Disusun Oleh:
Puji syukur kehadirat Tuhan Yang Maha Esa, karena dengan rahmat
dan berkat hidayah-Nya, Modul Ajar ini dapat diselesaikan. Dalam suatu
institusi pendidikan, proses utama yang perlu diperhatikan dan merupakan
tolok ukur dari kualitas institusi tersebut adalah proses belajar mengajar yang
terjadi antara mahasiswa dan dosen. Guna menunjang proses tersebut kami
team pengajar Pemodelan dan Simulasi menyusun catatan kuliah ini.
Selain diperuntukkan bagi mahasiswa, catatan kuliah ini juga
diharapkan dapat digunakan sebagai acuan keseragaman materi antar dosen
yang mengajar pada beberapa kelas paralel di Jurusan Teknologi Informasi
Politeknik Negeri Samarinda.
Kami sangat mengharapkan saran dan kritik membangun dari
mahasiswa, dosen dan pembaca guna perbaikan modul ajar ini.
Penyusun
Metode Pembelajaran
1. Pembelajaran berbasis masalah
2. Diskusi kelompok
3. Simulasi
Media Pembelajaran
1. Spreadsheet: Microsoft Excel
2. Matlab
3. Aplikasi pemodelan dan simulasi: Promodel, Arena
4. LCD Proyektor
Kriteria Penilaian
1. Pengerjaan soal latihan dan tugas, baik tugas individu maupun tugas
kelompok.
2. Ujian Tengah Semester (UTS) untuk menilai aspek serapan materi kuliah
sampai dengan tengah semester.
3. Ujian Akhir Semester (UAS) / Final Project untuk menilai aspek serapan
materi kuliah dari awal perkuliahan hingga selesai.
4. Partisipasi dan keaktifan mahasiswa di dalam kelas.
Daftar Referensi :
1. Banks, J, & John S. Carson II, Discrete-Event System Simulation, Prentice
Hall, 2009.
2. Law, Averill M. & Kelton, David W., Simulation Modelling & Analysis,
McGraw-Hill, 2006
3. Harrel, Charles, Simulation using Promodel, McGraw-Hill, 2012
4. Kelton, David W. & Sadowski, Randall P., Simulation with Arena, 2015.
Ansar Rizal, S.T., M.Kom Mulyanto, S.Kom, M.Cs Mulyanto, S.Kom, M.Cs
NIP 19700809 199903 1 001 NIP 19750213 200801 1 007 NIP 19750213 200801 1 007
1.1 Definisi
Sistem adalah sesuatu entity yang menjaga eksistensinya melalui interaksi
antar bagian-bagiannya.
Model adalah penyajian sederhana dari sistem nyata dengan tujuan untuk
mendeskripsikan suatu pemahaman dari sistem nyata dimaksud.
Simulasi adalah manipulasi suatu model sedemikian rupa (by computer) yang
dijalankan dalam jangka waktu tertentu dengan tujuan untuk mempelajari
gejala interaksi semua bagian dari sistem nyata yang telah dimodelkan.
Baik atau buruknya suatu model tergantung dari kemampuan model untuk
menyampaikan pemahaman yang dimaksudkan. Karena semua model adalah
penyederhanaan dari keadaan nyata, maka selalu ada pilihan seberapa
banyak detail dari kondisi nyata yang tercakup di dalam model.
Jenis-jenis simulasi
Discrete event simulation, simulasi yang melibatkan sejumlah event
(kejadian) yang berhingga, contoh: kedatangan, keberangkatan, keluar,
masuk, dll
Discrete event simulation dapat digunakan untuk continuous event dengan cara
aproksimasi.
Revising Learning
Not Satisfied
How
Satisfied
Gambar 1.1 Tahapan pemodelan dan simulasi
1.3 Sistem
Banyak sekali referensi yang memberikan penjelasan mengenai
pengertian maupun definisi dari sistem, tetapi meskipun istilah sistem yang
ada sangat bervariasi sistem harus memiliki elemen atau karakteristik yaitu
batas sistem (boundary), lingkungan luar sistem (environment), penghubung
sistem (interface), masukan sistem (input), keluaran sistem (output), pengolahan
sistem (process), sasaran sistem, dan yang paling penting adalah sistem harus
mempunyai tujuan.
Karakteristik sistem:
1. Kejadian (event), merupakan suatu peristiwa yang dapat merubah keadaan
sistem.
2. Aktivitas (activity), merupakan suatu proses yang menyebabkan
perubahan dalam sistem yang dapat merubah atribut maupun entity.
3. Hubungan (relationship), merupakan kesinambungan interaksi antara dua
objek atau lebih yang memudahkan proses pengenalan satu akan yang
lain.
4. Antarmuka penghubung (interface), merupakan media penghubung antar
subsistem.
