempelajari sistem yang
sebenarnya. Model dapat merupakan tiruan dari suatu benda, sistem atau kejadian
yang sesungguhnya yang hanya berisi informasi-informasi yang dianggap penting
untuk ditelaah.

2.2.1 Klasifikasi Model

Menurut Murdick, Ross, dan Clagget (1984), Ackoff, Gupta, dan Minas (1962),
klasifikasi model dibagi menjadi:
1. Model Berdasarkan Fungsi
Klasifikasi model berdasarkan fungsinya dibedakan menjadi tiga, yaitu:
a. Model Deskriptif
Model deskriptif menggambarkan kondisi-kondisi atau aktivitas sekarang
atau masa lalu, namun tidak untuk meramalkan atau memberikan
rekomendasi.
Contoh: struktur organisasi, peta, dan daftar isi.
b. Model Prediktif

7
 Model ini memperkirakan atau memproyeksikan perilaku sistem dengan
menghubungkan variabel-variabel yang terkait atau berpengaruh.
Contoh: diagram pohon keputusan, antrian.
c. Model Normatif
Model ini memberikan aturan dan rekomendasi untuk langkah-langkah atau
tindakan yang dapat di ambil untuk pencapaian yang terbaik dari alternatif
yang ada terhadap suatu masalah.
Contoh: model simpleks dalam program linear, model perencanaan CPM/
PERT.
2. Model Berdasarkan Struktur
Klasifikasi model berdasarkan strukturnya dibedakan menjadi tiga, yaitu:
a. Model Ikonik
Model ikonik merupakan model yang menyerupai sistem sebenarnya, hanya
skalanya yang berbeda. Model ini memberikan kekonkritan yang tinggi yang
tidak mungkin diberikan oleh model lain, namun memiliki keterbatasan
dalam menggambarkan kausal. Model ikonik dapat berdimensi dua (foto,
peta) atau berdimensi tiga (prototype, mesin, alat).
Contoh: globe, planetarium, flight simulator, dan lain-lain.
b. Model Analog
Model Analog adalah model yang dapat mewakili situasi dinamik atau
keadaan berubah menurut waktu. Model Analog memiliki fisik yang
berbeda dengan aslinya, namun memiliki perilaku yang sama.
Contoh: kurva permintaan, kurva distribusi frekuensi pada statistik, dan
diagram alir.
c. Model Simbolik
Model Simbolik merupakan model yang menggambarkan perilaku sistem
dalam bentuk simbol-simbol untuk menggambarkan aspek nyata dan
umumnya bersifat abstrak. Pemecahan optimal dapat dicapai dengan
menerapkan metode matematik, metode logika, statistic, dan lain-lain.
3. Model Berdasarkan Acuan Waktu
Klasifikasi model berdasarkan acuan waktunya dibedakan menjadi dua, yaitu:
a. Model Statis

8
 Model Statis merupakan model yang tidak memperhitungkan perubahan-
perubahan karena pengaruh waktu. Model statis terkadang disebut sebagai
Monte Carlo Simulation.
Contoh: model yang memberi informasi mengenai profit akhir tahun.
b. Model Dinamis
Model Dinamis merupakan model yang memperhitungkan faktor waktu
dalam menggambarkan perilaku sistem nyata.
Contoh: model pertumbuhan populasi.
4. Model Berdasarkan Tingkat Ketidakpastian
Klasifikasi model berdasarkan tingkat ketidakpastiannya dibedakan menjadi
empat, yaitu:
a. Model Deterministik
Model Deterministik merupakan model yang keluarannya dapat dilacak
secara pasti berdasarkan masukannya. Tingkat ketidakpastian adalah
didasarkan pada tingkat pengetahuan yang dimiliki oleh pengambil
keputusan tentang sifat alamiah yang mempengaruhi sistem yang sedang
dianalisis. Contoh: model laba dan model persediaan Wilson.
b. Model Probabilistik
Model Probabilistik merupakan model yang beresiko adanya kegagalan
dimana keadaan yang akan terjadi diketahui nilai kemungkinannya dan
digambarkan secara probabilistik. Contoh: diagram pohon keputusan.
c. Model Konflik
Model Konflik merupakan model yang memiliki sifat alamiah pengambil
keputusan berada dalam pengendalian lawan. Syarat utama untuk
memodelkan ini adalah harus mampu memprediksi strategi lawan dengan
kemungkinan alternative strategi yang diambil oleh lawan beserta
kelemahannya. Contoh: model kompetisi dan model posisi tawar.
d. Model Tak Pasti
Model Tak Pasti merupakan model yang dikembangkan untuk menghadapi
kondisi ketidak pastian mutlak. Kondisi yang akan datang dan peluang yang
berhubungan dengannya tidak diketahui.
5. Model Berdasarkan Derajat Kuantifikasi
Klasifikasi model berdasarkan derajat kuantifikasi dibedakan menjadi dua,
yaitu:
9
 a. Model Kualitatif
Model Kualitatif merupakan model yang menggambarkan suatu mutu pada
suatu realita. Model kualitatif dibagi menjadi dua, yaitu:
1) Model Mental, yaitu model yang menggambarkan proses berpikir
manusia. Contoh: proses belajar manusia.
2) Model Verbal, yaitu model yang disajikan dalam Bahasa sehari-hari.
Contoh: definisi.
b. Model Kuantitatif
Model Kuantitatif merupakan model yang variabel-variabelnya dapat
dikuantifikasikan (numeric). Model kuantitatif dibagi menjadi empat, yaitu:
1. Model Heuristik, yaitu model dengan pendekatan praktis (biasanya trial
and error) terhadap pemecahan suatu persoalan. Model ini merupakan
model yang digunakan untuk mencari jawaban yang baik tetapi bukan
optimum. Contoh: keseimbangan lintasan produksi.
2. Model Simulasi, yaitu model yang digunakan untuk mencari jawaban
yang baik atau menguntungkan tetapi bukan hasil akhir yang optimum.
Contoh: model simulasi diskrit dan pemrograman dinamis.
3. Model Optimum, yaitu model yang digunakan untuk menentukan
jawaban terbaik. Contoh: analisis marjinal, model optimal algoritmik.
4. Model Statistik, yaitu model yang mendeskripsikan dan menyimpulkan
data. Contoh: tabel mortalitas dan peta kendali.
6. Model Berdasarkan Derajat Generalisasi
Klasifikasi model berdasarkan derajat generalisasi dibedakan menjadi dua, yaitu:
a. Model Umum
Model Umum merupakan model yang bisa diterapkan pada berbagai bidang
fungsional. Contoh: program linier dan model antrian.
b. Model Spesifik
Model Spesifik merupakan model yang dapat diterapkan pada masalah-
masalah tertentu. Contoh: model persediaan probabilistik.
7. Model Berdasarkan Acuan Dimensi
Klasifikasi model berdasarkan acuan dimensi dibedakan menjadi dua, yaitu:
a. Model Dua Dimensi

10
 Model dua dimensi merupakan model yang terdiri dari dua faktor atau
dimensi penentu. Contoh: regresi linier, model pegas.
b. Model Multi Dimensi
Model Multi Dimensi merupakan model yang terdiri dari banyak faktor
penentu. Contoh: analisis regresi berganda, prototype kapal.
8. Model Berdasarkan Acuan Lingkungan
Klasifikasi model berdasarkan acuan lingkungan dibedakan menjadi dua, yaitu:
a. Model Loop Terbuka, yaitu model yang memiliki interaksi dengan
lingkungannya. Contoh: model aksi reaksi dan model sosial.
b. Model Loop Tertutup, yaitu model yang tidak memiliki interaksi dengan
lingkungannya. Contoh: model atmosfer.

2.2.2 Stakeholder Pemodelan

Stakeholder adalah pihak-pihak yang berkepentingan pada perusahaan yang
dapat mempenagruhi atau dapat dipengaruhi oleh aktivitas perusahaan, para
stakeholder antara lain masyarakat, pemerintah, supplier, pasar modal dan lain
sebagainya (Iryanie, 2009). Pemodelan sistem merupakan bagian dai proyek simulasi
yang memiliki stakeholder dengan klasifikasi sebagai berikut:
a. Internal Stakeholders
Internal stakeholders merupakan pihak-pihak yang terlibat secara langsung dalam
pemodelan sistem. Pihak yang termasuk dalam internal stakeholder anatar lain
pengumpul data, analisis, serta orang yang memodelkan sistem.
b. External Stakeholders
External stakeholders merupakan pihak-pihak yang terlibat secara tidak langsung
dalam pemodelan sistem. External stakeholder adalah pihak yang menjadi objek
pemodelan, misal suatu perusahaan yang disimulasikan untuk menganalisis
penyebab masalah yang terjadi di dalam perusahaan tersebut.

2.3 SIMULASI
Menurut Kakiay (2003), simulasi adalah suatu metode yang digunakan untuk
memecahkan atau menguraikan persoalan-persoalan dalam kehidupan nyata yang
penuh ketidakpastian dengan tidak atau menggunakan model atau model tertentu
yang lebih ditekankan pada pemakaian komputer untuk mendapatkan solusinya.

