Post on 09-Dec-2015
description
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Suatu sistem yang digunakan untuk memecahkan atau menguraikan persoalan-
persoalan dalam kehidupan nyata yang penuh dengan ketidakpastian dengan tidak
atau menggunakan model atau metode tertentu dan lebih ditekankan pada
pemakaian komputer untuk mendapatkan solusinya merupakan pengertian dari
simulasi. Dengan adanya simulasi, suatu sistem dapat dipelajari secara mendalam
sehingga akan dapat ditemukan masalah-masalah yang menghambat sistem
tersebut serta dapat dicari solusi pemecahannya.
Dalam simulasi terdapat berbagai macam paket software misalnya SIMAN,
SLAM, GPSS, ARENA, dan Promodel. Dengan menggunakan modern simulation
software diatas kita dapat menyimulasikan model dengan animasi visual yang dapat
mestimulasikan keinginan terhadap model dengan sistem yang kompleks dengan
lebih efektif.
Dengan praktikum kali ini, software yang digunakan adalah ProModel yang
merupakan software simulasi berbasis Windows yang digunakan untuk
mensimulasikan dan menganalisis suatu sistem. Software ini memberikan kombinasi
yang baik dalam pemakaian, fleksibilitas dan memodelkan suatu sistem nyata,
yaitu bagaimana sistem beroperasi, aliran bahan, logika operasi, kerja resource dan
lintasan kerjanya.
Untuk studi kasus ProModel ini, kami menggunakan Puskesmas, dimana
Puskesmas merupakan salah satu tempat pelayanan jasa dengan bermacam proses
dalam sistemnya yang dapat dianalisa melalui simulasi ProModel.
1.2 Tujuan
Tujuan dari pelaksanaan praktikum ini antara lain adalah:
1. Mengetahui dan memahami tentang sistem, model dan simulasi dari proses
pelayanan kesehatan di puskesmas.
2. Dapat menggunakan ProModel sebagai package software untuk simulasi proses
pelayanan kesehatan pada puskesmas.
2 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
3. Dapat menganalisa pemodelan simulasi proses pelayanan kesehatan puskesmas
dalam ProModel.
1.3 Manfaat
Manfaat yang dapat diperoleh dari pelaksanaan praktikum ini antara lain
adalah:
1. Praktikan dapat memahami tentang sistem, model, simulasi, dan komponen
simulasi dari proses pelayanan kesehatan di Puskesmas.
2. Praktikan mampu memodelkan sistem nyata menggunakan Petri Net dan
software Promodel serta mensimulasikannya untuk proses pelayanan kesehatan
puskesmas.
3. Praktikan dapat menganalisis hasil simulasi proses pelayanan puskesmas.
1.4 Batasan
Batasan dalam praktikum ini adalah sebagai berikut.
1. Jenis usaha yang diamati dan digunakan sebagai model simulasi merupakan
jenis usaha dalam bidang produk dan bidang jasa.
2. Sistem hanya untuk memodelkan berapa banyaknya pengunjung yang bisa
teratasi berdasarkan banyaknya spot tempat duduk yang disediakan oleh jenis
usaha.
3. Jumlah pengamatan selama 2 jam yang di lakukan dengan 5 kali replikasi.
1.5 Asumsi
Dalam praktikum ini asumsi yang digunakan adalah sebagai berikut.
1. Satu kelompok pengunjung dianggap sebagai satu entitas dalam sistem, jumlah
anggota pengunjung dalam sistem tidak dihitung per individu sebagai entitas
yang ada.
2. Waktu pengamatan dengan durasi 2 jam sehari dianggap dapat mewakili
keadaan sistem yang sebenarnya selama satu hari kerja (12 jam).
3. Tidak ada waktu istirahat.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
3
BAB II
TINJAUAN PUSTAKA
2.1 Sistem
Menurut Gordon B. Davis (1984) sebuah sistem terdiri dari bagian-bagian yang
saling berkaitan yang beroperasi bersama untuk mencapai beberapa sasaran atau
maksud tertentu. Sedangkan menurut Raymod Mcleod (2001), sistem adalah
himpunan dari unsur-unsur yang saling berkaitan sehingga membentuk suatu
kesatuan yang utuh dan terpadu.
2.1.1 Karakteristik Sistem
Sistem memiliki beberapa karakteristik antara lain:
1. Kejadian (event), merupakan suatu peristiwa yang dapat merubah keadaan
sistem.
2. Aktivitas (activity), merupakan suatu proses yang menyebabkan perubahan
dalam sistem yang dapat mengubah atribut maupun entity.
3. Hubungan (relationship), merupakan kesinambungan interaksi antara dua objek
atau lebih yang memudahkan proses pengenalan satu dengan yang lain.
4. Antar muka penghubung (interface), merupakan media penghubung antar sub-
sistem.
5. Elemen-elemen, merupakan komponen bagian dari sistem yang berupa entitas
atau sub-sistem:
a. Entitas : sebuah objek yang keberadaannya dapat dibedakan terhadap
objek lain dan dapat berupa orang, benda, tempat, kejadian, konsep serta
memiliki sejumlah atribut.
b. Subsistem : merupakan komponen atau bagian dari suatu sistem, bisa fisik
ataupun abstrak.
6. Atribut, merupakan sebutan, sifat atau karakteristik yang memiliki elemen
sistem. Terdapat dua macam atribut, yaitu:
a. Parameter adalah sesuatu yang bisa berubah-ubah, ditentukan dan melihat
pada hasil akhirnya yang pasti berbeda tiap perubahan nilai parameter.
Biasanya parameter digunakan dalam sebuah fungsi.
4 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
b. Variabel adalah sesuatu yang bisa berubah-ubah dan ditentukan tanpa
melihat hasil akhirnya,
7. Batas sistem (boundary), merupakan daerah yang membatasi antar sistem atau
lingkungan luarnya.
8. Lingkungan luar (environment), merupakan apapun diluar dari sistem yang
mempengaruhi operasi sistem.
9. Masukan sistem (input), merupakan suatu energi yang dimasukkan ke dalam
sistem.
10. Pengganggu (disturbance/noise), merupakan faktor-faktor yang menyebabkan
terjadinya kesalahan pada sistem.
11. Keluaran sistem (output), merupakan hasil dari energi yang diolah dan
diklasifikasikan menjadi keluaran.
12. Umpan balik (feedback), merupakan reaksi dan respon stakeholder atas sistem
yang lakukan.
13. Ukuran performansi sistem dibagi menjadi dua:
a. transientstate : Suatu tipikal kelakuan sistem yang tergantung pada kondisi
inisial (misalnya: booting up atau recovering dari suatu kegagalan komponen)
b. steadystate: kelakuan operasi normal dari sistem independen terhadap
kondisi inisial.
14. Proses pengolahan (transformation process), merupakan suatu proses yang akan
merubah masukan menjadi keluaran.
15. Perilaku sistem (behavior), merupakan perilaku dari sistem yang melibatkan
masukan, pengolahan dan keluaran.
2.1.2 Klasifikasi Sistem
Sistem dapat diklasifikasikan dari beberapa sudut pandang, diantaranya
sebagai berikut ini:
1. Sistem abstrak (abstract system) dan sistem fisik (physical system).
- Sistem abstrak (abstract system) adalah sistem yang berisi gagasan atau
konsep, misalnya sistem teologi yang berisi gagasan tentang hubungan
manusia dan tuhan.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
5
- Sistem fisik (physical system) adalah sistem yang secara fisik dapat dilihat,
misalnya sistem komputer, sistem sekolah, sistem akuntansi dan sistem
transportasi.
2. Sistem alamiah (natural system) dan sistem buatan manusia (human made
system).
