Nama : Deby Aprisonia Siregar
NIM : 201731273
Kelas : F
Matkul: Simulasi dan Pemodelan
Dosen : Max Teja Ajie Cipta Widiyanto, S.Kom., M.Kom.
--------------------------------------------------------------------------------------------------------------------------
NIM : 201731273
Kelas : F
Matkul: Simulasi dan Pemodelan
Dosen : Max Teja Ajie Cipta Widiyanto, S.Kom., M.Kom.
--------------------------------------------------------------------------------------------------------------------------
Simulasi dan Pemodelan
Pemodelan merupakan kata dasar dari kata Model yang artinya abstraksi dari realitas, pada wujudnya kurang kompleks daripada realitas itu sendiri. Model dikatakan lengkap apabila dapat mewakili berbagai aspek dari realitas yang sedang dikaji. Contoh : Boneka merupakan model dari bentuk makhluk hidup.
Simulasi merupakan suatu teknik meniru operasi-operasi atau proses-proses yang terjadi dalam suatu sistem dengan bantuan perangkat komputer dan dilandasi oleh beberapa asumsi tertentu sehingga sistem tersebut bisa dipelajari secara ilmiah (Law and Kelton, 1991). Simulasi merupakan alat yang tepat untuk digunakan terutama jika diharuskan untuk melakukan eksperimen dalam rangka mencari komentar terbaik dari komponen-komponen sistem.
Sistem merupakan kumpulan objek yang saling berinteraksi dan bekerja sama untuk mencapai tujuan logis dalam suatu lingkungan yang kompleks. Ada beberapa cara untuk merancang, menganalisis dan mengoperasikan suatu sistem. Salah satu dengan melakukan pemodelan, membuat model dari sistem tersebut.
Dalam sistem terdapat 2 model yaitu :
1. Model Konseptual
2. Model Matematis.
CONTOH PENERAPAN SIMULASI DAN PEMODELAN :
CONTOH PENERAPAN SIMULASI DAN PEMODELAN :
· Simulasi peramalan cuaca
Berdasarkan hasil survey Stasiun Meteorologi dan Geofisika Lanud Adisucipto Yogyakarta prakiraan cuaca ditentukan oleh 4 hal yaitu : arah angin, tekanan udara, kelembaban udara, dan suhu udara. Maka dibuatlah suatu simulasi dengan perangkat lunak guna mengolah data-data tersebut yang keluarnya berupa ramalan cuaca. Dan karena cuaca sendiri bersifat tidak pasti, maka simulasi dibangun menggunakan logika fuzzy untuk dapat melakukan prakiraan cuaca.
· Simulasi pengisian antrian bahan bakar di SPBU
Pada SPBU Sering terjadi antrian yang panjang, antrian tersebut dapat dihindari apablia pihak-pihak terkait dapat mengidentifikasisampai dimana antrian tersebut dapat menguntungkan tau merugikan. Untuk mengatasi masalah tersebut maka perlu di buat simulasi antrian. Melalui simulasi yang dilakukan dapat dilihat ukuran kinerja dari system yang diamati, sehingga akan diperoleh output berupa usulan perbaikan dalam hal pelayanan agar pelayanan yang diberikan pada konsumen dapat dimaksimumkan.
· Simulasi penerbangan
Merupakan simulasi yang digunakan untuk mewujudkan gambaran penerbangan sebuah pesawat terbang yang mendekati kenyataan yang sebenarnya. Perbedaan tipe sebuah simulasi penerbangan dalam permainan komputer adalah ukuran dari kokpit dan dalam akurasi dari citra yang diolah oleh suatu keadaan dari seni teknologi komputer. Simulasi penerbangan sering digunakan oleh industri penerbangan dan militer untuk melatih pilot, simulasi bencana, dan pengembangan sebuah pesawat.
TUGAS.