11
 Dalam simulasi digunakan komputer untuk mempelajari sistem secara numerik,
dimana dilakukan pengumpulan data untuk melakukan estimasi statistik untuk
mendapatkan karakteristik asli dari sistem. Simulasi merupakan alat yang tepat
untuk digunakan terutama jika diharuskan untuk melakukan eksperimen dalam
rangka mencari komentar terbaik dari komponen-komponen sistem. Hal ini
dikarenakan sangat mahal dan memerlukan waktu yang lama jika eksperimen dicoba
secara riil. Dengan melakukan studi simulasi maka dalam waktu singkat dapat
ditentukan keputusan yang tepat serta dengan biaya yang tidak terlalu besar karena
semuanya cukup dilakukan dengan komputer.

2.3.1 Software Simulasi

Perangkat lunak atau Software komputer merupakan suatu prosedur
pengoperasian (Noersasongko dan Andono, 2010). Dalam pemodelan simulasi
dikenal dua software yang paling umum digunakan, yaitu programming language dan
simulation application.
1. Programming language
Programming language adalah suatu bahasa ataupun tata cara yang dapat
digunakan oleh manusia (programmer) untuk berkomunikasi secara langsung
dengan komputer. Secara umum programming language dibagi menjadi dua,
yaitu: High Level Language dan Low Level Language. High Level Language lebih
mudah dipelajari karena semua kalimat, kata ataupun aturan yang ada di dalam
high level language juga merupakan kalimat, kata ataupun aturan yang digunakan
dalam kehidupan sehari-hari
2. Simulation application
Simulation applicaton adalah suatu program (software) yang berfungsi untuk
menirukan/memodelkan suatu perilaku sistem nyata sehingga hasilnya dapat
dianalisis dan dipelajari. Secara umum simulation application dibagi menjadi
dua, yaitu: General Purposes Application yang dapat digunakan secara umum
untuk berbagai macam tugas/tujuan dan Special Purposes Aplication yang
memiliki tugas/tujuan yang spesifik dan lebih lengkap.

12
2.3.2 Metodologi Simulasi
Menurut Siringoringo (2010), langkah-langkah perancangan simulasi dapat
dilakukan sebagai berikut:
1. Problem Formulation
Melakukan pendefinisian masalah dan memahami permasalahan yang akan
menjadi dasar untuk dilakukan analisis. Dalam tahap ini, diperlukan adanya
pendefinisian asumsi untuk mempermudah melakukan pemodelan.
2. Setting of objectives and overall project plan
Penentukan tujuan dari simulasi. Tujuan dapat diartikan sebagai pertanyaan
yang dapat dijawab oleh simulasi yang dilakukan. Project plan, meliputi skenario
yang dipersiapkan untuk perbaikan sistem nyata melalui simulasi.
3. Model conceptualization
Pembuatan model konseptual yang merupakan abstraksi dari sistem nyata.
Model konseptual merupakan algoritma yang menyatakan hubungan antara
komponen sistem.
4. Data collection
Pengumpulan data yang berhubungan dengan sistem yang akan dimodelkan.
5. Model Translation
Penerjemahan dari model konseptual menjadi model simulasi. Model translation
dilakukan dengan bantuan software simulasi.
6. Verifikasi
Melakukan perbandingan antara model konseptual dengan model simulasi.
7. Validasi
Proses penentuan apakah model merupakan representasi yang akurat dan sesuai
dengan sistem nyata.
8. Simulation analysis
Dilakukan analisis terhadap hasil simulasi untuk memperkirakan performansi
dari
skenario simulasi yang telah dibuat.
9. Documentation and reporting
Dokumentasi dilakukan agar orang lain dapat mempelajari studi simulasi yang
telah dilakukan.

13
 2.4 PETRI NET
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.
Tabel 2.1 Simbol Petri Net
No. Nama Simbol Keterangan

Lingkaran Aktivitas Merepresentasikan aktivitas (pasif/aktif) atau

1
(location) kondisi/status (pre/post)

Segi empat Merepresentasikan kejadian atau saat perubahan/

2 Kejadian
(transition) transisi kondisi.
Panah (flow Merepresentasikan relasi urutan antar node yang
3 menunjukkan bahwa node pendahulu berlanjut
relation)
menjadi node berikutnya.
Token Merepresentasikan pergerakan location atau
4
(marking) perubahan kondisi yang dialami entitas.
Sumber: Bause dan Kritzinger (2002:79)

Contoh petrinet dapat dilihat pada Gambar 2.1

Gambar 2.1 Contoh PetriNet

Sumber: Wil van der Aalst and Christian Stahl

2.5 PROMODEL
Menurut Harrel (2000:66) ProModel merupakan software simulasi yang
dirancang untuk memodelkan sistem dengan dicrete-event. ProModel yaitu teknologi
simulasi untuk kejadian diskrit yang digunakan untuk merencanakan, merancang,
dan mengembangkan proses manufacturing, logistic, dan operasi lainnya, baik yang
baru maupun yang sudah ada. ProModel dapat digunakan sebagai salah satu

14
Simulation Application sehingga perilaku sistem dapat dipelajari dan dianalisis.
ProModel memudahkan untuk menirukan proses nyata secara akurat, termasuk
variabilitas dan interdependensinya untuk membuat analisis prediktif pada potensi
yang berubah-ubah. ProModel memungkinkan untuk menirukan sebuah sistem pada
indicator performansi tertentu.

2.5.1 Pembuatan Model dengan ProModel

Langkah pembuatan model menggunakan software ProModel, yaitu:
1. Definisikan elemen model dasar yang akan digunakan dengan urutan antara
lain: pendefinisian locations, entities, path networks, resources, processing, arrivals,
shift, attribute atau variable.
2. Pendekatan model dalam bentuk coding
3. Menjalankan model
4. Pembacaan model statistik dan report.

2.5.2 Elemen Dasar Promodel

ProModel menyediakan elemen-elemen yang telah disesuaikan untuk membuat
model sistem, yaitu:
1. Locations, yang merepresentasikan area tetap dimana entity mengalami proses,
delay, atau penyimpanan serta beberapa aktivitas lainnya. Dalam mendefinisikan
lokasi memerlukan beberapa data seperti icon, name, capacity, rules, unit,
downtimes, stats, notes.
Data-data yang diperlukan dalam untuk mendefinisikan location, adalah:
a. Icon: merupakan graphic icon yang digunakan untuk merepresentasikan suatu
location tertentu. Untuk merubah grafik location dilakukan dengan cara
menggunakan tools pada location graphic window.
b. Name: merupakan nama dari setiap location dengan panjang maksimal 80
karakter.
c. Capacity: kapasitas dari suatu location merujuk pada jumlah entitas yang
dapat ditahan atau diproses pada suatu location pada suatu waktu.
Kapasitas maksimal location adalah 999999.
d. Unit: jumlah dari unit yang ada pada suatu location. Jumlah maksimal unit
pada suatu location adalah 999.

15
 e. Downtimes: untuk mendefinisikan downtimes yang terjadi pada suatu location
termasuk waktu setup mesin.
f. Stats: level dari detail statistik yang harus dikumpulkan untuk location
tertentu. Terdapat tiga pilihan, yaitu none, basic, dan time series. None
artinya tidak ada statistik yang dikumpulkan. Basic berarti hanya utilisasi
dan rata – rata pada suatu location yang dapat dikumpulkan. Time series
berarti mengumpulkan statistik dasar dan waktu terjadinya suatu keadaan
pada suatu location dari waktu ke waktu.
g. Rules: menunjukan bagaiman location dipilih dari kedatangan entitas
berikutnya.
h. Notes: untuk menuliskan catatan apapun tentang location.
2. Entities, yaitu apapun yang diproses dalam suatu pemodelan, misalnya
dokumen, pelanggan, atau barang-barang manufaktur. Data-data yang
diperlukan dalam untuk mendefinisikan entitas:
a. Icon: merupakan icon graphic yang digunakan untuk mewakili suatu entitas
pada animasi saat model dijalankan.
b. Name: merupakan nama untuk masing –masing entitas.
c. Speed: mendefinisikan kecepatan dari suatu entitas dalam proses, biasanya
hanya digunakan untuk entitas yang dapat bergerak sendiri atau entitas
manusia. Pada saat membuat entity baru ada nilai tetap 150 fpm yang
ditetapkan oleh ProModel.
d. Stats: level dari detail statistik yang harus dikumpulkan untuk location
tertentu. Terdapat tiga pilihan, yaitu none, basic, dan time series. None artinya
tidak ada statistik yang dikumpulkan. Basic berarti hanya utilisasi dan rata –
rata pada suatu location yang dapat dikumpulkan. Time series berarti
mengumpulkan statistik dasar dan waktu terjadinya suatu keadaan pada
suatu location dari waktu ke waktu.
e. Notes: untuk menuliskan catatan apapun tentang location.
3. Path networks, digunakan untuk menentukan arah dan jalur yang ditempuh oleh
resource ataupun entitas ketika bergerak dari suatu lokasi ke lokasi
lainnya. Dalam definisi path network, data yang diperlukan seperti graphic, type.
Name, paths, mapping, interfaces, nodes. Data-data yang diperlukan dalam untuk
mendefinisikan path network:

16
 a. Graphic: merupakan fungsi yang menampilkan pendefinisian dari warna path
networks.
b. Name: nama yang mengidentifikasi suatu path network.
c. Type: merupakan tipe path network dimana terdapat dua tipe yang dapat
dipilih yaitu passing dan non passing. Passing dapat dilewati entitas maupun
resource. Non passing tidak dapat dilewati oleh entitas maupun resource.
d. T/S: merupakan fungsi waktu atau (kecepatan dan jarak) adalah dasar untuk
mengukur pergerakan sepanjang network.
e. Paths: jumlah dari segment path pada network.
f. Interfaces: jumlah dari location-interface pada path network dimana entitas
akan diangkut maupun diturunkan pada location tertentu oleh resource.
g. Mapping: jumlah masukan dari mapping edit table dimana user dapat
memetakan tujuan dari network tertentu.
h. Nodes: merupakan titik yang dibuat secara otomatis ketika mendefinisikan
path segments.
4. Resource, merupakan sumber daya yang digunakan untuk melakukan operasi
tertentu dalam kinerja suatu sistem. Data-data yang diperlukan seperti icon,
name, stats, spec, units, downtimes, dan lain-lain. Data-data yang diperlukan dalam
untuk mendefinisikan resource :
a. Icon: merupakan graphic icon yang digunakan untuk merepresentasikan suatu
resource tertentu.
b. Name: merupakan nama dari resource.
c. Units: merupakan jumlah dari unit yang diwakili oleh resource tertentu.
Resource dapat berjumlah 0 sampai 999.
d. Downtimes: untuk mendefinisikan nilai downtimes pada resource tertentu.
e. Stats: level dari detail statistik yang harus dikumpulkan unutk location
tertentu. Terdapat tiga pilihan, yaitu none, summary, dan by units. None artinya
tidak ada statistik yang dikumpulkan. Summary berarti rata – rata utilitas dan
aktivitas sesuai waktu yang dikumpulkan untuk semua unit resource. By
units berarti statistik hanya dikumpulkan untuk masing – masing individual
resource.
f. Spec: untuk menugaskan path network tertentu atau menentukan kecepatan
resource dan waktu pengambilan serta waktu simpan resource.

17
 g. Search: digunakan untuk mendefinisikan pemilihan pekerjaan dan
pemberhentian resource maupun digunakan untuk pencarian path network
tertentu yang telah digunakan untuk resource.
h. Logic: untuk mendefinisikan jumlah nodes yang telah didefinisikan pada path
network tertentu maupun location masuk dan location keluar nodes tertentu.
i. Pts: digunakan untuk mendefinisikan posisi resource pada path network.
j. Notes : untuk menuliskan catatan apapun tentang resource.
5. Processing, merupakan operasi yang dilakukan dalam location. Data-data untuk
definisi processing adalah entity, location, output, rule, operation, block, destination,
dan move logic.
6. Arrivals, yang mendefinisikan waktu dimana entitas masuk pada sistem. Data-
data yang diperlukan dalam dialog box untuk mendefinisikan arrival:
a. Entity: nama dari entitas yang datang.
b. Location: nama location dimana entitas akan datang.
c. Quantity each: jumlah dari entitas yang harus datang pada suatu jarak waktu
tertentu. Harus diisi dengan bilangan tertentu antara 1 sampai 999999 kecuali
untuk atribut dan fungsi sistem non general.
d. First time: untuk memvariasikan secara dinamis waktu kedatangan pertama
dari entitas pada model yang telah dibuat, serta dapat dibuat penjadwalan
kedatangan pada interval tertentu.
e. Occurences: jumlah waktu persimulasi dimana ProModel harus memunculkan
arrival (1-999999). Ketika arrival dibentuk dalam suatu siklus maka jumlah
occurences merupakan jumlah waktu perulangan siklus.
f. Frequency: waktu antar kedatangan, dimana nilai berapapun dapat
dimasukkan kecuali untuk atribut dan fungsi sistem non general. Fungsi
frequency akan dievaluasi selama simulasi dijalankan dan akan berubah ketika
hasil dari simulasi berubah.
g. Logic: untuk medefinisikan logika pilihan kedatangan tertentu, terdiri dari
satu atau lebih pernyataan tertentu yang akan dieksekusi pada saat entitas
datang pada kedatangan tertentu.
h. Disable: dapat diganti menjadi pilihan yes atau no ketika user ingin
menonaktifkan arrival secara temporer tanpa harus menghapus arrival
tersebut.

18
7. Shift and break, untuk menentukan waktu kerja dan waktu istirahat untuk lokasi
dan resource, yang biasanya disimpan dalam bentuk mingguan. Shift editor
menu,sebagai berikut:
a. File: untuk membuka dan menyimpan data – data shift.
b. Edit: untuk menghapus shift ataupun break yang tidak diinginkan.
c. Option: untuk merubah warna yang merepresentasikan shift dan break
tertentu.
8. General information, digunakan untuk menspesifikasikan informasi dasar dari
suatu model termasuk nama dari suatu model, satuan waktu, satuan jarak dan
library graphic. Data-data yang diperlukan dalam dialog box untuk mendefinisikan
general information:
a. Title: deskripsi, ataupun penjelasan singkat mengenai model yang sedang
dibuat, title akan dimunculkan pada caption bar.
b. Time Units: satuan untuk waktu pada model yang tidak dispesifikasikan,
nilai terkecil adalah 0,00001 detik dan nilai terbesar adalah satu hari.
c. Distance units: untuk menentukan satuan jarak yang akan digunakan pada
model.
d. Model notes: untuk user-reference, dapat dibuat dengan menggunakan
initialization logic.
e. Graphic library file: untuk menentukan graphic library yang akan digunakan
pada saat pembuatan model.
f. Initialization logic: untuk membuat logika yang akan dijalankan pada saat
memulai pembuatan model.
g. Termination logic: untuk mendefinisikan kapan model akan berhenti
dijalankan ataupun kondisi pemberhentian simulasi.
9. Cost, untuk memonitor biaya yang terkait dengan location, entities dan resource
selama simulasi dijalankan dan laporan statistik secara umum, termasuk statistik
biaya. Ada 3 tipe pendefinisian biaya pada ProModel yaitu locations, resources,
dan entities.
a. Locations costing: biaya yang ada pada lokasi tersebut saat sistem berlangsung.
b. Resources costing: biaya yang dikeluarkan sesuai dengan penggunaan
operator. Biaya ini merupakan biaya untuk resource yang ada pada sistem.
c. Entity costing: biaya yang dihasilkan dari setiap entitas dalam sistem.

19
 2.5.3 Advanced Element Promodel
Pada advance elements ProModel, terdapat beberapa elemen. Berikut merupakan
elemen-elemen yang ada pada ProModel.
1. Attributes
Attributes merupakan suatu tempat yang mirip dengan variable, akan tetapi terikat
dengan location dan entitas dengan spesifikasi tertentu. Attributes terdapat dua
tipe yaitu Entity Attribute dan Location Attribute.
2. Variabel
Variabel dapat berisi bilangan riil atau bilangan bulat termasuk nilai elemen
indeks dan biasanya digunakan unruk pembuatan keputusan maupun rekaman
informasi. Variabel terdiri dari variabel global dan variabel lokal. Data-data yang
diperlukan untuk mendefinisikan variabel adalah ID, type, initial value, dan stats.
3. Macros
Macros merupakan salah satu fitur yang memudahkan saat text, kumpulan
statement, atau kode block akan digunakan berkali-kali dalam model. Data yang
diperlukan dalam mendefinisikan macro adalah ID, text, option.

2.5.4 Konsep Pemodelan dengan Promodel

ProModel akan mensimulasikan model yang sudah dibuat sebelumnya,
komponen-komponen model akan saling berinteraksi untuk mencapai suatu tujuan
dan akan mendapatkan suatu output ketika model sudah selesai disimulasikan.

2.5.4.1 Batching of Entities (Permanent and Temporary)

Dalam suatu proses, memungkinkan untuk dilakukannya 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
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

20
 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 yang
sejumlah tertentu menjadi satu kesatuan, opsional dengan nama yang berbeda.
Entitas tersebut mungkin sejenis dan mungkin saja berbeda. Entitas gabungan
kehilangan identitas dan atribut mereka dan tidak dapat di ungroup nantinya.
Ketika mendefinisikan lokasi, kapasitas lokasi di mana Anda menggunakan
pernyataan combine harus setidaknya sama besar dengan jumlah gabungan.

2.5.4.2 Attaching of Entities (Permanent and Temporary)

Dalam suatu proses, memungkinkan untuk dilakukannya 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
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.

21
 2.6 TEORI CARA PEMBUATAN SKENARIO
Generating scenario merupakan tools pada ProModel untuk mengubah satu atau
lebih parameter dari sebuah model tanpa mengubah model secara langsung. Scenario
harus berdasarkan parameter yang telah ditentukan pada macros, dan nilainya berada
dalam rentang RTI. (Harrel, Ghosh, & Bowden, 2004, p. 653).

22
 BAB III
METODOLOGI PRAKTIKUM
Pada Bab III akan dipaparkan mengenai diagram alir praktikum simulasi
ProModel dan prosedur pelaksanaannya.

3.1 Diagram Alir Praktikum Simulasi ProModel

Diagram alir praktikum Simulasi ProModel adalah sebagai berikut.