5. Elemen-elemen, merupakan komponen bagian dari sistem yang berupa
entitas atau subsistem:
a. Entitas: merupakan kumpulan objek yang terdefinisikan yang
mempunyai karakteristik sama dan bisa dibedakan satu dan lainnya.
b. Subsistem
6. Atribut, merupakan sebutan, sifat atau karakteristik yang memiliki
elemen sistem. Terdapat dua macam atribut, yaitu:
a. Parameter: merupakan suatu nilai yang besarannya dianggap tetap
selama model simulasi dijalankan.
b. Variable: merupakan informasi yang mencerminkan karakteristik
suatu sistem, yang mengikat sistem secara keseluruhan sehingga
semua entity dapat mengandung variable yang sama, dalam Promodel
dikenal variable local dan global.
7. Batas sistem (boundary), merupakan daerah yang membatasi antar sistem
atau lingkungan luarnya.
8. Lingkungan luar (environment), merupakan kondisi ataupun entitas di luar
dari sistem yang mempengaruhi operasi sistem.
Identifikasi
State Jumlah entity yang menunggu dilayani dan jumlah
entity yang telah terlayani pada waktu yang sama
Event Kedatangan entity, layanan dimulai, layanan selesai
Entity Semua kendaraan
Queue Antrian kendaraan di depan pump station, menunggu
dilayani
Random variable Waktu kedatangan, waktu layanan
Distribution Diasumsikan menggunakan distribusi eksponensial
untuk waktu kedatangan dan waktu layanan
1.5 Model
Penyajian sederhana dari sistem nyata dengan tujuan untuk
mendeskripsikan suatu pemahaman dari sistem nyata dimaksud.
Suatu penyajian dari suatu obyek, suatu sistem, atau suatu gagasan
dalam beberapa format selain dari kesatuan dirinya sendiri
Suatu kumpulan gagasan dan lambang yang secara aproksimasi
menunjukkan hubungan fungsional dari unsur-unsur di dalam suatu
sistem
Asumsi model
Definisi semua variabel dan antar hubungannya.
Jenis-jenis model
1. Model fisik: scale, skeleton, prototype plant
(a) (b)
2. Model konseptual
Model antrian (queueing): antrian, layanan, inter-arrival time (waktu
antar kedatangan), waktu layanan, distribusi, dll.
Model jaringan (network) : nodes, link, traveling times, kapasitas, proses,
dll.
3. Model matematis :
Model dinamis (time dependent) : x1 (t ) x2 (t ) x3 (t ) ... xn (t ) 0
Berdasarkan pendapat Murdick, et.al (1987) dan Ackoff, et.al (1962), model
terdiri dari 8 kelas, yaitu:
1. Kelas I, Pembagian Menurut Fungsi
a. Model Deskriptif: model yang memberikan gambaran sistem nyata
tanpa rekomendasi dan peramalan.
Formulate
Identify Problem
Problem
Formulate
Outline Problem
Simulating
no Useful
?
yes
Learning
Test
Modify Model
(verify/validate)
satisfied
1.6 Simulasi
Simulasi merupakan manipulasi suatu model sedemikian rupa, yang
dijalankan dalam jangka waktu tertentu dengan tujuan mempelajari gejala
interaksi semua bagian dari sistem nyata yang telah dimodelkan. Dengan
simulasi, percobaan sistem dapat mengurangi resiko kebingungan struktur
yang ada dengan perubahan yang tidak mendatangkan keuntungan.
Simulasi Monte Carlo sendiri merupakan simulasi probabilistik, dimana
datanya dibangkitkan dari bilangan random, yang kemudian disusun suatu
distribusi probabilitas. Simulasi Monte Carlo dikenal juga dengan istilah
Sampling Simulation atau Monte Carlo Sampling Technique. Simulasi adalah
model dari suatu sistem nyata, dimana sistem tersebut dimodelkan dengan
menggunakan sebuah software yang berfungsi untuk menirukan perilaku
sistem nyata. Selain itu, simulasi adalah teknik untuk membuat konstruksi
Elemen Simulasi
Suatu sistem dalam simulasi mencakup entities, activities, resources, and
control. Elemen-elemen tersebut mendefinisikan siapa, apa, di mana, kapan,
dan bagaimana suatu entity diproses. Berikut merupakan penjelasan elemen
dasar pemodelan:
1. Entities, yaitu segala sesuatu yang dapat diproses.
2. Activity, yaitu kegiatan yang dilakukan di dalam sistem yang
memperngaruhi entitas baik secara langsung atau tidak langsung.
3. Resources, yaitu alat atau operator untuk menjalankan aktivitas.
4. Controls, yaitu segala sesuatu yang menentukan bagaimana, kapan, dan di
mana aktivitas dijalankan.
Macam-macam simulasi
1. Discrete event simulation, apabila keadaan perubahan sistem hanya
terjadi pada discrete event.
2. Continous event simulation, keadaan sistem direpresentasikan
dengan persamaan aljabar (persamaan diferensial), dimana semua
variabel yang ada berubah secara kontinu terhadap waktu.
3. Mixed simulation, sistem yang memiliki elemen-elemen diskrit dan
kontinu.
4. Dynamic simulation, sistem dengan status yang berubah setiap saat.
5. Stochastic simulation, simulasi dari model yang memiliki input yang
random.
Contoh
Buatlah model layanan SPBU dengan pump station tunggal, yang dioperasikan oleh
satu orang operator, berdasarkan tahapan-tahapan pembangunan model!