- Sistem Alamiah (natural system) adalah sistem yang terjadi karena alam,
misalnya sistem tata surya.
- Sistem buatan manusia (human made system) adalah sistem yang dibuat oleh
manusia,misalnya sistem komputer.
3. Sistem tertentu (deterministic system) dan sistem tak tentu (probabilistic system).
- Sistem tertentu (deterministic system) adalah suatu sistem yang operasinya
dapat diprediksi secara tepat, misalnya sistem komputer.
- Sistem tak tentu (probabilistic system) adalah sistem yang tak dapat diramal
dengan pasti karena mengandung unsur probabilitas, misalnya sistem
arisan dan sistem sediaan, kebutuhan rata-rata dan waktu untuk
memulihkan jumlah sediaan dapat ditentukan tetapi nilai yang tepat sesaat
tidak dapat ditentukan dengan pasti.
4. Sistem tertutup (closed system) dan sistem terbuka (open system)
- Sistem tertutup (closed system) adalah sistem yang tidak bertukar materi,
informasi, atau energi dengan lingkungan, dengan kata lain sistem ini tidak
berinteraksi dan tidak dipengaruhi oleh lingkungan, misalnya reaksi kimia
dalam tabung yang terisolasi.
- Sistem terbuka (open system) adalah sistem yang berhubungan dengan
lingkungan dan dipengaruhi oleh lingkungan, misalnya sistem perusahaan
dagang.
2.2 Model
Model adalah pola (contoh, acuan, ragam) dari sesuatu yang akan dibuat atau
dihasilkan (Departemen P dan K, 1984:75). Definisi lain dari model adalah
abstraksi dari sistem sebenarnya, dalam gambaran yang lebih sederhana serta
mempunyai tingkat prosentase yang bersifat menyeluruh, atau model adalah
6 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
abstraksi dari realitas dengan hanya memusatkan perhatian pada beberapa sifat dari
kehidupan sebenarnya.
2.2.1 Stakeholder dari Pemodelan
Macam-macam stakeholder antara lain:
1. Problem owner, merupakan individu atau sekelompok orang yang memiliki
kewenangan mengendalikan permasalahan.
2. Problem user, merupakan individu atau sekelompok orang yang menggunakan
solusi model untuk memecahkan masalah, meningkatkan kinerja, dan
mengeksekusinya.
3. Problem customer, merupakan pihak yang mendapatkan manfaat atau menjadi
objek akibat penerapan solusi.
4. Problem analyst, merupakan pihak yang menganalisis masalah dan
mendapatkan solusi kemudian disampaikan kepada problem owner untuk
mendapatkan persetujuan.
2.2.2 Prinsip Model
Beberapa prinsip permodelan antara lain:
1. Elaborasi, merupakan suatu pembelajaran yang dikembangkan atau dirancang
dengan urutan dan pengorganisasian yang baik.
2. Iteratif, merupakan suatu pembelajaran yang dikembangkan dengan
pengulangan atau peninjauan-peninjauan kembali.
3. Sinektik, merupakan metode yang dibuat untuk mengembangkan pengenalan
masalah-masalah secara analogis. Dalam mengembangkan model sinektik ini
dapat menghasilkan 4 tipe analogi:
a. Analogi personifikasi : Dalam hal ini, analis berusaha membayangkan
dirinya mengalami masalah sistem nyata seperti yang dihadapi oleh
pengambil keputusan dalam perusahaan.
b. Analogi langsung : Analis mencari hubungan yang serupa di antara dua
atau lebih situasi problematik.
Contoh : Dalam merancang pondasi tiang listrik tegangan tinggi di daerah
rawa-rawa dapat dianalogikan dengan akar pohon kelapa di pantai.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
7
c. Analogi simbolik : Analis berusaha menemukan hubungan yang serupa
antara situasi problematik sistem nyata dengan proses simbolik.
Contoh : Laju mengalirnya air pada suatu tingkat volume tertentu dlam
bak dan laju pertumbuhan penduduk dari sejumlah penduduk suatu kota.
d. Analogi fantasi : Dalam membuat analogi fantasi, analis sama sekali bebas
mencari kesamaan antara situasi problematik yang dihadapi dan beberapa
masalah perusahaan lain yang bersifat khayali.
2.2.3 Klasifikasi Model
Berikut ini adalah klasifikasi model:
1. Berdasarkan fungsi:
a. Model deskriptif, yaitu memberikan gambaran sistem nyata.
b. Model prediktif, yaitu untuk meramalkan hasil dari kondisi tertentu.
c. Model normatif, yaitu memberikan jawaban ‘terbaik’ dari alternatif yang
ada.
2. Berdasarkan struktur:
a. Model ikonis, yaitu perwakilan fisik dari beberapa hal, baik dalam bentuk
ideal maupun skala yang berbeda.
b. Model analog, yaitu mewakili situasi dinamik atau keadaan yang berubah
menurut waktu.
c. Model simbolik, yaitu perwakilan dari realitas yang dikaji, dapat berupa
angka, simbol, dan rumus.
3. Berdasarkan acuan waktu:
a. Model statis, yaitu tidak memperhitungkan perubahan-perubahan karena
pengaruh waktu.
b. Model dinamis yaitu memperhitungkan faktor waktu dalam
menggambarkan suatu sistem nyata.
4. Berdasarkan tingkat ketidakpastian
a. Model deterministik, yaitu keluaran yang dihasilkan dapat diduga secara
pasti berdasarkan masukkannya.
b. Model probabilistik, yaitu mendasarkan pada teknik peluang dan
memperhitungkan ketidakmenentuan.
8 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
c. Model konflik, yaitu memiliki sifat alamiah pengambil keputusan berada
dalam pengendalian lawan.
5. Model tak pasti, yaitu dikembangkan untuk kondisi ketidakpastian mutlak.
Berdasarkan derajat kuantifikasi.
a. Model kualitatif, yaitu menggambarkan suatu mutu pada suatu realita.
Model kualitatif dibagi menjadi 2:
1) Model mental, yaitu menggambarkan proses berpikir manusia.
2) Model verbal, yaitu disajikan dalam bahasa sehari-hari.
b. Model kuantitatif, yaitu model yang variabelnya dapat dikuantifikasikan,
Model kuantitatif dibagi menjadi 4:
1) Model heuristik.: mencari jawaban terbaik tetapi bukan jawaban
optimum (contoh: keseimbangan lintasan produksi, TSP)
2) Model simulasi : mencari jawab yang baik dan menguntungkan untuk
masalah kompleks (simulasi kejadian diskrit)
3) Model optimum : untuk menentukan jawab terbaik
- Optimasi analitik mencari jawab terbaik melalui proses langsung
dan tidak berulang (analisis marjinal, analisis inkremental)
- Algoritmik mencari jawab terbaik melalui proses berulang dan
iteratif (metode simpleks, model transportasi)
4) Model statistik : mendeskripsikan dan menyimpulkan data
(pengukuran kerja, model korelasi dan regresi)
6. Berdasarkan acuan dimensi model dapat dibedakan menjadi dua macam yaitu:
a. Model dua dimensi, yaitu model yang terdiri dari dua faktor penentu.
b. Model multi dimensi, yaitu model yang terdiri dari banyak faktor penentu.
7. Berdasarkan acuan lingkungan, model dapat dibedakan menjadi dua macam,
yaitu:
a. Model loop terbuka, yaitu memiliki interaksi dengan lingkungannya.
b. Model loop tertutup, yaitu tidak memiliki interaksi dengan lingkungannya.
2.3 Simulasi
Kakiay (2003), Simulasi sebagai suatu sistem yang digunakan untuk
memecahkan atau menguraikan persoalan dalam kehidupan nyata yang penuh
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
9
dengan ketidakpastian dengan tidak atau menggunakan model atau metode
tertentu dan lebih ditekankan pada pemakaian komputer untuk mendapatkan
solusinya.