Mulai A C

Observasi Pemodelan Sistem

dengan Software Analisis Hasil
Lapangan Simulasi
Promodel 2014

Studi Pustaka

Perancangan
Dry Run
Identifikasi Model Perbaikan
Masalah

Verifikasi Model Analisis Hasil

Penentuan Tujuan Simulasi Perbaikan
Simulasi

Pemilihan
Tidak Rekomendasi
Terverifikasi? Perbaikan
Pembuatan Model
Konseptual
(Petri Net) Ya Kesimpulan dan
Saran
Jalankan Simulasi
Validasi Model
Konseptual

Selesai
Perhitungan
Replikasi
Tervalidasi?
Tidak

Ya Validasi Model
Simulasi
B

Pengumpulan Data
Tidak
Tervalidasi? B

Pengolahan Data Ya

Gambar 3.1 Diagram Alir Praktikum

23
 3.2 Prosedur Praktikum Simulasi ProModel
Prosedur praktikum simulasi ProModel sebagai berikut.
1. Memulai praktikum.
2. Mencari studi kasus dengan melakukan observasi ke lapangan untuk mengamati
kegiatan dan menentukan masalah yang akan diselesaikan. Mempelajari
berbagai referensi yang terkait dengan simulasi.
3. Identifikasi masalah yang ada pada produksi di Tiban Jaya Rotan.
4. Menentukan tujuan simulasi yaitu untuk menganalisis sistem produksi di Tiban
Jaya Rotan.
5. Membuat model konseptual Petri Net sistem produksi di Tiban Jaya Rotan.
6. Melakukan validasi model konseptual. Jika model konseptual tidak tervalidasi
maka membuat model konseptual kembali.
7. Melakukan pengambilan data pengamatan. Pengamatan dimulai dari
kedatangan entitas sampai entitas meninggalkan sistem.
8. Melakukan pengolahan data dengan menentukan distribusi yang akan
digunakan untuk pemodelan simulasi ProModel. Penentuan distribusi dilakukan
dengan menggunakan tools Stat:Fit pada ProModel. Data – data hasil
pengamatan dimasukkan dalam Data View dan diproses hingga muncul output
distribusi data. Pilih distribusi yang sesuai dengan distribusi berdasarkan
karakteristik aktivitas.
9. Melakukan pemodelan sistem menggunakan software ProModel.
10. Dry run. Menjalankan simulasi yang dibuat dengan software ProModel dan
melihat hasilnya.
11. Melakukan verifkasi model, dengan membandingkan model konseptual dengan
model pada software ProModel. Jika model tidak terverifikasi, maka kembali ke
pemodelan sistem dengan software ProModel.
12. Menjalankan simulasi dengan software ProModel.
13. Melakukan perhitungan replikasi
14. Melakukan validasi model, apakah model konseptual sudah sesuai dengan
sistem nyata. Jika tidak tervalidasi, maka kembali melakukan pengambilan atau
pengumpulan data.
15. Menganalisis hasil simulasi dan menentukan rekomendasi perbaikan
16. Mengambil kesimpulan dan memberikan saran.

24
17. Selesai.

25
 (Halaman ini sengaja dikosongkan)

26
 BAB IV
HASIL DAN PEMBAHASAN

Pada bab ini dibahas mengenai petri net, validasi model konseptual,
pengumpulan data, uji kecukupan data, penentuan parameter distribusi dengan,
langkah pembuatan model sistem, perhitungan replikasi, verifikasi dan validasi,
analisa hasil simulasi, serta rancangan perbaikan sistem.

4.1 OPERATION PROCESS CHART

Operation Process Chart (OPC) adalah peta kerja yang mencoba menggambarkan
ururtan kerja dengan jalan membagi pekerjaan tersebut menjadi elemen-elemen
operasi secara detail Operation Process Chart proses produksi kursi putri di Tiban Jaya
Rotan ditampilkan pada Gambar 4.1.

Operation Process Chart

Nama Objek : Kursi Rotan
Nomor Pet : 01
Dipetakan Oleh : Kelompok 07
Tanggal Dipetaka : 4 Oktober 2018

Pelindung Kaki Kain Rotan Sintetis Rotan

Memotong rotan
13.8" 0-1
Gergaji

12.3" Membengkokkan Rotan

0-2
Pembakar Rotan

Perakitan Rotan
56.9" 0-3
Bor

106.88' 0-4
Penganyaman Kerangka Kursi

Finishing Kursi
5.33" 0-5
Paku Tembak
Kegiatan Jumlah Waktu
Operasi 5 195.88 Min

Inspeksi 0 Day Work

Operasi -
gabungan 0

Gambar 4.1 OPC Produksi

27
 4.2 PETRI NET
Langkah-langkah pembuatan Petri Net, sebagai berikut:
1. Mengidentifikasi aktivitas yang ada dan menyusunnya berdasarkan urutan.
Tabel 4.1 Daftar Aktivitas
Aktivitas Deskripsi Entitas yang Terlibat
A Kedatangan rotan Rotan
B Proses pemotongan rotan Rotan dan Pekerja Potong
C Kayu mengantre untuk di bending Rotan
D Proses bending rotan Rotan dan Pekerja Bending
E rotan mengantre untuk dirakit Rotan
F Proses perakitan Rotan dan Pekerja Pembentukan Rangka
G Rangka kursi mengantre untuk dianyam Rotan dan Anyaman Rotan
dengan rotan
H Proses penganyaman kursi Rotan, Rotan Sintetis, dan Pekerja Anyam
I Kursi rotan mengantre untuk finishing Rangka kursi jadi
J Proses finishing Rangka kursi jadi dan Pekerja Finishing
K Pengiriman kursi rotan kepada
pelanggan
L Kedatangan Rotan Sintetis Rotan Sintetis
M Kedatangan Kain Kain
N Pekerja potong idle Pekerja Potong
O Pekerja bending idle Pekerja Bending
P Pekerja perakitan idle Pekerja Rakit
Q Pekerja anyam idle Pekerja Anyam
R Pekerja finishing idle Pekerja Finishing

2. Mengidentifikasi kejadian (event) dan menyusunnya berdasarkan urutan

kejadian serta menentukan pre condition dan post condition.
Tabel 4.2 Daftar Kejadian
Kejadian Deskripsi Pre-condition Post-condition
1 Mulai pemotongan rotan A,N B
2 Selesai pemotongan rotan B C
3 Mulai bending rotan C,O D
4 Selesai bending rotan D E
5 Mulai perakitan E,P F
6 Selesai perakitan F G
7 Mulai penganyaman kursi G,L,Q H
8 Selesai penganyaman kursi H I
9 Mulai finishing I,M,R J
10 Selesai finishing J K

3. Membuat model konseptual (Petri Net) proses produkis kursi putri. Model
konseptual (Petri Net) di tampilkan pada Gambar 4.2.

28
 A 1 B 2 C 3 D 4 E 5 F 6 G 7 H 8 I 9 J 10 K

N O P Q R

Gambar 4.2 Petri Net Produksi

Model konseptual (Petri Net) dengan token di tampilkan pada Gambar 4.3.
A 1 B 2 C 3 D 4 E 5 F 6 G 7 H 8 I 9 J 10 K

N O P Q R

Gambar 4.3 Petri Net Produksi dengan Token

4.3 VALIDASI MODEL KONSEPTUAL

Validasi model konseptual merupakan tahapan untuk menguji kebenaran atau
kesesuaian sistem nyata dengan model konseptual (Petri Net). Hal yang harus
diperhatikan saat validasi konseptual ialah kesesuaian elemern, proses dan sumber
daya yang digunakan model terhadap sistem nyata. Validasi model konseptual pada
sistem produksi di Tiban Jaya Rotan berdasarkan pengamatan ditampilkan pada
Tabel 4.3.
Tabel 4.3 Uji Validasi Model Konseptual
Sistem Nyata Deskripsi (Petri Net)
Proses Pemotongan Rotan mulai dipotong oleh pekerja potong
Rotan selesai dipotong oleh pekerja potong
Proses Bending Rotan mulai dibending oleh pekerja bending
Rotan selesai dibending oleh pekerja bending
Proses Perakitan Rotan bending dirakit oleh pekerja rakit
Rotan bending selesai dirakit oleh pekerja rakit
Proses Penganyaman Rangka kursi mulai dianyam oleh pekerja anyam
Rangka kursi selesai dianyam oleh pekerja anyam
Proses Finishing Kursi rotan mulai difinishing
Kursi rotan selesai difinishing

4.4 PENGUMPULAN DATA

Pengamatan dilakukan di Tiban Jaya Rotan pada hari Senin-Sabtu Data yang
diambil pada lima proses produksi kursi putri di Tiban Jaya Rotan ditampilkan pada
Tabel 4.4.

29
 Tabel 4.4 Data Pengamatan Proses Produksi
No Potong Bending Rakit Anyam Finishing Move 1
1 14,78 12,13 54,14 101 5,13 0,17
2 13,65 12,78 56,45 119 6,22 0,15
3 12,25 11,70 54,77 104 4,95 0,14
4 15,63 10,19 56,67 118 5,24 0,17
5 13,85 13,00 57,01 113 5,89 0,11
6 13,74 12,13 54,34 104 4,65 0,14
7 12,42 11,48 58,67 104 5,32 0,16
8 13,27 11,91 55,27 109 6,01 0,14
9 14,56 13,21 55,98 105 5,14 0,16
10 13,02 12,53 54,84 103 5,39 0,13
11 14,96 12,65 58,61 104 5,67 0,17
12 15,02 11,91 58,24 119 4,56 0,15
13 13,52 11,26 56,90 101 5,22 0,13
14 14,41 13,72 57,37 102 4,79 0,17
15 13,78 12,57 58,88 103 4,47 0,14
16 15,13 12,69 59,01 101 5,32 0,12
17 13,78 11,70 59,22 103 6,12 0,15
18 14,61 13,00 58,43 102 5,43 0,16
19 12,27 12,14 57,74 110 4,57 0,16
20 13,86 12,28 54,87 110 6,13 0,13
21 13,43 11,95 54,50 115 4,82 0,12
22 14,13 13,65 56,82 109 5,21 0,14
23 12,32 13,22 59,06 101 4,46 0,15
24 14,17 11,92 57,26 111 6,03 0,17
25 13,02 12,78 58,60 101 6,53 0,17