Queue
(entities
waiting for Scheduling
Send first list generate
service) end of services
of entities
free
Number
of entities
Generate
waiting to
service
Pump station
(server)
Car in service
5. Test Model
Dari analisis model dapat dibuat prediksi tentang data-data yang akan
diamati (lihat model logikal) sesuai dengan spesifikasi event yang sudah
ditentukan.
Arriving Cars Services Queue Dep. Cars
Time
Cars Num Cars Duration Cars Num Duration Cars Num
1 A,B 2 A 5 B 1 5
2 C,D,E,F 4 B 4 C,D,E,F 4 4 A 1
3 - 0 C 6 D,E,F 3 6 B 2
4 G,H,I,J 4 D 7 E,F,G,H,I,J 6 7 C 3
5 K 1 E 4 F,G,H,I,J,K 6 4 D 4
Latihan 1
Buatlah model konseptual berbasis obyek dan proses dari sistem real yang
anda amati.
Latihan 2
Lakukan simulasi layanan SPBU dengan pump station tunggal, yang
dioperasikan oleh 1 orang operator.
Initially (time 0) empty and idle
Base time unit: minutes
Input data : in minutes
X(x)
x
x0 x1 x2 x3 x4
x ≥ 0 (real)
Frekuensi (f) 1 3 3 1
0.35
n : banyaknya kemungkinan yang
0.30
terjadi 0.25
0.20
Gambar grafik PMF adalah seperti di
0.15
samping : 0.10
0.00
Grafik Probability Mass Function (PMF) 0 1 2 3
Teorema :
0 F ( x) 1 untuk semua nilai x
Banyaknya Angka 0 1 2 3
muncul
Frekuensi (f) 1 3 3 1
Probabilitas (P) PMF 1/8 3/8 3/8 1/8
CDF 1/8 4/8 7/8 1
CDF
1.20
1.00
0.80
0.60
0.40
0.20
0.00
0 1 2 3
f ( x).dx
a
untuk a x b
Contoh :
Waktu layanan suatu teller bank untuk tiap pelanggan memiliki fungsi
x2
probabilitas seperti berikut : f ( x) (0.01) .x 2 . Untuk waktu layanan per
100
pelanggan adalah 2.5 menit maka probabilitasnya adalah :
f ( x) (0.01).x 2 (0.01).(2.5) 2 0.06
Grafik PDF kasus di atas ditunjukkan pada Gambar 2.5.
0.06
x
2.5
Teorema CDF :
F(-) = 0
F() = 1
P(x1 X x2) = F(x2) - F(x1)
F ( x)
f ( x).dx CDF merupakan integral dari PDF-nya
Contoh :
Waktu layanan suatu teller bank untuk tiap pelanggan memiliki fungsi
x2
probabilitas seperti berikut : f ( x) (0.01) .x 2 . Maka CDF pada interval
100
b
x2 1 3b 1
[a,b] dapat dicari dengan cara : F ( x) a 100 300 .x a 300 . (b) (a)
3 3
x
a b
Gambar 2.6 Grafik CDF variabel random kontinu
Variabel random kontinyu E ( X ) x. f ( x).dx
2.1.7 Variansi
Variansi dilambangkan dengan Var(X) = 2, merupakan pengukuran terhadap
bagaimana suatu nilai didistribusikan terhadap mean-nya, dan dinyatakan
dengan :
Variabel random diskrit
Var ( X ) 2 E (( X ) 2 ) ( x ) 2 . f ( x)
x
Var (X )
2.2 Variabel Random Diskrit Uniform
Suatu variabel random X dikatakan memiliki distribusi uniform diskrit jika
memiliki fungsi probabilitas (PMF) :
1
f ( x) P( X x) x x1 , x2 , x3 ,..., xn
n
Properti :
n 1
E( X )
2
n2 1
Var ( X ) 2
12
n2 1
12
Contoh
Dalam pelemparan sebuah dadu satu kali, carilah :
Probabilitas munculnya sembarang angka, f (x).
Expected value (mean) munculnya sembarang angka, E(X).
Variance munculnya sembarang angka, Var(X).
Standar deviasi munculnya sembarang angka, .
Jawab
1
f ( x) P( X x)
6
6 1
E( X ) 3.5
2
62 1
Var ( X ) 2 2.92
12
62 1
1.71
12
1 p
p2
Contoh
Dalam suatu permainan bola, setiap eksekusi finalty diprediksi mengalami
sukses 20 %.
1. Carilah probabilitas banyaknya 3 eksekusi hingga sukses pertama kali.
2. Carilah banyaknya eksekusi yang diharapkan hingga sukses pertama
kali.
n n n!
P( xk ,n ) . p k .(1 p) nk
k k (n k )!.k!
X adalah variabel random Binomial jika memiliki PMF (Probability Mass
Function) :
n n n!