Pengertian lain simulasi juga merupakan suatu metodologi untuk
melaksanakan percobaan dengan menggunakan model dari suatu sistem nyata,
juga merupakan model dari suatu sistem nyata dimana sistem tersebut dimodelkan
dengan menggunakan sebuah software yang berfungsi untuk menirukan perilaku
sistem nyata.
2.3.1 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 ini merupakan penjelasan dari beberapa
elemen dasar pemodelan:
1. Entities, yaitu segala sesuatu yang dapat diproses.
2. Activity, yaitu kegiatan yang dilakukan di dalam sistem yang mempengaruhi
entitas baik secara langsung dan tidak langsung.
3. Resources, yaitu alat/operator untuk menjalankan aktivitas.
4. Controls, yaitu segala sesuatu yang menentukan bagaimana, kapan, dan di
mana aktivitas berjalan.
2.3.2 Software Simulasi
Dalam Pemodelan Simulasi dikenal dua software yang paling umum digunakan
yaitu programming language dan simulation application.
2.3.2.1 Programming Language
Programming language adalah salah satu bahasa ataupun tata cara yang dapat
digunakan oleh manusia (programmer) untuk berkomunikasi secara langsung
dengan komputer. Secara umum programming language dibagi menjadi dua, yaitu
high level language dan low level language. High level language lebih mudah dipelajari
karena semua kalimat, kata ataupun aturan yang ada di dalam high level
10 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
lenguagejuga merupakan kalimat, kata ataupun aturan yang digunakan dalam
kehidupan sehari – hari.
2.3.2.2 Simulation Application
Simulation application adalah suat program (software) yang berfungsi untuk
menirukan atau memodelkan suatu perilaku sistem nyata sehingga hasilnya dapat
dianalisis dan dipelajari. Secara umum simulation application dibagi menjadi dua,
yaitu: general purposes application yang dapat digunakan secara umum untuk berbagai
macam tugas/tujuan dan special purposes application yang memiliki tugas atau tujuan
yang spesifik dan lebih lengkap.
2.4 Pemodelan dengan Promodel
Salah satu software aplikasi simulasi yang sering digunakan untuk memudahkan
proses pemodelan adalah Promodel. Dalam aplikasi ini digunakan pendekatan
kejadian dan aktivitas yang digambarkan dengan Petri Net.
2.4.1 Definisi Promodel
Promodel merupakan sebuah alat simulasi discrete-event (menggunakan metode
statistik untuk menghasilkan perilaku acak dan melakukan estimasi kinerja model)
berbasis Windows yang tepat untuk menyimulasikan dan menganalisis sistem
produksi dengan berbagai tipe dan ukuran. Promodel memiliki user interface yang
mudah digunakan, fleksibilitas yang tinggi untuk dapat memodelkan nyaris semua
situasi, dan kemampuan animasi yang realistis. Promodel berfokus pada utilisasi
sumber daya, kapasitas produksi, produktivitas, dan level inventori. Aplikasi ini
didesain untuk memodelkan sistem yang memiliki kejadian-kejadian dengan waktu
yang terbatas.
2.4.2 Struktur Elemen Promodel
Terdapat lima struktur elemen utama pada promodel yakni locations, entities,
arrivals. processing, variable, path network dan resources.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
11
1. Locations menggambarkan tempat atau lokasi yang pasti dalam sistem tempat
entitas memiliki rute untuk berbagai aktivitas dalam sistem tersebut.
2. Entities merupakan segala sesuatu yang bisa diproses dalam sebuah model.
Enttitas dalam promodel adalah unit diskrit yang dapat digabungkan.
3. Arrivals merupakan sebuah mekanisme yang mendefinisikan bagaimana entitas
memasuki sistem. Setiap entitas yang memasuki sistem akan memiliki protokol
kedatangannya masing-masing. Entitas bisa datang per unit maupun per batch.
4. Processing mendeskripsikan operasi yang terjadi dalam locations.
5. Variable merupakan cara untuk melacak sistem, lokasi, dan performansi entitas.
Selain itu dapat pula digunakan untuk kepentingan verifikasi.
6. Path nwtwork digunakan untuk membatasi gerak dalam model.
7. Recources dapat berupa orang, alat, atau perlengkapan yang melakukan fungsi
berikut: memindahkan entitas, membantu proses operasi, melakukan
perawatan lokasi, dan melakukan perawatan resource.Resources dibagi menjadi
dua yaitu dinamis yang membutuhkan path network dan statis.
2.4.3 Konsep Pemodelan Promodel
Dalam proses pemodelan menggunakan Promodel terdapat beberapa konsep
yang lazim digunakan yaitu batching, accumulation of entities, dan splitting.
2.4.3.1 Batching Multiple Entity of Similar Type
Batching merupakan sebuah istilah yang merujuk pada digabungkannya atau
dikumpulkannya beberapa entitas untuk tujuan operasi atau perpindahan entitas.
Batching dapat dilakukan secara sementara maupun permanen.
2.4.3.1.1 Temporary Batching Using Group/Ungroup
Pernyataan GROUP dalam Promodel akan membuat beberapa entitas bergabung
namun dapat kembali dipisahkan pada proses selanjutnya dengan pernyataan
UNGROUP. Hal inilah yang disebut dengan temporary batching. Entitas yang telah
digabungkan akan memiliki identitas dan atribut tersendiri yang berbeda dari
entitas awalnya. Setelah entitas kembali dipisahkan dengan pernyataan UNGROUP,
12 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
masing-masing entitas tersebut dapat kembali ke entitas awalnya dengan antribut
dan identitas yang telah ditetapkan di awal.
2.4.3.1.2 Permanent Combine
Dalam Promodel pernyataan COMBINE digunakan untuk mengumpulkan dan
menggabungkan sejumlah tertentu entitas menjadi satu entitas tunggal dengan
nama yang berbeda. Entitas yang telah digabungkan akan kehilangan identitas dan
atribut awal mereka dan tidak dapat dipisahkan lagi setelahnya.
2.4.3.2 Accumulation of Entities
Pernyataan ACCUM dalam Promodel merupakan suatu cara untuk
mengumpulkan entitas. Entitas akan ditahan di suatu lokasi tertentu sampai
sejumlah kuantitas yang ditetapkan terpenuhi. Pernyataan ini bersifat seperti
sebuah gerbang yang menahan entitas sampai tercapai jumlah tertentu sebelum
Promodel melepaskan entitas tersebut untuk proses lebih lanjut. Pada saat
menggunakan pernyataan ACCUM, harus dipastikan bahwa setidaknya kapasitas
lokasi yang digunakan sama besar dengan jumlah entitas yang dikumpulkan.
2.4.3.3 Splitting of One Entity into Multiple Entity
Dalam Promodel sebuah entitas dapat dipisahkan menjadi jumlah yang spesifik
dengan nama entitas yang berbeda, dan dengan biaya serta waktu pengerjaan yang
berbeda untuk masing-masing entitas baru tersebut. Entitas-entitas baru tersebut
akan memiliki atribut yang sama dengan entitas awalnya. Untuk melakukan hal
tersebut digunakan pernyataan SPLIT AS.
2.5 Teori Antrian
Analisis antrian pertama kali diperkenalkan oleh A.K. Erlang (1913) yang
mempelajari fluktuasi permintaan fasilitas telepon dan keterlambatan
pelayanannya. Saat ini analisis antrian banyak diterapkan di bidang bisnis (bank,
supermarket), industri (palayanan mesin otomatis), tansportasi (pelabuhan udara,
pelabuhan laut, jasa-jasa pos) dan lain-lain. Analisis antrian memberikan informasi
probabilitas yang dinamakan operation characteristics yang dapat membantu
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
13
pengambil keputusan dalam merancang fasilitas pelayanan antrian untuk mengatasi
permintaan pelayanan yang fluktuatif secara random dan menjaga keseimbangan
antara biaya pelayanan dan biaya menunggu.