"SIMULASI PELAYANAN PENGISIAN BAHAN BAKAR DI SPBU GUNUNG PANGILUN"
Antrian terjadi apabila waktu proses lebih besar dari pada waktu antar kedatangan. Dalam hal ini dilakukan pengamatan pada SPBU Gunung Pangilun. Tujuannya adalah untuk melihat bagaimana sistem antrian pada pengisian bahan bakar yang dikhususkan pada kendaraan roda dua. Ukuran performa dari sistem ini adalah jumlah antrian, waktu antrian dan nilai utilitas. Berdasarkan ukuran performa dari simulasi yang dilakukan inilah diberikan suatu usulan perbaikan terhadap sistem yang telah ada sehingga diperoleh sistem yang lebih baik (continuous improvement). Berdasarkan data pengamatan yang diperoleh lalu dibuatlah suatu model simulasi terhadap sistem yang diamati. Dalam penyelesaian permasalahan ini digunakan software arena. Hasil yang diperoleh dari simulasi tersebut adalah terlihat bahwa terjadinya antrian dari entiti yang diproses. Sehingga diberikan usulan skenario perbaikan yaitu penembahan server dengan tujuan permasalahan antrian dapat diatasi. Rekomendasi perbaikan yang diberikan berdasarkan hasil simulasi yang dilakukan adalah tidak perlu dilakukan penambahan server karena akan membuat menurunnya nilai utiliatas dari server tersebut. Sehingga menyebabkan kurang optimalnya pemanfaatan dari server tersebut.
Berdasarkan software
ARENA dapat disimpulkan Bahwa Fungsi Distribusi yangterpilih adalah Distribusi Poisson Kecocokan fungsi distribusi ini dipilihberdasarkan nilai Error paling kecil.
TUGAS.
"SIMULASI PELAYANAN PENGISIAN BAHAN BAKAR DI SPBU GUNUNG PANGILUN"
Antrian terjadi apabila waktu proses lebih besar dari pada waktu antar kedatangan. Dalam hal ini dilakukan pengamatan pada SPBU Gunung Pangilun. Tujuannya adalah untuk melihat bagaimana sistem antrian pada pengisian bahan bakar yang dikhususkan pada kendaraan roda dua. Ukuran performa dari sistem ini adalah jumlah antrian, waktu antrian dan nilai utilitas. Berdasarkan ukuran performa dari simulasi yang dilakukan inilah diberikan suatu usulan perbaikan terhadap sistem yang telah ada sehingga diperoleh sistem yang lebih baik (continuous improvement). Berdasarkan data pengamatan yang diperoleh lalu dibuatlah suatu model simulasi terhadap sistem yang diamati. Dalam penyelesaian permasalahan ini digunakan software arena. Hasil yang diperoleh dari simulasi tersebut adalah terlihat bahwa terjadinya antrian dari entiti yang diproses. Sehingga diberikan usulan skenario perbaikan yaitu penembahan server dengan tujuan permasalahan antrian dapat diatasi. Rekomendasi perbaikan yang diberikan berdasarkan hasil simulasi yang dilakukan adalah tidak perlu dilakukan penambahan server karena akan membuat menurunnya nilai utiliatas dari server tersebut. Sehingga menyebabkan kurang optimalnya pemanfaatan dari server tersebut.
Penelitian simulasi sistem ini menggunakan teknik pengambilan data langsung dengan metode pendekatan guess estimate. Langkah pertama yang dilakukan penulis adalah menganasis aliran aktifitas yang terjadi pada sistem. Setelah itu, penulis melakukan pengumpulan data ke lapangan dengan mengamati sampel data pada waktu tertentu, adapun data-data yang dikumpulkan penulis adalah data waktu kedatangan pelanggan sepeda motor yang masuk ke dalam sistem, waktu mulai operasi.
