Konsep-SI - 1

KELOMPOK : 3
KELAS :C
NAMA :
1. M. Rezza F (140421100086)
2. Mohammad Gunawan S. (150421100014)
3. Salma Fitria Salsabila (150421100072)
ASISTEN : Putri Rani Fhiliantie (140421100068)
LABORATORIUM KOMPUTASI DAN SIMULASI

INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS TRUNOJOYO MADURA
2018
i
ii
ABSTRAK
Sistem merupakan kumpulan dari beberapa entitas yang melakukan dan

berinteraksi bersama – sama untuk mencapai tujuan dari sebuah logika persamaan.
Fakta yang terkandung dari definisi ini antara lain sebuah sistem berupa kumpulan
beberapa entitas, beraktifitas dan berinteraksi bersamasama, dan memiliki tujuan
tertentu. Tugas besar modul satu deskripsi sistem pada mata kuliah simulasi sistem
industri ini diadakan dengan tujuan agar kami mengetahui hubungan antara sistem,
model, dan simulasi. Objek penelitian yang kelompok kami pakai yaitu GraPARI
Telkomsel Bangkalan yang memiliki masalah terkait pelayanan konsumen yang
belum maksimal. Masalah yang dihadapi GraPARI Telkomsel tersebut, dalam modul
ini kami perlu memahami dan mengetahui terkait sistem yang ada di GraPARI
Telkomsel sebelum melanjutkan ke proses memodelkan dan mensimulasikan sistem
yang ada.
Simulasi dapat dilakukan dengan membuat sebuah miniatur yang representative
dan valid dengan tujuan sampling dan survey statistik pada sistem nyata, sehingga
perilaku sistem dapat diprediksi untuk dipelajari. Jadi simulasi secara sederhana dapat
diartikan sebagai proses peniruan.dan berinteraksi bersamasama, dan memiliki tujuan
tertentu. Tugas besar modul dua pada mata kuliah simulasi sistem industri ini
diadakan dengan tujuan agar kami mengetahui hubungan antara sistem, model, dan
simulasi. Objek penelitian yang kelompok kami pakai yaitu GraPARI Tellkomsel
Bangkalan yang memiliki masalah terkait pelayanan konsumen yang belum
maksimal. Dari masalah yang dihadapi GraPARI Telkomsel tersebut, dalam modul ini
kami melakukan pengamatan dan mengambil data waktu yang dibutuhkan untuk
mensimulasikann sistem nyata dengan menggunakan software Arena. Output dari
simulasi tersebut yaitu kita dapat menganalisa dan membuat beberapa skenario
perbaikan yang akan diusulkan untuk perbaikan pelayanan pada GraPARI Telkomsel
Bangkalan.
Kata Kunci : Sistem, Model, Simulasi, Arena
iii
ABSTRACT
The system is a collection of the few entity do and interact with the same to
achieve the purpose of a logic similarity. Facts contained on this definition, among
others, a system of the form of a collection of some of the entity, activities and
interact together, and has a particular purpose. Task of the module a description of
the system in the course simulation system the industry is held in order that we know
the relationship between the system, model, and simulation. Object research group we
use the GraPARI Telkomsel Bangkalan the problems Associated customer service
that have not been maximum. problems faced GraPARI Telkomsel Bangkalan that, in
this module we need to understand and find out the related system that is in GraPARI
Telkomsel Bangkalan before continuing to the modeling and simulate the existing
system.
Simulation can be done by making a miniature representative and valid with the
aim of sampling and survey statistics on real system, so that the system behavior can
be predicted to learn. So simulation simply can be interpreted as a process
impersonaion and interact together, and has a particular purpose. task of the module
two in the course simulation system the industry is held in order that we know the
relationship between the system, model, and simulation. Object research group we
use the GraPARI Telkomsel Bangkalan the problems Associated customer service
that have not been maximum. of the problems faced GraPARI Telkomsel Bangkalan
that, in this module we observed and take the time data needed to simulate the real
system using the software Arena. Output of the simulation is that we can analyze and
make some scenario improvements will proposed to repair services on GraPARI
Telkomsel Bangkalan.
Keywords : System, Model, Simulation, Arena
iv
DAFTAR ISI
ABSTRAK ................................................................................................................... iii

ABSTRACT ................................................................................................................... iv
DAFTAR ISI ................................................................................................................. v
DAFTAR TABEL ...................................................................................................... viii
DAFTAR GAMBAR .................................................................................................... x
BAB 1 ........................................................................................................................... 3
PENDAHULUAN ........................................................................................................ 3
1.1 Latar Belakang ............................................................................................... 3
1.2 Tujuan Tugas Besar ........................................................................................ 4
BAB II ........................................................................................................................... 5
TINJAUAN PUSTAKA ............................................................................................... 5
2.1 Simulasi .............................................................................................................. 5
2.1.1 Manfaat Simulasi ......................................................................................... 5
2.1.2 Kelemahan Simulasi .................................................................................... 5
2.1.3 Kelebihan Simulasi ...................................................................................... 6
2.1.4 Contoh Area Aplikasi Simulasi .................................................................... 7
2.2 Arena .................................................................................................................. 7
2.3Sistem dan Model ............................................................................................... 8
2.4.1 Komponen yang ada pada activity diagram ............................................ 9
2.6.1 Macam-macam antrian ............................................................................... 11
BAB III ....................................................................................................................... 12
METODE PENELITIAN ............................................................................................ 12
3.1 Alat dan Bahan .................................................................................................. 12
3.2 Prosedur Pelaksanaan Tugas Besar ................................................................... 12
3.3 Flowchart Pelaksanaan Tugas Besar ................................................................ 13
BAB IV ....................................................................................................................... 14
ANALISIS DAN PEMBAHASAN ............................................................................ 14
4.1 Deskripsi Sistem Nyata ..................................................................................... 14
v
4.2 Layout Objek..................................................................................................... 16
4.3 Deskripsi Sistem Menggunakan Elemen-Elemen Sistem................................. 16
4.4 Activity Table dan Activity Cycle Diagram (ACD)............................................18
4.5 Parameter untuk Mengamati Kinerja Sistem.....................................................19
4.6 Skenario Perbaikan untuk Meningkatkan Performansi Sistem......................... 19
4.7 Activity Cycle Diagram (ACD) Skenario Perbaikan......................................... 19
BAB V......................................................................................................................... 20
KESIMPULAN DAN SARAN...................................................................................20
5.1 Kesimpulan....................................................................................................20
5.2 Saran..............................................................................................................21
DAFTAR PUSTAKA.................................................................................................. 22
BAB 1..........................................................................................................................25
PENDAHULUAN.......................................................................................................25
1.1 Latar Belakang.............................................................................................. 25
1.2 Tujuan Tugas Besar.......................................................................................26
BAB II......................................................................................................................... 27
TINJAUAN PUSTAKA.............................................................................................. 27
2.1 Simulasi............................................................................................................. 27
2.2 Jenis Data pada Simulasi ARENA.....................................................................31
2.3 Uji Keseragaman Data.......................................................................................33
2.4 Uji Kecukupan Data.......................................................................................... 33
2.5 Independent t-test.............................................................................................. 34
2.6 ANOVA.........................................................................................................34
BAB III........................................................................................................................36
METODE PENELITIAN............................................................................................ 36
3.1 Alat dan Bahan...................................................................................................36
3.2 Prosedur Pelaksanaan Tugas Besar....................................................................36
3.3 Flowchart Pelaksanaan Tugas Besar................................................................. 37
BAB IV........................................................................................................................38
ANALISIS DAN PEMBAHASAN.............................................................................38
4.1 Rekapan Data.....................................................................................................38
vi
4.2 Uji Kecukupan Data Masing-masing Server....................................................39
4.3 Rekapan Data Baru ..........................................................................................42
4.4 Pola Data dari Masing-masing Data ................................................................42
4.4.1 Server 1 .................................................................................................43
4.4.2 Server 2 .................................................................................................43
4.4.3 Server 3 .................................................................................................44
4.4.4 Rekapan Pola Data Sebelum dan Sesudah Generate ................................. 45
4.5 Parameter untuk Acuan Penelitian (sesuai modul 1) Secara Matematis .......... 45
4.6 Model Simulasi menggunakan Arena dan Visio (sedetail mungkin)............... 51
4.7 Validasi Model Arena dengan Sistem Nyata melalui Parameter Performance
System ......................................................................................................................52
4.8 Skenario Perbaikan............................................................................................ 65
4.9 Proses Comparing System Masing-Masing Skenario ....................................... 66
4.10 Identifikasi Faktor Penghambat ......................................................................68
4.11 Animasi Menggunakan Software Arena .................................................. 69
BAB V ......................................................................................................................... 70
KESIMPULAN DAN SARAN ................................................................................... 70
5.1 Kesimpulan ...................................................................................................70
5.2 Saran .............................................................................................................70
DAFTAR PUSTAKA ................................................................................................. 71
vii
DAFTAR TABEL
Tabel 1.4.1 Activity table GraPARI Telkomsel............................................................18

Tabel 2.2.1 Jenis modul dan keterangan pada Software ARENA............................... 28
Tabel 2.2.2 Jenis modul dan keterangan pada Software ARENA (lanjutan)...............30
Tabel 2.4.3 Rekapan pengamatan................................................................................38
Tabel 2.4.4 Rekapan data lama pelayanan server 1.....................................................39
Tabel 2.4.7 Rekapan data baru.....................................................................................42
Tabel 2.4.8 Rekapan data sebelum dan sesudah generate........................................... 45
Tabel 2.4.9 Rekapan data lama pelayanan ketiga server.............................................46
Tabel 2.4.10 Rekapan data panjang antrean ketiga server.......................................... 48
Tabel 2.4.11 Rekapan data lama antrean ketiga server................................................49
Tabel 2.4.12 Parameter pengamatan............................................................................51
Tabel 2.4.13 Utilitas nyata dan Arena replikasi 1........................................................53
Tabel 2.4.14 Validasi parameter utilitas replikasi 1.....................................................53
Tabel 2.4.23 Panjang antrean nyata dan Arena replikasi 1..........................................57
Tabel 2.4.24 Validasi parameter panjang antrean replikasi 1...................................... 57
viii
Tabel 2.4.31 Panjang antreann nyata dan Arena replikasi 5........................................60
Tabel 2.4.32 Validasi panjang antrean replikasi 5....................................................... 61
Tabel 2.4.33 Lama antrean nyata dan Arena replikasi 1..............................................61
Tabel 2.4.34 Validasi lama antrean replikasi 1............................................................62
Tabel 2.4.36 Validasi parameter lama antrean replikasi 2........................................... 62
Tabel 2.4.42 Validasi replikasi 5..................................................................................65
Tabel 2.4.43 Rekapan data utilitas model awal dan skenario perbaikan..................... 67
Tabel 2.4.44 Tabel ANOVA parameter utilitas............................................................ 67
Tabel 2.4.45 Rekapan data panjang antrean model awal dan skenario perbaikan.......67
Tabel 2.4.46 Tabel ANOVA parameter panjang antrean..............................................67
Tabel 2.4.47 Rekapan data lama antrean model awal dan skenario perbaikan............68
Tabel 2.4.48 Tabel ANOVA parameter lama antrean...................................................68
ix
DAFTAR GAMBAR
Gambar 1.2.1. Antrian tunggal, banyak server dalam parallel...................................11

Gambar 1.2.2. Antrian tunggal, server tunggal........................................................... 11
Gambar 1.2.3. Antrian tunggal, banyak server dalam seri.........................................11
Gambar 1.2.4. Antrian banyak, server banyak dalam parallel.................................... 11
Gambar 1.2.5. Antrian banyak, server banyak dalam seri...........................................11
Gambar 1.3.6 Flowchart tugas besar...........................................................................13
Gambar 1.4.7 Kantor GraPARI tampak depan............................................................14
Gambar 1.4.8 Server melayani konsumen...................................................................15
Gambar 1.4.9 Tempat pembayaran (cashier).............................................................. 15
Gambar 1.4.10 Layout objek....................................................................................... 16
Gambar 1.4.11 Activity Cycle Diagram......................................................................18
Gambar 2.2.1 Simulasi menggunakan Software ARENA........................................... 28
Gambar 2.3.2 Flowcart tugas besar.............................................................................37
Gambar 2.4.3 Pola data server 1 sebelum generate.....................................................43
Gambar 2.4.4 Pola data server 1 sesudah generate......................................................43
Gambar 2.4.9 Model simulasi Arena...........................................................................51
Gambar 2.4.10 Layout objek....................................................................................... 52
Gambar 2.4.11 Verifikasi model nyata........................................................................ 52
Gambar 2.4.12 Skenario perbaikan pertama............................................................... 65
Gambar 2.4.13 Skenario perbaikan 2.......................................................................... 66
Gambar 2.4.14 Skenario perbaikan 3.......................................................................... 66
Gambar 2.4.15 Animasi model objek.......................................................................... 69
x
TUGAS BESAR
MODUL 1
DESKRIPSI SISTEM
Disusun Oleh : KELOMPOK (3C)

1. M. Rezza F (140421100086)
ASISTEN PRAKTIKUM
Putri Rani Fhiliantie
(140421100068)
LABORATORIUM KOMPUTASI DAN SIMULASI INDUSTRI

