You are on page 1of 31

TUGAS BRIEFING

MODUL I
Monte Carlo Simulation dan Stat::Fit Data Testing

1.1.

Monte Carlo Simulation
Monte carlo simulation, atau biasa juga disebut probability simulation, adalah sebuah teknik atau

metode yang digunakan untuk menggambarkan sebuah keadaan ketidakpastian pada kondisi di mana
variabel waktu tidak berpengaruh (Albrecht, 2010).
Ketika melakukan sebuah peramalan, terdapat asumsi - asumsi yang dibuat dan digunakan,
seperti biaya konstruksi, waktu yang dibutuhkan untuk menyelesaikan sebuah kegiatan, dsb. Namun,
pada kenyataannya, ada beberapa aspek atau variabel yang tidak bisa diasumsikan secara akurat.
Variabel yang tidak dapat diasumsikan tersebut akan dibuat dalam sebuah range nilai.
Konsep utama dari Monte Carlo simulation adalah membangkitkan bilangan random dari range
nilai yang telah dibuat, melakukan perhitungan, mendapatkan hasil dari kalkulasi tersebut, lalu
mengulangi proses tersebut selama waktu yang telah ditentukan, menggunakan bilangan random yang
berbeda. Pada akhirnya, akan didapatkan nilai final yang akan menggambarkan hasil – hasil yang
memungkinkan untuk dicapai.
1.1.1

Tahapan Simulasi Monte Carlo
Berikut adalah tahapan - tahapan dalam pembuatan simulasi Monte Carlo:

1. Membuat

probabilitas

distribusi

untuk

variabel-variabel

penting.

(distribusi

normal,

eksponensial, empiris, dll)
2. Bangkitkan bilangan random sesuai dengan distribusi yang ditentukan.
3. Lakukan pengulangan pada simulasi dengan bilangan random yang berbeda.
4. Analisis statistik hasil simulasi.
1.1.2

Membangkitkan Bilangan Random
Pembangkitan bilangan random dapat menggunakan beberapa software seperti Ms. Excel, Statfit,

Crystal Ball, Minitab, dll. Pada modul ini kita akan belajar membangkitkan bilangan random melalui 3

1

cara yaitu formula “=RAND()” pada Ms. Excel, penggunaan tool “Data Analysis” pada Ms. Excel, dan
penggunaan software Stat::Fit.
a. Formula “=RAND()” pada Ms. Excel.
Pada Ms. Excel, pembangkitan bilangan random dapat menggunakan rumus =RAND() dan
secara otomatis Ms. Excel akan mengaktifkan bilangan random yang terdistribusi secara uniform
antara nilai 0 hingga 1. Apabila diinginkan beberapa outcome secara simultan, pembangkitan
bilangan random ini dapat dilengkapi dengan probabilitas munculnya setiap outcome tersebut.
Dengan demikian, munculnya bilangan random pada kisaran tertentu berkaitan dengan outcome
tertentu. Untuk keperluan ini dapat menggunakan perintah =VLOOKUP(nilai yang dicari, tabel
yang menjadi acuan, kolom nilai pada tabel acuan).
Sebagai contoh, akan digunakan kasus ketidakpastian permintaan di Toko “Dave Candies”,
sebuah toko cokelat. Berdasarkan data 6 bulan terakhir, permintaan cokelat di tokonya adalah 40,
50, 60, 70, 80, dan 90, dengan kemungkinan yang sama (probabilitas masing-masing permintaan
adalah 1/6). Berikut adalah contoh pembangkitan bilangan random untuk memodelkan
ketidakpastian permintaan cokelat.

Gambar 1.1 Pembangkitan Bilangan Random Menggunakan VLOOKUP
Angka pada kolom Rand didapatkan dengan formula =RAND()
Kelemahan metode ini adalah angka random yang digenerate dapat berubah-ubah. Meskipun
tidak berpengaruh, kelemahan ini dapat diatasi dengan cara melakukan copy pada semua angka
random, lalu paste value di tempat yang sama.

b. Penggunaan tool “Data Analysis” pada Ms. Excel.
Cara lain untuk mengaktifkan bilangan random adalah dengan menggunakan Data Analysis
Tools. Pada Tab Menu: Data, pilih Data Analysis, dan pilih Random Number Generator,
kemudian tentukan distribusi apa dan berapa jumlah random numbers yang diinginkan.
2

Gambar 1.2 Letak tool Data Analysis pada Ms. Excel

Gambar 1.3 Pembangkitan Bilangan Random Menggunakan Data Analysis
c. Penggunaan Software Stat::Fit.
Sementara pada Statfit dapat menggunakan menu INPUT, kemudian GENERATE.