2.5.1 Komponen Dasar Antrian
Berikut ini adalah penjelasan mengenai komponen dasar antrian, yaitu
meliputi kedatangan, pelayanan, dan antri :
1. Kedatangan
Setiap masalah antrian melibatkan kedatangan, misalnya orang, mobil, atau
panggilan telepon untuk dilayani. Unsur ini sering disebut proses input. Proses
input meliputi sumber kedatangan atau biasa dinamakan calling population dan
cara terjadinya kedatangan yang umumnya merupakan proses random.
2. Pelayanan
Pelayan atau mekanisme pelayanan dapat terdiri dari satu atau lebih pelayan,
atau satu atau lebih fasilitas pelayanan. Contohnya pada sebuah check out
counter dari suatu supermarket terkadang hanya ada seorang pelayan, tetapi
bisa juga diisi seorang kasir dengan pembantunya untuk memasukkan barang-
barang ke kantong plastik. Sebuah bank dapat mempekerjakan seorang atau
banyak teller. Di samping itu, perlu diketahui cara pelayanan dirampungkan,
yang kadang-kadang merupakan proses random. Menurut Parasuraman (dalam
Tjiptono, 1997) aspek-aspek mutu atau kualitas pelayanan adalah:
a. Keandalan (reliability)
Yaitu kemampuan memberikan pelayanan yang dijanjikan dengan segera,
akurat dan memuaskan, jujur, aman, tepat waktu, ketersediaan.
Keseluruhan ini berhubungan dengan kepercayaan terhadap pelayanan
dalam kaitannya dengan waktu.
b. Ketanggapan (responsiveness)
Yaitu keinginan para pegawai atau karyawan membantu konsumen dan
memberikan pelayanan itu dengan tanggap terhadap kebutuhan konsumen,
cepat memperhatikan dan mengatasi kebutuhan-kebutuhan.
14 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
c. Jaminan (assurance)
Mencangkup kemampuan, pengetahuan, kesopanan dan sifat dapat
dipercaya yang dimiliki pada karyawan, bebas dari bahaya, resiko, keragu-
raguan, memiliki kompetensi, percaya diri dan menimbulkan keyakinan
kebenaran (obyektif).
d. Empati dan kepedulian (emphaty)
Meliputi kemudahan dalam melakukan hubungan komunikasi yang baik
dan memahami kebutuhan konsumen yang terwujud dalam penuh
perhatian terhadap setiap konsumen, melayani konsumen dengan ramah
dan menarik, memahami aspirasi konsumen, berkomunikasi yang baik dan
benar serta bersikap dengan penuh simpati.
e. Bukti langsung atau berwujud (tangibles)
Meliputi fasilitas fisik, peralatan pegawai, kebersihan, ruangan baik teratur
rapi, berpakaian rapi dan harmonis, penampilan karyawan atau
peralatannya dan alat komunikasi.
3. Antri
Inti dari analisis antrian adalah antri itu sendiri. Timbulnya antrian terutama
tergantung dari sifat kedatangan dan proses pelayanan. Penentu antrian lain
yang penting adalah disiplin antri. Disiplin antri adalah aturan keputusan yang
menjelaskan cara melayani pengantri, misalnya datang awal dilayani dulu yang
lebih dikenal dengan singkatan FCFS, datang terakhir dilayani dulu LCFS,
berdasar prioritas, berdasar abjad, berdasar janji, dan lain-lain. Jika tak ada
antrian berarti terdapat pelayan yang nganggur atau kelebihan fasilitas
pelayanan.
2.5.2 Disiplin Pelayanan Antrian
Disiplin Pelayanan Antrian adalah keputusan untuk melayani pengantri.
Menurut Siagian (1987), ada 5 jenis antrian yang biasa digunakan yaitu:
1. FirstCome FirstServed (FCFS) atau FirstIn FirstOut (FIFO) artinya, lebih dulu
datang (sampai), lebih dulu dilayani (keluar). Misalnya, antrian pada loket
bioskop.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
15
2. LastCome FirstServed (LCFS) atau LastIn FirstOut (LIFO) artinya, yang tiba
terakhir yang lebih dulu keluar. Misalnya, sistem antrian dalam elevator untuk
antrian yang sama orang yang tiba terakhirlah yang lebih dulu keluar.
3. Service In Random Order (SIRO) artinya, panggilan didasarkan pada peluang
secara random, tidak memerhatikan siapa yang lebih dulu tiba.
4. Priority Service (PS) artinya, prioritas pelayanan diberikan kepada pelanggan
yang memiliki prioritas lebih tinggi dibandingkan dengan pelanggan yang
memiliki prioritas lebih rendah. Meskipun pelanggan tersebut terakhir datang,
ada kemungkinan dia tiba lebih dulu dilayani. Contoh: ada pasien yang datang
terakhir ke UGD namun kondisinya sangat parah, sehingga ditangani lebih
dulu.
2.5.3 Disiplin Pelayanan Antrian
Ada 4 model struktur antrian dasar yang umum terjadi dalam seluruh sistem
antrian:
1. Single Channel – Single Phase
Single channel berarti hanya ada satu pelanggan yang masuk sistem pelayanan
atau hanya ada satu fasilitas pelayanan. Single phase berarti hanya ada satu
pelayanan.
Gambar 2.1 Single Channel – Single Phase
Sumber: Anonim. 2010. Service Characteristics
2. Single Channel – Multi Phase
Istilah multi phase menunjukkan ada dua atau lebih pelayanan yang
dilaksanakan secara berurutan (dalam fase-fase). Sebagai contoh: pencucian
mobil maupun motor.
16 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Gambar 2.2 Single Channel – Multi Phase
Sumber: Anonim. 2010. Service Characteristics
3. Multi Channel – Single Phase
Sistem multi channel-single phaseterjadi kapan saja di mana ada dua atau lebih
fasilitas pelayanan dialiri oleh antrian tunggal, sebagai contoh model ini
adalah: antrian pada teller sebuah bank.
Gambar 2.3 Multi Channel – Single Phase
Sumber: Anonim. 2010. Service Characteristics
4. Multi Channel- Multi Phase
Sistem multi channel multi phase adalah sistem yang mempunyai beberapa
fasilitas pelayanan pada setiap tahapannya. Contoh: registrasi mahasiswa di
universitas.
Gambar 2.4 Multi Channel – Multi Phase
Sumber: Anonim. 2010. Service Characteristics
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
17
2.6 Petrinet
Petrinet adalah salah satu model untuk merepresentasikan sistem terdistribusi
diskret. Sebagai sebuah model, Petrinet merupakan grafik dua arah yang terdiri
dari place, transition, dan tanda panah yang menghubungkan keduanya. Di samping
itu, untuk merepresentasikan keadaan sistem,token diletakkan pada place tertentu.
Ketika sebuah transition terpantik, token akan bertransisi sesuai tanda panah.
Petrinet pertama kali diajukkan oleh Carl Adam Petri pada tahun 1962.
Gambar 2.5 Contoh transaksi token pada petrinet
Sumber: Monica. 2009. Pemodelan dan simulasi sistem.pdf
Petrinet juga menyediakan tool grafis untuk spesifikasi formal sistem.
Komponen-komponen pada petri net yaitu:
1. Lingkaran (location): Mempresentasikan aktivitas (pasif/aktif) atatu
kondisi/status untuk mewakili komponen sistem.