pengisian bahan bakar, dan waktu selesai melaksanakan operasi pengisian bahan bakar. Pengumpulan data ini dilaksanakan pada hari Sabtu, dari pukul 15.00 – 18.00 WIB, karena pada jam tersebut merupakanjam pengisian bahan bakar paling tinggi bagi sepeda motor.Langkah kedua, data yang telah dikumpulkan, direkapitulasi dengan bantuan software microsoft excel. Dilakukan pengolahan data dengan menghitung waktuantar kedatangan dari pelanggan sepedamotor dan waktu pelayanan dari masing-masing server. Setelah itu dilakukan penentuan jenis distribusi untuk waktu antarkedatangan dan waktu pelayanan baik untuk server 1 maupun server 2 dengan menggunakan bantuan software Arena Input Analyzer.
Langkah ketiga adalah perancangan model logika sesuai dengan keadaan sistem nyata yang telah dimodelkan sebelumnya. Perancangan model dengan Software Arena dilakukan dengan input data dari distribusi masing-masing beserta parameter yang digunakan. Lalu model dijalankan, dengan verifikasi dan validinasi supaya model yang dibuat bisa diterima dan benar-benar valid atau sesuai dengan sistem yang sebenarnya terjadi.
Langkah keempat adalah melaksanakan perbaikan terhadap sistem dengan menintegrasikan model-model baru berdasarkan dengan ukuran performansi yang digunakan. Perbaikan yang dilakukan dengan merancang skenario perbaikan dengan menggunakan software Arena Process Analyzer. Skenario perbaikan tidak lepas dari analisis-analisis yang penulis berikan pada sistem dengan melihat keluaran dari model yang telah disimulasikan, untuk mempermudah analisis ini dibantu dengan software Arena Output Analyzer.
Peralatan yang digunakan dalam pengumpulan data ini berupa jam digital, serta alat tulis seperti pena dan kertas. Pengolahan data dilakukan dengan menggunakan perangkat komputer pada umunya.
HASIL DAN PEMBAHASAN
Pemodelan
Berikut merupakan ukuran kinerja dari sistem yang diamati :
- Jumlah antrian kendaraan
- Lama kendaraan berada di dalam antrian (panjang antrian pada masing-masing server)
- Nilai utilitas pada masing-masing server. Berikut merupakan entiti dari sistem yang diamati yaitu server dan kendaraan roda dua (pelanggan). Untuk melihat aktifitas, input, output dan mekanisme yang terjadi pada sistem,
dapat dilihat pada tabel 1 berikut.
Untuk melihat jenis aliran aktifitas
yang terjadi pada sistem,
GAMBAR 1. Activity Cycle Diagram
GAMBAR 2. Event Graph
Data yang dikumpulkan terbagi atas 2
yaitu data waktu kedatangan adalah sebagai berikut.
TABEL 2. Data Waktu Kedatangan
|
kendaraan
|
waktu
|
waktu antar
|
kendaraan
|
waktu
|
waktu antar
|
|
ke-
|
kedatangan
|
kedatangan
|
ke-
|
kedatangan
|
kedatangan
|
|
1
|
9:00:01