4.5 UJI KECUKUPAN DATA

Dalam u12.2ji kecukupan data, data sampel yang di ambil akan di uji apakah
data tersebut sudah mewakili dari populasi yang ada atau belum. Untuk menguji
kecukupan data menggunakan rumus sebagai berikut:
𝑘 2
√𝑁.∑ 𝑋𝑖 2 −(∑ 𝑋𝑖)2
′
𝑁 = [ 𝑠
∑ 𝑋𝑖
] (4-1)
Sumber: Pengantar Statistika, Walpole E. Ronald, 1995

Dimana:
N’ = jumlah pengamatan yang seharusnya dilakukan
K = Tingkat kepercayaan dalam pengamatan
S = derajat ketelitian dalam pengamatan
N = jumlah pengamatan yang sudah dilakukan
Xi = Data pengamatan

30
 Data pengamatan menggunakan K = 2 dan S = 0.05, maka akan mendapatkan
hasil sebagai berikut:
Tabel 4.5 Uji Kecukupan Data
No Jenis Proses Uji Kecukupan Data Kesimpulan
1 Proses 𝑘 2
Karena N’ = 7,145 <
Pemotongan √𝑁. ∑ 𝑋𝑖 2 − (∑ 𝑋𝑖)2 N = 25, maka data
𝑁 = [𝑠
′
]
∑ 𝑋𝑖 dikatakan cukup
2
mewakili populasi
2 yang ada.
0,05 √25(4798,356) − (119959,9)
𝑁′ = [ ] = 7,145
345,58

2 Proses 𝑘 2
Karena N’ = 6,26 <
Bending √𝑁. ∑ 𝑋𝑖 2 − (∑ 𝑋𝑖)2 N = 25, maka data
𝑁′ = [𝑠 ]
∑ 𝑋𝑖 dikatakan cukup
2
mewakili populasi
2 yang ada.
− (95544,64)
′ 0,05 √25(3821,79)
𝑁 = [ ] = 6,26
308,5

3 Proses 𝑘 2 Karena N’ = 1,36 <

Perakitan √𝑁. ∑ 𝑋𝑖 2 − (∑ 𝑋𝑖)2 N = 25, maka data
𝑁′ = [𝑠 ]
∑ 𝑋𝑖 dikatakan cukup
2 mewakili populasi
2 yang ada.
− (2028507,25)
′ 0,05 √25(81140,29)
𝑁 = [ ] = 1,36
1423,65

4 Proses 𝑘 2
Karena N’ = 4,87 <
Penganyaman √𝑁. ∑ 𝑋𝑖 2 − (∑ 𝑋𝑖)2 N = 25, maka data
𝑁′ = [𝑠 ]
∑ 𝑋𝑖 dikatakan cukup
2 mewakili populasi
2 yang ada.
− (7161300)
′ 0,05 √25(286452)
𝑁 = [ ] = 4,87
1423,65

5 Proses 𝑘 2
Karena N’ = 19,88 <
Finishing √𝑁. ∑ 𝑋𝑖 2 − (∑ 𝑋𝑖)2 N = 25, maka data
𝑁′ = [𝑠 ]
∑ 𝑋𝑖 dikatakan cukup
2
mewakili populasi
2 yang ada.
− (17981,59)
′ 0,05 √25(719,26)
𝑁 = [ ] = 19,88
133,27

5 Perpindahan 𝑘 2
Karena N’ =
1 (Bending √𝑁. ∑ 𝑋𝑖 2 − (∑ 𝑋𝑖)2 22,79036 < N = 25,
𝑁′ = [𝑠 ]
menuju ∑ 𝑋𝑖 maka data dikatakan
Perakitan) 2
cukup mewakili
2 populasi yang ada.
− (13,69)
′ 0,05 √25(0,5554)
𝑁 = [ ] = 22,79036
3,7

4.6 PENENTUAN PARAMETER DISTRIBUSI DENGAN STAT::FIT

Data yang sudah di uji kecukupan data dan diperoleh bahwa data yang
didapatkan cukup, selanjutnya menentuan parameter distribusi. Pengujian distribusi
data ini akan membandingkan antara dugaan dengan data nyatanya. Penentuan

31
 parameter distribusi dilakukan dengan menggunakan Stat::Fit pada software
ProModel. Langkah-langkah pengujian distribusi pada proses pemotongan sebagai
berikut:
1. Menjalankan software Promodel. Pilih tools pada toolbar, Stat::Fit. Tampilan toolbar
Stat::Fit dapat dilihat pada Gambar 4.4.

Gambar 4.4 Tampilan Stat::Fit

2. Masukkan data pengamatan proses pemotongan pada data table.

3. Klik Fit, kemudian Auto Fit

Gambar 4.5 Autofit

4. Pilih continuos distribution, klik unbounded, kemudian klik OK.

Gambar 4.6 Autofit

5. Kemudian akan dihasilkan output sebagai berikut.

32
 Gambar 4.7 Output automatic fitting

Berikut merupakan pemilihan distribusi dari lokasi proses sistem.

Tabel 4.6 Pemilihan Distribusi
Distribusi
Aktivitas Distribusi AutoFit Rank Acceptance
Terpilih
Normal (13.8,0.924) 100 Do not reject Normal
Proses Lognormal (-455,6.15,1.97e-003) 99.9 Do not reject (13.8,0.924)
Pemotongan Triangular (11.7,16,13.8) 91.7 Do not reject
Uniform (12.3,15.6) 32.6 Do not reject
Normal (12.3,0.772) 100 Do not reject Normal
Proses Lognormal (-740,6.62,1.03e-003) 99.9 Do not reject (12.3,0.772)
Bending Triangular (9.96,14,12.8) 45.9 Do not reject
Uniform (10.2,13.7) 2.56e-002 Reject
Normal (56.9,1.666) 100 Do not reject Normal
Proses Lognormal (-695,6.62,2.21e-003) 99.7 Do not reject (56.9,1.666)
Perakitan Triangular (52.9,59.2,59.2) 84.3 Do not reject
Uniform (54.1,59.2) 61.2 Do not reject
Exponential (101,5.88) 94.9 Do not reject Exponential
Normal (107,5.89) 32.8 Do not reject (101,5.88)
Proses Lognormal (-1.82e+003, 7.56, 33.2 Do not reject
Penganyaman 3.06e-003)
Triangular (101,122,101) 0 Reject
Uniform (101,119) 2.52e-002 Reject
Lognormal (3.03,0..8,0.262) 100 Do not reject Lognormal
Normal (5.33,0.594) 90 Do not reject (3.03,0..8,0.262)
Proses
Triangular (4.46,6.88,4.46) 26.9 Do not reject
Finishing
Exponential (4.46,0.871) 5.33 Do not reject
Uniform (4.46,6.53) 5.3 Do not reject
Perpindahan Normal (0.148,1.77e-002) 100 Do not reject Normal
1 (Bending Lognormal (-181,5.2,9.73e-005) 100 Do not reject (0.148,1.77e-
menuju Uniform (0.11,0.17) 4.29 Do not reject 002)
perakitan) Triangular (0.102,0.17,0.17) 0 Do not reject

4.7 LANGKAH PEMBUATAN MODEL SISTEM

Langkah-langkah pemodelan sistem dengan software ProModel, sebagai berikut:
1. Buka software ProModel.
2. Membuat Project baru, dengan cara klik File-New atau memilih Icon New, atau
menggunakan CTRL-N, setelah diklik File-New maka akan muncul kotak dialog
General Information, ketikkan judul Project yang akan dbuat pada Title. Klik OK.

33
 Gambar 4.8 Tampilan Langkah Pembuatan Project Baru ProModel

3. Selanjutnya pembuatan background yang berfungsi sebagai latar belakang

pemodelan sistem, dengan cara klik Build pada toolbar pilih Background Graphics
pilih Behind Grid. Jika ingin memasukkan gambar atau layout, klik Edit pilih
Import Graphics, pilih gambar atau layout yang masukkan klik Open.