3

nilai minimal.2.2. Pengujian tersebut meliputi uji keseragaman dan uji kecukupan data. Berikut contoh dari pengujian data: 1.2 Uji Kecukupan Data Uji kecukupan data dilakukan dengan menggunakan rumus Keterangan: 4 ´x ± 3σ .4 Pembangkitan Bilangan Random Menggunakan Stat::Fit Pada window generate tersebut. Stat::Fit Data Testing Pengujian data perlu dilakukan sebelum menentukan distribusi dari sekelompok data. dapat ditentukan tipe distribusinya. UCL/LCL dihitung dengan menggunakan 1.1 Uji Keseragaman Data Uji keseragaman data dilakukan dengan menggunakan control chart. serta poinnya.2.Gambar 1. 1. nilai maksimal. Data outlier (di luar range UCL dan LCL) dihapus.

05 (untuk confidence level 95%) Apabila N < N’. dan waktu transfer.1 Langkah menggunakan Stat::Fit dengan ProModel 1. ketelitian data dan tipe distribusi yang akan ditampilkan. 1. Pilih file > new. 3.96 (untuk confidence level 95%) s = 0.N’ = Jumlah data yang dibutuhkan N = Jumlah data yang dimiliki k = 1. waktu kedatangan. Buka ProModel 2.3 Stat::Fit Stat::Fit adalah software pendukung ProModel yang merupakan suatu aplikasi statistik untuk menentukan distribusi data yang akan digunakan sebagai input untuk membuat model dalam ProModel.2. dilakukan pengambilan data kembali dan dilakukan uji keseragaman data dan uji kecukupan data sampai N > N’ 1. Dalam melakukan simulasi model menggunakan ProModel. Stat::Fit digunakan untuk menentukan distribusi waktu proses. kecepatan. di antaranya Jumlah kelas untuk histogram dan untuk uji Chi-squared. Masukkan data yang akan dicari distribusinya baik secara langsung maupun melalui Notepad atau Microsoft Excel 4.2. Buka menu tools dan pilih Stat::Fit. akan tampil kotak dialog input options seperti di bawah ini: 5 . Pilihan input (input options) Menyediakan pilihan untuk mengolah sekumpulan data.3. Stat::Fit memberikan kemudahan. Dengan menggunakan atau memilih menu Input > Options. dan ketepatan dalam pengolahan data yang dimiliki.

Auto Menetapkan jumlah kelas minimum yang paling mungkin tanpa kehilangan ‘makna’ dari data tersebut. Jumlah kelas akan bertambah jika skewness semakin besar. Sturges Menetapkan kelas dengan rumus: 6 .5 Menu Options Keterangan: Intervals : Jumlah kelas dari data yang dimasukkan.2 Tiga Pilihan dalam Menentukan Jumlah Kelas 1.3. Gambar 1.2. 1.Gambar 1.6 Grafik Kelas Auto Cara Menampilkan dialog box Input Graph: • Klik Menu Input lalu pilih Input Graph 2.

12.3.k = 1 + 3.10 Grafik kelas manual . Precision: ketelitian (berapa digit di belakang koma) tersedia sampai 15 digit. 11. 6.8 Grafik Kelas Struges 3.7 Option Grafik Sturges Gambar 1.3 Analisis Statistik 7 Gambar 1. Menetapkan kelas sesuai dengan kewenangan dari pengguna. 8. 7. 9. 1. Manual 5.9 Opsi grafik manual 10.3 log N Gambar 1. Gambar 1.2. 4.

