Preview

TUTORIAL SIMULASI KOMPUTER
5 Modul
DESAIN EKSPERIMENT & PEMILIHAN
2017/2018
ALTERNATIF
Laboratorium Pemodelan dan Simulasi Industri
Universitas Islam Indonesia
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKU-01/R0
Fakultas : Teknologi Industri Pertemuan :5

Jurusan : Teknik Industri Modul :5
Kode Mata Kuliah : 52213702 Halaman : 28
Nama Mata Kuliah : Simulasi Komputer Tahun : 2017
DAFTAR ISI
1. Tujuan Umum ...................................................................................................2

2. Desain Eksperimen ...........................................................................................2
2.1. Experimenter .............................................................................................2
2.2. Langkah-Langkah Melakukan Desain Ekperimen ....................................2
3. Pemilihan Alternatif..........................................................................................8
3.1. ANOVA .....................................................................................................8
3.1.1. One-Way Anova .....................................................................................9
3.1.2. Two-Ways Anova .................................................................................10
3.2. Pendekatan Banferroni ............................................................................11
3.2.1. Analisis Perbandingan Ganda (Multiple Comparison Analysis-MCA)11
3.2.2. Uji Bonferroni ......................................................................................12
4. Langkah – Langkah Pemilihan Alternatif .......................................................13
4.1. Deskripsi Kasus .......................................................................................13
4.2. Data Historis ............................................................................................13
4.3. Uji ANOVA.............................................................................................15
4.4. Langkah Uji ANOVA..............................................................................17
4.5. Langkah Uji Bonferroni ..........................................................................20
4.5.1. Model Awal dan Skenario 1.............................................................20
4.5.2. Model Awal dan Skenario 2.............................................................24
4.5.3. Skenario 1 Dan Skenario 2...............................................................25
4.5.4. Hasil Keseluruhan ............................................................................26
1

ANALISA OUTPUT DAN DESAIN EKPERIMEN
1. Tujuan Umum
1. Praktikan dapat menganalisa output dari model yang telah dibangun
(model awal) serta dapat menemukan cause of problem yang ada pada
system nyata.
2. Praktikan dapat melakukan design eksperiment terhadap model yang telah
dibangun menggunakan software flexsim untuk menyelesaikan cause of
problem pada system nyata.
3. Praktikan dapat merekomendasikan alternatif skenario yang signifikan
terhadap model awal.
2. Desain Eksperimen
2.1. Experimenter
Experimenter dapat digunakan melalui menu Statistic. Experimenter
memungkinkan kita untuk melakukan desain ekperimen yang dijalankan dari
model yang telah dibuat melalui berbagai skenario, merubah variable tertentu
pada model, dan mengumpulkan data dari setiap skenario. Setiap skenario
mempresentasikan pengaturan tertentu pada model.
2.2. Langkah-Langkah Melakukan Desain Ekperimen

Berikut merupakan langkah – langkah dalam melakukan desain eksperimen.
1. Analisa hasil output simulasi yang telah dilakukan. (Pada desain
ekperimen ini menggunakan studi kasus latihan 1 pada modul flexsim
advance 2).
2

Gambar 1. Summary Report Sebelum Melakukan Desain Eksperimen
Gambar 2. State Report Sebelum Melakukan Desain Eksperimen
3

Gambar 3. Object Time Plot

Berdasarkan hasil output simulasi diatas dapat diketahui terjadi bottle neck
pada sistem. Hal tersebut dapat dilihat berdasarkan pada banyaknya jumlah
stats_contents pada objek penampungan meskipun pada proses – proses
memiliki presentase processing tinggi.
2. Membuka Experimenter
- Pilih tab menu Statistic, Experimenter
Gambar 4. Experimenter
4

3. Menentukan Variable dan Scenario

Variable merupakan perubahan terhadap objek pada model yang akan
dilakukan, sedangkan Scenario merupakan besarnya perubahan yang akan
dilakukan. Pada Desain Ekperimen kali ini akan dilakukan perubahaan
kapasitas atau max content terhadap objek Stiker 1 dan Penghalusan.
Terdapat 3 Scenario, Scenario pertama (initial condition) yaitu kapasitas
kedua objek tidak dirubah. Scenario kedua kapasitas Penghalusan akan
diubah menjadi 2 sedangkan Stiker 1 tidak diubah. Scenario ketiga akan
dilakukan perubahan kapasitas pada objek Penghalusan dan Stiker 1
menjadi 2.
- Pilih tab Scenario
- Isikan 3 pada jumlah Scenario 3
- Isikan 2 pada jumlah Experiment Variable
- Klik table pada kolom Variable, pilih Object Variable, Penghalusan,
Max Content.
- Isikan 1 pada kolom Scenario 1, 2 pada Scenario 2, 2 pada Scenario 3
- Klik table pada kolom Variable, pilih Object Variable, Stiker 1, Max
Content.
- Isikan 1 pada kolom Scenario 1, 1 pada Scenario 2, 2 pada Scenario 3
Gambar 5. Pemilihan Variable
5