Gambar 2.6 Lingkaran (location)
Sumber: Monica. 2009. Pemodelan dan simulasi sistem.pdf
2. Segiempat (transition): menggambarkan kejadian atau saat perubahan/transisi
kondisi.
Gambar 2.7 Segi empat (transition)
Sumber: Monica. 2009. Pemodelan dan simulasi sistem.pdf
3. Panah (flow reaction): mewakili hubungan yang ada antara transisi dan lokasi
atau mempresentasikan relasi urutan antar node yang menunjukan bahwa node
pendahulu berlanjut menjadi node berikutnya.
Activ
ity
Event
18 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Gambar 2.8 Panah (flow reaction)
Sumber: Monica. 2009. Pemodelan dan simulasi sistem.pdf
4. Token (marking): untuk menentukan keadaan dan menandai petrinet atau
mempresentasikan pergerakan location dari perubahan kondisi yang dialami
entitas.
Gambar 2.9 Token (marking)
Sumber: Monica. 2009. Pemodelan dan simulasi sistem.pdf
2.7 Verifikasi dan Validasi
Verifikasi dan validasi merupakan tahapan untuk menguji
kredibilitas/kesesuaian sistem nyata dengan model simulasi. Verifikasi adalah
proses pemeriksaan logika operasional model (program komputer) sesuai dengan
logika diagram alur (Hoover dan Perry, 1989). Validasi adalah proses penentuan
apakah model, sebagai konseptualisasi, merupakan representasi yang akurat dan
sesuai dengan sistem nyata (Hoover dan Perry, 1989).
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
19
BAB III
METODOLOGI PRAKTIKUM
3.1 Diagram Alir Praktikum
Gambar 3.1 Diagram alir praktikum
Sumber: Pengolahan data. 2013
20 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
3.2 Prosedur Praktikum
Prosedur yang dilakukan dalam praktikum ini adalah:
1. Studi pustaka yang dipelajari dari sumber referensi didapat.
2. Menyiapkan alat dan bahan yang digunakan selama praktikum.
3. Pengamatan lapangan pada lokasi studi kasus, dalam hal ini Puskesmas.
4. Pengolahan data yang didapat dari pengamatan, lalu penentuan distribusi,
menggunakan software Promodel dengan menginputkan data ke dalam menu
stat fit.
5. Pemodelan sistem dengan membuat Petri-Net sistem yang merupakan proses
membangun atau membentuk sebuah model dari suatu sistem nyata dalam
bahasa formal tertentu.
4. Simulasi sistem dengan ProModel,untuk menggambarkan cara kerja sistem
nyata sekalugus untuk mengetahui output sistem tersebut.
5. Verifikasi, apabila model sudah terverifikasi maka lanjut ke langkah 6,
sedangkan apabila tidak terverifikasi maka mengulang ke simulasi dengan
ProModel (langkah 4).
6. Validasi, apabila model sudah tervalidasi maka lanjut ke langkah 7, sedangkan
apabila tidak maka mengulang ke pengamatan lapangan (langkah 3).
7. Analisa dan pembahasan, mengenai input dan output yang telah diperoleh.
8. Kesimpulan dan saran
9. Selesai
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
21
BAB IV
HASIL DAN PEMBAHASAN
4.1 Gambaran Sistem
Sistem yang dibuat adalah sistem pelayanan jasa kesehatan yaitu puskesmas
yang terdiri dari beberapa proses. Proses pertama berupa proses kedatangan pasien
yaitu manusia (anak-anak, remaja, dewasa dan lansia) merupakan input dari sistem,
kemudian dilakukannya pendaftaran pasien. Setelah itu menuju ruang pemeriksaan
antara lain ada poli gigi, poli kia, poli umum ataupun poli lansia yang kemudian
dilakukannya proses pelayanan kesehatan. Selanjutnya dilakukan proses
pendaftaran resep dan terakhir dilakukan proses penebusan obat di kamar obat.
Setelah penebusan obat, pasien menuju tempat parkir untuk pulang.
Permasalahannya adalah adanya delay pada pencarian resep obat karena hanya ada
1 operator di proses penebusan obat di apotek.
Tabel 4.1 Data Hasil Pengamatan dalam menit
Loket Poli Gigi Poli KIA Poli Umum Poli Lansia Kamar Obat
6 14 14 35 2
7 10 10 5 6
6 20 10 26 5
6 24 14 4 11
5 24 14 24 3
8 4 20 14 9
7 22 15 9 4
5 19 13 35 3
5 21 14 21 8
5 14 11 4 3
9 26 12 14 3
6 12 18 20 13
6 12 13 32 1
5 17 6 10 4
6 20 14 27 10
4 12 13 15 14
5 37 13 19 8
5 21 17 15 5
6 16 14 18 13
6 13 16 27 4
6 28 4 16 5
4 42 22 11 16
22 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Tabel 4.1 Data Hasil Pengamatan dalam menit (lanjutan)
Loket Poli Gigi Poli KIA Poli Umum Poli Lansia Kamar Obat
5 17 14 6 5
5 12 37 35 4
7 21 16 7 4
3 44 29 20 10
3 7 9 34 2
7 24 17 11
5 7 19 8
5 26 6
4 7 4
6 7 8
7 42 8
3 6 3
7 3
4 4
4 8
5 7
4 4
5 4
6 12
4 6
5 5
5 7
5 2
5 3
6 12
6 4
6 3
6 8
Sumber: Pengolahan data. 2013
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
23
4.2 Flowchart Sistem
Flowchart sistem pelayanan jasa Puskesmas Sulfat ditunjukkan pada Gambar
4.1 di bawah ini.
Mulai
Inisialisasi
Q = antrian
Kedatangan
pasien
Masuk antrian
registrasi
Q = Q + 1
Apakah
operator sibuk?
Keluar antrian
Q = Q - 1
Registrasi
Masuk poli
Q = Q + 1
Operator Poli
gigi sibuk ?
Keluar antrian
( Q = Q – 1)
Apakah ke poli
giigi ?
Apakah ke poli
umum ?
Apakah ke poli
KIA ?
tidak
Masuk poli
Q = Q + 1
Operator Poli
Umum sibuk ?
Keluar antrian
( Q = Q – 1)
tidak
Masuk poli
Q = Q + 1
Operator Poli
KIA sibuk ?
Keluar antrian
( Q = Q – 1)
tidak
Masuk poli
Q = Q + 1
Operator Poli
Lansia sibuk ?
Keluar antrian
( Q = Q – 1)
Proses Pelayanan
di Poli
Proses Pelayanan
di Poli
Proses Pelayanan
di Poli
Proses Pelayanan
di Poli
Masuk kamar obat
Q = Q + 1
ya ya ya
Ya
tidak
Operator
Kamar obat
sibuk?
Q = Q - 1
Pelayanan di
Kamar Obat
Selesai
Gambar 4.1 Flowchart Sistem Puskesmas Sulfat
Sumber: Pengolahan data. 2013
24 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
4.3 Petri Net
Berikut adalah Petri Net dari sistem pelayanan Puskesmas.
Arrive Begin Begin End Begin End
CreateAntri
registrasiRegistrasi
Idle
Idle
POLI GIGI
POLI KIA
Idle
POLI UMUM
Idle
POLI LANSIA
Idle
Antri ambil
obat
Idle
Ambil obat Dispose
Begin End
Begin End
Begin End
Gambar 4.2 Petri Net Create
Sumber: Pengolahan data. 2013
4.4 Pengujian Distribusi Data
Penentuan distribusi data dilakukan dengan menginputkan data hasil
pengamatan pada StatFit, yaitu data masuk loket, data masuk poli (poli gigi, poli
KIA, poli umum, poli lansia), dan data masuk kamar obat.