22. Dengan 8 . Untuk melihat bentuk scatter plotter dari input data dapat dengan klik menu: 14. Statistics > Independence Tests > Scatter Plot 15. nilai mean.1. Scatter Plotter 13. Descriptive Statistics 17. 3.11 Scatter plot diagram 2. nilai minimal. Distribution Fit 24. kita dapat menggunakan perintah Auto::Fit. 23. Gambar 1. atau dengan memilih menu Fit > Auto::Fit. 19. dan lain-lain.12 Descriptive statistics 20. Untuk memutuskan bentuk distribusi dari data yang kita miliki secara otomatis. 18. 21. 16. Hasil yang dapat diketahui dari perintah ini adalah parameter distribusi seperti banyaknya jumlah data yang kita miliki. Deskripsi statistika dapat kita pilih melalui menu Statistics > Descriptive. Gambar 1. nilai maksimal.

kita dapat mengetahui hasil distribusi data yang kita miliki Dengan mudah dan cepat.13 Distribution Fit 27.15 Grafik perbandingan 33. 26. Goodness of Fit Tests 35. Chi-Square Test b.14 Fitting 30. Hasilnya dapat kita lihat seperti pada gambar di bawah ini. yaitu: 36. 25. 4. 29. Semakin tinggi nilai ranking maka distribusi tersebut semakin baik dalam mewakili data yang kita miliki. 32. Uji statistik untuk menguji apakah distribusi probabilitas terpilih benar-benar tepat mewakili sampel data. 31. 28. Anderson Darling Test 9 . Kolgomorov Smirnov Test c.perintah ini. Gambar 1. a. Ada 3 tiga uji yang disediakan oleh aplikasi Stat::Fit. Gambar 1. 34. Gambar 1.

3. 39. Gambar 1. Tampilan dari perintah ini dapat kita lihat seperti gambar di bawah ini: 38.4 Transfer Distribusi ke Promodel 44. Gambar 1. 40. Untuk melakukan pengujian itu dilakukan dengan memilih menu Fit > Goodness-of-Fit.2.16 Goodness of Fit Tests 41. Cara melakukan export adalah dengan klik sehingga akan tampil dialog box seperti ini: 10 atau klik FILE > Export > Export Fit . kemudian pilih distribusi dengan ranking paling tinggi sehingga akan keluar angka yang nantinya akan digunakan pada ProModel. 1. 43.37. maka terlebih dahulu diexport. atau memilih icon . Sebelum hasil distribusi digunakan.17 Goodness of Fit Tests 42.

46. Gambar 1. Dimaksudkan setelah klik tombol OK. kita dapat melakukan generate dengan menggunakan tool random generator ini. Dalam kotak OUTPUT terdapat dua pilihan yang aktif: a. Buka kembali Promodel yang tadinya ter-minimized. 48. File 50. 53. lalu paste distribusi tersebut. Random generator adalah tools yang ada di dalam Stat::Fit ProModel yang biasa digunakan untuk men-generate data jika data yang dibutuhkan ternyata kurang dari hasil observasi yang dilakukan. Clipboard 49. 54.18 Export fit 47.2. jika hasil dari perhitungan tersebut lebih dari hasil N yang didapat.3. 51. 56. Cara ini tergolong aman karena tersimpan secara permanen dalam disk drive walaupun tidak permanen sekali. 11 .5 Random Generator 55. Jika menggunakan ini sesegera mungkin untuk dipaste ke tempat yang dituju b. Setelah klik tombol OK. 1. maka akan muncul dialog box baru yang meminta Anda untuk menentukan nama file text dan lokasi di mana akan disimpan. 52. maka hasil distribusi akan tersimpan dalam memori sementara yang mudah sekali hilang.45. Pada bagian sebelumnya telah dijelaskan bagaimana cara melakukan perhitungan uji kecukupan data.

57. Buka ProModel 2.20: Menyalin parameter yang didapatkan ke dalam window generate 12 . Gambar 1. Langkah-langkah menggunakan random generator dengan ProModel 1.19: Window generate yang terdapat pada Stat::Fit 4. Kemudian akan muncul tampilan jendela seperti di bawah ini: 58. Lalu untuk points diisi berdasarkan kebutuhan jumlah data hasil uji kecukupan data yang akan di-generate. 60. 61. untuk di kolom di bawahnya diisi sesuai distribusi yang dipilih dan untuk nilainya dapat dilihat di goodness of fit. 59. Setelah itu. Gambar 1. pilih distribusi apa yang akan digunakan berdasarkan hasil auto fit yang dilakukan pada sebelumnya. Buka menu tools dan pilih random generator 3.

