MODUL 3

SIMULASI ANTRIAN MONTE CARLO

3.1. Tujuan Praktikum

1. Mengenal konsep dasar metode Monte Carlo
2. Mampu melakukan pembangkitan bilangan acak (Generate Random) untuk
simulasi monte carlo
3. Mampu melakukan simulasi Monte Carlo
3.2.Prosedur Praktikum
1. Lakukan observasi terhadap parameter yang akan di modelkan dengan
menggunakan data dari pengamatan modul 1 praktikum simulasi komputer,
yaitu data waktu antar kedatangan dan waktu proses.
2. Hitung frekuensi tiap-tiap nilai parameter data waktu antar kedatangan
motor dan waktu proses motor.
3. Hitung distribusi frekuensi kumulatif dan distribusi probabilitas kumulatif
data waktu antar kedatangan motor dan waktu proses motor.
4. Buat random number untuk2 parameter sebanyak 40 random number.
5. Pasangkan nilai kelas dari tiap parameter data waktu antar kedatangan dan
waktu proses 1 dengan bilangan random dengan range antara 00 sampai 99.
6. Dapatkan 2 nilai parameter data waktu antar kedatangan dan waktu proses
yang sesuai dengan memasangkan bilangan random yang dihasilkan.
7. Lakukan simulasi manual sampai entitas ke 10 meninggalkan system.
8. Hitunglah performansi dari simulasi.

SIMULASI SISTEM INDUSTRI B10 71

3.3. Pengumpulan Data

Tabel 3.1 Data Waktu antar Kedatangan dan waktu Proses Motor Pertalite

Entitas Waktu Waktu Antar Waktu

Ke Kedatangan Kedatangan Proses
1 0.05 0.03 0.6
2 0.08 0.73 0.33
3 0.82 0.85 0.53
4 0.67 0.15 0.77
5 0.82 0.25 0.43
6 0.07 0.35 0.4
7 0.42 0.37 0.45
8 0.78 0.77 0.68
9 0.55 0.87 0.52
10 0.42 1.83 0.63
11 0.25 0.03 0.85
12 0.22 0.2 0.53
13 0.28 0.38 0.22
14 0.67 0.27 0.65
15 0.93 1.1 0.47
16 0.03 1.75 0.35
17 0.78 0.03 0.48
18 0.82 2.18 0.85
19 0.00 0.28 0.75
20 0.28 1.15 0.5
21 0.43 1.25 0.52
22 0.68 1.43 0.43
23 0.12 0.88 0.48
24 0.00 0.13 0.93
25 0.13 0.3 1.23
26 0.43 0.22 0.23
27 0.65 1.63 0.35
28 0.28 0.6 0.58
29 0.88 0.07 0.98
30 0.95 2.62 0.73
31 0.57 1 0.45
32 0.57 0.07 0.77
33 0.63 2.07 0.43
34 0.70 0.75 0.73

SIMULASI SISTEM INDUSTRI B10 72

 35 0.45 0.12 0.87
36 0.57 0.32 0.8
37 0.88 0.85 0.57
38 0.73 0.2 0.5
39 0.93 0.52

3.4.Hasil dan Analisis

3.4.1. Distribusi Frekuensi kumulatif dan Distribusi Probabilitas
Kumulatif

Probabiltas sangat dibutuhkan, karena kebenaran dari suatu

kesimpulan yang dibuat dari analisis data sebetulnya tidak dapat
dipastikan benar secara absolut, disebabkan data berdasarkan dari
sampel.
Distribusi Probabilitas adalah suatu distribusi yang
mengambarkan peluang dari sekumpulan variat sebagai pengganti
frekuensinya. Probabilitas kumulatif adalah probalitas dari suatu
variabel acak yang mempunyai nilai sama atau kurang dari suatu
nilai tertentu. Fungsi Probabilitas kumulatif digunakan untuk
menyatakan jumlah dari seluruh nilai fungsi probabilitas yang lebih
kecil atau sama dengan suatu nilai yang ditetapkan.