Langkah-langkahnya adalah sebagai berikut :
1. Buka Promodel kemudian klik Tools lalu StatFit, lalu inputkan data ke dalam
Data Table.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
25
Gambar 4.3 Proses Memasukkan Data Poli GigiPada StatFit
Sumber: Pengolahan data. 2013
2. Klik Fit kemudian AutoFit, kemudian muncul banyak pilihan jenis distribusi,
pilih distribusi yang acceptance-nya do not reject dengan nilai rank terbesar.
Gambar 4.4 Automatic FittingData Poli Gigi
Sumber: Pengolahan data. 2013
Hasil pengujian distribusi data dengan StatFit untuk data waktu antar
kedatangan di loket menunjukkan bahwa distribusinya adalah Lognormal (3.,
0.851, 0.452). Untuk proses di poli gigi distribusi datanya mengikuti distribusi
Lognormal (4., 2.59, 0.628), pada proses di Poli KIA distribusinya adalah
Lognormal (4., 2.26, 0.674), proses pada Poli umum distribusinya adalah Uniform
(4., 35.) dan pada proses terakhir di kamar obat distribusi Lognormal (1., 1.46,
0.698)
4.5 Pembuatan Model Sistem Puskesmas
Langkah-langkah pembuatan model puskesmas sulfat adalah sebagai berikut:
1. Membuka software promodel 7.5
2. Klik menu Build lalu pilih:
a. Location
Memasukkan graphic ke dalam layout
26 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Gambar 4.5 Pembuatan location
Sumber: Pengolahan data. 2013
b. Entities
Memasukkan Pasien ke dalam entitas
Gambar 4.6 Pembuatan entities
Sumber: Pengolahan data. 2013
c. PathNetwork
1) Hubungkan tanda panah kearah lokasi-lokasi secara berurutan, mulai
dari kedatangan ke tempat antrian (Loc2), dari tempat antrian ke
tempat pendaftaran pasien, dari pendaftaran pasienmenuju ke poli
yang dibutuhkan antara lain ada poli gigi, poli kia, poli umum dna poli
lansia.Daripolimenuju ke kamar obat dan dari kamar obatke tempat
parkir atau depart out.
2) Klik node dan tarik garis ke lokasi proses dan diakhiri doubleclick.
Gambar 4.7 Pembuatan PathNetwork
Sumber: Pengolahan data. 2013
d. Resource
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
27
Dalam model ini, masukkan worker1yaitu perawat,dan worker2yaitu dokter
sebagai resources.
Gambar 4.8 Pembuatan Resources
Sumber: Pengolahan data. 2013
e. Processing
1) Memasukkan Pasien padaentity, lalu Kedatangan pada location, setelah
itu isi routing dengan Pasien sebagai entity, Loc2 sebagai destination.
Gambar 4.9 Pembuatan processing
Sumber: Pengolahan data. 2013
2) Memasukkan Pasien sebagai entity, lalu Loc2 pada location. Setelah itu
isi routing dengan Pasien sebagai entity, Pendaftaranpasien sebagai
destination, dan isi Rule dengan FIRST 1.
3) Memasukkan Pasien sebagai entity, lalu Pendaftaranpasien pada location,
lalu klik operation, isikan dengan WAIT N(4, 1) MIN. Setelah itu isi
routing pertama dengan Pasien sebagai entity, Poligigi sebagai destination,
dan isi Rule dengan 0,25. Isi routing kedua dengan Pasien sebagai entity,
Polikia sebagai destination, dan isi Rule dengan 0,4. Isi routing ketiga
dengan Pasien sebagai entity, Poliumum sebagai destination, dan isi Rule
28 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
dengan 0,3. Isi routing keempat dengan Pasien sebagai entity, Polilansia
sebagai destination, dan isi Rule dengan 0,05.
4) Memasukkan Pasien sebagai entity, lalu Poligigi pada location, lalu klik
operation, isikan dengan WAIT L(4, 2,54) MIN. Setelah itu isi routing
dengan Pasien sebagai entity, Kamarobat sebagai destination, dan isi Rule
dengan FIRST 1.
5) Memasukkan Pasien sebagai entity, lalu Polikia pada location, lalu klik
operation, isikan dengan WAIT N(20, 2) MIN. Setelah itu isi routing
dengan Pasien sebagai entity, Kamarobat sebagai destination, dan isi Rule
dengan FIRST 1.
6) Memasukkan Pasien sebagai entity, lalu Poliumum pada location, lalu
klik operation, isikan dengan WAIT N(20, 2) MIN. Setelah itu isi routing
dengan Pasien sebagai entity, Kamarobat sebagai destination, dan isi Rule
dengan FIRST 1.
7) Memasukkan Pasien sebagai entity, lalu Polilansia pada location, lalu klik
operation, isikan dengan WAIT N(18, 2) MIN. Setelah itu isi routing
dengan Pasien sebagai entity, Kamarobat sebagai destination, dan isi Rule
dengan FIRST 1.
8) Memasukkan Pasien sebagai entity, lalu Kamarobat pada location, lalu
klik operation, isikan dengan WAIT N(5, 1) MIN. Setelah itu isi routing
dengan Pasien sebagai entity, Parkir sebagai destination, dan isi Rule
dengan FIRST 1.
9) Memasukkan Pasien sebagai entity, lalu Parkir pada location, lalu klik
operation, isikan dengan WAIT E(2, 1) MIN. Setelah itu isi routing dengan
Pasien sebagai entity, EXIT sebagai destination, dan isi Rule dengan
FIRST 1.
f. Arrival
Buat Pasien ke dalam arrival, kemudian ubah location pada Kedatangan dan
occurence menjadi INFINITE. Isikan frequency dengan U(10,8)MIN.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
29
Gambar 4.10 Pembuatan arrival
Sumber: Pengolahan data. 2013
g. Variable
Dalam model ini, digunakan 2 buah variable yaitu: pasien_keluar yang
menunjukkan jumlah pasien yang telah selesai dilayani dan
pasien_onprocess yang menunjukkan jumlah pasien yang dilayani dalam
sistem.
Gambar 4.11 Pembuatan variable
Sumber: Pengolahan data. 2013
3. Simulation
Pilih option lalu isikan runtime dengan waktu yang dibutuhkan untuk proses
yakni 10 jam dan number of replication sebanyak 1 kali.
Gambar 4.12 Ilustrasi sistem puskesmas sulfat dalam promodel
Sumber: Pengolahan data. 2013
30 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
4.6 Analisis Hasil Simulasi
Berikut adalah analisis dari hasil sistem yang telah disimulasikan.
1. Total entries
Dari simulasi model dalam Promodel didapatkan total entries seperti tabel di
bawah ini:
Tabel 4.2 Total Entries
Sumber: Pengolahan data. 2013
Berdasarkan pada tabel 4.2 diatas, dapat disimpulkan bahwa dari hasil simulasi
sistem Puskesmas, totalentries pada kedatangan total entriesnya 54 pasien,
proses pendaftaran pasien 51 pasien, pada poli gigi yang masuk sebesar
10pasien, poli KIA 20 pasien, poli umum 15 pasien, poli lansia 5 pasien, pada
kamar obat 48 pasien, dan proses ke tempat parkir sebanyak 48 pasien. Adanya
entitas/pasien yang masih tertinggal saaat simulasi selesai dijalankan atau
berada pada posisi WIP menyebabkan jumlah entitas/pasien yang masuk ke
dalam sistem berbeda-beda pada tiap proses.