PMF f ( x) P( X x) . p x .(1 p) n x
x x (n x)!.x!
x = 0, 1, 2, ..., n
p dalam interval [0,1] dan n 1
Dalam hal ini dikatakan variabel random X memiliki distribusi binomial, dan
didefinisikan sebagai : X ~ B(n,p)
Properti :
E ( X ) n. p
Var ( X ) 2 n. p.(1 p)
n. p.(1 p)
x 0 1 2 3 4 5
PMF 0.031 0.156 0.313 0.313 0.156 0.031
CDF 0.031 0.187 0.500 0.813 0.969 1.000
PMF CDF
0.350 1.200
0.300
1.000
0.250
0.800
0.200
0.600
0.150
0.400
0.100
0.200
0.050
0.000 0.000
0 1 2 3 4 5 0 1 2 3 4 5
1
F ( x1 ) P( X x ) P( X 0) P( X 1) 0.187
i 0
i
2
F ( x2 ) P( X x ) P( X 0) P( X 1) P( X 2) 0.5
i 0
i
Dengan cara yang sama didapatkan hasil seperti pada tabel di atas.
Algoritma :
Bangkitkan bilangan random uniform u dalam interval [0,1]
Jika u F ( x j ) , maka X = xj
Jika F ( x j 1 ) u F ( x j ) , maka X = xj
Contoh
Dalam suatu permainan bola, setiap eksekusi finalty diprediksi mengalami
sukses 20 %. Untuk eksekusi finalty sebanyak 5 kali :
1. Carilah banyaknya eksekusi yang diharapkan sukses.
2. Carilah distribusi probabilitas banyaknya eksekusi yang sukses.
3. Gambarkan grafik PMF dan CDF -nya
Jawab
n= 5 p = probabilitas eksekusi sukses = 0.2
1. E(X) = n . p = (5).(0.2) = 1 (artinya, diharapkan 1 kali sukses dalam 5
eksekusi)
2. Distribusi probabilitas :
x = 0 (tidak ada eksekusi yang sukses)
5
P( X 0) .(0.2) 0 .(0.8) 5 0.328
0
x = 1 (eksekusi sukses 1 kali)
5
P( X 1) .(0.2)1 .(0.8) 4 0.410
1
x = 2 (eksekusi sukses 2 kali)
x 0 1 2 3 4 5
PMF 0.328 0.410 0.205 0.051 0.006 0.000
CDF 0.328 0.738 0.943 0.994 1.000 1.000
PMF CDF
0.450 1.200
0.400
1.000
0.350
0.300 0.800
0.250
0.600
0.200
0.150 0.400
0.100
0.200
0.050
0.000 0.000
0 1 2 3 4 5 0 1 2 3 4 5
Properti :
E (X )
Var (X ) 2
Contoh
Rata-rata kedatangan pelanggan pada sebuah teller bank diketahui 0.3
pelanggan per menit. Dalam waktu 10 menit :
1. Carilah banyaknya pelanggan yang diharapkan datang.
2. Carilah distribusi probabilitas banyaknya pelanggan yang datang.
3. Gambarkan grafik PMF dan CDF -nya
Jawab
1. = 0.3, T = 10
= .T = (0.3) * (10) = 3 E(X) = = 3 pelanggan
x PMF CDF
0 0.050 0.050
1 0.149 0.199
2 0.224 0.423
3 0.224 0.647
4 0.168 0.815
5 0.101 0.916
6 0.050 0.966
7 0.022 0.988
8 0.008 0.996
9 0.003 0.999
10 0.001 1.000
PMF CDF
0.250 1.200
1.000
0.200
0.800
0.150
0.600
0.100
0.400
0.050 0.200
- -
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5
1
F ( x1 ) P( X x ) P( X 0) P( X 1) 0.199
i 0
i
Dengan cara yang sama akan didapatkan seperti pada tabel di atas.
Algoritma 1
Bangkitkan bilangan random uniform u dalam interval [0,1]
Jika u F ( x j ) , maka X = xj
Jika F ( x j 1 ) u F ( x j ), maka X = xj
Algoritma 2
1. Bangkitkan bilangan random uniform u dalam interval [0,1]
2. i 0 ; e ; F
i 0 ; e 3 0.050 ; F 0.050
0.875 < 0.050 (tidak benar)
(3).(0.050)
0.149 ; F 0.050 0.149 0.199 ; i 1
1
0.875 < 0.199 (tidak benar)
(3).(0.149)
0.224 ; F 0.199 0.224 0.423 ; i 2
2
0.875 < 0.423 (tidak benar)
(3).(0.224)
0.224 ; F 0.423 0.224 0.647 ; i 3
3
0.875 < 0.647 (tidak benar)
(3).(0.224)
0.168 ; F 0.647 0.168 0.815 ; i 4
4
0.875 < 0.815 (tidak benar)
(3).(0.168)
0.101 ; F 0.815 0.101 0.916 ; i 5
5
0.875 < 0.916 (benar)
Jadi, X = x5 = 5 hasil sama dengan algoritma 1 .....!!!!!
function s=poisson(m,n)
for bil=1:n
u=rand;
i=0; p=exp(-m),F=p;
sw=0;
while sw==0
if u<F
x(bil)=i;
sw=1;
else
p=m*p/(i+1);
F=F+p;
i=i+1;
end
end
end
s=x;
queue
Contoh :
1. M / M / 3 / / FCFS
Interarrival time dengan distribusi eksponensial
Service time dengan distribusi eksponensial
3 paralel server
Kapasitas unlimited space
First come First Serve
queue departure
Server akan melayani selama idle (nganggur) atau baru saja selesai
melakukan pelayanan
Antrian yang terjadi pada queue tergantung dari kondisi server, idle
atau busy.
server 1
server 2
Antara server 1 & 2 tidak ada hubungan, demikian pula queue 1 dan 2.