SIMULASI SISTEM INDUSTRI B10 73

 3.4.1.2. Data Waktu Antar Kedatangan
Tabel 3.2 Tabel Frekuensi dan Probabilitas Kumulatif Waktu Antar Kedatangan
Waktu
Frekuensi Kumulatif
Entitas Antar Frekuensi Probabilitas Range
kumulatif Probabilitas
Kedatangan
1 0.03 3 3 0.08 0.08 0-7
2 0.07 2 5 0.05 0.13 8-12
3 0.12 1 6 0.03 0.16 13-15
4 0.13 1 7 0.03 0.18 16-17
5 0.15 1 8 0.03 0.21 18-20
6 0.2 2 10 0.05 0.26 21-25
7 0.22 1 11 0.03 0.29 26-28
8 0.25 1 12 0.03 0.32 29-31
9 0.27 1 13 0.03 0.34 32-33
10 0.28 1 14 0.03 0.37 34-36
11 0.3 1 15 0.03 0.39 37-38
12 0.32 1 16 0.03 0.42 39-41
13 0.35 1 17 0.03 0.45 42-44
14 0.37 1 18 0.03 0.47 45-46
15 0.38 1 19 0.03 0.50 47-49
16 0.6 1 20 0.03 0.53 50-52
17 0.73 1 21 0.03 0.55 53-54
18 0.75 1 22 0.03 0.58 55-57
19 0.77 1 23 0.03 0.61 58-60
20 0.85 2 25 0.05 0.66 61-65
21 0.87 1 26 0.03 0.68 66-67
22 0.88 1 27 0.03 0.71 68-70
23 1 1 28 0.03 0.74 71-73
24 1.1 1 29 0.03 0.76 74-75
25 1.15 1 30 0.03 0.79 76-78
26 1.25 1 31 0.03 0.82 79-81
27 1.43 1 32 0.03 0.84 81-83
28 1.63 1 33 0.03 0.87 84-86
29 1.75 1 34 0.03 0.89 87-88
30 1.83 1 35 0.03 0.92 89-91
31 2.07 1 36 0.03 0.95 92-94
32 2.18 1 37 0.03 0.97 95-96
33 2.62 1 38 0.03 1.00 97-99

SIMULASI SISTEM INDUSTRI B10 74

 3.4.1.3. Data Waktu Proses
Tabel 3.3 Tabel Frekuensi dan Probabilitas Kumulatif Waktu Proses

Waktu Frekuensi Probabilitas

Entitas Frekuensi Probabilitas Range
Proses Kumulatif Kumulatif

1 0.22 1 1 0.03 0.03 0-2

2 0.23 1 2 0.03 0.05 3-4
3 0.33 1 3 0.03 0.08 5-7
4 0.35 2 5 0.05 0.13 8-12
5 0.4 1 6 0.03 0.15 13-14
6 0.43 3 9 0.08 0.23 15-22
7 0.45 2 11 0.05 0.28 23-27
8 0.47 1 12 0.03 0.31 28-30
9 0.48 2 14 0.05 0.36 31-35
10 0.5 2 16 0.05 0.41 36-40
11 0.52 3 19 0.08 0.49 41-48
12 0.53 2 21 0.05 0.54 49-53
13 0.57 1 22 0.03 0.56 54-55
14 0.58 1 23 0.03 0.59 56-58
15 0.6 1 24 0.03 0.62 59-61
16 0.63 1 25 0.03 0.64 62-63
17 0.65 1 26 0.03 0.67 64-66
18 0.68 1 27 0.03 0.69 67-68
19 0.73 2 29 0.05 0.74 69-73
20 0.75 1 30 0.03 0.77 74-76
21 0.77 2 32 0.05 0.82 77-81
22 0.8 1 33 0.03 0.85 82-84
23 0.85 2 35 0.05 0.90 85-89
24 0.87 1 36 0.03 0.92 90-91
25 0.93 1 37 0.03 0.95 92-94
26 0.98 1 38 0.03 0.97 95-96
27 1.23 1 39 0.03 1.00 97-99