PROGRAM STRUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
2018
ii
BAB 1
PENDAHULUAN
Bab satu pendahuluan modul satu deskripsi sistem ini berisi tentang latar
belakang dan tujuan tugas besar.
1.1 Latar Belakang
Kepuasan pelanggan dalam pelayanan berdasarkan waiting time merupakan hal
yang penting bagi suatu perusahaan jasa agar tetap dapat mempertahankan konsumen.
Kepuasan pelanggan juga merupakan salah satu hal terpenting yang harus
diperhatikan oleh GraPARI Telkomsel sebagai salah satu perusahaan jasa di
Indonesia. Graha Pari Saraya Telkomsel atau yang biasa disingkat dengan GraPARI
Telkomsel Bangkalan merupakan titik akses yang menjadi tempat pelayanan yang
handal bagi pelanggan PT Telekomunikasi Seluler yang dikenal dengan sebutan
Telkomsel yang ada di daerah Bangkalan untuk menyelesaikan masalah mereka
terkait karu Prabayar (Simpati dan As) maupun Pasca bayar (Halo).
Sistem adalah kumpulan dari beberapa entitas yang melakukan dan berinteraksi
bersama – sama untuk mencapai tujuan dari sebuah logika persamaan. Fakta yang
terkandung dari definisi ini antara lain sebuah sistem berupa kumpulan beberapa
entitas, beraktifitas dan berinteraksi bersamasama, dan memiliki tujuan tertentu.
Proses atau cara operasi yang dimodelkan tidak harus persis sama karena yang
penting dari model adalah bagaimana proses berdampak pada sistem, bukan pada
bagaimana proses berlangsung (Sterman, 2000).
Tugas besar modul satu deskripsi sistem pada mata kuliah simulasi sistem industri
ini diadakan dengan tujuan agar kami mengetahui hubungan antara sistem, model,
dan simulasi. Objek penelitian yang kelompok kami pakai yaitu GraPARI Telkomsel
Bangkalan yang memiliki masalah terkait pelayanan konsumen yang belum
maksimal. Masalah yang dihadapi GraPARI Telkomsel tersebut, dalam modul ini
kami perlu memahami dan mengetahui terkait sistem yang ada di GraPARI Telkomsel
sebelum melanjutkan ke proses memodelkan dan mensimulasikan sistem yang ada.
3
1.2 Tujuan Tugas Besar
Tujuan adanya tugas besar modul satu deskripsi sistem mata kuliah Simulasi
Sistem Industri adalah sebagai berikut:
1. Praktikan dapat mengerti dan memahami pengertian sistem dan klasifikasinya.
2. Praktikan dapat mengerti dan memahami karakteristik dari sistem beserta elemen-
elemen pendukung suatu sistem.
3. Praktikan dapat mengerti dan memahami pengertian model, klasifikasi serta
alasan penggunaan model diperlukan.
4. Praktikan dapat mengerti dan memahami pengertian dari simulasi serta hubungan
antara sistem, model, dan simulasi.
5. Praktikan dapat mengerti dan memahami Activity Cycle Diagram (ACD) dan
usulan skenario perbaikan.
4
BAB II
TINJAUAN PUSTAKA
Bab 2 akan menjelaskan tentang tinjauan pustaka yang mendukung dasar dari
tugas besar ini.
2.1 Simulasi
Simulasi dapat diartikan sebagai suatu kegiatan yang menggambarkan keadaan
sebenarnya. Hal ini dapat dilakukan dengan membuat sebuah miniatur yang
representative dan valid dengan tujuan sampling dan survey statistik pada sistem
nyata, sehingga perilaku sistem dapat diprediksi untuk dipelajari. Jadi simulasi secara
sederhana dapat diartikan sebagai proses peniruan. Simulasi digunakan sebelum
sebuah sistem yang ada dibangun dan untuk mengevaluasi model secara numerik dan
mengestimasi karakteristik sebenarnya dari model berdasarkan data yang didapat.
Teknik simulasi dapat dibayangkan dengan percobaan (eksperimen), sebagai
penyelesaian masalah untuk mempelajari sistem yang kompleks yang tidak dapat
dianalisis secara langsung dengan cara analitik. States dari sebuah sistem merupakan
koleksi dari berbagai variabel yang dibutuhkan untuk menjelaskan sistem di waktu –
waktu tertentu. Elemen model dalam simulasi antara lain entitas, lokasi, resource, dan
paths (Ishardita, 2012).
2.1.1 Manfaat Simulasi
Menurut Ishardita (2012), manfaat dari simulasi sebagai berikut:
1. To reduce the chance of failure to meet specifications,
2. To eliminate unforeseen bottlenecks,
3. To prevent under or over utilization of resource,
4. To optimize system performance.
2.1.2 Kelemahan Simulasi
Menurut Ishardita (2012), kelemahan dari simulasi sebagai berikut:
1. Simulasi tidak akurat. Teknik ini bukan proses optimisasi dan tidak
menghasilkan sebuah jawaban tetap hanya menghasilkan sekumpulan output
dari sistem pada berbagai kondisi yang berbeda.
5
2. Model simulasi sangat mahal. Model simulasi yang baik bisa jadi sangat mahal,
bahkan sering dibutuhkan waktu lama untuk mengembangkan model yang
sesuai.
3. Tidak semua situasi dapat dievaluasi dengan simulasi. Hanya situasi yang
mengandung ketidak-pastian yang dapat dievaluasi dengan simulasi. Karena
tanpa komponen acak semua eksperimen si mulasi akan menghasilkan jawaban
yang sama.
4. Simulasi menghasilkan cara untuk mengevaluasi solusi, bukan menghasilkan
cara untuk memecahkan masalah. Jadi sebelumnya perlu diketahui dulu solusi
atau pendekatan solusi yang akan diuji.
2.1.3 Kelebihan Simulasi
Menurut Ishardita (2012), tidak semua pengolahan data untuk melihat
karakteristik sistem cocok menggunakan simulasi, hanya sistem yang cukup
kompleks yang baik dikerjakan dengan simulasi, sementara untuk sistem yang
sederhana lebih baik menggunakan cara analitik dibanding harus membuat
simulasinya. Beberapa kelebihan simulasi:
1. Sistem nyata sulit diamati secara langsung.
2. Mampu memberikan perkiraan sistem yang lebih nyata sesuai operasional dari
kumpulan pekerjaan.
3. Pengamatan sistem secara langsung tidak dimungkinka karena sangat mahal,
memakan waktu yang terlalu lama, akan merusak sistem yang sedang berjalan.
4. Solusi analitik tidak dapat dikembangkan, karena sistem yang digunakan di
dunia kerja sangat kompleks. Jadi simulasi dapat memberi solusi apabila model
analitik gagal.
5. Memudahkan pengontrolan lebih banyak kondisi dari suatu percobaan sehingga
dimungkinkan untuk dicoba diterapkan secara nyata pada sistem tersebut.
6. Menyediakan sarana untuk mempelajari sistem dalam waktu yang cukup lama
(lebih ekonomis) dengan proses yang membutuhkan waktu cukup singkat
ataupun sebagai alternatif pembelajaran yang lebih rinci dan jelas tentang
perilaku suatu sistem nyata yang prosesnya lebih panjang.
6
2.1.4 Contoh Area Aplikasi Simulasi
Menurut Ishardita (2012), area aplikasi simulasi sebagai berikut:
1. Sistem antrian.
2. Perancangan dan analisis sistem manufacturing.
3. Evaluasi persyaratan hardware dan software untuk sistem komputer.
4. Evaluasi sistem senjata atau taktik militer yang baru.
5. Perancangan sistem komunikasi dan message protocol.
6. Perancangan dan pengoperasian fasilitas transportasi, jalan tol, bandara, rel
kereta, atau pelabuhan.
7. Evaluasi perancangan organisasi jasa, rumah sakit, kantor pos, atau restoran fast
food.
8. Analisis sistem keuangan atau ekonomi.
2.2 Arena
Menurut Hadi (2010), software simulasi yang menggunakan sistem aplikasi
microsoft windows dimana secara packaging akan terlihat familiar dalam
penggunaannya. Di dalam arena akan disimulasikan model yang telah dibentuk
sebelumnya dengan input data primer maupun sekunder sebagai resources dalam
pengoperasiannya.
Software ARENA dispesialisasikan untuk menyelesaikan masalah-masalah
simulasi sistem diskret. Kelebihan lain dari ARENA adalah memiliki kemampuan
pengolahan data statistik, walaupun belum lengkap. Dengan menggunakan software
ini akan menghemat biaya besar sebelum melakukan perubahan atau memecahkan
suatu model.
Pada model simulasi menggunakan software Arena, terdapat beberapa komponen
yang dijelaskan sebagai berikut:
1. Sistem, merupakan sekumpulan entitas yang bergerak atau berinteraksi untuk
mencapai tujuan berdasarkan alur logika yang telah ditentukan.
2. Entitas, merupakan objek yang dikenai bergerak atau berinteraksi berdasarkan
alur logika yang ada.
7
3. Atribut, adalah karakteristik umum dari suatu entitas.
4. Variabel, merupakan suatu komponen sistem yang mengandung informasi dan
nilainya diperoleh dari eksekusi model simulasi.
5. Resources, merupakan wadah untuk menampung entitas dalam jumlah tertentu.
Entitas yang berasal dari suatu resources dapat bergerak di dalam sistem jika
resources tersebut bersifat seize-delay-relase (tampung-berhenti sejenak
keluarkan.
6. Queue (antrian), ketika entitas tidak dapat bergerak, dapat dimungkinkan sedang
terdapat entitas lain yang sedang berproses dalam sistem, sehingga entitas yang
tidak dapat bergerak tersebut dapat ditampung dalam suatu wadah sampai entitas
lain yang menghambat selesai berproses. Wadah tersebut disebut queue (antrian).
7. Events (kejadian), pada umumnya terdapat tiga kejadian yaitu kedatangan,
pelayanan dan selesai.
8. Statistical accumulators, komponen ini berfungsi untuk melihat kondisi sistem
sesungguhnya berdasarkan variabel-variabel yang telah ditentukan sebelumnya.
Contoh variabel adalah waktu tunggu, panjang antrian, utilitas fasilitas, dan waktu
total entitas di dalam sistem.
9. Simulation clock, waktu actual pada sistem sesungguhnya dapat direpresentasikan
ke dalam model simulasi lewat suatu variabel yang disebut simulation clock.
10. Starting dan stoping, suatu kondisi yang ditentukan berdasarkan input tertentu dan
berfungsi untuk membatasi simulasi yang berjalan.
2.3 Sistem dan Model

Sistem adalah kumpulan dari beberapa entitas yang melakukan dan berinteraksi
bersama – sama untuk mencapai tujuan dari sebuah logika persamaan. Fakta yang
terkandung dari definisi ini antara lain sebuah sistem berupa kumpulan beberapa
entitas, beraktifitas dan berinteraksi bersamasama, dan memiliki tujuan tertentu.
Menurut Sterman (2000), definisi sistem sangat bergantung pada tujuan tinjauannya.
Tujuan dari sistem harus didefinisikan secara eksplisit dan dipahami agar dapat
mengolah masukan yang ada untuk mendapatkan keluaran yang diinginkan. Model
8
menurut Sterman (2000), adalah suatu representasi atau formulasi dalam bahasa
tertentu dari suatu sistem nyata. Model adalah perwakilan dari dunia nyata yang
disederhanakan. Proses atau cara operasi yang dimodelkan tidak harus persis sama
karena yang penting dari model adalah bagaimana proses berdampak pada sistem,
bukan pada bagaimana proses berlangsung.
2.4 Activity Cycle Diagram

Activity Cycle Diagram (ACD) adalah salah satu cara yang dipakai untuk
memodelkan interaksi dari suatu entity pada sistem dengan struktur antrian yang
cukup besar dan dominan. Activity diagram juga dapat menggambarkan proses
paralel yang mungkin terjadi pada beberapa eksekusi. Activity diagram merupakan
state diagram khusus, di mana sebagian besar state adalah action dan sebagian besar
transisi di-trigger oleh selesainya state sebelumnya atau internal processing. Oleh
karena itu activity diagram tidak menggambarkan sebuah sistem dan interaksi antar
subsistem secara eksak, tetapi lebih menggambarkan proses-proses dan jalur-jalur
aktivitas dari level atas secara umum. Activity Cycle Diagram dilengkapi dengan
gambar gambar yang mampu mendeskripsikan interaksi-interaksi antara entity dan
mampu menggambarkan kondisi sistem dari tiap entity, selain itu ACD mampu
menunjukan logic / cara kerja dari suatu sistem. Activity Cycle Diagram (ACD) pada
proses landing dan take off (Ratih, 2013).
2.4.1 Komponen yang ada pada activity diagram
Menurut Ratih (2013). Komponen yang ada pada activity diagram sebagai
berikut:
1. Activity atau state : Menunjukan aktivitas yang dilakukan.
2. Initial activity atau initial state : Menunjukan awal aktivitas dimulai.
3. Final Activity atau final state : Menunjukan bagian akhir dari aktivitas.
4. Decission : Digunakan untuk menggambarkan test
kondisi untuk memastikan bahwa control flow
atau object flow mengalir lebih ke satu jalur.
Jumlah jalur sesuai yang diinginkan.
9
5. Merge : Berfungsi menggabungkan flow yang
dipecah oleh decission.
6. Synchronization : Dibagi menjadi 2 yaitu fork dan join: Fork
digunakan untuk memecah menjadi activity
atau action yang paralel, sedangkan join untuk
menggabungkan kembali activity atau action
yang paralel.
7. Swimlanes : Memecah activity diagram menjadi baris
dan kolom untuk membagi tangung jawab
obyek-obyek yang melakukan aktivitas.
8. Transition : Menunjukan aktivitas selanjutnya setelah
aktivitas sebelumnya. Terkadang keliru dalam
penggunaan decission dengan fork.
2.5 Antrian
Menurut Hadi (2010), suatu antrian ialah suatu garis tunggu dari konsumen
(satuan) yang memerlukan layanan dari satu atau lebih pelayanan (fasilitas layanan).
Jadi teori atau pengertian antrian adalah studi matematikal dari kejadian atau gejala
garis tunggu. Kejadian garis tunggu timbul disebabkan oleh kebutuhan akan layanan
melebihi kemampuan (kapasitas) pelayanan atau fasilitas layanan, sehingga
konsumen (pelanggan atau customer) yang tiba tidak bisa segera mendapat layanan
disebabkan kesibukan pelayanan. Dalam kehidupan sehari – hari, kejadian ini sering
kita temukan misalnya seperti terjadi pada loket bioskop, loket kereta – api, loket –
loket pada bank, dermaga di pelabuhan, loket jalan tol, pelabuhan udara, tempat
praktek dokter, loket stadion dan banyak lagi yang lain. Tujuan dasar model – model
antrian adalah untuk meminimumkan total dua biaya, yaitu biaya langsung
penyediaan fasilitas pelayanan dan biaya tidak langsung yang timbul karena para
individu harus menunggu untuk dilayani. Bila suatu sistem mempunyai fasilitas
pelayanan lebih dari jumlah optimal, ini berarti membutuhkan investasi modal yang
berlebihan, tetapi bila jumlahnya kurang dari optimal, hasilnya adalah tertundanya
10
pelayanan. Model antrian merupakan metode penting untuk sistem pengelolaan yang
menguntungkan dengan menghilangkan antrian (Soejanto, 2005).
2.6.1 Macam-macam antrian