|
0,00
|
41
|
14:04:46
|
405,00
|
|
2
|
9:00:05
|
4,00
|
42
|
14:36:01
|
1875,00
|
|
3
|
9:00:40
|
35,00
|
43
|
14:38:31
|
150,00
|
|
4
|
9:00:45
|
5,00
|
44
|
14:38:46
|
15,00
|
|
5
|
9:00:55
|
10,00
|
45
|
14:39:31
|
45,00
|
|
6
|
9:01:00
|
5,00
|
46
|
14:51:31
|
720,00
|
|
7
|
9:05:08
|
248,00
|
47
|
15:00:16
|
525,00
|
|
8
|
9:05:47
|
39,00
|
48
|
15:01:01
|
45,00
|
|
9
|
9:06:00
|
13,00
|
49
|
15:15:31
|
870,00
|
|
10
|
9:06:08
|
8,00
|
50
|
15:27:01
|
690,00
|
|
11
|
9:17:01
|
653,00
|
51
|
15:28:31
|
90,00
|
|
12
|
9:17:46
|
45,00
|
52
|
15:29:16
|
45,00
|
|
13
|
9:30:31
|
765,00
|
53
|
15:33:16
|
240,00
|
|
14
|
9:30:34
|
3,00
|
54
|
15:34:01
|
45,00
|
|
15
|
9:30:40
|
6,00
|
55
|
15:41:31
|
450,00
|
|
16
|
9:40:16
|
576,00
|
56
|
15:48:31
|
420,00
|
|
17
|
9:50:01
|
585,00
|
57
|
15:53:46
|
315,00
|
|
18
|
10:19:31
|
1770,00
|
58
|
16:04:01
|
615,00
|
|
19
|
10:19:46
|
15,00
|
59
|
16:04:05
|
4,00
|
|
20
|
10:22:16
|
150,00
|
60
|
16:04:08
|
3,00
|
|
21
|
10:27:46
|
330,00
|
61
|
16:04:13
|
5,00
|
|
22
|
10:29:46
|
120,00
|
62
|
16:04:18
|
5,00
|
|
23
|
10:45:46
|
960,00
|
63
|
16:04:21
|
3,00
|
|
24
|
11:13:31
|
1665,00
|
64
|
16:04:25
|
4,00
|
|
25
|
11:45:46
|
1935,00
|
65
|
16:04:32
|
7,00
|
|
26
|
11:58:16
|
750,00
|
66
|
16:04:36
|
4,00
|
|
27
|
12:02:01
|
225,00
|
67
|
16:04:45
|
9,00
|
|
28
|
12:02:46
|
45,00
|
68
|
16:04:48
|
3,00
|
|
29
|
12:10:16
|
450,00
|
69
|
16:04:53
|
5,00
|
|
30
|
12:39:16
|
1740,00
|
70
|
16:05:08
|
15,00
|
|
31
|
12:51:01
|
705,00
|
71
|
16:05:21
|
13,00
|
|
32
|
13:02:16
|
675,00
|
72
|
16:05:25
|
4,00
|
|
33
|
13:02:46
|
30,00
|
73
|
16:05:32
|
7,00
|
|
34
|
13:12:16
|
570,00
|
74
|
16:05:36
|
4,00
|
|
35
|
13:14:46
|
150,00
|
75
|
16:05:43
|
7,00
|
|
36
|
13:43:16
|
1710,00
|
76
|
16:05:46
|
3,00
|
|
37
|
13:45:46
|
150,00
|
77
|
16:05:51
|
5,00
|
|
38
|
13:50:31
|
285,00
|
78
|
16:05:55
|
4,00
|
|
39
|
13:55:01
|
270,00
|
79
|
16:06:23
|
28,00
|
|
40
|
13:58:01
|
180,00
|
80
|
16:06:36
|
13,00
|
Data yang digunakan adalah data pengamatan dari jam
15.00-18.00 WIB, yaitu data waktu kedatangan, waktu pelayanan dan waktu antar
kedatangan. Data inilah yang kemudian diolah menggunakan software arena
sehingga diperoleh distribusi yang tepat terhadap pola sebaran data tersebut.
Berdasarkan hasil inilah kemudian dibangkitkan data sehingga pengamatan menjadi
dari jam 08.00-21.00 WIB. Berikut merupakan hasil perhitungan software Arena.
Berdasarkan software ARENA dapat disimpulkan Bahwa
Fungsi Distribusi yang terpilih untuk Waktu Antar Kedatangan adalah Distribusi
Weibull. Kecocokan fungsi distribusi ini dipilih berdasarkan nilai Error paling
kecil.