Gambar 6. Penentuan Scenario
4. Menentukan Performance Measure

Performance Measure digunakan untuk menentukan parameter dari desain
eksperimen yang dilakukan. Pada kali ini digunakan parameter hasil input
pada Queue 30 untuk melihat bagaimana perubahan banyaknya produk
gelas yang dihasilkan.
- Pilih tab Performance Measure
- Pilih Satistic by Individual Object pada Performance Measure, Pilih
Queue 30 pada Object Name dan Input pada Statistic.
Gambar 7. Performance Measure
6

5. Menjalankan Desain Ekperimen

- Pilih tab Experiment Run
- Isikan 480 pada Run to Time sebagai waktu simulasi, dan 30 pada
Replication per Scenario untuk mengulangi simulasi sebanyak 30 kali,
- Klik Run Experiment.
- Setelah selesai klik View Result untuk melihat hasil desain ekperimen
Gambar 8. Run Experimenter
- Hasil desain ekperimen dapat dilihat seperti dibawah ini.
Gambar 9. Hasil Ekperimen dalam bentuk Replication Plot
7

Gambar 10. Hasil Ekperimen dalam bentuk Raw Data
3. Pemilihan Alternatif
3.1. ANOVA
Analysis of Variance atau analisa ragam adalah suatu metode untuk menguraikan
keragaman total data menjadi komponen-komponen yang dapat mengukur berbagai
sumber keragaman. (Walpole, 1995). Atau pada prinsip uji Anova adalah
melakukan analisis variabilitas data menjadi dua sumber variasi yaitu variasi di
dalam kelompok (within) dan variasi antar kelompok (between). Apabila variasi
within dan between sama (nilai perbandingan kedua avarian mendekati angka satu),
maka hal ini berarti tidak ada perbedaan efek dari intervensi yang dilakukan, dengan
kata lain nilai mean yang dibandingkan tidak ada perbedaan. Sebaliknya jika variasi
antar kelompok lebih besar dari variasi dalam kelompok, maka intervensi tersebut
memberikan efek yang berbeda, dengan kata lain nilai mean yang dibandingkan
menunjukkan adanya perbedaan.
Sehingga dapat disimpulkan bahwa uji Anova ini digunakan untuk menguji
perbedaan mean (rata-rata) data yang lebih dari dua kelompok. Misalnya untuk
mengetahui apakah ada perbedaan rata-rata lama hari dirawat antara pasien kelas
VIP I, II, dan kelas III. Pada uji ANOVA, terdapat beberapa asumsi yang harus
dipenuhi, yaitu :
8

- Sample berasal dari kelompok yang independen

- Data masing-masing kelompok berdistribusi normal
- Varian antar kelompok harus homogen
Pada asumsi pertama harus dipenuhi pada saat pengambilan sampel yang dilakukan
secara random terhadap beberapa kelompok data (data >2) independent, dimana
nilai pada satu kelompok tidak tergantung pada nilai kelompok lain. Sedangkan
pada asumsi kedua dan ketiga dapat dicek jika data telah dimasukkan ke komputer,
jika kedua asumsi ini tidak terpenuhi dapat dilakukan transformasi terhadap data.
Apabila proses transfromasi tidak juga dapat memenuhi asumsi ini maka uji Anova
tidak valid untuk dilakukan lebih lanjut, sehingga harus menggunakan uji non-
parametrik.
ANOVA terdiri dari dua jenis yaitu analisis varian satu faktor (one-way anova) dan
analisis dua faktor (two-ways anova).
3.1.1. One-Way Anova
Dimana eksperimen didasarkan hanya pada suatu kriteria saja. Misalnya
hanya mengukur variasi yang terjadi di dalam suatu eksperimen terhadap 3
jenis varietas padi saja, tanpa memasukkan pengaruh penggunaan 4 macam
pupuk yang berbeda.
Jika ada sebanyak n random sampel yang dipilih dari setiap k populasi dimana
k populasi itu bebas dan menyebar normal dengan nilai tengah µ1, µ2, … µk,
dan ragam sama 𝜎 2. Maka test hipotesa yang dapat diperoleh adalah :
H0 : µ1 = µ2 = … = µk
Ha : sekurang-kurangnya dua nilai tengah tidak sama. Yaitu mungkin saja µ1
≠ µ2 atau µ3 = µ6 dan seterusnya.
Prosedur dalam melakukan uji hipotesis Anova satu arah (One-way Anova)
yaitu :
1. Menentukan Hipotesis (Ho dan Ha)
H0 : µ1 = µ2 = … = µk
9