Jika mobil tersebut dijual.000. Setelah di generate. Catatan: . 68. 1. Sedang biaya yang harus dikeluarkan untuk maintenance Rp 2.Untuk metode rand: formula tidak boleh dihapus .000. data analysis. 13 .5. 62. serta kritik dan saran. p = 1.. Udin mulai memikirkan apa yang harus dilakukan pada mobil tersebut.per hari. 2.Untuk metode data analysis atau Stat::Fit: capture/screenshot langkah-langkah yang dilakukan 3. Kemudian dilakukan langkah-langkah autofit seperti pada langkah. maximum = 1.langkah sebelumnya.000. Dia memprediksi bahwa jumlah peminjaman mobil antara 15-30 kali/bulan (probabilitas dapat dilihat pada tabel). TUGAS BRIEFING 65. dan q = 3 63.7% per bulan. berikan analisisnya 4. Namun Udin juga sudah memperhitungkan bagaimana bisnis rental yang nantinya akan dijalankan jika layak. [30] Review satu jurnal internasional tentang simulasi dengan format rangkuman. [30] Udin memiliki sebuah mobil yang sudah lama tidak dipakai namun kondisinya masih bagus. [15] Generate 20 bilangan random yang terdistribusi uniform dengan range 0-20 menggunakan salah satu metode rand.dan depresiasi mobil 7. Harga jual mobil tersebut saat ini Rp 250.-/bulan. [25] Lakukan uji keseragaman dan kecukupan data terhadap data yang digenerate. Hasil yang didapat kemungkinan berbeda dengan yang di generate. Udin berniat menyimpan uang hasil penjualan tersebut di bank. Contoh: Hasil autofit generate dengan distribusi Beta dengan minimum = 0. atau stat::fit 66.5% per tahun. Jika mobil tidak dipergunakan akan menimbulkan kerugian baik itu dari kondisi mesin maupun biaya yang harus dikeluarkan seperti pajak dan maintenance. Karena itu. 64. 67. Dia bingung apakah mobil sebaiknya DIJUAL atau dijadikan sebuah BISNIS RENTAL. data hasil generate akan langsung masuk ke dalam files autofit sebelumnya. Udin mematok harga sewa mobil Rp 500. kelebihan dan kekurangan.5. Bunga bank diasumsikan fix 0.000.000.

. Arizona. 2002. M. Montgomery.. Monte Carlo: Concepts.Verlag. 2010.. 5. John Wiley & Sons. Statfit User Guide. Referensi: 1. Singapura. Introduction Statistical Quality Control 4th Edition.COM PALING LAMBAT 1 MINGGU SETELAH BRIEFING 74. M. London: Methuen.. D. D. Fishman. Algorithms and Applications. 1996. New York: Springer. 2. G. Lampirkan capture/screenshot dan berikan penjelasan 72. MODUL II 14 . Singapura. C. 2010.. Introduction to Discrete Event Simulation..C. 73. Hubele. Runger. G. Hammersley. Engineering Statistics 5th Ed. 75. John Wiley & Sons. 6. Hanscomb. 3. Monte Carlo Methods. D. Albrecht. J. 1964.C.C... [20 BONUS] Lakukan pengujian terhadap data di bawah ini menggunakan software Stat::Fit untuk menentukan distribusi yang cocok: 7 6 9 3 8 5 3 15 6 7 12 5 3 10 3 8 5 7 12 9 71. Bisnis mana yang sebaiknya dipilih Udin jika diasumsikan bisnis hanya akan berumur 5 tahun dan mobil akan dijual? 5. N. Montgomery.F.C.S. 76. TUGAS DIKIRIM KE E-MAIL: SICOLAB@HOTMAIL. 70. 4.69.

2. 82. Mudah dipahami 2. 2010). Discrete Event Simulation Merupakan simulasi yang menggunakan model matematis ataupun logis dari sebuah sistem fisik yang menggambarkan perubahan keadaan pada titik – titik waktu tertentu dalam simulasi (Albrecht. 84. mudah untuk mengubah input data dan mendapatkan hasil simulasi yang paling baru 4.1 83. 85.2 87. dan sebagainya. Excel. Terintegrasi dengan gambar grafik. 86. seperti yang digunakan pada bab Monte Carlo. 88. DISCRETE EVENT SIMULATION: SPREADSHEET SIMULATION 78. Tujuan Praktikum: 79. sehingga memudahkan pengguna dalam melakukan analisis 15 . dsb. Pada bab ini akan dibahas simulasi berbasis spreadsheet. Discrete Event Simulation sering kali digunakan dalam memodelkan keadaan-keadaan seperti konsumen yang menunggu waktu servis. tentu kita masih ingat bagaimana penggunaan rumus-rumus excel. Terintegrasi dengan fungsi statistik.77. Dynamic updating. Keuntungan simulasi berbasis spreadsheet adalah: 1. sementara simulasi menggunakan Pro Model dan Flexsim akan dijelaskan di bab selanjutnya. 1. Simulasi Berbasis Spreadsheet Simulasi sendiri dapat dilakukan dengan software spreadsheet maupun software seperti ProModel. 89. Flexsim. 2. Memahami konsep dasar discrete event simulation 80. manajemen dari parts inventory. 2. Memahami aplikasi discrete event dalam dunia nyata 81. sehingga memudahkan pengguna dalam visualisasi data 3. Salah satu simulasi spreadsheet adalah simulasi dengan menggunakan MS.