Distribution: Weibull
Expression: 3
+ WEIB(133, 0.403)
Square Error:
0.018133
GAMBAR 3. Waktu Antar Kedatangan
TABEL 3. Data Waktu Pelayanan
|
kendaraan
|
waktu
|
waktu
|
kendaraan
|
waktu
|
waktu
|
|
ke-
|
kedatangan
|
pelayanan
|
ke-
|
kedatangan
|
pelayanan
|
|
1
|
9:00:01
|
30
|
41
|
14:04:46
|
36
|
|
2
|
9:00:05
|
30
|
42
|
14:36:01
|
29
|
|
3
|
9:00:40
|
35
|
43
|
14:38:31
|
37
|
|
4
|
9:00:45
|
24
|
44
|
14:38:46
|
31
|
|
5
|
9:00:55
|
29
|
45
|
14:39:31
|
34
|
|
6
|
9:01:00
|
34
|
46
|
14:51:31
|
24
|
|
7
|
9:05:08
|
35
|
47
|
15:00:16
|
28
|
|
8
|
9:05:47
|
30
|
48
|
15:01:01
|
29
|
|
9
|
9:06:00
|
28
|
49
|
15:15:31
|
30
|
|
10
|
9:06:08
|
29
|
50
|
15:27:01
|
24
|
|
11
|
9:17:01
|
22
|
51
|
15:28:31
|
26
|
|
12
|
9:17:46
|
36
|
52
|
15:29:16
|
30
|
|
13
|
9:30:31
|
32
|
53
|
15:33:16
|
33
|
|
14
|
9:30:34
|
23
|
54
|
15:34:01
|
33
|
|
15
|
9:30:40
|
22
|
55
|
15:41:31
|
31
|
|
16
|
9:40:16
|
29
|
56
|
15:48:31
|
25
|
|
17
|
9:50:01
|
31
|
57
|
15:53:46
|
30
|
|
18
|
10:19:31
|
37
|
58
|
16:04:01
|
26
|
|
19
|
10:19:46
|
30
|
59
|
16:04:05
|
33
|
|
20
|
10:22:16
|
21
|
60
|
16:04:08
|
20
|
|
21
|
10:27:46
|
27
|
61
|
16:04:13
|
29
|
|
22
|
10:29:46
|
27
|
62
|
16:04:18
|
26
|
|
23
|
10:45:46
|
27
|
63
|
16:04:21
|
28
|
|
24
|
11:13:31
|
33
|
64
|
16:04:25
|
20
|
|
25
|
11:45:46
|
28
|
65
|
16:04:32
|
23
|
|
26
|
11:58:16
|
27
|
66
|
16:04:36
|
21
|
|
27
|
12:02:01
|
35
|
67
|
16:04:45
|
26
|
|
28
|
12:02:46
|
23
|
68
|
16:04:48
|
29
|
|
29
|
12:10:16
|
28
|
69
|
16:04:53
|
28
|
|
30
|
12:39:16
|
29
|
70
|
16:05:08
|
43
|
|
31
|
12:51:01
|
26
|
71
|
16:05:21
|
27
|
|
32
|
13:02:16
|
42
|
72
|
16:05:25
|
21
|
|
33
|
13:02:46
|
35
|
73
|
16:05:32
|
32
|
|
34
|
13:12:16
|
40
|
74
|
16:05:36
|
30
|
|
35
|
13:14:46
|
50
|
75
|
16:05:43
|
30
|
|
36
|
13:43:16
|
33
|
76
|
16:05:46
|
33
|
|
37
|
13:45:46
|
23
|
77
|
16:05:51
|
27
|
|
38
|
13:50:31
|
35
|
78
|
16:05:55
|
30
|
|
39
|
13:55:01
|
37
|
79
|
16:06:23
|
24
|
|
40
|
13:58:01
|
32
|
80
|
16:06:36
|
35
|
Distribution: Normal
Expression: NORM(29.7,
5.45)
Square
Error: 0.011001
GAMBAR 4.