SIMULASI SISTEM INDUSTRI B10 75

3.4.2. Generate Bilangan Random Uniform 2 Parameter

Bilangan random adalah bilangan sembarang tetapi tidak

sembarangan. Kriteria yang harus dipenuhi, yaitu Bilangan acak harus
mempunyai distribusi serba sama (uniform) Beberapa bilangan acak
yang diambil harus mempunyai peluang terambil sama besar.
Masing-masing bilangan acak tidak saling tergantung atau
independence Bilangan acak ini disimbolkan dengan U, dan nilainya
dari 0 sampai dengan 1, maka dinyatakan dalam U(0,1). Generate

bilagan random, dihasilkan dari gambar 2.1.

Gambar 2.1 Table Of Random Number

SIMULASI SISTEM INDUSTRI B10 76

3.4.3. Nilai Parmeter yang di Hasilkan

Tabel 3.4 Tabel nilai parameter waktu antar kedatangan

Random Nilai
Entitas WAK
Number Parameter
1 0.03 52 0.6
2 0.07 50 0.6
3 0.12 60 0.77
4 0.13 52 0.6
5 0.15 5 0.03
6 0.2 34 0.28
7 0.22 69 0.88
8 0.25 80 1.25
9 0.27 27 0.22
10 0.28 37 0.32
11 0.3 82 1.43
12 0.32 45 0.37
13 0.35 53 0.73
14 0.37 33 0.27
15 0.38 55 0.75
16 0.6 9 0.07
17 0.73 32 0.27
18 0.75 69 0.88
19 0.77 81 1.43
20 0.85 69 0.88
21 0.87 98 2.62
22 0.88 66 0.87
23 1 37 0.3
24 1.1 30 0.25
25 1.15 77 1.15
26 1.25 8 0.07
27 1.43 48 0.38
28 1.63 6 0.03
29 1.75 74 1.1
30 1.83 96 2.18
31 2.07 33 0.27
32 2.18 30 0.25
33 2.62 63 0.85
34 88 1.75
35 45 0.37
36 84 1.63
37 14 0.12
38 57 0.75

SIMULASI SISTEM INDUSTRI B10 77

Tabel 3.5 Tabel nilai parameter waktu proses
Waktu Random Nilai
Entitas Proses Number Parameter
1 0.22 77 0.77
2 0.23 84 0.8
3 0.33 84 0.8
4 0.35 45 0.52
5 0.4 8 0.35
6 0.43 77 0.77
7 0.45 9 0.35
8 0.47 55 0.57
9 0.48 34 0.48
10 0.5 5 0.33
11 0.52 52 0.53
12 0.53 69 0.73
13 0.57 33 0.48
14 0.58 32 0.48
15 0.6 30 0.47
16 0.63 48 0.52
17 0.65 88 0.85
18 0.68 14 0.4
19 0.73 2 0.22
20 0.75 83 0.8
21 0.77 94 0.93
22 0.8 2 0.22
23 0.85 57 0.58
24 0.87 63 0.63
25 0.93 6 0.33
26 0.98 37 0.5
27 1.23 69 0.73
28 53 0.53
29 80 0.47
30 60 0.6
31 50 0.53
32 27 0.45
33 45 0.52
34 81 0.77
35 66 0.65
36 74 0.75
37 30 0.47
38 59 0.6
39 67 0.68

SIMULASI SISTEM INDUSTRI B10 78

3.4.3.1. Uji Independensi atau Keacakan Nilai Parameter (Runs Test)
Dari nilai parameter yang telah dihitung, uji keacakan
dilakukan sebagai berikut:
 Hipotesis
H0 : susunan bersifat random
H1 : susunan bersifat tidak random
 Dasar Pengambilan Keputusan
dengan α = 0,05 Sig ≥ α maka H0
diterima
Sig < α maka H0 ditolak
 Hasil Uji Run dengan SPSS
Uji run dilakukan dengan bantuan software SPSS sehingga
didapatkan hasil sebagai berikut :
 Waktu Antar Kedatangan