Antrian pada queue 1 hanya tergantung pada kondisi server 1,
demikian pula dengan antrian pada queue 2.
server 1
Pada saat server 1 dan 2 dalam kondisi idle, maka server yang
memiliki idle time terbesar yang dipilih untuk melayani kedatangan
berikutnya.
server 1
server 2
Antara server 1 dan 2 tidak ada hubungan, demikian pula dengan
queue 1 dan 2.
Antrian pada queue 1 tergantung pada kondisi server 1 dan 2,
sedangkan antrian pada queue 2 hanya tergantung pada kondisi server
2.
(t )
Waktu sistem per sumber permintaan layanan : Tt
(t )
Time
No. Arrival No. Waiting No. Service
between Start End
Customer Time Cust. Time Cust. Time
arrival
Ck k k - k-1 Ck wk Ck xk
1 0:00:00 0:05:36 1 0:00:00 0:02:32 0:02:32
2 0:05:36 0:01:33 2 0:05:36 0:02:19 0:07:55
3 0:07:09 0:02:03 3 0:00:46 3 0:07:55 0:07:42 0:15:37
4 0:09:12 0:05:34 4 0:06:25 4 0:15:37 0:01:34 0:17:11
5 0:14:46 0:02:33 5 0:02:25 5 0:17:11 0:07:20 0:24:31
6 0:17:19 0:14:06 6 0:07:12 6 0:24:31 0:02:20 0:26:51
7 0:31:25 0:01:26 7 0:31:25 0:01:03 0:32:28
8 0:32:51 0:00:42 0:32:51 0:11:59
9 0:33:33 0:02:12 0:33:33 0:01:01
10 0:35:45 0:05:17 0:35:45 0:01:28
Catatan : k = 1, 2, … 10
C3 : no. Customer 3
Arrival time untuk C3 : 3 = 0:07:09 (7.15 menit dari START)
Inter-arrival time untuk C3 : 3 = 3 - 2 = 0:01:33 = 1.55 menit
Service time untuk C3 : x3 = 0:07:42 (7.7 menit)
Waiting time dalam queue untuk C3 : w3 = 0:00:46 (0.77 menit)
System time untuk C3 : s3 = w3 + x3 = 7.7 + 0.77 =8.47 menit
Average arrival rate : = 0.25
Average service rate : = 0.29
Average arrival time :
o 1/ = 1/(0.25) = 4 (secara rumus)
10
k
jumlah kolom ( k k 1 )
o k 1
0 : 04 : 06 4.1 menit
10 10
(mendekati sama)
x k
jumlah kolom ( x k )
o k 1
0 : 03 : 56 3.93 menit
10 10
(mendekati sama)
Jumlah customer (sumber permintaan layanan) pada waktu t = 0:09:00
N(9) = 1 customer
Jumlah pelayanan yang belum selesai pada waktu t = 0:09:00 U(9)
= 1 (customer ke 3). Karena U(9) > 0 sistem sibuk
Jumlah kedatangan (arrival) dalam interval waktu (0,40) : (40) = 10
Jumlah keberangkatan (departure) dalam interval waktu (0,40) : (40)
=7
10
Arrival rate (laju kedatangan) : t 40 0.25
40
Total waktu yang digunakan semua sumber permintaan layanan di
n n
dalam sistem : (t) (source-second) (t ) wk xk
k 1 k 1
No.
Waiting Time Service Time
Customer
Ck wk xk
1 0:02:32
2 0:02:19
3 0:00:46 0:07:42
4 0:06:25 0:01:34
5 0:02:25 0:07:20
6 0:07:12 0:02:20
7 0:01:03
8 0:11:59
9 0:01:01
10 0:01:28
Total 0:16:48 0:39:18
(40) 0:56:06 = 56.1 menit
Studi Kasus 2
Suatu layanan teller bank memiliki model antrian M / M / 2 / / FCFS
Interarrival time menggunakan distribusi eksponensial dengan average
arrival rate (laju kedatangan rata-rata) : = 0.25
Service time menggunakan distribusi eksponensial dengan average
service rate (laju pelayanan rata-rata) : = 0.29
2 server
Kapasitas unlimited space
First come First Serve
Waktu simulasi : 40 menit (start 0:00:00 ; end 0:40:00)
queue
Topologi yang digunakan :
Jawab :
Perhatikan Tabel Hasil Simulasi pada halaman berikut ...... !!!