Gambar 4.9 Tampilan Pemilihan Latar Belakang

Gambar 4.10 Layout Awal

Build Location
4. Pembuatan lokasi proses produksi dimana proses akan dilakukan. Pilih Build
pada toolbar, klik Locations atau klik CTRL-L. Buat Locations dengan cara men-
drag simbol locations yang diinginkan ke layout. Untuk mempermudah
pembuatan sebaiknya pembuatan layout dilakukan sesuai urutan proses
produksi. Sehingga yang pertama kali dibuat adalah entity spot kedatangan.
34
Kemudian beri nama pada masing-masing locations dengan cara klik Text pada
kotak dialog Graphics kemudian klik di lokasi yang diinginkan di layout, klik
kanan pada kotak Text di layout pilih Edit, ketikkan nama lokasi yang
diinginkan klik OK.
Tabel 4.7 Daftar Locations
Location
No Graphics Name Capacity DTs Rules
Type
1 Entity spot kedatangan_rotan 1 None Oldest
2 Entity spot kedatangan_rotan_sintetis 1 None Oldest
3 Pemotongan 1 None Oldest

4 Bending 1 None Oldest

5 Perakitan 1 None Oldest

6 Penganyaman 1 None Oldest

7 Finishing 1 None Oldest

8 Toko 1 None Oldest

Conveyor potong_q 1 None Oldest
9
10 Conveyor bending_q INFINITE None Oldest, FIFO
Conveyor rakit_q INFINITE None Oldest, FIFO
11
Conveyor anyam1_q INFINITE None Oldest, FIFO
12
13 Conveyor Finifshing_q INFINITE None Oldest
Conveyor toko_q INFINITE None Oldest, FIFO
14
Conveyor anyam2_q INFINITE None Oldest, FIFO
15

Gambar 4.11 Tampilan Locations

35
 Build Entities
5. Pendefinisian entitas yang akan diproses. Klik Build, klik Entities atau CTRL-E.
pilih simbol entitas yang diinginkan, ganti nama entitas pada kotak dialog box
Name. Untuk mengganti warna entitas di kotak dialog Graphics, pilih Edit, pilih
Color, klik OK pada dialog box color, klik OK pada Library Graphics. Untuk
mengganti ukuran entitas pilih Edit pada dialog box graphics, pada library graphics
pilih Dimensions, masukkan ukuran yang diinginkan, klik OK. Kemudian klik
OK pada library graphics.
Tabel 4.8 Daftar Entities
No Icon Name
1 Rotan
2 rotan_sintetis
3 Kain
4 rotan_potong
5 rotan_bending

6 kerangka kursi

7 kursi_setengah_jadi

8 kursi_rotan

Gambar 4.12 Tampilan Entities

Build Path Networks

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

36
 Gambar 4.13 Tampilan build path network

Untuk pembuatan interface pilih kolom interface klik kiri pada locations yang
dijadikan awal proses kemudian klik pada locations. Ulangi semua langkah
hingga seluruh tempat proses produksi terhubung sesuai jalur dengan interface.

Build Resources
7. Menambahkan resources yang akan digunakan. Klik Build, pilih resources atau
CTRL-R. Untuk menambahkan resource lain, tekan ENTER.
Tabel 4.9 Daftar Resource
Name Units Dts Stats Specs
Operator_potong 1 None ByUnit, Time Series Net1, N3, Rtn Home
Operator_bending 2 None ByUnit, Time Series Net1, N7, Rtn Home
Operator_rakit 2 None ByUnit, Time Series Net1, N9, Rtn Home
Mesin_anyam 4 None ByUnit, Time Series Net1, N3
Mesin_finishing 2 None ByUnit, Time Series Net1, N5

Gambar 4.14 Tampilan Resource

Build Processing
8. Menentukan logika proses. Klik Build pilih Processing atau CTRL-P. Pada
Processing terdapat dua jenis logika yaitu logika Process layout dan Routing layout.
Pada operation pemotongan waktu yang dibutuhkan selama berdistribusi
N(13.8,0.924). Waktu pemotongan, waktu bending, waktu rakit, waktu anyam
dan waktu finishing dapat dilihat pada tabel 4.8. Alur proses ditunjukkan pada

37
 Tabel dibawah ini, sebagai berikut:
Tabel 4.10 Daftar Processing
PROCESSING ROUTING
Processing Routing
Operation Output Destination Rule
Entity Location
kedatangan_ro FIRST
A Rotan Inc rotan_datang rotan potong_q
tan 1
FIRST
B Rotan potong_q Inc antri_potong rotan Pemotongan
1
Use pekerka_potong For
FIRST
C Rotan Pemotongan N(13.8,0.924) min rotan_potong bending_q
1
Dec antri_potong
rotan_poto FIRST
D bending_q Inc antri_bending rotan_potong Bending
ng 1
Use pekerja_bending For
rotan_poto FIRST
E Bending N(12.3,0.772 rotan_bending rakit_q
ng 1
Dec antri_potong
F rotan_bendi rakit_q Inc antri_rakit rotan_bending Perakitan FIRST
ng 1
G rotan_bendi Perakitan Use pekerja_rakit For kerangka_kursi anyam1_q FIRST
ng N(56.9,1.66) min 1
Dec antri_rakit
H kerangka_k anyam1_q Inc antri_anyam kerangka_kursi Penganyaman FIRST
ursi 1
I rotan_sintet kedatngan_rot Inc rotan_sintetis_datang rotan_sintetis anyam2_q FIRST
is an_sintetis 1
J rotan_sintet anyam2_q rotan_sintetis Penganyaman Join 1
is
K kerangka_k Penganyaman Join 1 rotan_sintetis kursi_setengah_ finishing_q FIRST
ursi Use pekerja_anyam For jadi 1
Exp(101,5.88)
Dec antri_anyam
L kursi_seten finishing_q Order 1 kain To kursi_setengah_ Finishing FIRST
gah_jadi finishing_q jadi 1
M Kain finishing_q Kain Finishing Join 1
N kursi_seten Finishing Join 1 kain kursi_rotan toko_q FIRST
gah_jadi Use pekerja_finishing 1
For 3.03 + L(2.3,0.615)
min
O kursi_rotan toko_q kursi_rotan Toko FIRST
1
P kursi_rotan Toko Inc total_kursi_rotan kursi_rotan EXIT FIRST
1

Build Arrivals
9. Mendefinisikan kedatangan entitas. Klik Build pilih Arrivals. Klik dialog box entity,
pilih rotan klik OK. Untuk locations pilih kedatangan_rotan klik OK. Kemudian
masukkan data seperti pada tutorial.
Tabel 4.11 Daftar Arrivals
Qty
Entity Location Occurance Frequency
Each
Rotan Kedatangan_rotan 8 1 1 day
Rotan_sintettis Kedatangan_rotan_sintetis 4 1 1 day

38
 Gambar 4.15 Tampilan Arrivals

Build Shift
10. Setelah logika proses selesai, yang perlu dilakukan adalah mendefinisikan shift.
Klik Build pilih Shift pilih Define. Setelah itu, shift kerja dari resource dapat
didefinisikan sebagai berikut: pekerja bekerja dari hari Senin-Sabtu dimulai pada
pukul 07.30 WIB hingga 16.00 WIB dengan waktu istirahat selama 60 menit dari
pukul 11.30-12.30 WIB. Namun, pada hari Jumat waktu istirahat dimulai dari
jam 11.00-13.00. Gunakan add work untuk mendefinisikan jam kerja dimana
warna biru menunjukkan jam kerja operator. Setelah mendefinisikan shift kerja,
selanjutnya simpan file.

Gambar 4.16 Tampilan build shift

Untuk menugaskan pekerja sesuai shift yang telah dibuat dapat dilakukan dengan
klik Build  Shifts  Assign. Klik pada resources, masukan semua resources ke
selected resources lalu OK. Klik tabel Calender File, pilih Open in Calender Editor lalu
pilih file yang sudah disimpan, kemudian klik OK.

Build Variables
11. Pembuatan variable untuk mendefinisikan fungsi tertentu seperti total kursi rotan.
Klik Build pilih Variable atau klik ikon V. Ketikan ID yang diinginkan misal
“rotan_datang”. Aktifkan icon variable menjadi Yes dengan klik variable
rotan_datang, tempatkan pada layout model yang ditentukan. Selanjutnya
masukkan data seperti pada tutorial.

39
 Tabel 4.12 Daftar Variables
Icon ID
Yes rotan_datang
Yes rotan_sintetis_datang
Yes antri_rakit
Yes antri_anyam
Yes total_kursi_rotan
Yes antri_potong
Yes antri_bending

Gambar 4.17 Tampilan Variables

12. Setelah membuat variable definisikan variable pada processing. Klik Build 
Processing. Pada Processing logika Process layout misal untuk variable rotan_datang,
klik operation pada entities rotan yang berada di kedatangan_rotan lalu ketikkan
“Inc rotan_datang”. Untuk variable lainnya ikuti tutorial pada gambar .....

Gambar 4.18 Tampilan Processing Untuk Penambahan Variables

13. Selanjutnya, mendefinisikan biaya, dengan cara Build kemudian cost, lalu
mendefinisikan biaya sesuai dengan tabel berikut.
Tabel 4.13 Biaya Produksi
Resource Biaya kerja per bulan
Pekerja Potong Rp 80.000/hari
Pekerja Bending Rp 80.000/hari
Pekerja Rakit Rp 80.000/hari
Pekerja Anyam Rp 80.000/hari
Pekerja Finishing Rp 80.000/hari

14. Mengatur jalannya simulasi, klik Simulation pada toolbar pilih options. Pada Run

40
 Length pilih Calender Date. Pada Sim. Begin masukkan tanggal mulai simulasi dan
Sim. End masukkan tanggal berakhirnya simulasi. Klik tombol OK.