Gambar 3.2 Hasil Uji Runs Nilai Parameter Waktu Antar

Kedatangan
Berdasarkan hasil dari Runs Test Nilai parameter,
dihasilkan nilai median sebesar 0,60 dengan jumlah data
sebanyak 38 data. Nilai Asymp. Sig (2-tailed) adalah 0,813.
Lebih besar dari alpha (0,05). keputusan adalah H0 diterima
yang menyatakan susunan bersifat random.

SIMULASI SISTEM INDUSTRI B10 79

  Waktu Proses

Gambar 3.3 Hasil Uji Runs Nilai Parameter Waktu Proses

Berdasarkan hasil dari Runs Test Nilai parameter Waktu

Proses, dihasilkan nilai median sebesar 0,53 dengan jumlah
data sebanyak 39 data. Nilai Asymp. Sig (2-tailed) adalah
0,970. Lebih besar dari alpha (0,05). keputusan adalah H0
diterima yang menyatakan susunan bersifat random.

3.4.3.2. Uji Uniform atau Keseragaman Random Number (One-

Sample Kolmogorov-Smirnov Test)
Dengan menggunakan software SPSS maka hasil uji
keseragaman Nilai parameter waktu antar kedatangan Server
1 Sepeda Motor Pertalite adalah sebagai berikut :
 Waktu Antar Kedatangan

SIMULASI SISTEM INDUSTRI B10 80

 Gambar 3.4 Uji Kolmogorov-Smirnov Bilangan Random WAK
Berdasarkan gambar 2.3, merupakan hasil uji Random Number waktu
antar kedatanmgan. Most extrem differences merupakan perbedaan nilai
fungsi distribusi kumulatif pengamatan dan teoritis. Nilai absolute
merupakan nilai mutlak dari nilai terbesar dari nilai perbedaan positive
dan negative. Nilai Asymp. Sig.(2-tailed) adalah 0,783 yang
menunjukkan bahwa nilai tersebut lebih besar dari alpha (0,05) sehingga
H0 diterima.
 Waktu Proses

Gambar 3.5 Uji Kolmogorov-Smirnov Bilangan Random Waktu Proses

Berdasarkan gambar 3.5, merupakan hasil uji Random

Number waktu Proses. Most extrem differences merupakan
perbedaan nilai fungsi distribusi kumulatif pengamatan dan
teoritis. Nilai absolute merupakan nilai mutlak dari nilai
terbesar dari nilai perbedaan positive dan negative. Nilai Asymp.
Sig.(2-tailed) adalah 0,749 yang menunjukkan bahwa nilai
tersebut lebih besar dari alpha dibagi (0,05). Artiannya data
bersifat random.