Menurut Hadi (2010), macam-macam antrian adalah sebagai berikut:
1. Antrian tunggal, banyak server dalam paralel
Gambar 1.2.1. Antrian tunggal, banyak server dalam parallel

2. Antrian tunggal, server tunggal
Gambar 1.2.2. Antrian tunggal, server tunggal

3. Antrian tunggal, banyak server dalam seri
Gambar 1.2.3. Antrian tunggal, banyak server dalam seri

4. Antrian banyak, server banyak dalam paralel
Gambar 1.2.4. Antrian banyak, server banyak dalam parallel

5. Antrian banyak, server banyak dalam seri
Gambar 1.2.5. Antrian banyak, server banyak dalam seri
11
BAB III
METODE PENELITIAN
Pada bab 3 modul 1 deskripsi sistem akan menjelaskan alat dan bahan, prosedur
pelaksanan serta flowchart pelaksanaan.
3.1 Alat dan Bahan
Alat dan bahan dari modul 1 deskripsi sistem, sebagai berikut:
1. Stopwatch.
2. Software Visio.
3. Software Arena.
4. Komputer.
3.2 Prosedur Pelaksanaan Tugas Besar

Prosedur Pelaksanaan Tugas Besar dari modul 1 deskripsi sistem, sebagai berikut:
1. Melakukan pengamatan objek yang sudah fix.
2. Menentukan elemen dari sistem yang diamati.
3. Praktikan menentukan parameter yang diamati.
4. Praktikan menggambarkan sistem pada ACD.
5. Praktikan membuat skenario perbaikan dan menggambarkan pada ACD.
6. Praktikan merekap data yang akan diolah.
7. Praktikan mencari pola data disetiap data dengan cara merekap data pada file notepad
dan diolah pada arena dengan cara klik tool – input analyzer. Kemudian klik new –
klik file – klik data file – klik pilih use exiting kemudian pilih text file bentuk notepad
yang telah direkap kemudian open, kemudian klik fit all.
8. Praktikan membuat simulasi model dari sistem nyata.
9. Praktikan membuat simulasi model dari skenario perbaikan yang telah dibuat
sebelumnya.
10. Menganalisis kebaikan dan kekurangan skenario.
12
3.3 Flowchart Pelaksanaan Tugas Besar
Flowchart Pelaksanaan Tugas Besar dari modul 1 deskripsi sistem, sebagai
berikut:
Mulai
Mencari Objek
Tidak
Asistensi Objek
Tahap Persiapan
ACC Objek
```
Pretes
Pengamatan Objek fix Tahap

Pengumpulan data
```
Breafing pengolahan data
Pengolahan data
1. Deskripsi sistem
2. Elemen Sistem
3. ACD
4. Parameter sistem
5. Skenario perbaikan
6. ACD skenario Tahap Pengolahan
perbaikan data
```
Kesimpulan dan saran Tahap Penarikan
Kesimpulan
```
Selesai
Gambar 1.3.6 Flowchart tugas besar
13
BAB IV
ANALISIS DAN PEMBAHASAN
Bab empat modul satu deskripsi sistem analisis dan pembahasan dari tugas besar
ini berisikan tentang deskripsi sistem nyata, layout objek, skenario perbaikan, dan
lainnya.
4.1 Deskripsi Sistem Nyata
Graha Pari Saraya Telkomsel atau yang biasa disingkat dengan GraPARI
Telkomsel Bangkalan yang beralamat di Jl. Trunojoyo No. 63 Pejagan Bangkalan
merupakan salah kantor pelayanan konsumen Tekomsel yang terletak di Kabupaten
Bangkalan. GraPARI Telkomsel Bangkalan merupakan titik akses yang menjadi
tempat pelayanan yang handal bagi pelanggan PT Telekomunikasi Seluler yang
dikenal dengan sebutan Telkomsel yang ada di daerah Bangkalan untuk
menyelesaikan masalah mereka terkait karu Prabayar (Simpati dan As) maupun Pasca
bayar (Halo). Selain itu, GraPARI juga merupakan tempat untuk menjual produk
telkomsel sendiri, seperti kartu As, simPATI, dan kartu HALO.
Gambar 1.4.7 Kantor GraPARI tampak depan

Gambar 1.4.7 di atas merupakan gambar tampak depan kantor GraPARI
Bangkalan yang terdapat pintu masuk untuk pelanggan saat akan berkunjung di
kantor graPARI.
14
Gambar 1.4.8 Server melayani konsumen
Gambar 1.4.8 merupakan gambar situasi kantor saat customer service sabagai
server kedua sedang melayani konsumen. Terlihat ada beberapa orang yang
mengantri untuk mendapat layanan customer service. Sebelum menemui customer
service, pelanggan diharuskan mengambil nomor antrian pada mesin yang disediakan
di sebelah pintu masuk.
Gambar 1.4.9 Tempat pembayaran (cashier)

Gambar 1.4.9 di atas merupakan foto tempat pembayaran (cashier). Setiap
pelanggan yang telah dilayani oleh customer service diharuskan untuk mendatangi
server ketiga pada tempat pembayaran (cashier) untuk menyelesaikan tanggungan
pembayaran yang harus diselesaikan.
15
4.2 Layout Objek
Layout objek penelitian GraPARI Telkomsel adalah sebagai berikut:
Gambar 1.4.10 Layout objek

Gambar 1.4.10 di atas merupakan gambaran layout kantor GraPARI Telkomsel
Bangkalan. Ketika pelanggan datang, pelanggan melewati pintu masuk dan diharuskan
mengambil nomor antrian pada mesin antrian yang merupakan server 1, kemudian pelanggan
diperkenankan duduk di ruang tunggu sembari mengantri untuk dipanggil oleh customer
service. Setelah dari server 2, pelanggan diharuskan menuju server 3 yaitu cashier untuk
melakukan pembayaran.
4.3 Deskripsi Sistem Menggunakan Elemen-Elemen Sistem

Resource, entity, dan activity yang ada pada sistem nyata adalah sebagai berikut:
a. Resource
Resource atau sumber daya merupakan bagian dari elemen sistem yang
melakukan aktivitas. Resource yang ada pada objek penelitian GraPARI
16
Telkomsel yaitu server dan pelanggan. Setiap aktivitas yang terjadi pada sistem
tersebut dijalankan oleh kedua sumber daya tersebut, yaitu server dan pelanggan.
b. Entitty
Entity atau entitas merupakan segala item yang diproses dalam sistem. Pada objek
penelitian GraPARI Telkomsel terdapat beberapa entitas yaitu berupa pelanggan,
informasi, dan panggilan telepon atau email. Pelanggan merupakan entitas jenis
human or animate, entitas pelanggan dilayani oleh server yang ada. Dalam proses
pelayanan pelanggan, terdapat salah satu jenis inanimate entitiy yaitu aliran
informasi yang mengalir dari pelanggan ke server maupun server ke pelanggan.
Selain itu, entitas lain yang juga mungkin terjadi yaitu panggilan telepon atau
email yang masuk dalam kategori intangible entity.
c. Activity
Activity merupakan kegiatan yang dilakukan dalam sistem yang dapat
memengaruhi sistem secara langsung maupun tidak langsung dalam pemrosesan
entitas. Dalam objek penelitian GraPARI Telkomsel ini terdapat beberapa
aktivitas yang dilakukan oleh Resource yaitu aktivitas pengambilan nomor antrian
oleh pelanggan yang termasuk dalam entity processing, perpindahan pelanggan
dari satu server ke server lainnya yang merupakan entity and resource movement,
serta resource adjustment, maintenace, and repairs yaitu pemrosesan informasi
yang terjadi saat customer service melayani pelanggan.
17
4.4 Activity Table dan Activity Cycle Diagram (ACD)
Activity table dan Activity Cycle Diagram dari objek penelitian adalah sebagai
berikut:
Tabel 1.4.1 Activity table GraPARI Telkomsel
Entitas Aktivitas Simbol Aktivitas
Pelanggan datang ke GraPARI
Mengantri
Mengambil nomor antrian pada mesin
Mengantri
Pelanggan Menuju customer service dan
mendapatkan pelayanan
Mengantri
Membayar ke kasir
Meninggalkan tempat
Pegawai Waiting
pengambilan nomor Melayani pelanggan
(Server 1)
Customer Service Memanggil pelanggan urutan selanjutnya
(Server 2) Melayani pelanggan
Cashier (Server 3) Waiting
Melayani pembayaran
Idle
Idle Idle
Idle
Pelanggan Mengambil Melakukan Melakukan Pelanggan
Antri Antri konsultasi Antri

datang nomor antrian pembayaran pulang
pada CS
Idle
Gambar 1.4.11 Activity Cycle Diagram

Tabel dan gambar di atas merupakan rincian dan aliran aktivitas yang terjadi pada sistem
pelayanan service yang ada di GraPARI Telkomsel Bangkalan. Diawali oleh pelanggan yang
harus mengambil nomor antrian dan menunggu antrian sebeleum menuju ke customer sevice
untuk melakukan konsultasi permasalahannya, kemudian setelah dari server kedua atau CS,
pelanggan diharuskan untuk menuju cashier untuk melakukan proses pembayaran, dan
kemudian pelanggan keluar.
18
4.5 Parameter untuk Mengamati Kinerja Sistem
Parameter yang digunakan untuk mengamati kinerja sistem merupakan tolak ukur
yang nilainya akan menentukan karakteristik tertentu dari suatu sistem. Pada objek
penelitian GraPARI Telkomsel, parameter yang digunakan pada sistem yang ada yaitu
panjang antrian yang ada di setiap server, lama antrian yang dialami pelanggan pada
setiap server, serta utilitas server saat melakukan tugasnya.
4.6 Skenario Perbaikan untuk Meningkatkan Performansi Sistem

Kemungkinan skenario perbaikan yang diciptakan untuk meningkatkan
performansi sistem adalah:
a. Menambah server
Penambahan tempat untuk setiap server yang akan memungkinkan pelanggan agar
tidak lama dalam proses menungg, terutama pada server 2 atau customer service.
b. Menambah pegawai
Penambahan pegawai untuk masing-masing server agar semakin banyak yang bisa
melayani pelanggan, namun tetap bisa memberikan pelayanan maksimalnya.
4.7 Activity Cycle Diagram (ACD) Skenario Perbaikan

Activity Cycle Diagram skenario perbaikan adalah sebagai berikut
Idle Idle Idle
Idle
Pelanggan Mengambil Melakukan Melakukan Pelanggan
Antri Antri konsultasi pada Antri

datang nomor antrian pembayaran pulang
CS (2 pegawai)
Idle
Idle
Gambar 1.4.12 ACD skenario perbaikan

Gambar 1.4.12 di atas merupakan Activity Cycle Diagram perbaikan. Perbedaan
dari ACD sebelumnya yaitu, pada skenario perbaikan ini terdapat tambahan pegawai
di bagaian customer service. Hal tersebut dilakukan sebagai salah satu cara untuk
mengurangi waiting time yang dialami pelanggan.
19
BAB V
KESIMPULAN DAN SARAN
Bab lima kesimpulan dan saran tugas besar modul satu deskripsi sistem adalah
sebagai berikut.
5.1 Kesimpulan
Kesimpulan dari modul 1 deskripsi sistem adalah sebagai berikut:
1. Sistem merupakan kumpulan dari lebih dari satu elemen-elemen yang saling
berinteraksi untuk mencapai tujuan yang sama. Sistem yang terjadi di GraPARI
Telkomsel Bangkalan menurut tipe entitasnya termasuk dalam discrete event
system, sedangkan menurut kondisi entitas ketika sistem berakhir digolongkan
sebagai terminating sistem.
2. Pada GraPARI Telkomsel Bangkalan yang menjadi objek penelitian kami,
terdapat beberapa elemen-elemen pendukung suatu sistem yaitu misalnya
Resource. Resource atau sumber daya yang melakukan aktivitas pada kantor
tersebut yaitu server dan pelanggan.
3. Sistem yang ada di GraPARI Telkomsel Bangkalan dimodelkan dengan cara
membuat Activity Cycle Diagram yang menjelaskan mengenai aliran aktivitas
yang terjadi pada sistem.
4. Hubungan antara sistem, model, dan simulasi pada obyek penelitian kami yaitu
sistem yang ada pada objek penelitian perlu dimodelkan terlebih dahulu dengan
menggunakan Activity Cycle Diagram, yang selanjutnya dapat disimulasikan
untuk menganalisa dan memperbaiki masalah antrian yang ada pada objek
penelitian tersebut.
5. Berasarkan Activity Cycle Diagram atau diagram aliran aktivitas yang telah
dibuat, selanjutnya akan dilakukan pembuatan usulan skenario perbaikan terkait
masalah yang sudah diamati. Misalnya pada masalah antrian yang dialami
GraPARI Telkomsel Bangkalan perlu adanya penambahan pegawai sebagai usulan
perbaikan pelayanan sebelumnya.
20
5.2 Saran
GraPARI Telkomsel Bangkalan perlu melakukan beberapa usulan perbaikan
seperti penambahan pegawai dan server untuk mengurang waiting time pelanggan,
terlebih saat jam istirahat berlangsung.
21
DAFTAR PUSTAKA
Hadi, Ahmad. (2010). Analisis bottle neck dengan pendekatan simulasi arena pada
produk sarung tenun ikat tradisional. Program Studi Teknik Industri, Fakultas
Teknologi Industri, Institut Teknologi Adhi Tama Surabaya.
Ishardita, Agustina. (2012). Model simulasi sistem produksi dengan sistem dinamik
guna membantu perencaan kapasitas produksi. Jurnal Rekayasa dan Manajemen
Sistem Industri Vol.3 N0.2, Teknik Industri Universitas Brawijaya.
Ratih, Ardia. (2013). Analisa Durasi Lampu Lalu Lintas Menggunakan Metode
Simulasi. Jurnal Jemis Vol.3 No. 2, Universitas Brawijaya.
Sterman, John D. (2000). Business Dynamic:Systems Thinking and Modeling for A
ComplexWorld. Amerika: McGraw-Hill HigherEducation.
22
TUGAS BESAR
MODUL 2
SIMULASI MENGGUNAKAN SOFTWARE ARENA
Disusun Oleh : KELOMPOK (3C)