Arrival time () untuk customer ke 4 : 4 = 0:05:02
Inter-arrival time untuk customer ke 4 : 4 - 3 = 0:05:02 – 0:02:59 =
0:02:03
Service time untuk customer ke 4 : x4 = 0:00:46 = 0.77 menit
Waiting time untuk customer ke 4 : w4 = 0:00:47 = 0.78 menit
System time untuk customer ke 4 : s4 = x4 + w4 = 0.77 + 0.78 = 1.55
menit
Average arrival rate : = 0.25
Average service rate : = 0.29
k
jumlah kolom ( k k 1 )
o k 1
0 : 03 : 19 3.3 menit (agak
13 13
jauh...hati2)
Average service time :
o 1/ = 1/(0.29) = 3.5 (secara rumus)
13
x k
jumlah kolom ( x1k x 2 k )
k 1
0 : 03 : 56 3.93 menit
13 13
(mendekati sama)
Jumlah pelayanan yang belum selesai pada waktu t = 0:06:00 U(6)
= 2 (cust. ke 3 di server 1, cust. ke 4 di server 2). Karena U(9) > 0
sistem sibuk
Jumlah kedatangan (arrival) dalam interval waktu (0,40) : (40) = 13
Jumlah keberangkatan (departure) dalam interval waktu (0,40)
(40) = 8 (cust. ke 1, 2, 3, 4, 5, 6, 7, 9).
13
Arrival rate (laju kedatangan) selama simulasi : 40 40 0.33
40
(agak menyimpang dari arrival rate yang ditetapkan : = 0.25 …..
hati-hati !!!!!)
Total waktu yang digunakan semua customer di dalam sistem (40)
= 68.7 menit
Waktu sistem per customer selama simulasi :
(40) 68.7
T40 5.3 menit
(40) 13
Rata-rata jumlah customer dalam sistem selama simulasi :
(40)
N 40 40 .T40 (0.33).(5.3) 1.75
40
Kesimpulan :
Dengan model antrian yang sama, hanya berbeda pada jumlah servernya,
diperoleh :
Kriteria Penting 1 Server 2 Server Komentar
Dengan 2 server akan lebih
(40) 10 13
banyak customer
Dengan 2 server lebih banyak
(40) 7 8
yang terlayani
0.25 0.25
Arrival rate simulasi yang
lebih besar menunjukkan
40 0.25 0.33
kemampuan layanan yang
lebih baik
(40) 56.1 68.7
Waktu sistem per customer
yang lebih kecil menunjukkan
T40 5.61 5.3
baiknya sistem layanan 2
server dibanding 1 server
Dengan 2 server, rata-rata
Ns 9.8 12.8 customer yang dilayani lebih
tinggi dibanding 1 server
Pertanyaan :
Buat simulasi sistem antrian di atas sesuai dengan topologi yang
diberikan per kelompok di bawah ini.
Cari average arrival time dan average service time selama simulasi
Jumlah kedatangan data ((40)) dan data yang telah terlayani ((40))
selama interval waktu simulasi [0,40]
Cari laju kedatangan data (data arrival rate) selama simulasi : 40
Cari waktu sistem per data dalam sistem selama simulasi : T40
Cari rata-rata jumlah data dalam sistem selama simulasi : N 40
Permanent Combine
ProModel menggunakan pernyataan COMBINE untuk mengumpulkan
dan mengkonsolidasi jumlah tertentu dari entitas menjadi satu kesatuan,
opsional dengan nama yang berbeda. Entitas yang digabung mungkin berasal
dari tipe yang sama dari entitas atau mereka mungkin berbeda. Entitas
gabungan akankehilangan identitas dan atribut serta tidak dapat di ungroup
nantinya. Ketika mendefinisikan lokasi, kapasitas lokasi di mana dapat
5.2 Tujuan
Tujuan dari pengamatan ini antara lain:
1. Untuk mengetahui dan memahami sistem, model, simulasi,dan
komponen simulasi dalam proses pengiriman surat nasional di Kantor
Pos Pusat Samarinda.
2. Untuk memodelkan sistem nyatapengiriman surat nasional di Kantor Pos
Pusat Samarinda dengan menggunakan PetriNet dan software ProModel
serta mensimulasikanya.
3. Agar dapat menganalisis hasil simulasi pada proses pengiriman surat
nasional di Kantor Pos Pusat Samarinda.
4. Agar melakukan verifikasi dan validasi model dari sistem pengiriman
surat nasional di Kantor Pos Pusat Samarinda.
5.3 Manfaat
Manfaat yang dapat diperoleh dari pengamatan ini antara lain:
5.4 Batasan
Adapun batasan-batasan yang digunakan dalam studi kasus ini adalah sebagai
berikut:
1. Data yang diambil sebanyak 50 replikasi yang dibagi ke dalam 5 set data
dan tiap set terdiri dari 10 replikasi.
2. Loket yang diamati pada kantor pos adalah loket pengiriman surat
nasional.
3. Data yang diambil merupakan data yang berupa waktu antar kedatangan,
waktu dilayani, waktu scanning barcode, dan waktu memasukkan surat ke
truk surat.
5.5 Asumsi
Adapun asumsi-asumsi yang digunakan dalam studi kasus ini adalah
sebagai berikut:
1. Tidak ada petugas yang absen atau ijin tugas keluar.
2. Lamanya pelayanan yang diberikan tidak tergantung pada banyaknya
antrian dan jumlah kedatangan.