SIMULASI SISTEM INDUSTRI B10 81

3.4.4. Simulasi Manual
Simulasi manual dilakukan setelah perhitungan monte carlo, simulasi
manual dihitung untuk mengetahui tingkat performansi yang dihasilkan dari
sistem simulasi yang terjadi pada kejadian observasi.
1. Monte Carlo
Simulasi monte carlo dikenal juga dengan istilah sampling simulation
atau monte carlo sampling technique menggambarkan kemungkinan
penggunaan data sampel dalam metode monte carlo dan juga sudah dapat
diketahui atau diperkirakan distribusinya.
Tabel 3.6 Tabel simulasi manual
Waktu
Waktu Waktu Waktu Waktu
Entitas Antar
Kedatangan Mulai Proses Selesai
Kedatangan
1 0.6 0.6 0.6 0.77 1.37
2 0.6 1.2 1.37 0.8 2.17
3 0.77 1.8 2.17 0.8 2.97
4 0.6 2.57 2.97 0.52 3.49
5 0.03 3.17 3.49 0.35 3.84
6 0.28 3.2 3.84 0.77 4.61
7 0.88 3.48 4.61 0.35 4.96
8 1.25 4.36 4.96 0.57 5.53
9 0.22 5.61 5.53 0.48 6.01
10 0.32 5.83 6.01 0.33 6.34
11 1.43 6.15 6.34 0.53 6.87
12 0.37 7.58 7.58 0.73 8.31
13 0.73 7.95 8.31 0.48 8.79
14 0.27 8.68 8.79 0.48 9.27
15 0.75 8.95 9.27 0.47 9.74
16 0.07 9.7 9.74 0.52 10.26
17 0.27 9.77 10.26 0.85 11.11
18 0.88 10.04 11.11 0.4 11.51
19 1.43 10.92 11.51 0.22 11.73
20 0.88 12.35 12.35 0.8 13.15
21 2.62 13.23 13.23 0.93 14.16
22 0.87 15.85 15.85 0.22 16.07
23 0.3 16.72 16.72 0.58 17.3
24 0.25 17.02 17.3 0.63 17.93
25 1.15 17.27 17.93 0.33 18.26
26 0.07 18.42 18.42 0.5 18.92
27 0.38 18.49 18.92 0.73 19.65
28 0.03 18.87 19.65 0.53 20.18

SIMULASI SISTEM INDUSTRI B10 82

29 1.1 18.9 20.18 0.47 20.65
30 2.18 20 20.65 0.6 21.25
31 0.27 22.18 22.18 0.53 22.71
32 0.25 22.45 22.71 0.45 23.16
33 0.85 22.7 23.16 0.52 23.68
34 1.75 23.55 23.68 0.77 24.45
35 0.37 25.3 25.3 0.65 25.95
36 1.63 25.67 25.95 0.75 26.7
37 0.12 27.3 27.3 0.47 27.77
38 0.75 27.42 27.77 0.6 28.37
39 0 28.17 28.37 0.68 29.05

SIMULASI SISTEM INDUSTRI B10 83

 2. Simulasi By Hand (Event Calendar)
Tabel 3.9 Event Calendar
Number of Waiting
Even Calendar Arrival time completed
Number of
time in
Total of
completed waiting Flowtime Total of Area under Area under
Clock Event (entity no; time; System B(t) Q (t) of customer waiting
processing
queue
times in entity flow time Q (t) B(t)
in queue customer until
type) in queue
customer
processed
queue

0 Inisialisasi 1 : 0.6 : Arr 0 0 0 0 0 0 0 0 0 0 0 0

2 : 1.2 : Arr
0.6 1 : Arr 2 : 1.2 : Arr 1 1 0 0 1 0 0 0 0 0 0 0
1 : 1.37 : Dep
3 : 1.8 : Arr
1.2 2 : Arr 1 : 1.37 : Dep 2 1 1 1 2 = 1.2 1 0 0 0 0 0 0 0.60
3 : 1.8 : Arr
2 : 2.17 : Dep
1.37 1 : Dep 3 : 1.8 : Arr 2 1 0 0 2 1 0.17 0.17 0.77 0.77 0.17 0.77
2 : 2.17 : Dep
4 : 2.57 : Arr
1.80 3 : Arr 2 : 2.17 : Dep 3 2 1 1 3 = 1.80 2 1 0 0.17 0 0.77 0.17 1.20
4 : 2.57 : Arr
3 : 2.97 : Dep
2.17 2 : Dep 4 : 2.57 : Arr 3 1 0 0 3 2 0.37 0.54 0.97 1.74 0.54 1.57
3 : 2.97 : Dep
5 : 3.17 : Arr
2.57 4 : Arr 3 : 2.97 : Dep 4 3 1 1 4 = 2.57 3 2 0 0.54 0 1.74 0.54 1.97
5 : 3.17 : Arr
6 : 3.2 : Arr
2.97 3 : Dep 5 : 3.17 : Arr 4 1 0 0 4 3 0.40 0.94 1.17 2.91 0.94 2.37
6 : 3.2 : Arr
7 : 3.48 : Arr