Ha : semua rata-rata populasi adalah tidak sama atau sekurang-

kurangnya dua nilai tengah tidak sama. Yaitu mungkin saja µ1 ≠ µ2 atau
µ3 = µ6 dan seterusnya.
2. Menentukan tingkat signifikansi (α)
3. Menentukan derajat kebebasan (df)
df JKa = k – 1
df JKd = N – k
df JKT = N – 1
4. Analisa dan menentukan Fhitung dan Ftabel
𝑅𝐾𝑎
Fhitung = 𝑅𝐾𝑑 > Fk-1;n-k atau Sig. (P_value)
5. Menentukan daerah kritis

H0 ditolak jika Sig. > α
H0 ditolak jika Fhitung > Ftabel
6. Menentukan kriteria pengujian
H0 diterima jika Fhitung ≤ Ftabel
Ha diterima jika Fhitung > Ftabel
7. Keputusan
8. Pasca Anova (jika ada)
9. Kesimpulan
3.1.2. Two-Ways Anova

Digunakan untuk mengukur variasi yang terjadi dan pengamatan variasi
pengamatan ini diklasifikasikan ke dalam 2 kriteria yaitu mengukur variasi
yang terjadi karena perbedaan ketiga jenis varietas padi dan juga mengukur
variasi yang disebabkan karena perbedaan penggunaan 4 macam pupuk
terhadap hasil produksi rata-rata setiap Ha-nya ataupun ingin mengetahui
bagaimana interaksi di antara dua kriteria tersebut.
10

3.2. Pendekatan Banferroni

3.2.1. Analisis Perbandingan Ganda (Multiple Comparison Analysis-MCA)
Uji Perbandingan ganda merupakan analisis lanjutan dari analisis variansi
satu arah apabila hipotesis nol (H0) ditolak. Uji perbandingan ganda disebut
juga dengan Uji Post-Hoc atau uji lanjutan setelah Anova. Fungsi uji
perbandingan ganda adalah untuk mencari kelompok mana yang berbeda.
Jika dalam Anova H0 tidak ditolak maka pekerjaan selesai dengan
kesimpulan semua rata-rata relative sama. Sedangkan jika dalam Anova H0
ditolak, maka masih ada pekerjaan untuk melihat rata-rata populasi mana
yang benar-benar berbeda dengan menggunakan MCA (Multiple Comparison
Analysis). Syarat analisis lanjutan Anova adalah jumlah level faktornya
(perlakuan) lebih dari dua.
Macam-macam metode yang dapat digunakan untuk analisa ini adalah :
1. Turkey : metode ini digunakan untuk ukuran sampel yang sama pada
setiap perlakuan (equal)
2. Bonferroni : metode ini untuk ukuran sampel yang sama dan berbeda
pada setiap perlakuan (equal dan unequal).
3. Schefe : metode ini untuk ukuran sampel yang sama dan berbeda setiap
perlakuan (equal dan unequal)
4. Fisher : atau LSD (Least Square Differences) adalah metode yang paling
umum digunakan.
11

Skema untuk penggunaan MCA dapat dilihat sebagai berikut :
Uji Normalitas
Uji Homogenitas
Asumsi
Jika terpenuhi Jika tidak terpenuhi

ANOVA Bukan ANOVA
H0 tidak ditolak H0 ditolak
µ sama Minimal 1µ tidak sama
Tidak boleh MCA MCA
Gambar 11. Skema MCA (Multiple Comparison Analysis).
3.2.2. Uji Bonferroni