1. M. Rezza F (140421100086)
ASISTEN PRAKTIKUM
Putri Rani Fhiliantie
(140421100068)
LABORATORIUM KOMPUTASI DAN SIMULASI INDUSTRI

PROGRAM STRUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
2018
23
24
BAB 1
PENDAHULUAN
Bab satu pendahuluan modul dua simulasi mengunakan software arena berisi
tentang latar belakang dan tujuan tugas besar:
1.1 Latar Belakang
Kepuasan pelanggan dalam pelayanan berdasarkan waiting time merupakan hal
yang penting bagi suatu perusahaan jasa agar tetap dapat mempertahankan konsumen.
Kepuasan pelanggan juga merupakan salah satu hal terpenting yang harus
diperhatikan oleh GraPARI Telkomsel sebagai salah satu perusahaan jasa di
Indonesia. Seiring dengan berkembangnya teknologi, terdapat software dan aplikasi
yang dapat membantu mempermudah menyelesaikan permasaahan antrean seperti
pada masalah di GraPARI Telkomsel. Software tersebut yaitu software arena yang
mamp mengggambarkaan kondisi pada suatu sistem nyata ke dalam model simulasi.
Simulasi dapat dilakukan dengan membuat sebuah miniatur yang representative
dan valid dengan tujuan sampling dan survey statistik pada sistem nyata, sehingga
perilaku sistem dapat diprediksi untuk dipelajari. Jadi simulasi secara sederhana dapat
diartikan sebagai proses peniruan.dan berinteraksi bersamasama, dan memiliki tujuan
tertentu. Metode simulasi ini menggunakan software simulasi yang menggambarkan
sistem sesungguhnya dengan ruang lingkup yang lebih luas dalam sistem tiruan
berupa animasi (Sterman, 2000).
Tugas besar modul dua pada mata kuliah simulasi sistem industri ini diadakan
dengan tujuan agar kami mengetahui hubungan antara sistem, model, dan simulasi.
Objek penelitian yang kelompok kami pakai yaitu GraPARI Tellkomsel Bangkalan
yang memiliki masalah terkait pelayanan konsumen yang belum maksimal. Dari
masalah yang dihadapi GraPARI Telkomsel tersebut, dalam modul ini kami
melakukan pengamatan dan mengambil data waktu yang dibutuhkan untuk
mensimulasikann sistem nyata dengan menggunakan software Arena. Output dari
simulasi tersebut yaitu kita dapat menganalisa dan membuat beberapa skenario
25
perbaikan yang akan diusulkan untuk perbaikan pelayanan pada GraPARI Telkomsel
Bangkalan.
1.2 Tujuan Tugas Besar

Tujuan adanya tugas besar modul dua simulasi menggunakan software arena mata
kuliah Simulasi Sistem Industri adalah sebagai berikut:
1. Praktikan dapat mengerti dan memahami penggunaan modul-modul yang terdapat
dalam Rockwell Software Arena 5.0
2. Praktikan dapat mengerti dan memahami input dan output model Arena.
3. Praktikan dapat mengerti dan membuat skenario perbaikan dalam software Arena.
26
BAB II
TINJAUAN PUSTAKA
Bab 2 akan menjelaskan tentang tinjauan pustaka yang mendukung dasar dari
tugas besar ini.
2.1 Simulasi
Simulasi dapat diartikan sebagai simulasi dapat diartikan sebagai suatu kegiatan
yang menggambarkan keadaan sebenarnya. Hal ini dapat dilakukan dengan membuat
sebuah miniatur yang representative dan valid dengan tujuan sampling dan survey
statistik pada sistem nyata, sehingga perilaku sistem dapat diprediksi untuk dipelajari.
Jadi simulasi secara sederhana dapat diartikan sebagai proses peniruan. Simulasi
digunakan sebelum sebuah sistem yang ada dibangun dan untuk mengevaluasi model
secara numerik dan mengestimasi karakteristik sebenarnya dari model berdasarkan
data yang didapat. Teknik simulasi dapat dibayangkan dengan percobaan
(eksperimen), sebagai penyelesaian masalah untuk mempelajari sistem yang
kompleks yang tidak dapat dianalisis secara langsung dengan cara analitik. States dari
sebuah sistem merupakan koleksi dari berbagai variabel yang dibutuhkan untuk
menjelaskan sistem di waktu – waktu tertentu. Elemen model dalam simulasi antara
lain entitas, lokasi, resource, dan paths (Ishardita, 2012).
Suatu model simulasi yang baik dapat dilihat berdasarkan nilai utilitas resource
di setiap work station. Nilai utilitas didapatkan dari hasil output software simulasi
yang digunakan. Utilitas memiliki rentang nilai dari 0 hingga 1, nilai mendekati 0
berarti resource pada work station tersebut terlalu menganggur dan sebaliknya jika
mendekati nilai 1 berarti resource pada work station tersebut terlalu sibuk. Nilai
utilitas yang terbaik adalah yang terdapat dalam rentang 0.5 sampai 0.7 (Ishardita,
2012).
Metode simulasi ini menggunakan software simulasi yang menggambarkan
sistem sesungguhnya dengan ruang lingkup yang lebih luas dalam sistem tiruan
berupa animasi. Salah satu software yang sering digunakan adalah ARENA. Software
simulasi ARENA merupakan salah satu software simulasi general purpose yang
27
berbasis pada Graphical User Interface (GUI) yang dibuat oleh Systems Modeling
Corp, USA. Software simulasi lainnya yang ada dipasaran sampai saat ini adalah
GPSS/H, SIMAN, Pro-Model, Vensim, Powersim, dan PROOF Animation (Ishardita,
2012).
Gambar 2.2.1 Simulasi menggunakan Software ARENA

Menjalankan simulasi menggunakan software ARENA, dibutuhkan beberapa
proses dalam memasukkan data aktual ke dalam pembuatan model animasi. Untuk itu
dibutuhan beberapa pemilihan beberapa panel basic process sebagai gambar yang
mewakilkan proses simulasi aktual ke dalam software ARENA. Panel basic process
yang digunakan dalam pembuatan model simulasi terdiri dari berbagai macam modul
untuk menjalankan perintah simulasi. Modul-modul tersebut diantaranya (Ishardita,
2012).
Tabel 2.2.1 Jenis modul dan keterangan pada Software ARENA
Jenis Modul Keterangan
Digunakan pada awal pembuatan model simulasi,
pada modul ini dilakukan input data seperti, nama
model simulasi, jumlah entity yang di input, dan
Create waktu antar kedatangan.
28
Digunakan untuk mengakhiri pembuatan model
simulasi, pada modul ini dapat menampilkan nama

dari dispose yang disesuaikan dengan model.
Dispose
Digunakan sebagai metode proses utama dalam
pembuatan simulasi, pada modul ini dilakukan
input data seperti jumlah resource yang tersedia,
Process waktu proses yang dapat dipertimbangkan sebagai
non/value-added, transfer, wait dan sebagainya.

Digunakan sebagai opsi pemilihan keputusan
dalam sebuah sistem, pemilihan keputusan yang
dapat dipilih contohnya adalah probabilitas
Decide kemungkinan benar 80% dan kemungkinan salah
20%.
Modul Batch digunakan untuk membatasi entities

yang memasuki sistem, pada modul ini dapat
dilakukan pengaturan batch size sebagai ukuran
batch yang akan dimodelkan.
Batch
Modul Separate ini berfungsi sebagai pembuat

salinan entity yang datang dan dijadikan entities
yang berlipat atau membagi entity dari modul
Separate batch sebelumnya.
Digunakan untuk mengumpulkan statistik dalam

model simulasi. Jenis statistik yang dapat di-input
seperti waktu antar keluar melalui modul, entity
Record waktu, biaya, penelitian umum, dan statistik
interval.
29
Tabel 2.2.2 Jenis modul dan keterangan pada Software ARENA (lanjutan)
Pada modul data ini akan menampilkan berbagai
macam tipe dari entity dan memberikan nilai
pictures dalam simulasi. Salah satu entity yang
dapat ditampilkan adalah informasi biaya.
Pada modul ini akan menampilkan jumlah sumber

daya dalam sistem simulasi. Resource dapat
ditentukan dengan pasti dan dioperasikan
berdasarkan jadwal kegagalan dari resource dapat
dispesifikasikan di sini.
Pada modul data ini digunakan untuk menjelaskan
ukuran variabel dan nilai awal, contoh variabel
yang dapat dimasukkan antara lain modul decide
yang dapat dimasukkan ulang nilainya dengan
modul assign dan dapat digunakan pada segala
expression.
Pada modul data ini, dapat dilakukan input data
yang akan mengatur jadwal pengoperasian dari
modul resource yang tersedia.
Pada modul Set akan menjelaskan berbagai macam
tipe dari sets, seperti resource, counter, tally, entity,
type, entity picture. Modul ini dapat digunakan
dalam modul process.
Setelah memasukkan beberapa modul kedalam simulasi ARENA, selanjutnya

adalah menghubungkan beberapa garis tersebut dengan garis konektor. Garis ini
digunakan untuk menghubungkan modul dan mengarahkan aliran data entities. Untuk
data statistikal, seperti waktu siklus dan waktu tunggu akan dicatat dan ditampilkan
secara otomatis sebagai hasil simulasi oleh ARENA (Ishardita, 2012).
30
2.2 Jenis Data pada Simulasi ARENA
Menurut Kelton, Sadaowski, & Zupick, (2015) jenis-jenis data pada simulasi
arena sebagai berikut:
1. Beta
Distribusi Beta banyak digunakan untuk mewakili proporsi acak. Jenis distribusi
ini memiliki spesifikasi ukuran dari seluruh populasi Beta (β) dan Alpha (α) sebagai
bilangan asli positif. Variabel acak distribusi ini terletak diantara 0 dan 1. Karena
kisaran distribusi beta adalah dari 0 sampai 1, Sampel X dapat ditransformasi ke skala
beta sampel Y dengan range dari a hingga b dengan menggunakan Y = a + (b – a) X
(Kelton, Sadaowski, & Zupick, 2015).
2. Exponential
Distribusi Exponensial sering digunakan untuk model yang terdapat perbedaan
waktu antar kejadian (interevent times) pada kedatangan acak dan proses yang
berbeda. Model distribusi ini umumnya tidak dapat digunakan pada model yang
terdapat jeda waktu (delay). Spesifikasi ukuran dari seluruh populasi Beta (β) sebagai
bilangan asli positif (Kelton, Sadaowski, & Zupick, 2015).
3. Gamma
Distribusi Gamma digunakan pada jenis kejadian yang memiliki parameter
integer. Model distribusi ini sering digunakan untuk mewakili jumlah waktu yang
dibutuhkan untuk menyelesaikan beberapa pekerjaan. Jenis distribusi ini memiliki
spesifikasi ukuran dari seluruh populasi Beta (β) dan Alpha (α) sebagai bilangan asli
positif (Kelton, Sadaowski seluruh populasi Beta (β) sebagai bilangan asli positif
(Kelton, Sadaowski, & Zupick, 2015).
4. Normal
Distribusi Normal digunakan pada situasi dimana teori batas tengah berlaku,
pada kondisi ini penyebaran data terbagi secara merata atau simetris dengan satu
puncak. Rata-rata distribusi ini terletak di tengah kurva yaitu satu garis dengan
puncak kurva. Nilai rata-rata (µ) dispesifikasikan sebagai bilangan asli dan standar
deviasi (σ) dispesifikasikan sebagai bilangan asli positif (Kelton, Sadaowski, &
Zupick, 2015).
31
5. Weibull
Distribusi Weibull memiliki skala parameter Beta (β) dan bentuk parameter
Alpha (α) dispesifikasikan sebagai bilangan asli positif. Pada model ini secara luas
digunakan dalam model reabilitas untuk mewakilkan suatu umur pemakaian dari
suatu alat.
Jika sistem terdiri dari sejumlah data yang besar dengan bagian yang gagal secara
independent dan ketika sistem itu gagal, maka waktu antar kegagalannya berturut-
turut diperkirakan distribusi ini adalah distribusi Weibull (Kelton, Sadaowski, &
Zupick, 2015).
6. Lognormal
Distribusi Lognormal dapat digunakan dalam kondisi dimana terdapat banyak
jumlah kuantitas produk dengan jenis random. Distribusi ini berhubungan dengan
distribusi normal variabel acak X adalah distribusi Log (µl, σl), dan hanya jika, Ln x
mengikuti distribusi normal dengan mean µ dan varians σ. Parameter distribusi ini
memiliki rata-rata LogMean (µl> 0) dan standar deviasi LogStd (σ l> 0) dari
lognormal variabel acak. Baik nilai LogMean dan LogStd harus terspesifikasi sebagai
bilangan asli positif (Kelton, Sadaowski, & Zupick, 2015).
7. Triangular
Distribusi triangular atau segitiga banyak digunakan pada situasi dimana bentuk
pasti dari distribusi tidak dapat diketahui, tetapi dapat di estimasikan sebagai
minimum, maksimum, dan data yang tersedia paling banyak. Spesifikasi nilai untuk
distribusi ini terdiri dari minimum (a), mode (m), dan maksimum (b) sebagai bilangan
asli dengan a < m < b (Kelton, Sadaowski, & Zupick, 2015).
8. Erlang
Distribusi Erlang dapat dipakai saat kondisi dimana terjadi suatu aktivitas pada
fase keberhasilan dengan setiap fase merupakan distribusi eksponensial. Pada
distribusi ini parameter yang digunakan adalah rata-rata (β) untuk setiap komponen
dengan distribusi eksponensial, dan nilai eksponensial random variabel (k) adalah
parameter distribusi. Distribusi ini biasanya digunakan untuk mewakilkan permintaan
waktu untuk menyelesaikan sebuah tugas (Kelton, Sadaowski, 2015).
32
2.3 Uji Keseragaman Data
Menurut wijaya (2009), Pengujian keseragaman data dilakukan untuk
mengetahui homogenitas data atau untuk mengetahui tingkat keyakinan tertentu data
yang diperoleh seluruhnya berada dalam batas kontrol. Data yang terlalu ekstrim
sewajarnya dibuang dan tidak dimasukkan dalam perhitungan selanjutnya (Wijaya,
2009).
Ada dua batas kontrol, yakni:
a. Batas Kontrol Atas (BKA) atau Upper Control Limit (UCL).
b. Batas Kontrol Bawah (BKB) atau Lower Control Limit (LCL).
2.4 Uji Kecukupan Data