SIMULASI SISTEM INDUSTRI B10 84

3.17 5 : Arr 6 : 3.2 : Arr 5 4 1 1 5 = 3.17 4 3 0 0.94 0 2.91 0.94 2.57
7 : 3.48 : Arr
4 : 3.49 : Dep
3.20 6 : Arr 7 : 3.48 : Arr 6 5 4 1 2 5 = 3.17 4 3 0 0.94 0 2.91 0.97 2.60
4 : 3.49 : Dep 6 = 3.20
5 : 3.84 : Dep
3.48 7 : Arr 4 : 3.49 : Dep 7 6 5 4 1 3 5 = 3.17 4 3 0 0.94 0 2.91 1.53 2.88
5 : 3.84 : Dep 6 = 3.20
8 : 4.36 : Arr 7 = 3.48
3.49 4 : Dep 5 : 3.84 : Dep 7 6 5 1 2 6 = 3.20 5 4 0.32 1.26 0.92 3.83 1.56 2.89
8 : 4.36 : Arr 7 = 3.48
6 : 4.61 : Dep
3.84 5 : Dep 8 : 4.36 : Arr 7 6 1 1 7 = 3.48 6 5 0.64 1.90 0.67 4.50 2.26 3.24
6 : 4.61 : Dep
7 : 4.96 : Dep
4.36 8 : Arr 6 : 4.61 : Dep 8 7 6 1 2 7 = 3.48 6 5 0 1.90 0 4.50 2.78 3.76
7 : 4.96 : Dep 8 = 4.36
8 : 5.53 : Dep
4.61 6 : Dep 7 : 4.96 : Dep 8 7 1 1 8 = 4.36 7 6 1.13 3.03 1.41 5.91 3.28 4.01
8 : 5.53 : Dep
9 : 5.61 : Arr
4.96 7 : Dep 8 : 5.53 : Dep 8 1 0 0 8 7 0.60 3.63 1.48 7.39 3.63 4.36
9 : 5.61 : Arr
10 : 5.83 : Arr
5.53 8 : Dep 9 : 5.61 : Arr 0 0 0 0 8 8 0 3.63 1.17 8.56 3.63 4.93
10 : 5.83 : Arr
9 : 6.01 : Dep

SIMULASI SISTEM INDUSTRI B10 85

5.61 9 : Arr 10 : 5.83 : Arr 9 1 0 0 9 8 0 3.63 0 8.56 3.63 4.93
9 : 6.01 : Dep
11 : 6.15 : Arr
5.83 10 : Arr 9 : 6.01 : Dep 10 9 1 1 10 = 5.83 9 8 0 3.63 0 8.56 3.63 5.15
11 : 6.15 : Arr
10 : 6.34 : Dep

6.01 9 : Dep 11 : 6.15 : Arr 10 1 0 0 10 9 0.18 3.81 0.40 8.96 3.81 5.33
10 : 6.34 : Dep
11 : 6.87 : Dep
6.15 11 : Arr 10 : 6.34 : Dep 11 10 1 1 11 = 6.15 10 9 0 3.81 0 8.96 3.81 5.47
11 : 6.87 : Dep
12 : 7.58 : Arr
6.34 10 : Dep 11 : 6.87 : Dep 11 1 0 0 11 10 0.19 4.00 0.51 9.47 4.00 5.66
12 : 7.58 : Arr
13 : 7.95 : Arr
6.87 11 : Dep 12 : 7.58 : Arr 0 0 0 0 11 11 0 4.00 0.72 10.19 4.00 6.19
13 : 7.95 : Arr
12 : 8.31 : Dep
7.58 12 : Arr 13 : 7.95 : Arr 12 1 0 0 12 11 0 4.00 0 10.19 4.00 6.19
12 : 8.31 : Dep
14 : 8.68 : Arr
7.95 13 : Arr 12 : 8.31 : Dep 13 12 1 1 13 = 7.95 12 11 0 4.00 0 10.19 4.00 6.56
14 : 8.68 : Arr
13 : 8.79 : Dep
8.31 12 : Dep 14 : 8.68 : Arr 13 1 0 0 13 12 0.36 4.36 0.73 10.92 4.36 6.92
13 : 8.79 : Dep
15 : 8.95 : Arr
8.68 14 : Arr 13 : 8.79 : Dep 14 13 1 1 14 = 8.68 13 12 0 4.36 0 10.92 4.36 7.29
15 : 8.95 : Arr
14 : 9.27 : Dep