Uji Bonferroni adalah salah satu metode yang dapat digunakan dalam uji
lanjutan setelah Anova atau uji Post-Hoc. Uji Bonferroni dilakukan jika hasil
tes dari beberapa kelompok data menunjukkan variansi yang berbeda.
Prosedur dalam melakukan uji Bonferroni adalah sebagai berikut :
1. Menentukan hipotesis (Ho dan Ha)
H0 = tidak ada perbedaan rata-rata
Ha = ada perbedaan rata-rata
2. Menentukan tingkat signifikansi (α)
3. Menentukan derajat kebebasan (df)
4. Serta menentukan kriteria pengujian berdasarkan sebelum dilakukannya
uji Anova.
Ho diterima, jika P(T<=t) two-tail < α/n
Ho ditolak, jika P(T<=t) two-tail > α/n
5. Kesimpulan
12

4. Langkah – Langkah Pemilihan Alternatif

4.1. Deskripsi Kasus
Pada Kasus ini akan dilakukan pengujian untuk melihat apakah terdapat
hubungan antara output model awal dengan output pada model yang telah
dilakukan eksperimen baik itu skenario 1 maupun skenario. Selain itu juga
akan dilakukan pengujian dan pemilihan skenario mana yang berhubungan
secara signifikan terhadap model awal. sehingga nantinya akan di peroleh
alternatif yang secara signifikansi lebih besar dibandingkan dengan alternatif
lain. Oleh karena itu akan di gunakan dua metode yakni one way ANOVA
dan Bonferroni, one way ANOVA digunakan untuk melihat hubungan dari
masing masing output baik itu model awal, skenario 1 dan skenario 2 serta uji
bonferroni untuk melihat hubungan output antara model awal dan skenario 1,
model awal dan skenario 2, serta skenario 1 dan skenario 2.
4.2. Data Historis

Data historis untuk output model awal, skenario 1, skenario 2 di peroleh dari
menu Statistic – Experimenter pada Flexsim 6. Berikut data output yang di
tampilkan dengan tabel dan dalam bentuk grafik :
Tabel 1. Data Historis Skenario 1 dan 2
No. Model Awal Skenario 1 Skenario 2
1 19 21 26
2 19 22 24
3 19 22 25
4 19 21 26
5 19 20 26
6 19 22 26
7 19 20 26
8 18 21 26
9 18 21 26
13

No. Model Awal Skenario 1 Skenario 2

10 18 19 28
11 19 22 26
12 19 24 26
13 19 22 26
14 18 23 27
15 19 21 24
16 18 22 26
17 18 19 25
18 19 21 28
19 19 23 27
20 18 22 26
21 19 22 27
22 19 22 26
23 19 22 28
24 19 23 28
25 19 22 27
26 20 21 29
27 19 24 26
28 19 22 28
29 19 22 25
30 19 23 27
14

4.3. Uji ANOVA

Tentukan Ho dan Ha, tingkat probabilitas kesalahan (p), dan kriteria
pengujian
a. One Way ANOVA
Sebelum di lakukan uji ANOVA perlu di tentukan Ho, Ha, dan tingkat
probabilitas ( α ), serta kriteria pengujian.
Selang kepercayaan : 95%
Tingkat probabilitas kesalahan ( α ) : 5% = 0,05
 Uji ANOVA
Ho : Tidak ada perbedaan rata rata output yang di pengaruhi oleh 3
model berbeda baik itu model awal, skenario 1 dan skenario 2.
Ha : ada perbedaan rata rata output yang di pengaruhi oleh 3 model
berbeda baik itu model awal, skenario 1 dan skenario 2.
Kriteria Pengujian :
 Ho diterima, jika nilai nilai p-value ≥ signifikansi (0,05)
 Ho ditolak, jika nilai p-value < signifikansi (0,05)
atau
 Ho diterima, jika nilai f hitung ≤ f tabel
 Ho ditolak, jika nilai f hitung > f tabel
15

b. Uji Bonferroni
Sebelum di lakukan uji ANOVA perlu di tentukan Ho, Ha, dan tingkat
probabilitas ( α ), serta kriteria pengujian.
Selang kepercayaan : 95%
Tingkat probabilitas kesalahan ( α ) : 5% = 0,05
Jumlah objek yang dibandingkan ( n ) = 3
 Uji Bonferroni
Model Awal dan Skenario 1
Ho : Tidak ada perbedaan rata rata output yang di pengaruhi oleh model
awal dan skenario.
Ha : ada perbedaan rata rata output yang di pengaruhi oleh model awal
dan skenario.
Kriteria Pengujian :
 Ho diterima, jika P(T<=t) two-tail < α/n
 Ho ditolak, jika P(T<=t) two-tail > α/n
16