Gambar 4.19 Tampilan Simulation Opitons

15. Kemudian save project, klik Run dan simulasi akan dijalankan.

4.8 VERIFIKASI, PERHITUNGAN REPLIKASI DAN VALIDASI

Setelah memodelkan sistem pelayanan di Tiban Jaya Rotan, maka model
tersebut akan diverifikasi dan divalidasi.
4.8.1 Verifikasi
Verifikasi bertujuan untuk memastikan model yang dibuat dengan software
ProModel sesuai dengan sistem nyata yang dimodelkan. Terdapat empat teknik
untuk melakukan verifikasi, antara lain:
1. Melakukan pemeriksaan ulang terhadap model, dapat dilakukan secara bottom
up yaitu melakukan pemeriksaan satuan dan logika proses yang digunakan
dalam model. Lebih jelasnya dapat dilihat pada Gambar 4.19 mengenai Petrinet
dan Gambar 4.20 mengenai tampilan ProModel.
A 1 B 2 C 3 D 4 E 5 F 6 G 7 H 8 I 9 J 10 K

N O P Q R

Gambar 4.20 Petri Net Produksi

41
 Gambar 4.21 Tampilan ProModel
Berdasarkan kesamaan proses yang dialami setiap entitas pada Petri Net dengan
ProModel tersebut, maka dapat dikatakan bahwa model konseptual (Petri Net)
telah sesuai dengan model simulasi pada software Promodel yang dibuat.
2. Melakukan pengecekan terhadap output yang dihasilkan pada masing-masing
proses pada model dengan menggunakan trace. Trace adalah daftar kejadian yang
akan terjadi sampai simulasi selesai. Cara melihat output trace dengan cara, klik
Simulation  Options  centang Pause dan Trace di kolom At Start  klik Run.
Setelah itu, klik Play  Options  Trace Options  Output to File. Klik kembali
Options  Trace Options  pilih Trace Continuous. Untuk melihat outputnya di
menu bar ProModel Klik Output  View Trace. Pengecekan menggunakan trace
dapat dilihat pada gambar 4.21.

Gambar 4.22 Trace pada ProModel

42
3. Mengamati animasi dari model yang dijalankan, apakah tingkah laku dari sistem
telah sesuai dengan model yang diinginkan. Lebih jelasnya dapat dilihat pada
Gambar 4.22.

Gambar 4.23 Animasi Dari Model Yang Dijalankan

Berdasarkan animasi yang telah dijalankan, program telah berjalan mulai sesuai
proses pada sistem nyata.
4. Melakukan compile error atau debugging pada model simulasi. Pada program yang
telah dibuat tidak terdapat compile error atau debugging yang menghambat
jalannya simulasi. Apabila sukses melakukan compile, maka akan muncul message
box seperti pada Gambar 4.23.

Gambar 4.24 Compiler

Berdasarkan keempat teknik uji verifikasi yang telah dilakukan, dapat
disimpulkan bahwa program simulasi telah terverifikasi.

4.8.2 Perhitungan Replikasi

Perhitungan replikasi digunakan dalam menentukan jumlah pengamatan yang
dilakukan pada simulasi yang telah dibuat. Berikut ini merupakan perhitungan
replikasi yang dibutuhkan dalam pengamatan di Tiban Jaya Rotan.

43
 𝑍 2
( 𝛼 )𝑠
′
𝑛 =[ 2
] (4-2)
𝑒

𝛼 2
(𝑡𝑛−1, )𝑠
ℎ𝑤 = 𝑒 = [ 2
] (4-3)
√𝑛

Dimana
𝑛′ = jumlah replika teoritis
s = standar deviasi sampel yang diambil
e = absolute error
hw = half-width
n = jumlah replikasi aktual

Output dari 5 kali replikasi pada program pengamatan di Tiban Jaya Rotan,
sebagai berikut:
Tabel 4.14 Daftar Output pada Replikasi Ke-
Replikasi Output
1 24
2 23
3 23
4 24
5 24

Didapatkan nilai:
Nilai 𝑍0,025 = 1,96
Nilai 𝑡5−1,0,025 = 2,776
Standar Deviasi = 0,55
Jumlah replikasi (n) = 5
𝛼 2
(𝑡𝑛 − 1, ) 𝑠
ℎ𝑤 = [ 2 ]
√𝑛
2
(2,776)𝑥0,55
ℎ𝑤 = [ ]
√5
ℎ𝑤 = 0,47
2
𝑍𝛼
()𝑠
𝑛′ = [ 2 ]
𝑒

1,96 (0,55) 2
𝑛′ = [ ]
0,47
𝑛′ = 4,26 = 5

44
 Sehingga dari hasil perhitungan di atas, dapat disimpulkan bahwa jumlah
replikasi yang dapat dilakukan sejumlah minimal 5 replikasi.

4.8.3 Validasi
Validasi adalah proses penentuan apakah model merupakan representasi yang
akurat dan sesuai dengan sistem nyata (Hoover dan Perry, 1989). Validasi dilakukan
dengan membandingkan data berupa output aktual dengan output program pada
entitas kursi_rotan. Validasi model simulasi dilakukan dengan langkah-langkah
sebagai berikut:
1. Run model simulasi sebanyak 5 replikasi. Klik Simulation pada Toolbar  Options.
Pada Number Of Replications ketikkan “5”. Klik tombol OK.
2. Bandingkan output model simulasi dengan output sistem nyata.
Tabel 4.15 Output Replikasi
No Output Aktual Output Program
1 24 23
2 22 23
3 24 23
4 24 23
5 25 23

3. Membuka aplikasi SPSS 25.

4. Mendefinisikan nama variabel aktual pada kolom baris pertama dan program
pada kolom baris kedua pada variable view, kemudian masukkan data output
aktual dan output program pada data view.
5. Klik analyze, pilih descriptive statistic, explore, dan masukkan data output aktual dan
data output program ke dalam dependent list.
6. Klik plots pilih Normality plots with tests.
7. Klik OK, kemudian akan tampil output sebagai berikut.
Tabel 4.16 Test of Normality
Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic Df Sig. Statistic df Sig.

Data ,282 10 ,023 ,890 10 ,172

a. Lilliefors Significance Correction

Prosedur pengujian hipotesisnya adalah sebagai berikut:

1. Menentukan hipotesis nol (Ho) dan hipotesis alternatif (H1).
H0: Data berdistribusi normal

45
 H1: Data tidak berdistribusi normal
2. Menentukan tingkat signifikansi yang digunakan
α = 5%
3. Memilih uji statistik
Uji statistik yang digunakan adalah uji normalitas.
4. Menentukan nilai kritis.
Jika nilai significance > α = 0,05 maka Ho diterima. Jika nilai significance < α =
0,05 maka Ho ditolak.
5. Kesimpulan
Hasil pengujian normalitas menunjukan signifikansi pada tabel Shapiro-Wilk
bernilai 0.172 ≥ 0,05. Maka Ho diterima yang berarti data berdistribusi normal.
Kemudian, jika data berdistribusi normal maka dilakukan pengujian lanjutan
dengan menggunakan uji independent test untuk menentukan apakah data tersebut
merupakan variabel bebas. Berikut langkah-langkah pengujian independent sample T-
test dengan SPSS 20.
1. Membuka SPSS 20 dan membuat file baru.
2. Klik tab Variable View, kemudian mengisi nama variabel yaitu Output dan
kelompok. Program pastikan measure nya scale. Klik pada baris kelompok kolom
values, kemudian pada kotak values isikan angka 1 dan pada kolom label isikan
output aktual lalu klik add. Lalu pada kotak values isikan angka 2 dan pada kolom
label isikan output program lalu klik add. Lalu klik Ok
3. Isikan data Output Aktual dan Output Program pada kolom Output. Pada kolom
kelompok, isikan 1 untuk data output aktual dan 2 untuk data output program.
4. Klik Analyze – Compare Means – Independent Sample T Test
5. Klik Define grouping pada kotak Group1 ketikan “1” dan Group2 ketikan “2”.
Klik continue.
6. Klik option lalu isikan 95% pada kotak confidence inteval precentage. Lalu klik
continue.
7. Klik OK.
8. Kemudian akan keluar output sebagai berikut.

46
 Tabel 4.17 Independent Samples Test
Independent Samples Test
Levene's Test for t-test for Equality of Means
Equality of Variances

F Sig. T df Sig. (2- Mean Std. Error 95% Confidence

tailed) Difference Difference Interval of the
Difference

Lower Upper

Equal variances
4,696 ,062 -1,633 8 ,141 -,80000 ,48990 -1,92971 ,32971
Dat assumed
a Equal variances
-1,633 4,000 ,178 -,80000 ,48990 -2,16017 ,56017
not assumed

H0 : Tidak ada perbedaan rata-rata output aktual dengan output program

H1 : Terdapat perbedaan rata-rata output aktual dengan output program
Berdasarkan hasil pengujian independensi, hasil menunjukkan nilai signifikasi
dari Sig.(2-tailed) bernilai bernilai ≥ 0,025 yaitu 0,141. Maka dapat disimpulkan
bahwa tidak ada perbedaan rata-rata output aktual dengan output program.