2. Total exit
Total customer yang keluar pada sistem ini tertera pada tabel hasil dari Promodel
berikut:
Tabel 4.3 Total Exit
Sumber: Pengolahan data. 2013
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
31
Berdasarkan pada tabel 4.3 diatas, dapat disimpulkan bahwa jumlah
entitas/pasien yang keluar dari sistem sebesar 58 pasien sedangkan pada
jumlah customer yang masuk sebesar 54 pasien. Adanya perbedaan jumlah ini
dapat disebabkan oleh adanya 4 pasien yang telah berada dalam sistem pada
saat sebelum simulasi selesai dijalankan.
3. Utilisasi lokasi
Utilisasi tiap lokasi pada sistem ditunjukkan pada tabel 4.4.
Tabel 4.4 Utilisasi Lokasi
Sumber: Pengolahan data. 2013
Dari tabel diatas, dapat disimpulkan bahwa utilisasi terbesar berada di proses
pendaftaran pasien sebesar 33.32%. Utilisasi pada lokasi kedatangan dan pada
poli tidak besar disebabkan proses-proses tersebut membutuhkan waktu
pelayanan yang jauh lebih sedikit dari pada pendaftaran dimana pasien
diharuskan mengisi formulir serta pengecekan kartu berobat dan juga
menunggu untuk dipanggil masuk poli. Dengan utilisasi yang sangat besar
pada pendaftaran pasien ini tentunya berdampak yang tidak baik bagi kineja
operatornya dikarenakan akan mudah merasa lelah yang mengakibatkan
produktivitas menurun, sehingga dibutuhkan perbaikan dari pihak
Puskesmas,misalnya dengan menambah jumlah operator yang ada.
4. Total failed
Jumlah total failed entitas pada sistem dapat dilihat pada tabel 4.5.
Tabel 4.5 Total Failed
Sumber: Pengolahan data. 2013
32 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Dari tabel diatas, dapat disimpulkan bahwa total failed pasien yang masuk ke
dalam sistem mempunyai nilai yang kecil yaitu 2. Hal ini dapat didukung
beberapa faktor, antara lain dapat teratasinya jumlah pasien yang masuk dan
langsung mendapatkan pelayanan pada poli, sehingga begitu ada pasien yang
datang lagi tidak terjadi penumpukan antrian yang terlalu penuh.
5. Current quantity in system
Didapatkan hasil nilai current quantity in system seperti pada tabel 4.6.
Tabel 4.6 Current Quantity in System
Sumber: Pengolahan data. 2013
Pada tabel diata merupakan hasil simulasi dari proses pelayanan puskesmas
dengan run time 2 jam replikasi 5 kali. Dapat dilihat bahwa jumlah pasien
yang masih ada dalam sistem pasa saat waktu simulasi berakhir berjumlah 2
untuk replikasi1, 1 replikasi ke 2, 1 untuk replikasi ke 3, 3 untuk replikasi ke 4
dan berjumlah 1 untuk replikasi ke 5.
Tabel 4.7 Current Quantity in System
Sumber: Pengolahan data. 2013
Pada tabel diatas merupakan hasil simulasi dari proses pelayanan puskesmas
dengan run time 10 jam replikasi 1 kali. Dari tabel 4.7 diatas, dapat dilihat
bahwa jumlah pasien yang masih berada pada sistem pada saat waktu simulasi
berakhir berjumlah 1 pasien.
6. Average time in operation
Jumlah hasil nilai average time in operationdapat dilihat pada tabel 4.7.
Tabel 4.8 Average Time in Operation
Sumber: Pengolahan data. 2013
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
33
Dari tabel 4.8, dapat dilihat bahwa rata-rata waktu yang dibutuhkan untuk
pasien berobat di Puskesmas adalah sebesar 12.72 menit.
4.7 Verifikasi dan Validasi
4.7.1 Verifikasi
Berikut ini merupakan hasil verifikasi dari perbandingan logika diagram alur
dan sistem pada permodelan:
Pada diagram alur proses yang terjadi berturut terjadi ketika pasien datang dan
antri registrasi, kemudian masuk ke salah satu poli dan dari poli dilanjutkan
menuju kamar obat, dan sesudah itu pasien kembali ke parkiran (Gambar 4.13).
Pada Gambar 4.14 yang menggambarkan jalannya sistem pada ProModel
menunjukkan bahwa jalannya sistem sudah sesuai dengan diagram alur, yaitu
kedatangan-antri registrasi-poli-kamar obat-parkiran.
Arrive Begin Begin End Begin End
CreateAntri
registrasiRegistrasi
Idle
Idle
POLI GIGI
POLI KIA
Idle
POLI UMUM
Idle
POLI LANSIA
Idle
Antri ambil
obat
Idle
Ambil obat Dispose
Begin End
Begin End
Begin End
Gambar 4.13 Petri Net Sistem
34 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
Gambar 4.14 ProModel Sistem
4.7.2 Validasi
Validasi pada sistem puskesmas ini dilakukan terhadap jumlah entitas yang
masuk dan keluar, waktu proses terbanyak, dan waktu tunggu. Langkah pengujian
validasi dilakukan dengan cara sebagai berikut:
A. Validasi jumlah entitas masuk dan keluar
1. Buka program yang telah dibuat pada Promodel.
2. Pada Report Selection, pilih <All> pada Replication. Klik OK.
Gambar 4.15 Proses validasi pada Promodel
Sumber: Pengolahan data. 2013
3. Pada General Report, klik Location untuk mengetahui Total Entries dan klik
Entity Activities untuk mengetahui Total Exits, sehingga akan muncul
hasil/data seperti pada tabel 4.3, dengan total replikasi sebanyak 5 kali.
Tabel 4.9Total In dan Total Out Replikasi Total In Total Out
Data Simulasi Data Nyata Data Simulasi Data Nyata
1 19 21 17 18
2 16 22 13 19
3 18 22 15 19
4 14 19 12 16
5 19 18 17 15
Sumber: Pengolahan data. 2013
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
35
Selanjutnya data tersebut diuji menggunakan software SPSS.Sebelum
melakukan validasi menggunakan SPSS, maka data harus diuji kenormalan terlebih
dahulu. Langkah-langkahnya sebagai berikut:
a. Aktifkan variable view dan isikan nama variabel, kemudian isikan data pada data
view.
b. Klik analyze, pilih Descriptive statistic, kemudian pilih Explore dan masukkan
variabel total_in ke dalam Dependent list.
c. Klik ok, maka akan muncul ouput seperti pada Tabel 4.10
Tabel 4.10 Uji kenormalan data Total_in dan Total_out
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Total_in ,176 10 ,200* ,933 10 ,474
Total_out ,147 10 ,200* ,940 10 ,557
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Hipotesis:
H0 = data total in/total out berdistribusi normal
H1 = data total in/total out tidak berdistribusi normal
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
d. Kesimpulan, karena nilai Asymp. Sig. (2-tailed) = 0,2/2 = 0,1 < 0,025 maka Ho
diterima, artinya data Total_in berdistribusi normal. Begitu juga untuk data
Total out karena nilai Asymp. Sig. (2-tailed) = 0,2/2 = 0,1 ≥ 0,025 maka Ho
diterima, artinya data Total out berdistribusi normal.
Setelah dilakukan uji kenormalan pada data, maka diputuskan untuk
menggunakan uji parametrik independent sample t-test untuk data Total-in maupun
Total_out. Langkah pengujian validasi yang dilakukan menggunakan SPSS adalah:
36 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
a. Aktifkan variable view danisikan nama variabel, kemudian isikan data pada data
view.
b. Klik analyze, pilih Compare means, kemudian pilih independent sample t-test.
c. Masukkan variabel pada kotak test variable.
d. Untuk menentukan grup, klik define groups. Selanjutnya pada kotak dialog
groups, tuliskan “1” untuk group 1 dan “2” untuk group 2. Lalu klik continue.
e. Klik tombol options, kemudian centang descriptive dan pilih Exclude cases by
analysis, lalu klik continue, kemudian klik OK.
f. Kemudian akan muncul output seperti dalam tabel 4.11 dan 4.12 di bawah ini.