3. Dalam satu tray terdapat 50 surat, dalam satu kantong terdapat 50 surat,
dan dalam satu container terdapat 100 surat.
Identifikasi Masalah
Tinjauan Pustaka
Pengumpulan Data
Perancangan
Model Konseptual
Pengolahan Data
Penentuan Distribusi
Pemodelan Sistem
Verifikasi Model
Model
Sesuai? Tidak
Validasi Model Ya
Model
Sesuai? Tidak
Kesimpulan danYa
Saran
Selesai
3. Studi Kepustakaan
Studi kepustakaan dilakukan dengan mempelajari berbagai referensi yang
sesuai dengan materi praktikum.
4. Pengumpulan Data
Pengumpulan data meliputi data sistem pelayanan yang ada pada studi
kasus yaitu data waktu antar kedatangan dan waktu proses, yaitu:
pelayanan di loket, scanning barcode, dan memasukkan surat ke kontainer.
5. Pengolahan Data
Data yang telah dikumpulkan sejumlah 5 set data dimana 1 set berjumlah
10 replikasi data, dan diolah sesuai dengan tahapan-tahapan yang ada.
7. Penentuan Distribusi
Penentuan distribusi dilakukan dengan menggunakan tools Stat::Fit pada
Promodel. Data-data hasil pengamatan dimasukkan dalam Data View
dan diproses hingga muncul output distribusi data. Pilih distribusi yang
sesuai dengan distribusi berdasarkan karakteristik aktivitas.
9. Verifikasi Model
Merupakan proses menentukan apakah model simulasi merefleksikan
model konseptual dengan tepat. Jika model tidak terverifikasi, maka
kembali ke pemodelan sistem dengan Promodel.
12. Selesai
5.9 PetriNet
A1 A2 A3 A5
A4 A6 A7 A8
Kustomer Kustomer Kustomer Antri Scan Scan Antri Masuk Surat Masuk
Barcode Surat Keluar
Datang Mengantri dilayani Barcode Kontainer Kontainer
Pada Surat
Mulai
A = Antrian di loket
B = Scanning Barcode
C = Packaging
D = Pengangkutan ke Mobil
Mengantri di loket
A=A+1
Apakah proses ya
mengalami idle ?
tidak
A=A-1
Pelayanan di
Loket
Mengantri
Scanning Barcode
B=B+1
ya
Apakah proses
mengalami idle ?
tidak
B=B-1
Scanning
Mengantri
Packaging
C=C+1
Apakah proses
mengalami idle ?
Ya
Tidak
C=C-1
Packaging
Mengantri
pengangkutan ke
mobil
D=D+1
Apakah proses
mengalami idle ?
Ya
Tidak
D=D-1
Diangkut ke mobil
Selesai
Distribusi Distribusi
Aktivitas Hasil Stat::fit Rank Acceptance
Dugaan Pilihan
Exponensial Do not
94.8
(5., 84.6) reject
Waktu
Antar Exponent Lognormal Do not Exponenti
70.9 al
Kedatang ial (5., 4.02, 1.03) reject
an
Uniform
0. Reject
(5., 245)
Uniform Do not
100
(55., 398) reject
Exponensial Do not
6.84
Proses 1 Uniform (55., 159) reject Uniform
2.73
Lognormal
e- Reject
(55., 4.58, 1.6)
002
Uniform Do not
100
(0.52, 3.76) reject
Lognormal
Proses 2 Uniform (0.52, 9.6e-002, 7.37 Reject Uniform
1.06)
Exponential Do not
1.44
(0.52, 1.5) reject
Uniform Do not
100
(0.55, 4.) reject
Lognormal
Proses 3 Uniform 6.79 Reject Uniform
(0.55, 0.158, 1.06)
Exponential Do not
2.52
(0.55, 1.6) reject
Uniform Do not
100
(5.8, 19.) Reject
Lognormal
Proses 4 Uniform 0.251 Reject Uniform
(5.8, 1.55, 1.08)
Exponential 256e-
Reject
(5.8, 6.2) 002
Locations Graphics
No. Name Capacity
Type
1 Entity Spot Teller INFINITE
2 Desk Meja teller 50
3 Table Meja scanning barcode 50
4 Pallet Kantong surat 1
5 AGV Kontainer surat 2
Untuk membut interfaces pilih kolom Interfaces, klik kiri pada locations
yang dijadikan awal proses kemudian klik pada locations. Ulangi semua
langkah hingga seluruh tempat proses produksi terhubung sesuai jalur
dengan interfaces.
8. Tahap selanjutnya adalah menentukan logika proses. Klik Build pilih Processing
atau CTRL-P. Pada Processing terdapat dua jenis logika yaitu logika Process
layout dan Routing layout. Alur proses ditunjukkan pada gambar, sebagai
berikut:
a. Kedatangan surat ke teller
11. Jalankan simulasi, klik Simulation pada toolbar. Pilih Options, pada run
time ketik 7 (to run for 7 hours). Hilangkan centang pada cost, pada
replications ketikkan jumlah replikasi yang diinginkan. Klik tombol OK.
Kemudian Save Project, klik Run dan simulasi akan dijalankan.