Menurut wijaya (2009), Uji kecukupan data bertujuan untuk mengetahui apakah
data hasil pengukuran dengan tingkat kepercayaan dan tingkat ketelitian tertentu
jumlahnya telah memenuhi atau tidak. Untuk menetapkan berapa jumlah observasi
yang seharusnya dibuat (N’), maka terlebih dahulu harus ditetapkan tingkat
kepercayaan (convidence level) dan derajat ketelitian (degree of accuracy) untuk
pengukuran rancangan.
Menurut wijaya (2009) uji kecukupan data dapat dilakukan dengan
menggunakan persamaan sebagai berikut:
⁄√ ∑ ∑
[ ] …………………. (1)
∑
Dimana:
N = Jumlah data yang didapat
X = Data yang didapat dari pengamatan
N’ = Jumlah pengamatan yang diperlukan
K = Harga indeks confidance (tingkat kepercayaan)
S= tingkat ketelitian
33
2.5 Independent t-test
Menurut Istijanto (2005), Independent t-test adalah suatu metode uji statistik
parametrik yang dipakai untuk menganalisis perbandingan dua sampel yang bersifat
independen atau tidak saling berhubungan. Rumus untuk menghitung nilai
independen t-test adalah sebagai berikut:
√
..........................(2)
Keterangan:
t = Pengujian statistik independent t-test terhadap perbedaan rata-rata X1 dan X2.
1 = Rata-rata X1.
2 Rata-rata X2.
S1 = Varians data X1.
S2 = Varians data X2.
Pada analisis uji independent t-test menggunakan asumsi equal variances not
assumed pada kolom Sig (2-tailed).
a) Jika nilai t-test pada kolom Significant (2 tailed) > level of Significant (α 5%),
maka tidak ada perbedaan rata-rata antara X1 dan X2.
b) Jika nilai t-test pada kolom Significant (2 tailed) < level of Significant (α 5%),
maka ada perbedaan rata-rata antara X1 dan X2.
2.6 ANOVA
Analisis varians (ANOVA) adalah kumpulan dari model statistik yang digunakan
untuk menganalisis perbedaan rata-rata antara kelompok dan prosedur terkait (seperti
“variasi” antara kelompok), yang dikembangkan oleh ahli statistik dan evolusi biologi
Ronald Fisher. Dalam pengaturan ANOVA, varians diamati pada variabel tertentu
dibagi menjadi komponen disebabkan berbagai sumber variasi. Dalam bentuk yang
paling sederhana, ANOVA menyediakan uji statistik apakah rata-rata beberapa
kelompok adalah sama, dan adanya generalisasi t-test untuk lebih dari dua kelompok.
Seperti melakukan beberapa one-sample t-tes akan menghasilkan peningkatan
34
kesempatan dalam mengamati tipe I kesalahan statistik, maka ANOVA berguna untuk
membandingkan (pengujian) tiga atau lebih berarti (kelompok atau variabel) untuk
signifikansi statistic (Istijanto, 2005). Hipotesis dalam ANOVA sebagai berikut:
Dalam analysis of variance hanya satu hipotesis yang digunakan, yaitu hipotesis dua
arah (two tail) artinya hipotesis ini ingin mengetahui apakah ada perbedaan rata-rata
atau tidak dan tidak spesifik yang mana yang berbeda.
H0: μ1 μ2 μ3 … μn, Tidak ada perbedaan yang nyata antara rata-rata hitung dari n
kelompok
H1: μ1 ≠ μ2 ≠ μ3 ≠ … ≠ μn, Ada perbedaan yang nyata antara rata-rata hitung dari n
kelompo
Asumsi-asumsi dalam ANOVA adalah:
1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor
2. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena
hanya digunakan satu penduga (estimate) untuk varians.
3. Masing-masing contoh saling bebas, yang harus dapat diatur dengan
perancangan percobaan yang tepat.
35
BAB III
METODE PENELITIAN
Pada bab 3 modul 2 simulasi menggunakan software arena akan menjelaskan alat
dan bahan, prosedur pelaksanan serta flowchart pelaksanaan.
3.1 Alat dan Bahan
Alat dan bahan dari modul 2 simulasi menggunakan software arena, sebagai
berikut:
1. Stopwatch.
2. Software Visio.
3. Software Arena.
4. Software SPSS.
5. Komputer.
3.2 Prosedur Pelaksanaan Tugas Besar

Prosedur Pelaksanaan Tugas Besar dari modul 2 simulasi menggunakan software
arena, sebagai berikut:
1. Melakukan rekapan data dari objek yang sudah kita amati.
2. Melakukan uji kecukupan data masing masing server.
3. Praktikan mampu melakukan rekapan data baru yang sudah dioleh sebelumnya.
4. Praktikan mencari pola data disetiap data dengan cara merekap data pada file
notepad dan diolah pada arena dengan cara klik tool – input analyzer. Kemudian
klik new – klik file – klik data file – klik pilih use exiting kemudian pilih text file
bentuk notepad yang telah direkap kemudian open, kemudian klik fit all.
5. Praktikan menentukan parameter yang diamati.
6. Praktikan mampu membuat model simulasi menggunakan software arena dan
visio.
7. Praktikan membuat simulasi model dari sistem nyata.
8. Praktikan membuat simulasi model dari 3 skenario perbaikan yang telah dibuat
sebelumnya.
36
9. Menganalisis kebaikan dan kekurangan skenario.
10. Praktikan mampu mengindentifikasi faktor penghambat apabila skenaria
diimplementasikan pada sistem nyata.
3.3 Flowchart Pelaksanaan Tugas Besar

Flowchart Pelaksanaan Tugas Besar dari modul 2 simulasi menggunakan software
arena, sebagai berikut:
Mulai
Tugas pendahuluan
modul 2
Brefing pengambilan data Tahap Persiapan
```
Pengambilan data
- Waktu Kedatangan
Tahap Pengaambilan
- Waktu Pelayanan
data
- Waktu Selesai
- Lama Waktu Antrian
```
Breafing pengolahan data
Pengolahan data
- Uji Kecukupan Data
- Menentukan Pola Data
- Menentukan Parameter
Acuan
- Model Visio dan Arena Tahap Pengolahan data
- Validasi Model
- Skenario Perbaikan
- Comparyng System
- Identifikasi Faktor
Penghambat
```
Kesimpulan dan saran Tahap Penarikan

Kesimpulan
```
Selesai
Gambar 2.3.2 Flowcart tugas besar
37
BAB IV
ANALISIS DAN PEMBAHASAN
Bab empat modul dua simulasi menggunakan software Arena analisis dan
pembahasan dari tugas besar ini berisikan tentang rekapan data, uji kecukupan, pola
data, parameter, model simulasi, skenario perbaikan, serta identifikasi faktor
penghambat dan animasi menggunakan software arena.
4.1 Rekapan Data
Rekapan data yang digunakan untuk simulasi terdiri dari data kedatangan, awal
pelayanan, serta selesai pelayanan pada obyek yang digunakan yaitu GraPARI
telkomsel Bangkalan.
Tabel 2.4.3 Rekapan pengamatan
Waktu Server 1 Server 2 Server 3 Waktu Jumlah
No Waktu Waktu Waktu Jumlah Waktu Waktu Waktu Jumlah Waktu Waktu Waktu Jumlah
Datang Selesai Antrian
Kedatangan Pelayanan Selesai Antrean Kedatangan Pelayanan Selesai Antrean Kedatangan Pelayanan Selesai Antrean
1 10.56.45 10.56.47 10.56.47 10.57.11 1 10.57.15 11.01.22 11.08.45 5 11.08.49 11.09.11 11.09.36 1 11.09.36 3
2 10:56:57 10:57:00 10.57.12 10.57.45 1 10:57:50 11.02.58 11.09.12 4 11.09.15 11.09.37 11.10.00 0 11.10.00 4
3 10.57.13 10.57.15 10.58.30 10.58.58 0 10.59.02 11.04.12 11.11.21 3 11.11.26 11.11.26 11.11.46 0 11.11.46 3
4 10.59.30 10.59.33 10.59.33 11.00.00 0 11.00.05 11.08.27 11.15.09 3 11.15.11 11:15:11 11.15.33 0 11.15.33 2
5 11.01.32 11.01.34 11.01.34 11.01.56 0 11.02.00 11.08.50 11.15.43 2 11.15.46 11.15.49 11:16:14 3 11:16:14 1
6 11.02.44 11.02.46 11.02.46 11.03.15 0 11.03.20 11.20.15 11.26.12 5 11.26.14 11.26.14 11.26.44 0 11.26.44 1
7 11.13.40 11.13.42 11.13.42 11.14.11 0 11.14.17 11.25.20 11.32.43 7 11.32.47 11.32.47 11.33.11 0 11.33.11 4
8 11.20.56 11.20.59 11.21.05 11.21.32 1 11.21.36 11.26.15 11.33.29 6 11.33.34 11.33.34 11.33.58 0 11.33.58 3
9 11.21.17 11.21.19 11.21.20 11.21.48 0 11.21.52 11.33.44 11.40.17 6 11.40.20 11.40.21 11.40.47 0 11.40.47 6
10 11.22.41 11.22.44 11.23.47 11.24.20 1 11.24.23 11.34.11 11.41.23 5 11.41.26 11.44.26 11.44.41 0 11.44.41 5
11 11.23.27 11.23.31 11.25.20 11.25.51 0 11.25.57 11.38.33 11.44.57 5 11.45.01 11.45.01 11.45.29 0 11.45.29 4
12 11.26.42 11.26.44 11.26.44 11.27.11 0 11.27.17 11.45.02 11.51.56 7 11.52.00 11.52.05 11.52.33 1 11.52.33 4
13 11.30.30 11.30.32 11.30.32 11.30.59 0 11.31.05 11.45.09 11.52.04 6 11.52.08 12.02.08 12.02.29 2 12.02.29 3
14 11.31.32 11.31.36 11.31.55 11.32.18 0 11.32.23 11.49.45 11.56.41 6 11.56.46 11.57.47 11.58.11 0 11.58.11 3
15 11.32.41 11.32.43 11.33.10 11.33.38 0 11.33.44 11:53:45 12.01.27 6 12.01.30 12.02.32 12.02.57 0 12.02.57 4
16 11.40.25 11.40.27 11.40.50 11.41.14 0 11.41.17 11.59.11 12.06.11 5 12.06.14 12.06.17 12.06.43 0 12.06.43 5
17 11.48.20 11.48.21 11.48.21 11.48.53 0 11.48.59 12.02.13 12.09.56 7 12.09.59 12:10:01 12.10.29 1 12.10.29 4
18 11.49.56 11.49.59 11.50.13 11.50.47 0 11.50.55 12.02.22 12.10.26 6 12.10.30 12.10.33 12.11.00 0 12.11.00 3
19 11.51.27 11.51.29 11.51.29 11.51.50 0 11.51.53 12.07.14 12.15.22 6 12.15.26 12.15.26 12.15.53 0 12.15.53 3
20 11:54:49 11.54.52 11.55.44 11.56.05 0 11.56.09 12.13.29 12.20.03 6 12.20.06 12.20.07 12.20.29 0 12.20.29 5
21 11.59.02 11.59.05 11.59.05 11.59.37 0 11.59.41 12:14:59 12.21.48 5 12.21.52 12.21.55 12.22.24 1 12.22.24 4
22 12.06.11 12.06.15 12.07.23 12.07.54 1 12.08.00 12.12.10 12.18.56 4 12.18.58 12.22.25 12.22.51 0 12.22.51 2
23 12.07.39 12.07.41 12.07.41 12.08.09 1 12.08.14 12.19.25 12.26.24 5 12.26.27 12.26.29 12.26.59 0 12.26.59 3
24 12.08.04 12.08.08 12.08.08 12.08.36 0 12.08.42 12.21.58 12.28.29 5 12.28.31 12.28.34 12.29.03 0 12.29.03 3
25 12.12.22 12:12:24 12.12.46 12.13.17 0 12.13.21 12.19.02 12.26.29 3 12.26.31 12.29.13 12.29.38 0 12.29.38 1
26 12.15.27 12.15.32 12.15.32 12.16.00 0 12.16.03 12.25.34 12.31.55 4 12.31.58 12.32.00 12.32.29 0 12.32.29 2
27 12.21.25 12.21.27 12.22.34 12.23.01 0 12.23.04 12.32.26 12.39.03 3 12.39.05 12.39.09 12.39.36 1 12.39.36 3
28 12.23.11 12.23.15 12.23.42 12.24.11 0 12.24.16 12.29.58 12.37.12 2 12.37.14 12.37.15 12.37.27 0 12.37.27 5
29 12.27.17 12.27.20 12.27.20 12.27.43 1 12.27.47 12.35.18 12.42.03 1 12.42.05 12.42.08 12.42.39 1 12.42.39 5
30 12.27.34 12.27.36 12.29.04 12.29.32 0 12.29.38 12.35.41 12.42.11 0 12.42.14 12.42.17 12.42.39 0 12.42.39 4
38
4.2 Uji Kecukupan Data Masing-masing Server
Menurut wijaya (2009), Uji kecukupan data bertujuan untuk mengetahui
apakah data hasil pengukuran dengan tingkat kepercayaan dan tingkat ketelitian
tertentu, jumlahnya telah memenuhi atau tidak. Untuk menetapkan berapa jumlah
observasi yang seharusnya dibuat N’ ≤ N.
N’ = √ ∑
∑
.................................... (1)
∑
Dimana:
N’ Jumlah pengamatan yang seharusnya dilakukan.
K = tingkat kepercayaan dalam pengamatan (k = 2, 1-α 95%)
S = Derajat ketelitian dalam pengamatan (5%)
N = jumlah pengamatan yang sudah dilakukan.
= Data pengamatan
Rekapan data waktu pelayanan dan perhitungan matematis uji kecukupan

pada masing-masing server adalah sebagai berikut:
1. Rekapan Data Waktu Pelayanan dan Perhitungan Matematis Uji
Kecukupan Server 1
Rekapan data waktu pelayanan server satu adalah sebagai berikut:
Tabel 2.4.4 Rekapan data lama pelayanan server 1
No Lama Pelayanan
(deitk)
1 24
2 33
3 28
4 27
5 22
6 29
7 29
8 27
9 28
10 33
11 31
12 27
13 27
14 23
15 28
16 24
17 32
18 34
19 21
20 21
21 32
22 31
23 28
24 28
25 31
26 28
27 27
28 29
29 23
30 28
Perhitungan matematis uji kecukupan data pada server satu GraPARI