Pengujian fungsi logika 97.5. 93. Tidak dapat digunakan untuk masalah-masalah yang terlalu kompleks. 2. Semakin kompleks sistem yang akan dimodelkan. 2. Menentukan input seperti waktu kedatangan. Langkah-langkah yang perlu dilakukan dalam merekam program dalam Macro adalah: 1.4 Merekam Simulasi Merekam simulasi dapat menggunakan fungsi Macro pada toolbar. Sementara kekurangan simulasi berbasis spreadsheet adalah: 1. Merekam Model 98. Apabila terdapat kesalahan dalam melakukan perekaman. 101. Informatif. Pengujian Macro 99. 92. 91. serta waktu servis. 6. Pembuatan rancangan model 96. 4. maka fungsi logika dinyatakan benar dan dapat lanjut ke step berikutnya. Merekam segala aktivitas dengan menggunakan Macro. 3. Membangun Model Simulasi Tahapan dalam membuat simulasi spreadsheet adalah: 1. waktu antar kedatangan. karena memperlihatkan secara eksplisit perubahan keadaan setiap interval waktu. 3. 5. pilih Record Macro 16 . waktu akhir simulasi. maka akan semakin besar model yang akan dibuat sehingga membutuhkan kemampuan yang lebih. Dapat dilakukan dengan menginput sembarang nilai ke dalam sel. Harus membangun sendiri semua logika dan kode pemrograman. 2. apabila hasil yang didapatkan sesuai dengan tujuan dan fungsi yang ingin dicapai. Membuat dan memasukkan fungsi logika 4. Lebih murah karena tidak memerlukan investasi tambahan untuk mendapatkan software khusus untuk simulasi.3 94. 2. 102. Membuka menu tools. maka akan muncul error message. kemudian pilih Macro selanjutnya akan muncul sub menu. Menentukan parameter input 95. Macro dapat dijalankan. 100. Ditentukan variabel-variabel apa saja yang ingin diketahui dan bagaimana hubungan antar variabel. 90. Tidak dilengkapi dengan feature animasi sehingga kurang menarik secara visual. Setelah direkam.

Bisnis cuci mobil beroperasi selama 5 jam setiap harinya. Pilih OK. proses mencuci. selanjutnya adalah membuka Macro yang sudah disimpan dan menjalankannya. Diketahui beberapa data sebagai berikut: 108. selanjutnya pilih Use Relative Reference. 106. tentukan nama Macro yang akan dibuat.1: Data waktu pada system cuci mobil 109. 104.5 Contoh Soal Sebuah bisnis cuci mobil ingin menghitung tingkat kepuasan konsumen berdasarkan lamanya waktu yang dihabiskan konsumen dari masuk. 110. 2. 3. Selanjutnya pilih Personal Macro Workbook agar macro yang disimpan dapat digunakan setiap saat pada file apapun. Setelah Macro selesai direkam.1: Window record macro pada Microsoft Excel 2. 105. Tabel 2. Hal ini akan memungkinkan program yang dibuat pindah ke alamat relatif. Pilih Macro Stop Recording. Gambar 2. Kamu sebagai analyst diminta untuk melakukan simulasi dan menjawab pertanyaan di atas. bukan sel atau range tertentu 5. 17 . Flowchart untuk bisnis cuci mobil terdapat pada gambar di bawah ini.103. 4. Akan muncul kotak dialog. menunggu. 107. pengeringan sampai exit.

18 .111.