Waktu Antar Pelayanan
Proses
yang terjadi dalam model simulasi terbagi atas beberapa event yaitu:
Proses Kedatangan Kendaraan
Proses
ini digambarkan dengan modul Create. Setelah kendaraan datang maka akan
dilakukan proses pengisian bahan bakar.
Proses Pemilihan Server Pengisian
Bahan Bakar.
Proses
ini digambarkan dengan modul
Decides. Setelah masuk kedalam sistem,
maka kendaraan akan memilih server pengisian bahan bakar.
• Proses
Pengisian Bahan Bakar
Proses ini digambarkan dengan modul
Process. Pengisian dilakukan di dua server.
• Proses
Meninggalkan server
Proses ini digambarkan dengan modul
Process. Proses ini dilakukan setelah pengisian bahan bakar selesai dan lokasi
yang digunakan sama dengan pada saat masuk.
Adapun model logika sistem adalah
sebagai berikut.
GAMBAR 5. Model Logika Arena
Pengisian data padan modul-modul Arena
dapat dilihat pada gambar 6, 7, 8, dan 9 berikut.
GAMBAR 6. Modul Kedatangan
GAMBAR 7. Modul Proses pada Server 1
GAMBAR 8. Modul Proses pada Server 2
GAMBAR 9. Jumlah Replikasi
Verifikasi bertujuan untuk membuktikan
apakah model yang telah dibuat sudah benar. Dalam hal ini teknik verifikasi
yang digunakan adalah Animation. Dimana jalannya operasi dari model tersebut
dapat dilihat secara langsung selama simulasi tersebut dijalankan.
GAMBAR 10. Verifikasi Model dengan Arena
Validasi bertujuan untuk melihat apakah
output dari model yang dibuat sudah sesuai dengan tujuan yang diinginkan dan
sistem nyata. Teknik yang digunakan adalah Turing Tests. Dimana analisis dapat
dilakukan dengan melihat output yang dihasilkan dengan ukuran performa yang
ditetapkan yaitu panjang antrian, lamanya antrian dan utilitas.
KESIMPULAN
Berdasarkan
hasil simulasi tersebut maka didapatkan kesimpulan bahwa pelanggan yang
melakukan pengisian bahan bakar pada SPBU Gunung Pangilun, yaitu rata-rata 168
pelanggan per hari. Sedangkan kedua fasilitas server mempunyai Nilai Utilisasi
yang sama yaitu 0,066 untuk server 1 dan 0,062 untuk server 2.
Untuk
alternatifperbaikan sistem adalah dengan mengoptimalkan fasilitas-fasilitas
yang dimiliki oleh SPBU Gunung Pangilun, serta melakukan perbaikan-perbaikan
dari segi infrastruktur agar mampu menarik perhatian pelanggan. Hal ini dapat
dilihat dari nilai utilisasi server masih sangat rendah, dalam artian jumlah
pelanggan masih sedikit.
Saran
yang diberikan penulis untuk perbaikan penelitian ini:
-
Melakukan penelitian
simulasi untuk kendaraan roda
empat dan secara keseluruhan.
-
Ukuran performansi yang digunakan tidak
hanya nilai utilisasi saja.
GAMBAR 1. Algoritma Simulasi untuk Kedatangan
GAMBAR 2. Algoritma Simulasi untuk Departure
DAFTAR PUSTAKA
·
D.W.
Kelton, Simulation with ARENA, 2nd edition, McGraw Hill Companies, 2000.
·
P.
Subagyo et al. Dasar – Dasar Operations Research. BPFE. Yogyakarta, 2000. Diambil dari
artikel oleh Dio Putera Hasian,
Aldie Kur’anul Putra
Jurusan Teknik
Industri, Fakultas Teknik, Universitas Andalas
link artikel : http://josi.ft.unand.ac.id/index.php/josi/article/view/140
0 komentar:
Posting Komentar