Telkomsel Bangkalan adalah sebagai berikut:
39
N’ =(
√ ∑ ∑
)2
∑
=(
)2
=( )2
= 25.41271
Dari hasil perhitugan di atas didapatkan nilai sebesar 25,412 yang
menunjukkan bahwa data yang digunakan sudah cukup karena nilai yang didapat
kurang dari 30.
Kecukupan Server 2
Rekapan data waktu pelayanan server dua adalah sebagai berikut:
No Lama Pelayanan
(detik)
1 443
2 374
3 429
4 402
5 413
6 357
7 443
8 434
9 393
10 432
11 384
12 414
13 415
14 416
15 462
16 420
17 463
18 484
19 488
20 394
21 409
22 406
23 419
24 391
25 447
26 381
27 397
28 434
29 405
30 390
Perhitungan matematis uji kecukupan data pada server dua GraPARI

Telkomsel bangkalan adalah sebagai berikut:
N’ =(
√ ∑ ∑
)2
∑
40
√
)2
√ )2
=(
= (
= 8.604
Dari hasil perhitugan di atas didapatkan nilai sebesar 8,604 yang menunjukkan
bahwa data yang digunakan sudah cukup karena nilai yang didapat kurang dari 30.
Kecukupan Server 3
Rekapan data waktu pelayanan server tiga adalah sebagai berikut:
No Lama Pelayanan
(detik)
1 25
2 23
3 20
4 22
5 25
6 30
7 24
8 24
9 26
10 15
11 28
12 28
13 21
14 24
15 25
16 26
17 28
18 27
19 27
20 22
21 29
22 26
23 30
24 29
25 25
26 29
27 27
28 27
29 31
30 24
Perhitungan matematis uji kecukupan data pada server tiga GraPARI

N’ =(
√ ∑ ∑
)2
∑
= ( √
)2
= ( √ )2
= 27,5266
41
Dari hasil perhitugan di atas didapatkan nilai sebesar 27,523 yang
menunjukkan bahwa data yang digunakan sudah cukup karena nilai yang didapat
kurang dari 30.
4.3 Rekapan Data Baru

Rekapan data baru dari modul dua tentang simulasi menggunakan software
arena adalah sebagai berikut:
Tabel 2.4.7 Rekapan data baru
SERVER 1 SERVER 2 SERVER 3
No Lama Pelayanan Jumlah Antrean Lama Pelayanan Jumlah Antrean Lama Pelayanan Jumlah Antrean
(detik) (orang) (detik) (orang) (detik) (orang)
1 24 1 443 5 25 0
2 33 1 374 5 23 0
3 28 0 429 3 20 0
4 27 0 402 6 22 0
5 22 0 413 9 25 3
6 29 0 357 5 30 0
7 29 0 443 6 24 0
8 27 1 434 6 24 0
9 28 2 393 8 26 2
10 33 1 432 6 15 0
11 31 0 384 5 28 0
12 27 0 414 8 28 4
13 27 0 415 8 21 1
14 23 1 416 5 24 0
15 28 0 462 6 25 1
16 24 0 420 4 26 0
17 32 0 463 8 28 1
18 34 0 484 6 27 1
19 21 0 488 7 27 2
20 21 0 394 4 22 0
21 32 0 409 5 29 1
22 31 1 406 4 26 0
23 28 0 419 6 30 1
24 28 0 391 4 29 1
25 31 0 447 5 25 0
26 28 0 381 4 29 0
27 27 1 397 3 27 1
28 29 0 434 2 27 0
29 23 2 405 1 31 1
30 28 0 390 0 24 0
Berdasarkan tabel 2.4.7 dapat diketahui untuk server 1 lama pelayanan 24

detik dan jumlah antrean 1 orang, sedangkan di server 2 lama pelayanan 443 detik
dan jumlah antrean 5 orang dan server 3 lama pelayan 25 detik dan antrean 0.
4.4 Pola Data dari Masing-masing Data
Pola data merupakan suatu bentuk atau pola hasil dari simulasi software
Arena dimana data yang digunakan yaitu waktu kedatangan, waktu pelayanan, dan
waktu selesai, sofware sehingga diperoleh distribusi yang tepat terhadap pola
sebaran data tersebut. Pola data masing-masing server sebelum dan sesudah di-
generate adalah sebagai berikut:
42
4.4.1 Server 1
Gambar 2.4.3 Pola data server 1 sebelum generate

Berdasarkan pada gambar 2.4.2 server 1 pola data sebelum generate dapat
diketahui bahwa pola data waktu kedatangan tersebut berdistribusi TRIA yaitu
TRIA(20.5, 28, 34.5).
Gambar 2.4.4 Pola data server 1 sesudah generate

Berdasarkan pada gambar 2.4.3 server 1 pola data sesudah generate dapat
diketahui bahwa pola data waktu kedatangan tersebut berdistribusi TRIA yaitu
TRIA (21, 27.8, 34).
4.4.2 Server 2
43
diketahui bahwa pola data waktu pelayanan tersebut termasuk berdistribusi BETA
yaitu 24 + 1.47e+003 * BETA(0.919, 1.84).

diketahui bahwa pola data waktu pelayanan tersebut termasuk berdistribusi BETA
yaitu 24 + 1.45e+003 * BETA(0.842, 1.78)
4.4.3 Server 3

diketahui bahwa pola data waktu selesai tersebut termasuk berdistribusi NORM
yaitu NORM (24.4, 8.08).
44
diketahui bahwa pola data waktu selesai tersebut termasuk berdistribusi NORM
yaitu NORM(24.5, 8.28).
4.4.4 Rekapan Pola Data Sebelum dan Sesudah Generate
Rekapan pola data sebelum dan sesudah dilakukan generate adalah sebagai
berikut:
Tabel 2.4.8 Rekapan data sebelum dan sesudah generate
Se rve r Distribusi
Se be lum Se sudah
1 TRIA(20.5, 28, 34.5) TRIA(21, 27.8, 34)
2 24 + 1.47e+003 * BETA(0.919, 1.84) 24 + 1.45e+003 * BETA(0.842, 1.78)
3 NORM(24.4, 8.08) NORM(24.5, 8.28)
Tabel 2.4.8 di atas merupakan rekapan data lama pelayanan masing-masing
server sebelum dan sesudah di-generate. Misalnya pada server 1 pola data
sebelum di-generate yaitu TRIA (20.5,28,34.5)
4.5 Parameter untuk Acuan Penelitian (sesuai modul 1) Secara Matematis

Rekapan data dan perhitungan matematis parameter utilitas, waktu pelayanan,
waktu antrean dan panjang antrean adalah sebagai berikut:
1. Rekapan Data dan Perhitungan Matematis Utilitas pada Server
Rekapan data waktu pelayanan untuk menentukan utilitas pada masing-masing
server adalah sebagai berikut:
45
Tabel 2.4.9 Rekapan data lama pelayanan ketiga server
Customer Lama Pelayanan Server (detik)
Server 1 Server 2 Server 3

1 24 443 25
2 33 374 23
3 28 429 20
4 27 402 22
5 22 413 25
6 29 357 30
7 29 443 24
8 27 434 24
9 28 393 26
10 33 432 15
11 31 384 28
12 27 414 28
13 27 415 21
14 23 416 24
15 28 462 25
16 24 420 26
17 32 463 28
18 34 484 27
19 21 488 27
20 21 394 22
21 32 409 29
22 31 406 26
23 28 419 30
24 28 391 29
25 31 447 25
26 28 381 29
27 27 397 27
28 29 434 27
29 23 405 31
30 28 390 24
46
Perhitungan matematis utilitas masing-masing server adalah sebagai berikut:
1. Waktu pelayanan server 1
Ditanya = Perhitungan matematis parameter utilitas
Jawab :
Utilitas = ∑
x 100%
= x 100%
= 13%
Perhitungan matematis di atas menunjukkan nilai utilitas pada server 1. Nilai
utilitas pada server 1 didapatkan sebesar 13%.
Jawab :
Utilitas = ∑
x 100%
= x 100%
= 65,78%
utilitas pada server 2 didapatkan sebesar 197,34%.
Jawab :
Utilitas = ∑
x 100%
= x 100%
= 12,07%
utilitas pada server 3 didapatkan sebesar 12,07 %.
47
2. Rekapan Data dan Perhitungan Matematis Panjang Antrean Customer
Rekapan data panjang antrean untuk menentukan panjang antrean pada
masing-masing server adalah sebagai berikut:
Tabel 2.4.10 Rekapan data panjang antrean ketiga server
Panjang Antrian Customer
Customer (orang)
1 1 5 0
2 1 5 0
3 0 3 0
4 0 6 0
5 0 9 3
6 0 5 0
7 0 6 0
8 1 6 0
9 2 8 2
10 1 6 0
11 0 5 0
12 0 8 4
13 0 8 1
14 1 5 0
15 0 6 1
16 0 4 0
17 0 8 1
18 0 6 1
19 0 7 2
20 0 4 0
21 0 5 1
22 1 4 0
23 0 6 1
24 0 4 1
25 0 5 0
26 0 4 0
27 1 3 1
28 0 2 0
29 2 1 1
30 0 0 0
Perhitungan matematis rata-rata panjang antria customer pada masing-masing

1. Panjang antrean server 1
Ditanya : Perhitungan matematis parameter panjang antrean
Jawab :
Rata-rata panjang antrean =
= 0.233
Perhitungan matematis di atas menunjukkan nilai rata-rata panjang antrean
pada server 1. Nilai rata-rata panjang antrean pada server 1 didapatkan sebesar
0.233.
Ditanya :Perhitungan matematis parameter panjang antrean
Jawab :
= 4.6 =
48
4,6.
Ditanya : Perhitungan matematis parameter panjang antrean
Jawab :
= 3.2
3,2.
4. Rekapan Data dan Perhitungan Matematis Lama Antrean Customer
Rekapan data lama antrean untuk menentukan rata-rata lama antrean customer
pada masing-masing server adalah sebagai berikut:
Tabel 2.4.11 Rekapan data lama antrean ketiga server
Customer Lama Antrian Customer (detik)

1 0 247 22
2 12 308 22
3 75 310 0
4 0 502 0
5 0 410 3
6 0 1015 0
7 0 663 0
8 6 279 0
9 1 672 1
10 63 588 0
11 109 756 0
12 0 1065 5
13 0 844 360
14 19 1042 61
15 27 1201 62
16 23 1074 63
17 0 794 2
18 14 687 3
19 0 921 0
20 52 1040 1
21 0 918 3
22 72 250 27
23 0 671 2
24 0 796 3
25 22 341 162
26 0 571 2
27 67 562 4
28 27 342 1
29 0 451 3
30 28 303 3
Perhitungan matematis rata-rata lama antrean customer pada masing-masing

49
1. Lama antrean server 1
Ditanya : Perhitungan matematis parameter lama antrean
Jawab :
Lama Antrean =
= 20,57 detik
Perhitungan matematis di atas menunjukkan nilai rata-rata lama antrean pada
server 1. Nilai rata-rata lama antrean pada server 1 didapatkan sebesar 20,57
detik.
2. Lama antrean server 2
Jawab :
Lama Antrean =
= 654,1 detik
detik.
Jawab :
Lama Antrean =
= 27.17 detik
detik.
50
Tabel rekapan parameter pengamatan masing-masing server adalah sebagai
berikut:
Tabel 2.4.12 Parameter pengamatan
PARAMETER SERVER 1 SERVER 2 SERVER 3
Panjang Antrean 0.233 4.77 3.2
Lama Antrean 20.56 654.1 27,17
Utilitas 13% 65,78% 12%
Pada tabel 2.4.12 di atas berisikan rekapan parameter pengamatan, misalnya

parameter panjang antrean pada server 1 sebesar 0.233, lama antrean server 1
sebesar 20,56 detik, dan server 1 sebesar 13%.
4.6 Model Simulasi menggunakan Arena dan Visio (sedetail mungkin)

Model simulasi menggunakan arena dan visio dari modul dua tentang
simulasi menggunakan software arena adalah sebagai berikut:
a. Arena
Gambar 2.4.9 Model simulasi Arena