Tabel 4.11 Uji Validasi Data Total_in
Independent Samples Test
Levene's Test for Equality of Variances t-test for Equality of Means
F Sig. t df Sig. (2-tailed)
Mean Difference
Std. Error Difference
90% Confidence Interval of the Difference
Lower Upper
Jumlah Equal variances assumed
,232 ,643 -2,530 8 ,035 -3,200 1,265 -5,552 -,848
Equal variances not assumed
-2,530 7,762 ,036 -3,200 1,265 -5,562 -,838
Tabel 4.12 Uji Validasi Data Total_out Independent Samples Test
Levene's Test for Equality of Variances t-test for Equality of Means
F Sig. t df Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference
Lower Upper
Jumlah Equal variances assumed
,371 ,559 -1,994 8 ,081 -2,600 1,304 -5,607 ,407
Equal variances not assumed
-1,994 7,619 ,083 -2,600 1,304 -5,633 ,433
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
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
37
g. Kesimpulan
Berdasarkan hasil output pada tabel 4.11 dan 4.12 didapatkan nilai Asymp. Sig.
(2-tailed)> 0.025, maka H0 diterima. Artinya tidak terdapat perbedaan antara
data simulasi dan data nyata baik pada data Total_in maupun Total_out
(valid).
B. Validasi Waktu Proses Terbanyak
Proses validasi terhadap waktu proses terbanyak adalah sebagai berikut:
1. Pada General Report, klik Location untuk mengetahui Average Time per Entry
sehingga akan muncul data seperti pada tabel 4.13, dengan total replikasi
sebanyak 5 kali.
Tabel 4.13 Rata-rata Waktu Proses Terbanyak
Replikasi Rataaan waktu proses poli umum (menit)
Data simulasi Data nyata
1 4,82 14,4
2 14,92 16,17
3 18,5 16,14
4 16,61 12
5 4,98 12
2. Melakukan uji kenormalan dengan SPSS dengan memilih analyze >>
descriptive statistic >> explore sehingga didapatkan hasil seperti dalam tabel
4.14 berikut ini.
Tabel 4.14 Hasil uji kenormalan data waktu proses poli umum
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Proses_poliumum ,212 10 ,200* ,849 10 ,057
a. Lilliefors Significance Correction *. This is a lower bound of the true significance.
Hipotesis:
H0 = data waktu proses poli umum berdistribusi normal
H1 = data waktu proses poli umum tidak berdistribusi normal
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
38 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
3. Dari tabel 4.14 dapat diambil kesimpulan sebagai berikut. Karena nilai
Asymp. Sig. (2-tailed) = 0,2/2 = 0,1 > 0,025 maka Ho diterima, artinya data
waktu proses poli umum berdistribusi normal.
4. Untuk melakukan uji validasi, digunakan uji parametrik independent sampel t-
test dengan cara memasukkan data simulasi dan data nyata untuk waktu
proses poli umum. Klik analyze, pilih Compare menas, kemudian pilih
independent sample t-test sehingga didapatkan hasil sebagaimana dalam tabel
4.15 di bawah ini.
Tabel 4.15 Uji validasi data waktu proses poli umum Independent Samples Test
Levene's Test for Equality of
Variances t-test for Equality of Means
F Sig. t Df
Sig. (2-
tailed) Mean
Difference Std. Error Difference
95% Confidence Interval of the Difference
Lower Upper
Waktu Equal variances assumed
19,704 ,002 -,706 8 ,500 -2,17600 3,08385 -9,28738 4,93538
Equal variances not assumed
-,706 4,795 ,513 -2,17600 3,08385 -10,20640 5,85440
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. Kesimpulan
Berdasarkan hasil output pada tabel 4.15 didapatkan nilai Asymp. Sig. (2-
tailed)> 0.025, maka H0 diterima. Artinya tidak terdapat perbedaan antara
data simulasi dan data nyata pada data waktu proses poli umum (valid).
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
39
C. Validasi Waktu Tunggu
Proses validasi terhadap waktu tunggu adalah sebagai berikut:
1. Pada General Report, klik Entity Activity untuk mengetahui Average Time
Blocked (MIN) sehingga akan muncul data seperti pada tabel 4.16, dengan
total replikasi sebanyak 5 kali.
Tabel 4.16 Rata-rata waktu proses terbanyak
Replikasi Rataaan waktu tunggu (menit)
Data simulasi Data nyata
1 0,30 1,36
2 0,14 1,05
3 1,05 0,23
4 5,37 0,9
5 0,45 0,3
2. Melakukan uji kenormalan dengan SPSS dengan memilih analyze >>
descriptive statistic >> explore sehingga didapatkan hasil seperti dalam tabel
4.17 berikut ini.
Tabel 4.17 Hasil uji kenormalan data waktu tunggu Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Wajtu_tunggu ,337 10 ,002 ,611 10 ,000
a. Lilliefors Significance Correction
Hipotesis:
H0 = data waktu proses poli umum berdistribusi normal
H1 = data waktu proses poli umum tidak berdistribusi normal
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
3. Dari tabel 4.17 dapat diambil kesimpulan sebagai berikut. Karena nilai
Asymp. Sig. (2-tailed) = 0,002/2 = 0,001 < 0,025 maka Ho ditolak, artinya
data waktu tunggu tidak berdistribusi normal.
4. Untuk melakukan uji validasi digunakan uji non-parametrik Mann-Whitney
dengan cara memasukkan data simulasi dan data nyata untuk waktu tunggu.
Klik analyze, pilih Nonparametric Tests, kemudian pilih legacy dialogs dan pilih
2 Independent samples.
40 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
5. Masukkan variabel pada kotak test variable list, kemudian centang Mann-
Whitney U pada kotak Test Type. Untuk menentukan grup, klik define groups
selanjutnya pada kotak dialog groups tuliskan “1” untuk group 1 dan “2”
untuk group 2 lalu klik continue dan klik OK. Maka akan muncul output
seperti pada tabel 4.18.
Tabel 4.18 Hasil uji validasi waktu tunggu Test Statisticsb
waktu
Mann-Whitney U 12,000 Wilcoxon W 27,000 Z -,105 Asymp. Sig. (2-tailed) ,916 Exact Sig. [2*(1-tailed Sig.)] 1,000a
a. Not corrected for ties. b. Grouping Variable: Jenis_data
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
6. Kesimpulan
Berdasarkan hasil output pada tabel 4.18 didapatkan nilai Asymp. Sig. (2-
tailed)> 0.025, maka H0 diterima. Artinya tidak terdapat perbedaan antara
data simulasi dan data nyata pada data waktu tunggu (valid).
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
41
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan praktikum modul 1 yang telah dilakukan , maka dapat
disimpulkan sebagai berikut:
1. Sistem adalah sekumpulan unsur / elemen yang saling berkaitan dan saling
mempengaruhi dalam melakukan kegiatan bersama untuk mencapai suatu
tujuan.
2. 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
3. Simulasi ialah suatu metodologi untuk melaksanakan percobaan dengan
menggunakan model dari suatu sistem nyata.
4. Software Promodel merupakan suatu program komputer yang dapat digunakan
untuk simulasi dan menganalisa sistem produksi dari semua tipe dan ukuran.
5.2 Saran
1. Untuk praktikum selanjutnya, praktikan diharapkan lebih memahami materi
praktikum dan lebih aktif konsultasi kepada asisten
2. Lebih teliti dan cermat dalam pengambilan data.