SIMULASI SISTEM INDUSTRI B10 86

8.79 13 : Dep 15 : 8.95 : Arr 14 1 0 0 14 13 0.11 4.47 0.84 11.76 4.47 7.40
14 : 9.27 : Dep
16 : 9.7 : Arr
8.95 15 : Arr 14 : 9.27 : Dep 15 14 1 1 15 = 8.95 14 13 0 4.47 0 11.76 4.47 7.56
16 : 9.7 : Arr
15 : 9.74 : Dep
9.27 14 : Dep 16 : 9.7 : Arr 15 1 0 0 15 14 0.32 4.79 0.59 12.35 4.79 7.88
15 : 9.74 : Dep
17 : 9.77 : Arr
9.70 16 : Arr 15 : 9.74 : Dep 16 15 1 1 16 = 9.70 15 14 0 4.79 0 12.35 4.79 8.31
17 : 9.77 : Arr
18 : 10.04 : Arr
9.74 15 : Dep 17 : 9.77 : Arr 16 1 0 0 16 15 0.04 4.83 0.79 13.14 4.83 8.35
18 : 10.04 : Arr
16 : 10.26 : Dep
9.77 17 : Arr 18 : 10.04 : Arr 17 16 1 1 17 = 9.77 16 15 0 4.83 0 13.14 4.83 8.38
16 : 10.26 : Dep
19 : 10.92 : Arr
10.04 18 : Arr 16 : 10.26 : Dep 18 17 16 1 2 17 = 9.77 16 15 0 4.83 0 13.14 5.10 8.65
19 : 10.92 : Arr 18 = 10.04
17 : 11.11 : Dep

SIMULASI SISTEM INDUSTRI B10 87

10.26 16 : Dep 19 : 10.92 : Arr 18 17 1 1 18 = 10.04 17 16 0.49 5.32 0.56 13.70 5.54 8.87
17 : 11.11 : Dep
18 : 11.51 : Dep
10.92 19 : Arr 17 : 11.11 : Dep 19 18 17 1 2 19 = 10.92 17 16 0 5.32 0 13.70 6.20 9.53
18 : 11.51 : Dep
19 : 11.73 : Dep
11.11 17 : Dep 18 : 11.51 : Dep 19 18 1 1 19 = 10.92 18 17 1.07 6.39 1.34 15.04 6.58 9.72
19 : 11.73 : Dep
20 : 12.35 : Arr
11.51 18 : Dep 19 : 11.73 : Dep 19 1 0 0 19 18 0.59 6.98 1.47 16.51 6.98 10.12
20 : 12.35 : Arr
20 : 13.15 : Dep
11.73 19 : Dep 20 : 12.35 : Arr 0 0 0 0 19 19 0 6.98 0.81 17.32 6.98 10.34
20 : 13.15 : Dep
21 : 13.23 : Arr
12.35 20 : Arr 20 : 13.15 : Dep 20 1 0 0 20 19 0 6.98 0 17.32 6.98 10.34
21 : 13.23 : Arr
21 : 14.16 : Dep
13.15 20 : Dep 21 : 13.23 : Arr 0 0 0 0 20 20 0 6.98 0.80 18.12 6.98 11.14
21 : 14.16 : Dep
22 : 15.85 : Arr