Gambar 2.4.9 merupakan model simulasi arena dari objek GraPARI Telkomsel
Bangkalan. Entitas yang ada pada objek GraPARI Telkomsel Bangkalan yaitu
terdiri dari tiga server dan beberapa pelanggan yang aktivitasnya dimodelkan pada
model simulasi di atas menggunakan software arena. Aktivitas dimulai saat
pelanggan datang, kemudian pelanggan menuju server 1 untuk mengambil nomor
antrean, setelah itu pelanggan mengantri dan menuju server 2 yaitu pada customer
service. Setelah dari server 2, pelanggan diharuskan menuju server 3 yaitu
cashier untu menyelesaikan biaya yang harus ditanggung.
51
b. Visio
Layout pada GraPARI Telkomsel Bangkalan digambarkan dengan
menggunakan software visio seperti di bawah ini:
Gambar 2.4.10 Layout objek

Gambar 2.4.10 merupakan layout objek GraPARI Telkomsel Bangkalan
yang digambarkan melalui software visio. Gambar di atas menunjukkan posisi
masing-masing server yang ada di GraPARI Telkomsel Bangkkalan.
4.7 Validasi Model Arena dengan Sistem Nyata melalui Parameter

Performance System
Verifikasi model simulasi nyata adalah sebagai berikut:
Gambar 2.4.11 Verifikasi model nyata

Gambar 2.4.11 di atas merupakan bukti tahap verifikasi model simulasi awal
menggunakan arena dengan ojek GraPARI Telkomsel Bangkalan.
52
Validasi model arena dengan sistem nyata melalui parameter performance
system adalah sebagai berikut:
Hipotesis:
H0 : Tidak terdapat perbedaan yang signifikan antara model arena dengan sistem
nyata
H1 : terdapat perbedaan yang signifikan antara model arena dengan sistem nyata
Pengambilan keputusan:
Jika –t tabel < t hitung < t tabel , maka terima H0.
Jika t hitung > t tabel atau –t hitung < - t tabel, maka tolak H0.
a. Parameter Utilitas
Tabel perbandingan dan hasil independent t-test 5 replikasi dari data utilitas
hasil perhitugan manual dengan hasil output Arena adalah sebagai berikut:
1. Replikasi 1
Tabel perbandingan utilitas dan hasil uji independen replikasi satu adalah
sebagai berikut:
Tabel 2.4.13 Utilitas nyata dan Arena replikasi 1
NO SERVER REPLIKASI 1
Nyata Arena
1 1 0.13031 0.0285
2 2 0.6578 0.1473
3 3 0.12071 0.0285
Tabel 2.4.13 rekapan data utilitas replikasi 1 diketahui bahwa nilai utilitas
perhitungan manual pada server 1 sebesar 0,13, server 2 sebesar 0,6578, dan
server 3 sebesar 0,121. Nilai utilitas output arena pada server 1 sebesar 0,029,
server 2 sebesar 0,1473 dan server 3 sebesar 0,0285.
Tabel 2.4.14 Validasi parameter utilitas replikasi 1
Variable 1 Variable 2
Mean 0.302941279 0.0681
Variance 0.094467033 0.00470448
Observations 3 3
Pooled Variance 0.049585756
Hypothesized Mean Difference 0
df 4
t Stat 1.291640326
P(T<=t) one-tail 0.133030957
t Critical one-tail 2.131846786
P(T<=t) two-tail 0.266061915
t Critical two-tail 2.776445105
53
Tabel 2.4.14 hasil uji independent utilitas replikasi 1 diketahui bahwa nilai
t hitung sebesar 1,29 kurang dari t tabel yaitu sebesar 2,776 yang artinya
terima H0 dengan kesimpulan tidak terdapat perbedaan yang signifikan antara
model arena dengan sistem nyata.
2. Replikasi 2
Tabel perbandingan utilitas dan hasil uji independen replikasi dua adalah
sebagai berikut:
Nyata Arena
1 1 0.13031 0.0289
2 2 0.6578 0.148
3 3 0.12071 0.0268
Mean 0.302941279 0.0679
Variance 0.094467033 0.00481311
Observations 3 3
df 4
t Stat 1.292032901
P(T<=t) one-tail 0.132969387
P(T<=t) two-tail 0.265938775
54
3. Replikasi 3
Tabel perbandingan utilitas dan hasil uji independen replikasi tiga adalah
sebagai berikut:
Nyata Arena
1 1 0.130 0.0286
2 2 0.658 0.1458
3 3 0.121 0.027
Variable 1Variable 2
Mean 0.302941 0.067133
Variance 0.094467 0.004642
Observations 3 3
df 4
t Stat 1.297366
P(T<=t) one-tail 0.132136
P(T<=t) two-tail 0.264271
4. Replikasi 4
Tabel perbandingan utilitas dan hasil uji independen replikasi empat
adalah sebagai berikut:
Nyata Arena
1 1 0.130 0.0283
2 2 0.658 0.1496
3 3 0.121 0.0262
55
Mean 0.302941 0.068033
Variance 0.094467 0.004991
Observations 3 3
df 4
t Stat 1.290145
5. Replikasi 5
Tabel perbandingan utilitas dan hasil uji independen replikasi lima adalah
sebagai berikut:
Nyata Arena
1 1 0.13031 0.0291
2 2 0.6578 0.1472
3 3 0.12071 0.0261
Mean 0.302941 0.067467
Variance 0.094467 0.00477
Observations 3 3
df 4
t Stat 1.294694
56
b. Parameter Panjang Antrean
Tabel perbandingan dan hasil independent t-test 5 replikasi dari data
panjang antrean hasil perhitungan manual dengan hasil output Arena adalah
sebagai berikut:
1. Replikasi 1
Tabel perbandingan panjang antrean dan hasil uji independen replikasi
satu adalah sebagai berikut:
Tabel 2.4.23 Panjang antrean nyata dan Arena replikasi 1
Nyata Are na
1 1 0.233 0.00074
2 2 4.767 0.016
3 3 3.200 0.00093
Tabel 2.4.23 rekapan data panjang antrean replikasi 1 diketahui bahwa
nilai panjang antrean perhitungan manual pada server 1 sebesar 0,233, server
2 sebesar 4,767, dan server 3 sebesar 3,200. Nilai rata-rata panjang antrean
output arena pada server 1 sebesar 0,00074, server 2 sebesar 0,016 dan server
3 sebesar 0,00093.
Tabel 2.4.24 Validasi parameter panjang antrean replikasi 1
Mean 2.733333333 0.00589
Variance 5.301111111 7.66681E-05
Observations 3 3
df 4
t Stat 2.051775169
P(T<=t) one-tail 0.054734723
P(T<=t) two-tail 0.109469445
Tabel 2.4.24 hasil uji independent panjang antrean replikasi 1 diketahui

bahwa nilai t hitung sebesar 2,052 kurang dari t tabel yaitu sebesar 2,776 yang
artinya terima H0 dengan kesimpulan tidak terdapat perbedaan yang signifikan
antara model arena dengan sistem nyata.
57
2. Replikasi 2
Tabel perbandingan parameter panjang antrean dan hasil uji independen
replikasi dua adalah sebagai berikut:
Nyata Are na
1 1 0.233 0.0039
2 2 4.767 0.057
3 3 3.200 0.0026

nilai rata-rata panjang antrean perhitungan manual pada server 1 sebesar
0,233, server 2 sebesar 4,767, dan server 3 sebesar 3,200. Nilai utilitas output
arena pada server 1 sebesar 0,0039, server 2 sebesar 0,057 dan server 3
sebesar 0,0026.
Mean 2.733333333 0.021166667
Variance 5.301111111 0.000963443
Observations 3 3
df 4
t Stat 2.040112357
P(T<=t) one-tail 0.055464725
P(T<=t) two-tail 0.11092945
Tabel 2.4.26 hasil uji independent parameter panjang antrean replikasi 2

diketahui bahwa nilai t hitung sebesar 2,04 kurang dari t tabel yaitu sebesar
2,776 yang artinya terima H0 dengan kesimpulan tidak terdapat perbedaan
yang signifikan antara model arena dengan sistem nyata.
3. Replikasi 3
Tabel perbandingan parameter panjang antrean dan hasil uji independen
replikasi tiga adalah sebagai berikut:
58
Nyata Are na
1 1 0.233 0.0016
2 2 4.767 0.0097
3 3 3.200 0.0017
Tabel 2.4.27 rekapan data parameter panjang antrean replikasi 3 diketahui

bahwa nilai rata-rata panjang antrean perhitungan manual pada server 1
sebesar 0,233, server 2 sebesar 4,767, dan server 3 sebesar 3,200. Nilai utilitas
output arena pada server 1 sebesar 0,0016, server 2 sebesar 0,0097 dan server
3 sebesar 0,0017.
Mean 2.733333333 0.004333333
Variance 5.301111111 2.16033E-05
Observations 3 3
df 4
t Stat 2.052956866
P(T<=t) one-tail 0.054661349
P(T<=t) two-tail 0.109322699

4. Replikasi 4
empat adalah sebagai berikut:
Nyata Are na
1 1 0.233 0.0019
2 2 4.767 0.0331
3 3 3.200 0.000006

59
arena pada server 1 sebesar 0,0019, server 2 sebesar 0,0331 dan server 3
sebesar 0,000006.
Mean 2.733333333 0.011668667
Variance 5.301111111 0.000345373
Observations 3 3
df 4
t Stat 2.047376161
P(T<=t) one-tail 0.055008818
P(T<=t) two-tail 0.110017635

5. Replikasi 5
lima adalah sebagai berikut:
Tabel 2.4.31 Panjang antreann nyata dan Arena replikasi 5
Nyata Are na
1 1 0.233 0.0041
2 2 4.767 0.1618
3 3 3.200 0.0011
arena pada server 1 sebesar 0,0009, server 2 sebesar 3,65 dan server 3 sebesar
0.
60
Tabel 2.4.32 Validasi panjang antrean replikasi 5
Mean 2.733333333 0.055666667
Variance 5.301111111 0.008450463
Observations 3 3
df 4
t Stat 2.012740608
P(T<=t) one-tail 0.057220361
P(T<=t) two-tail 0.114440721
c. Parameter Lama Antrean
Tabel perbandingan dan hasil independent t-test 5 replikasi dari data lama
antrean hasil perhitungan manual dengan hasil output Arena adalah sebagai
berikut:
1. Replikasi 1
Tabel perbandingan lama antrean dan hasil uji independen replikasi satu
Tabel 2.4.33 Lama antrean nyata dan Arena replikasi 1
Nyata Are na
1 1 20.567 0.00025
2 2 654.100 0.0042
3 3 27.167 0.00025
Tabel 2.4.33 rekapan data lama antrean replikasi 1 diketahui bahwa nilai
lama antrean perhitungan manual pada server 1 sebesar 20,567, server 2
sebesar 654,100, dan server 3 sebesar 27,167. Nilai rata-rata lama antrean
output arena pada server 1 sebesar 0,00025, server 2 sebesar 0,0042 dan
server 3 sebesar 0,00025.
61
Tabel 2.4.34 Validasi lama antrean replikasi 1
Mean 233.9444444 0.001566667
Variance 132408.9081 5.20083E-06
Observations 3 3
df 4
t Stat 1.113555464
P(T<=t) one-tail 0.163935126
P(T<=t) two-tail 0.327870252
Tabel 2.4.34 hasil uji independent lama antrean replikasi 1 diketahui

2. Replikasi 2
Tabel perbandingan parameter lama antrean dan hasil uji independen
replikasi dua adalah sebagai berikut:
Nyata Are na
1 1 20.567 0.001
2 2 654.100 0.015
3 3 27.167 0.0007
rata-rata lama antrean perhitungan manual pada server 1 sebesar 20,567,
server 2 sebesar 654,100, dan server 3 sebesar 27,167. Nilai rata-rata lama
antean output arena pada server 1 sebesar 0,001, server 2 sebesar 0,015 dan
server 3 sebesar 0,0007.
Tabel 2.4.36 Validasi parameter lama antrean replikasi 2
Mean 233.9444444 0.005566667
Variance 132408.9081 6.67633E-05
Observations 3 3
df 4
t Stat 1.113536424
P(T<=t) one-tail 0.163938761
P(T<=t) two-tail 0.327877522
62
Tabel 2.4.36 hasil uji independent parameter panjang antrean replikasi 2
diketahui bahwa nilai t hitung sebesar 1,113 kurang dari t tabel yaitu sebesar
2,776 yang artinya terima H0 dengan kesimpulan tidak terdapat perbedaan
yang signifikan antara model arena dengan sistem nyata.
3. Replikasi 3
Tabel perbandingan parameter lama antrean dan hasil uji independen
replikasi tiga adalah sebagai berikut:
Nyata Are na
1 1 20.567 0.00043
2 2 654.100 0.00258
3 3 27.167 0.00046
Tabel 2.4.37 rekapan data parameter lama antrean replikasi 3 diketahui

bahwa nilai rata-rata lama antrean perhitungan manual pada server 1 sebesar
20,567, server 2 sebesar 654,100, dan server 3 sebesar 27,167. Nilai rata-rata
lama antrean output arena pada server 1 sebesar 0,00043, server 2 sebesar
0,00258 dan server 3 sebesar 0,00046.
Mean 233.9444444 0.001156667
Variance 132408.9081 1.51963E-06
Observations 3 3
df 4
t Stat 1.113557415
P(T<=t) one-tail 0.163934753
P(T<=t) two-tail 0.327869507