4.4. Langkah Uji ANOVA

1. Aktifkan Menu Data pada Microsoft Excel, seperti gambar di bawah ini :
Gambar 12. Input Data

2. Pilih Data Analysis pada tab menu Data, jika belum muncul pilih File –
Options maka akan muncul seperti gambar di bawah ini :
17

Gambar 13. Excel Options
3. Kemudian Ceklist pada Analysis tool, klik go kemudian buka lagi tab menu
data dan akan muncul seperti gambar di bawah ini :
Gambar 14. Data Analysis
18

4. Kemudian pilih Data Analysis, maka akan muncul tampilan seperti di

bawah ini :
Gambar 15. Jendela Data Analysis

5. Pilih Anova : Single Factor kemudian Ok, yang akan muncul seperti
tampilan di bawah ini, klik input range blok column model awal, skenario
1 dan skenario 2, dan klik pada column pada Grouped By.
Gambar 16. ANOVA Single Factor
6. Ceklist pada Label in first row, dan masukkan nilai signifikansi sebesar
0.05, dan pilih output range dan blok sembarang cell kosong untuk
menampilkan output, seperti gambar di bawah ini :
19

Preview

Diunggah oleh

Informasi Dokumen

Judul Asli

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

Preview

Diunggah oleh

Hak Cipta:

Format Tersedia

TUTORIAL SIMULASI KOMPUTER

Fakultas : Teknologi Industri Pertemuan :5

1. Tujuan Umum ...................................................................................................2

Fakultas : Teknologi Industri Pertemuan :5

ANALISA OUTPUT DAN DESAIN EKPERIMEN

2.2. Langkah-Langkah Melakukan Desain Ekperimen

Fakultas : Teknologi Industri Pertemuan :5

Gambar 1. Summary Report Sebelum Melakukan Desain Eksperimen

Gambar 2. State Report Sebelum Melakukan Desain Eksperimen

Fakultas : Teknologi Industri Pertemuan :5

Gambar 3. Object Time Plot

Fakultas : Teknologi Industri Pertemuan :5

3. Menentukan Variable dan Scenario

Gambar 5. Pemilihan Variable

Fakultas : Teknologi Industri Pertemuan :5

Gambar 6. Penentuan Scenario

4. Menentukan Performance Measure

Gambar 7. Performance Measure

Fakultas : Teknologi Industri Pertemuan :5

5. Menjalankan Desain Ekperimen

Gambar 8. Run Experimenter

- Hasil desain ekperimen dapat dilihat seperti dibawah ini.

Gambar 9. Hasil Ekperimen dalam bentuk Replication Plot

Fakultas : Teknologi Industri Pertemuan :5

Gambar 10. Hasil Ekperimen dalam bentuk Raw Data

Fakultas : Teknologi Industri Pertemuan :5

- Sample berasal dari kelompok yang independen

Fakultas : Teknologi Industri Pertemuan :5

Ha : semua rata-rata populasi adalah tidak sama atau sekurang-

5. Menentukan daerah kritis

3.1.2. Two-Ways Anova

Fakultas : Teknologi Industri Pertemuan :5

3.2. Pendekatan Banferroni

Fakultas : Teknologi Industri Pertemuan :5

Skema untuk penggunaan MCA dapat dilihat sebagai berikut :

Jika terpenuhi Jika tidak terpenuhi

H0 tidak ditolak H0 ditolak

µ sama Minimal 1µ tidak sama

Tidak boleh MCA MCA

Gambar 11. Skema MCA (Multiple Comparison Analysis).

3.2.2. Uji Bonferroni

Fakultas : Teknologi Industri Pertemuan :5

4. Langkah – Langkah Pemilihan Alternatif

4.2. Data Historis

Fakultas : Teknologi Industri Pertemuan :5

No. Model Awal Skenario 1 Skenario 2

Fakultas : Teknologi Industri Pertemuan :5

4.3. Uji ANOVA

Fakultas : Teknologi Industri Pertemuan :5

Fakultas : Teknologi Industri Pertemuan :5

4.4. Langkah Uji ANOVA

Gambar 12. Input Data

Fakultas : Teknologi Industri Pertemuan :5

Gambar 13. Excel Options

Gambar 14. Data Analysis

Fakultas : Teknologi Industri Pertemuan :5

4. Kemudian pilih Data Analysis, maka akan muncul tampilan seperti di

Gambar 15. Jendela Data Analysis

Gambar 16. ANOVA Single Factor

Anda mungkin juga menyukai