Replikasi ke-
1 2 3 4 5
Nama
Kedatangan Pelanggan 0 0 0 0 0
Teller 2.24 2.47 1.99 2.02 2.22
Scan 24.37 20.83 19.07 16.95 19.24
Kontainer 0.39 0.36 0.38 0.41 0.47
Keluar 0 0.2 0 0 0
Avg
Scheduled Number Avg Time
Time Per %
Name Units Time Times Travel To
Usage Utilization
(HR) Used Use (Min)
(Min)
Avg
Avg Avg Avg Time
Current Time In
Total Time In Time In
Name Qty In Move
Exits System Waiting Operation
System Logic
(Min) (Min) (Min)
(Min)
Surat 60.00 31.60 113.32 0.30 112.97 0.05
kontainer
surat 0.20 0.00 0.17 0.00 0.00 0.17
Replikasi ke-
1 2 3 4 5
Nama
Total Produk 0 1 0 0 0
WIP 94 107 85 86 93
Jadi, nilai yang diberikan pada variabel (total pelanggan, total biaya,
dan WIP) berubah selama simulasi yaitu pada total pelanggan adalah X kali,
total biaya adalah X kali, dan WIP (work in process) adalah X kali.
5.14.1 Verifikasi
Verifikasi berkaitan dengan kondisi konseptual apakah model telah sesuai
dengan konsep yang diinginkan (Banks, Carson, dan Nelson. 1995). Berikut
ini adalah tahapan-tahapan yang dilakukan dalam memverifikasi model
simulasi.
1. Melakukan pencocokan animasi dengan model pada software simulasi
dapat berjalan dengan sesuai.
Dari gambar di atas dapat dilihat animasi pada model software simulasi
dapat berjalan sesuai dengan logika proses sehingga dapat terverifikasi.
2. Membandingkan diagram alir konseptual (Petrinet) dengan model pada
software simulasi.
Idle Idle Idle
A9 A10 A11
A1 A2 A3 A5
A4 A6 A7 A8
Kustomer Kustomer Kustomer Antri Scan Scan Antri Masuk Surat Masuk
Barcode Surat Keluar
Datang Mengantri dilayani Barcode Kontainer Kontainer
Pada Surat
5.14.2 Validasi
Pada uji validasi ini diambil lima data waktu aktual dan simulasi,
meliputi: output, waktu proses A dan waktu proses B.
Hipotesis:
H0 = tidak terdapat perbedaan antara data simulasi dengan data
nyata (valid)
H1 = terdapat perbedaan antara data simulasi dengan data nyata
(tidak valid)
Nilai taraf nyata (α) = 0.05
Kriteria pengujian:
H0 diterima jika nilai Asymp. Sig. (2-tailed) ≥ α/2
H0 ditolak jika nilai Asymp. Sig. (2-tailed) <α/2
5.15 Kesimpulan
Berdasarkan praktikum pemodelan dan simulasi menggunakan software
Promodel yang telah dilakukan, maka dapat disimpulkan sebagai berikut.
1. Sistem adalah sekumpulan unsur atau elemen yang saling berkaitan dan
saling mempengaruhi dalam melakukan kegiatan bersama untuk
mencapai suatu tujuan. Model didefinisikan sebagai suatu deskripsi logis
tentang bagaimana sistem bekerja atau komponen-komponen
berinteraksi. Dengan membuat model dari suatu sistem maka diharapkan
dapat lebih mudah untuk melakukan analisis. Simulasi ialah suatu
metodologi untuk melaksanakan percobaan dengan menggunakan model
dari suatu sistem nyata. Pada kantor pos, pelanggan yang datang
mengantri di loket sesuai jenis dan area tujuan barang yang akan dikirim,
dalam studi kasus ini adalah loket pengiriman surat nasional. Kemudian
pelanggan dilayani di loket oleh teller untuk memasukkan database
mengenai entitas surat yang akan dikirim, kemudian dilakukan transaksi
pembayaran sesuai tujuan kirim. Pelayanan pelanggan oleh teller di loket
5.16 Saran
Saran yang dapat diberikan dalam pengerjaan laporan studi kasus
adalah sebagai berikut.
1. Pada hasil simulasi ini didapatkan hasil bahwa Location Utilization pada
teller lebih rendah dari pada utilitas di lokasi scan. Hal ini bisa diatasi
dengan mengurangi kapasitas pada lokasinya. Sehingga untuk lokasi scan
dan teller diperoleh utilisasi yang seimbang.
2. Untuk karyawan 2 memiliki utilitas yang rendah dapat diatasi dengan
cara menambah jalur berpindah bagi karyawan tersebut.
3. Untuk permasalahan WIP yang tinggi sebaiknya bisa dilakukan dengan
mengurangi jumlah isi kantong yang berjumlah 50. Karena penyebab
WIP tinggi adalah menunggu entitas selesai diproses antara scan dan
pallet.
Tugas Besar
Mahasiswa membuat tugas besar pemodelan dan simulasi dari sistem real
secara berkelompok (3 orang), dengan format pengerjaan sebagaimana
dicontohkan pada studi kasus ini.