4. Replikasi 4
Tabel perbandingan lama antrean dan hasil uji independen replikasi empat
63
Nyata Are na
1 1 20.567 0.00049
2 2 654.100 0.0088
3 3 27.167 0.0000017
antrean output arena pada server 1 sebesar 0,00049, server 2 sebesar 0,0088
dan server 3 sebesar 0,0000017.
Mean 233.9444444 0.003097233
Variance 132408.9081 2.44508E-05
Observations 3 3
df 4
t Stat 1.113548178
P(T<=t) one-tail 0.163936517
P(T<=t) two-tail 0.327873034

bahwa nilai t hitung sebesar 1,1135 kurang dari t tabel yaitu sebesar 2,776
yang artinya terima H0 dengan kesimpulan tidak terdapat perbedaan yang
signifikan antara model arena dengan sistem nyata.
5. Replikasi 5
Tabel perbandingan lama antrean dan hasil uji independen replikasi lima
Nyata Are na
1 1 20.567 0.0011
2 2 654.100 0.0431
3 3 27.167 0.0003
antrean output arena pada server 1 sebesar 0,00024, server 2 sebesar 0,97 dan
server 3 sebesar 0.
64
Tabel 2.4.42 Validasi replikasi 5
Mean 233.9444444 0.014833333
Variance 132408.9081 0.000599413
Observations 3 3
df 4
t Stat 1.113492313
P(T<=t) one-tail 0.163947183
P(T<=t) two-tail 0.327894366

4.8 Skenario Perbaikan

Skenario perbaikan dari model simulasi pada objek GraPARI Telkomsel
Bangkalan adalah sebagai berikut:
1. Skenario Perbaikan 1
Skenario perbaikan pertama dari model simulasi pada objek GraPARI
Gambar 2.4.12 Skenario perbaikan pertama

Gambar 2.4.12 di atas merupakan skenario perbaikan pertama dari objek
GraPARI Telkomsel Bangkalan. Pada skenario perbaikan pertama, kapasitas
resourch pada server 2 yang awalnya 3 ditambah satu menjadi 4. Hal tersebut
dianggap akan dapat mengurangi lama antrian pelanggan.
Skenario perbaikan kedua dari model simulasi pada objek GraPARI
65
Gambar 2.4.13 Skenario perbaikan 2
Gambar 2.4.13 di atas merupakan skenario perbaikan kedua dari model
simulasi pada objek GraPARI Telkomsel Bangkalan. Pada skenario perbaikan
kedua, kapasitas resourch pada server 2 yang awalnya 3 dikurangi satu menjadi 2.
Hal tersebut dianggap akan dapat meningkatkan utilitas pegawai.
Skenario perbaikan ketiga dari model simulasi pada objek GraPARI
Gambar 2.4.14 Skenario perbaikan 3

Gambar 2.4.14 di atas merupakan skenario perbaikan ke-tiga dari model
simulasi pada objek GraPARI Telkomsel Bangkalan. Pada skenario perbaikan ke-
tiga, kapasitas resourch pada server 2 yang awalnya 3 dikurangi dua menjadi 1.
Hal tersebut dianggap akan dapat meningkatkan utilitas pegawai.
4.9 Proses Comparing System Masing-Masing Skenario

Proses Comparing Sistem pada skenario 1, 2 dan 3 adalah sebagai berikut:
Hipotesis:
H0: Tidak terdapat perbedaan secara signifikan antara model awal dengan
skenario perbaikan ( = = = )
H1: Terdapat perbedaan secara signifikan antara model awal dengan skenario
perbaikan ( ≠ ≠ ≠ )
Pengambilan keputusan:
Jika F hitung < F tabel maka terima H0 Jika F hitung ≥ F tabel maka tolak
H0 a. Parameter Utilitas
Proses comparing sistem parameter utilitas antara model awal dengan skenario
perbaikan adalah sebagai berikut:
66
Tabel 2.4.43 Rekapan data utilitas model awal dan skenario perbaikan
Replikasi Data Awal Perbaikan 1 Perbaikan 2 Perbaikan 3
1 0.0681 0.0553 0.092 0.167
2 0.0679 0.0554 0.094 0.166
3 0.0671 0.0552 0.096 0.161
4 0.0680 0.0557 0.089 0.169
5 0.0675 0.0549 0.09 0.164
Tabel 2.4.43 merupakan tabel rekapan data dari nilai utilitas model awal dan
ketiga skenario perbaikan yang akan diuji ANOVA.
Tabel 2.4.44 Tabel ANOVA parameter utilitas
Source of Variation SS df MS F P-value F crit
Between Groups 0.036353 3 0.012118 2783.438 5.96849E-22 3.238872
Within Groups 6.97E-05 16 4.35E-06
Total 0.036422 19
Tabel 2.4.44 Tabel ANOVA di atas dapat diketahui bahwa nilai F hitung dari
hasil uji ANOVA yaitu 2783.44 dan lebih besar dari F tabel sebesar 3.24. Hasil
tersebut dapat diambil keputusan tolak H0, yaitu terdapat perbedaan signifikan
antara model awal dengan model skenario perbaikan pada parameter utilitasnya.
b. Parameter Panjang Antrean
Proses comparing sistem parameter panjang antrean antara model awal dengan
skenario perbaikan adalah sebagai berikut:
Tabel 2.4.45 Rekapan data panjang antrean model awal dan skenario perbaikan
Replikasi Model awal Perbaikan 1 Perbaikan 2 Perbaikan 3
1 0.0059 0.0022 0.0311 1.0208
2 0.0212 0.0031 0.0309 1.021
3 0.0043 0.0023 0.0313 1.0213
4 0.0117 0.0027 0.0313 1.0207
5 0.0557 0.0022 0.0308 1.0204
Tabel 2.4.45 merupakan tabel rekapan data dari nilai rata-rata panjang antrean
model awal dan ketiga skenario perbaikan yang akan diuji ANOVA.
Tabel 2.4.46 Tabel ANOVA parameter panjang antrean
Between Groups 3.775095555 3 1.258365185 11257.98341 8.43559E-27 3.238872
Within Groups 0.001788406 16 0.000111775
Total 3.776883961 19
antara model awal dengan model skenario perbaikan pada parameter panjang
antrean.
67
c. Parameter Lama Antrean
Proses comparing sistem parameter lama antrean antara model awal dengan
skenario perbaikan adalah sebagai berikut:
Tabel 2.4.47 Rekapan data lama antrean model awal dan skenario perbaikan
Replikasi Model awal Perbaikan 1 Perbaikan 2 Perbaikan 3
1 0.0016 0.0006 0.0083 0.2722
2 0.0056 0.0003 0.0089 0.2721
3 0.0012 0.0003 0.0093 0.2713
4 0.0031 0.0007 0.0083 0.2717
5 0.0148 0.0012 0.0088 0.2724
Tabel 2.4.47 merupakan tabel rekapan data dari nilai rata-rata lama antrean
model awal dan ketiga skenario perbaikan yang akan diuji ANOVA.
Tabel 2.4.48 Tabel ANOVA parameter lama antrean
Between Groups 0.26765721 3 0.08921907 11071.4211 9.64149E-27 3.238872
Within Groups 0.00012894 16 8.0585E-06
Total 0.26778614 19
antara model awal dengan model skenario perbaikan pada parameter lama antrean.
4.10 Identifikasi Faktor Penghambat

Beberapa faktor penghambat apabila skenario perbaikan diimplementasikan ke
dalam sistem nyata adalah sebagai berikut:
1. Jika dilakukan penambahan tenaga kerja pada server 2, maka akan terjadi
penambahan biaya tenaga kerja yang dikeluarkan oleh kantor jasa pelayanan
GraPARI Telkomsel Bangkalan.
2. Jika kantor GraPARI Telkomsel Bangkalan tersebut mengalami kedatangan
pelanggan yang relatif sepi, maka tenaga kerja akan terlalu banyak
menganggur dan terjadi pemborosan biaya tenaga kerja.
68
4.11 Animasi Menggunakan Software Arena
Animasi menggunakan software arena
Gambar 2.4.15 Animasi model objek

Gambar 2.4.15 animasi menggunakan arena di atas dapat diketahui model
animasi dibuat menggunakan software arena dengan penambahan modul station
dan route dari model awal. Aktivitas dimulai dari kedatangan pelanggan,
kemudian masuk server 1 pengambilan nomor antrian, kemudian masuk server 2
yaitu customer service, kemudian terakhir menuju server 3 cashier, dan kemudian
pelanggan meninggalkan tempat.
69
BAB V
KESIMPULAN DAN SARAN
Kesimpulan dan saran modul 2 simulasi dengan menggunakan software arena

5.1 Kesimpulan
Kesimpulan modul 2 simulasi dengan menggunakan software arena adalah
sebagai berikut:
1. Modul-modul arena yang digunakan pada pembuatan sistem nyata dan
skenario yaitu: modul create, process, dispose, route dan station. Modul
create digunakan pada awal pembuatan sistem dan dilanjutkan dengan modul
proses yang memproses kegiatan pada sistem dan modul dispose untuk
menyimpan hasil dari semua proses.
2. Inputan yang dimasukkan pada sistem nyata yang ada arena yaitu berupa
waktu yang telah diamati pada rekapan data sehingga menghasilkan sebuah
output berupa data baru.
3. Skenario perbaikan dibuat untuk memperbaiki sistem nyata, pada skenario
perbaikan 1 dibuat perbaikan berupa penambahan tenaga kerja untuk
mempercepat proses kerja sehingga pada proses 2 tidak terjadi proses antrian.
5.2 Saran
Saran modul 2 simulasi dengan menggunakan software arena adalah sebagai
berikut:
GraPARI Telkomsel Bangkalan sebaiknnya mempertimbangkan skenario
perbaikan-skenario perbaikan yang sudah disimulasikan di atas untuk mengurangi
permasalahan antrian atau pembengkakan biaya yang ada di GraPARI Telkomsel
Bangkalan.
70
DAFTAR PUSTAKA
Ishardita, Agustina. (2012). Model simulasi sistem produksi dengan sistem

dinamik guna membantu perencaan kapasitas produksi. Jurnal Rekayasa dan
Manajemen Sistem Industri Vol.3 N0.2, Teknik Industri Universitas
Brawijaya.
Istijanto, M.M. (2005). Aplikasi Praktis Riset Pemasaran. Jakarta: PT. Gramedia
Pustaka Utama.
Kelton, Sadaowski, & Zupick, (2015). Simulasi with ARENA, McGraw-Hill.
1998.
Wijaya, M. Angga; Haulian Siboro, Benedikta Anna; Purbasari, Anissa;, 2009.
Analisa perbandingan Anthropometri bentuk tubuh Mahasiswa pekerja
galangan kapal dan mahasiswa pekerja Elektronika. jurnal Profisiensi, IV(2),
pp. 108 - 117.
71

Konsep-SI - 1

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Konsep-SI - 1

Diunggah oleh

Hak Cipta:

Format Tersedia

KELOMPOK : 3

LABORATORIUM KOMPUTASI DAN SIMULASI

Sistem merupakan kumpulan dari beberapa entitas yang melakukan dan

ABSTRAK ................................................................................................................... iii

Tabel 1.4.1 Activity table GraPARI Telkomsel............................................................18

Gambar 1.2.1. Antrian tunggal, banyak server dalam parallel...................................11

Disusun Oleh : KELOMPOK (3C)

LABORATORIUM KOMPUTASI DAN SIMULASI INDUSTRI

2.3 Sistem dan Model

2.4 Activity Cycle Diagram

2.6.1 Macam-macam antrian

Gambar 1.2.1. Antrian tunggal, banyak server dalam parallel

Gambar 1.2.2. Antrian tunggal, server tunggal

Gambar 1.2.3. Antrian tunggal, banyak server dalam seri

Gambar 1.2.4. Antrian banyak, server banyak dalam parallel

Gambar 1.2.5. Antrian banyak, server banyak dalam seri

3.2 Prosedur Pelaksanaan Tugas Besar

Pengamatan Objek fix Tahap

Breafing pengolahan data

Gambar 1.3.6 Flowchart tugas besar

Gambar 1.4.7 Kantor GraPARI tampak depan

Gambar 1.4.9 Tempat pembayaran (cashier)

Gambar 1.4.10 Layout objek

4.3 Deskripsi Sistem Menggunakan Elemen-Elemen Sistem

Pelanggan Mengambil Melakukan Melakukan Pelanggan

Antri Antri konsultasi Antri

Gambar 1.4.11 Activity Cycle Diagram

4.6 Skenario Perbaikan untuk Meningkatkan Performansi Sistem

4.7 Activity Cycle Diagram (ACD) Skenario Perbaikan

Pelanggan Mengambil Melakukan Melakukan Pelanggan

Antri Antri konsultasi pada Antri

Gambar 1.4.12 ACD skenario perbaikan

Disusun Oleh : KELOMPOK (3C)

LABORATORIUM KOMPUTASI DAN SIMULASI INDUSTRI

1.2 Tujuan Tugas Besar

Gambar 2.2.1 Simulasi menggunakan Software ARENA

simulasi, pada modul ini dapat menampilkan nama

non/value-added, transfer, wait dan sebagainya.

Modul Batch digunakan untuk membatasi entities

Modul Separate ini berfungsi sebagai pembuat

Digunakan untuk mengumpulkan statistik dalam

Pada modul ini akan menampilkan jumlah sumber

Setelah memasukkan beberapa modul kedalam simulasi ARENA, selanjutnya

2.4 Uji Kecukupan Data

3.2 Prosedur Pelaksanaan Tugas Besar

3.3 Flowchart Pelaksanaan Tugas Besar

Brefing pengambilan data Tahap Persiapan

Breafing pengolahan data

Kesimpulan dan saran Tahap Penarikan

Gambar 2.3.2 Flowcart tugas besar

Rekapan data waktu pelayanan dan perhitungan matematis uji kecukupan

Perhitungan matematis uji kecukupan data pada server satu GraPARI

Perhitungan matematis uji kecukupan data pada server dua GraPARI

Perhitungan matematis uji kecukupan data pada server tiga GraPARI

4.3 Rekapan Data Baru

Berdasarkan tabel 2.4.7 dapat diketahui untuk server 1 lama pelayanan 24

Gambar 2.4.3 Pola data server 1 sebelum generate

Gambar 2.4.4 Pola data server 1 sesudah generate

Gambar 2.4.5 Pola data server 2 sebelum generate

Gambar 2.4.6 Pola data server 2 sesudah generate

Gambar 2.4.7 Pola data server 3 sebelum generate

4.5 Parameter untuk Acuan Penelitian (sesuai modul 1) Secara Matematis

Server 1 Server 2 Server 3

Perhitungan matematis rata-rata panjang antria customer pada masing-masing