SIMULASI SISTEM INDUSTRI B10 88

3.4.5. Performansi

Dari simulasi manual maka akan dilakukan perhitungan performansi

sistem sebagai berikut:
Tabel 3.10 Ukuran Performansi

Ukuran Performance Nilai

Total Output 20 Customer
Total Waiting Time/Total Output
Average Waiting Time : 6.98 /20
0.35 menit/customer
Maximum Waiting Time 1.13 menit
Total Flow time / Total Output
Average Flowtime : 18.12/ 20
0.91 menit/Customer
Maximum Flow Time 1.48 menit
: Area Q(t)/t
Average Queue Length : 6.98/ 13.15
1 Customer
Maximum Queue Length 3 Customer
: Area B(t)/t X 100%
Machine Utilization : 11.14 /13.15 X 100%
85%

 Total output
Total output yang dihasilkan dari simulasi manual yang dilakukan
terdapat sebanyak 20 entitas yang keluar dari sistem.
 Average waiting time
Rata-rata waktu yang dihabiskan customer dalam antrian
𝑡𝑜𝑡𝑎𝑙 𝑤𝑎𝑖𝑡𝑖𝑛𝑔 𝑡𝑖𝑚𝑒 6,98
= = 0,35 𝑚𝑒𝑛𝑖𝑡/𝑒𝑛𝑡𝑖𝑡𝑎𝑠
𝑡𝑜𝑡𝑎𝑙 𝑜𝑢𝑡𝑝𝑢𝑡 20
 Maximum waiting time
Maksimal waktu tunggu entity dalam sistem. Untuk mengetahui
maksimal waiting time dapat dilihat dari kolom waiting time in queue
until procces. Dari kolom tersebut dicari waktu tunggu terbesar yang
dialami oleh entity. Dari kolom tersebut dicari waktu tunggu terbesar
yang dialami oleh entity, diperoleh nilai maksimum tunggu adalah 1,13
menit.

SIMULASI SISTEM INDUSTRI B10 89

 Average flowtime time
Rata-rata waktu pelayanan dihitung mulai dari pelanggan datang hingga
meninggalkan sistem.
𝑡𝑜𝑡𝑎𝑙 𝑓𝑙𝑜𝑤𝑡𝑖𝑚𝑒 18,12
= = 0,91 𝑚𝑒𝑛𝑖𝑡/𝑒𝑛𝑡𝑖𝑡𝑎𝑠
𝑡𝑜𝑡𝑎𝑙 𝑜𝑢𝑡𝑝𝑢𝑡 20
 Maximum flowtime time
Maksimum waktu pelayanan dihitung mulai dari pelanggan datang hingga
meninggalkan sistem. Pada hasil perhitungan tabel simulation by hand
nilai maksimum flowtime cutomer yang terjadi pada cutomer yang
meninggalkan sistem sebesar 1,48 menit.
 Average queue length
Rata-rata antrian yang terjadi dalam sistem
𝑎𝑟𝑒𝑎 𝑄(𝑡) 6.98
= = 0,53 = 1 𝑐𝑢𝑠𝑡𝑜𝑚𝑒𝑟
𝑡 13,15
 Maximum Queue length
Maksimal antrian yang terjadi di dalam sistem, dapat dilihat pada kolom
Q(t) berapa antrian terpanjang yang terjadi di dalam sistem. Pada kolom
tersebut menunjukkan nilai terbesar antrian adalah 3 entity.
 Utilization
Tingkat utilitas dalam sistem
𝑎𝑟𝑒𝑎 𝐵(𝑡) 11,14
× 100% = × 100% = 85%
𝑡 13,15

SIMULASI SISTEM INDUSTRI B10 90

3.5. Kesimpulan

1. Simulasi monte carlo pada umumnya mencakup proses pembuatan sampel

random untuk mengeneralisasikan hasil statistik.
2. Generate random menggunakan simulasi monte carlo dapat dilihat pada
tabel 3.4 untuk waktu antar kedatangan dan 3.5 untuk waktu proses.
3. Simulasi manual monte carlo dapat dilihat pada tabel 3.9 dan hasil
performansinya pada tabel 3.10

SIMULASI SISTEM INDUSTRI B10 91