4.9 ANALISIS HASIL SIMULASI

Data di bawah ini adalah output pengamatan sistem produksi di Tiban Jaya
Rotan yang dihasilkan program dalam waktu enam hari kerja. Hasil pemodelan
dengan menggunakan ProModel, dilakukan analisis sebagai berikut:
1. Resources Utility
Analisis utilitas resources dari simulasi ProModel yang dibuat sebanyak 5
replikasi ditampilkan pada tabel dibawah ini.
Tabel 4.18 Utilitas Resources
Replikasi
No Resources
1 2 3 4 5
1 Pekerja_potong 25,08 25,27 25,20 25,30 24,85
2 Pekerja_bending 11,24 11,18 11,06 11,30 11,15
3 Pekerja_rakit 50,40 50,28 50,10 50,27 50,19
4 Pekerja_anyam 19,68 30,47 26,47 17,76 21,00
5 Pekerja_finishing 2,34 2,38 2,31 2,46 2,52

47
 Gambar 4.25 Grafik Utilitas Resources

Dapat dilihat dari output pada tabel 4.18 dan gambar 4.24 utilitas yang paling
tinggi adalah pekerja rakit dikarenakan entitas yang datang terlalu banyak dan
waktu proses yang terlalu lama. Utilitas terendah ada pada resource pekerja
finishing karena entitas yang datang sedikit dan waktu proses yang singkat.
2. Entity
Berikut ini merupakan Total Exit pada entity untuk lima replikasi yang dilakukan
dalam program ditunjukkan pada Tabel 4.19.
Tabel 4.19 Tingkat Entity
Kuantitas Kursi Rotan
Replikasi
Total Exit
1 24
2 23
3 23
54 24
5 24

Total exit merupakan jumlah dari masing-masing entitas yang keluar. Hasil
output pada tabel 4.24, output kursi rotan sebanyak 23, kemudian entitas rotan
sintetis sebanyak 24 gulung, dan entitas kain sebanyak 23 lembar.
3. Total Biaya
Total biaya pada entitas dan resources ditampilkan pada tabel dibawah ini.
Tabel 4.20 Total Biaya
Biaya/minggu
Entitas Kursi rotan Rp 4.242.256,67
Pekerja potong Rp 146.666,67
Resources Pekerja bending Rp 293.333,33
Pekerja rakit Rp 297.800,00
Pekerja anyam Rp 592.810,00
Pekerja finishing Rp 293.333,33
Total Biaya Rp 5.866.200,00

48
 Diketahui bahwa total biaya yang dibutuhkan perminggu sebesar Rp
5.866.200,00 dengan harga jual satu kursi sebesar Rp 450.000,00. Dengan total
pendapatan selama seminggu sebesar Rp 10.350.000,00. Maka, Tiban Jaya Rotan
mendapatkan keuntungan sebesar Rp 4.483.800,00.

4.10 RANCANGAN PERBAIKAN SISTEM

Setelah simulasi dijalankan, selanjutnya adalah pembuatan skenario yang
bertujuan untuk memperbaiki sistem supaya lebih optimal. Dalam hal ini,
permasalahan yang dihadapi adalah utilitas pekerja di Tiban Jaya Rotan, sehingga
dilakukan perancangan perbaikan sistem yang terdiri dari 3 skenario yang
ditampilkan pada tabel dibawah ini.
Tabel 4.21 Rancangan Perbaikan Resources
Scenario
No Resources Baseline
1 2 3
1 Pekerja_potong 1 1 1 1
2 Pekerja_bending 2 1 1 1
3 Pekerja_rakit 2 2 2 2
4 Pekerja_anyam 4 1 2 4
5 Pekerja_finishing 2 1 1 0

1. Skenario 1

Gambar 4.26 Grafik Skenario 1

Tabel 4.22 Total Biaya Skenario 1

Biaya/minggu
Entitas Kursi rotan Rp 3.928.406,67
Pekerja potong Rp 146.666,67
Pekerja bending Rp 146.666,67
Pekerja rakit Rp 297.403,33
Resources
Pekerja anyam Rp 152.196,67
Pekerja finishing Rp 146.666,67
Total Biaya Rp 4.818.006,68

49
 Dari program didapatkan utilitas pekerja potong sebesar 25,00%, pekerja
bending 22,50%, pekerja rakit 50,06%, pekerja anyam 96,48%, dan pekerja
finishing 4,53%. Sehingga skenario ini menghasilkan output kursi rotan sebanyak
22 kursi. Dengan pendapatan total sebesar Rp 9.900.000, maka keuntungan yang
diperoleh sebesar Rp 5.081.993,32.
2. Skenario 2

Gambar 4.27 Grafik Skenario 2

Tabel 4.23 Total Biaya Skenario 2

Biaya/minggu
Entitas Kursi rotan Rp 4.106.933,33
Pekerja potong Rp 146.666,67
Pekerja bending Rp 146.666,67
Pekerja rakit Rp 297.436,67
Resources
Pekerja anyam Rp 153.333,33
Pekerja finishing Rp 146.666,67
Total Biaya Rp 4.997.703.34

Dari program didapatkan utilitas pekerja potong sebesar 24,68%, pekerja bending
22,64%, pekerja rakit 50,34%, pekerja anyam 51,81%, dan pekerja finishing 4,52%.
Sehingga skenario ini menghasilkan output kursi rotan sebanyak 23 kursi. Dengan
pendapatan total sebesar Rp 10.350.000, maka keuntungan yang diperoleh sebesar
Rp 5.352.296,66.

50
3. Skenario 3

Gambar 4.28 Grafik Skenario 3

Tabel 4.24 Total Biaya Skenario 3

Biaya/minggu
Entitas Kursi rotan Rp 4.242.256,67
Pekerja potong Rp 146.666,67
Pekerja bending Rp 146.666,67
Resources Pekerja rakit Rp 297.800,00
Pekerja anyam Rp 592.810,00
Pekerja finishing Rp 0
Total Biaya Rp 5.426.200,01

Dari program didapatkan utilitas pekerja potong sebesar 25,08%, pekerja bending
22,48%, pekerja rakit 50,40%, pekerja anyam 20,83%, dan tanpa pekerja finishing
dikarenakan pekerja anyam melakukan dua proses yaitu proses penganyaman dan
finishin.g Sehingga skenario ini menghasilkan output kursi rotan sebanyak 24 kursi.
Dengan pendapatan total sebesar Rp 10.350.000, maka keuntungan yang diperoleh
sebesar Rp 4.923.799,99.

Berdasarkan skenario yang dibuat, terdapat perubahan yang terjadi dari masing-
masing skenario, yaitu :
Tabel 4.25 Analisis dan Perbandingan Skenario berdasarkan utilitas
Utilitas (%)
Subjek
Baseline Skenario 1 Skenario 2 Skenario 3
Pekerja potong 25,08 25,00 24,68 25,08
Pekerja bending 11,24 22,50 22,64 22,48
Pekerja rakit 50,40 50,06 50,34 50,40
Pekerja anyam 19,68 96,48 51,81 20,83
Pekerja finishing 2,34 4,53 4,52 -
Output 24 22 23 24
Total biaya Rp 5.866.200,00 Rp 4.818.006,68 Rp 4.997.703.34 Rp 5.426.200,01
Keuntungan Rp 4.483.800,00 Rp 5.081.993,32 Rp 5.352.296,66 Rp 4.923.799,99

51
 Berdasarkan Tabel 4.26 diperoleh hasil scenario yang dipilih yaitu Skenario 1.
Pada Skenario 1 didapatkan utilitas pekerja potong sebesar 25,00%, pekerja bending
22,50%, pekerja rakit 50,06%, pekerja anyam 96,48%, dan pekerja finishing 4,53%.
Sehingga skenario ini menghasilkan output kursi rotan sebanyak 22 kursi. Dengan
pendapatan total sebesar Rp 9.900.000, maka keuntungan yang diperoleh sebesar Rp
5.081.993,32.
Maka dapat disimpulkan bahwa Skenario 1 merupakan skenario terbaik untuk
meningkatkan utilitas dari pekerja dibandingkan dengan skenario 2 dan 3. Ini berarti
pembagian pekerjaan lebih merata dan proses lebih baik dibanding dengan yang lain.

52
 BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan praktikum produksi yang telah dilakukan, maka dapat disimpulkan
sebagai berikut:
1. Tiban Jaya Rotan merupakan salah satu pusat kerajinan rotan terbesar di kota
Malang. Pada usaha ini memproduksi berbagai macam produk seperti kursi,
sekat, dan lemari yang terbuat dari rotan. Sistem yang diamati pada pengamatan
ini yaitu proses pembuatan kursi Putri. Proses pembuatan kursi Putri terdiri dari
pemotongan bahan baku, mem-bending rotan yang telah dipotong, perakitan
menjadi kerangka kursi, penganyaman, dan finishing. Kemudian sistem ini akan
disimulasikan menggunakan software ProModel. Software ProModel merupakan
suatu program komputer yang dapat digunakan untuk simulasi dan menganalisa
sistem produksi kursi putri. Software tersebut digunakan untuk mensimulasikan
proses produksi di Tiban Jaya Rotan.
2. Pada model simulasi menggunakan software Promodel diperoleh output kursi
rotan berjumlah 23 kursi dengan kinerja pekerja potong sebesar 25,00%, pekerja
bending 22,50%, pekerja rakit 50,06%, pekerja anyam 96,80%, dan pekerja
finishing 4,53%.
3. Rekomendasi perbaikan pada sistem yaitu dilakukan perbaikan sistem dengan
tujuan meningkatkan utilitas pekerja terutama pekerja bending, pekerja anyam,
dan pekerja finishing. Dari perbaikan sistem tersebut, diperoleh hasil scenario yang
dipilih yaitu Skenario 1 dengan utilitas pekerja potong sebesar 25,00%, pekerja
bending 22,50%, pekerja rakit 50,06%, pekerja anyam 96,80%, dan pekerja
finishing 4,53%. Sehingga skenario ini menghasilkan output kursi rotan sebanyak
22 kursi. Dengan pendapatan total sebesar Rp 9.900.000, maka keuntungan yang
diperoleh sebesar Rp 5.081.993,32.

53
 5.2 Saran
Berdasarkan praktikum simulasi jasa yang telah dilakukan, maka saran yang
dapat diberikan untuk proses pelayanan pengambilan obat di Puskesmas Dinoyo
adalah sebagai berikut :
1. Tiban Jaya Rotan perlu meninjau ulang mengenai alokasi sumber daya dalam
perusahaannya.
2. Mengurang pekerja bending dari 2 menjadi 1 orang, pekerja anyam dari 4 menjadi
1 orang, dan pekerja finishing dari 2 menjadi 1 orang dengan tujuan
meningkatkan kinerja pekerja menjadi optimal.

54