Applications. Referensi 1.. Discrete-event simulation: modeling. programming. (ed). 19 . Introduction to Simulation and Risk Analysis. 2010.. Banks. and Practice. 3. 4. 114. R. 1998. J.. Olson. J. Fishman. 2001. Methodology. S. 2. G. Wiley. Prentice Hall. 1998. R. Evans.112.. New York: Springer-Verlag. M. Handbook of Simulation: Principles.. D. Advances. and analysis. Arizona. Introduction to Discrete Event Simulation.C. 113. Albrecht.

seperti kegiatan belajar mengajar. sistem bank. MODUL III DES SOFTWARE I: PROMODEL 117. USE. kegiatan praktikum. 20 . 123. Komponen Sistem Menurut Banks dkk (2000).1. Mengetahui dasar-dasar simulasi dengan software ProModel 120.1 Definisi Model dan Sistem 127. dan resource. 133. Model diartikan sebagai representasi atau perwujudan dari serangkaian objek atau ide-ide dalam bentuk matematik atau hubungan logika tertentu. Sedangkan sistem adalah sekumpulan elemen atau entitas yang saling berinteraksi untuk mencapai tujuan tertentu. 132.1. 129.1. dan MOVE FOR. 5. 3. objek yang dipelajari di dalam sistem yang menyebabkan perubahan status sistem. Hubungan antara sistem dan komponen-komponennya dijelaskan pada tabel 4. 3. 122. 131. 2. 4. komponen suatu sistem adalah: 1. 124. 130.1 Model dan Sistem 126. 128. 134. 2. Ada dua tipe entitas yaitu permanen (ada dari awal sampai akhir proses) dan ada yang bersifat temporary (hanya ada pada saat-saat tertentu). 125. 3. Memahami dan mampu membuat flowchart. dan lain sebagainya. Attributes.115. lini produksi. processing. 121. 3. 3. Activities. Entities. Pengenalan PROMODEL 118. arrival. kegiatan yang dilakukan oleh entitas dan mengubah status entitas. ciri khusus yang melekat pada entitas yang membedakan dengan entitas yang lain. Memahami dan mampu melakukan pengaturan layout dalam ProModel. Memahami dan mampu menentukan lokasi. Memahami penggunaan logic JOIN. entitas. 1. Tujuan Praktikum: 119. 116.2. Sistem ada di sekitar kita. WAIT. Model dan sistem merupakan kata kunci dari definisi simulasi.

1 Contoh Sistem dengan Komponennya 137. Layout merupakan salah satu bagian penting dari sebuah plant atau pabrik. Berikut ini adalah penjelasan cara mengatur layout ProModel. Tabel 3. pilih Layout Setting 2.2.135. 136. Layout yang baik dapat meminimalkan biaya perpindahan material (material handling) dan dapat mendukung proses produksi agar berlangsung dengan baik. dapat diatur tampilan layout yang sesuai dengan kasus yang dimodelkan. Pilih menu Grid Setting 21 .2 Elemen Dasar ProModel 140. 3.1 Layout 141. 142. 1. Dengan menggunakan ProModel. Membuka menu View pada ProModel. 138. 3. 139.

agar tampilan layout terlihat nyata serta memiliki tampilan yang menarik. 150. Isi dengan skala yang diinginkan. 1.143. 146. tergantung kebutuhan) 2. WMF.2 Grid Setting Klik Scale untuk menentukan skala. atau PCX. Selain mengatur skala. 3. Photoshop. 144. GIF. di-delay atau aktivitas lainnya. Membuat graphics menggunakan ProModel 147. Background dapat dibuat di ProModel ataupun di-import dari aplikasi lain seperti AutoCAD. Lokasi dibutuhkan sebagai tempat untuk menerima 22 . Buka menu Build pilih Background Graphics (behind grid / front grid. Buka menu Edit pilih Import Graphic 149. 145.2 Locations Locations (Ctrl+L) menggambarkan tempat-tempat di dalam sistem dimana entitas diproses. Graphics yang di-import ke ProModel harus disimpan dalam format BMP. ProModel menyediakan fitur untuk membuat background. Gambar 3. CorelDRAW.2. disimpan. dll. Skala berupa jarak dan waktu untuk jarak 1 kotak. Mengimport graphics 148.

2. Dalam bab ini resource yang akan digunakan adalah resource untuk membantu jalannya proses produksi. 3.6 Processing Processing (Ctrl+P) menggambarkan operasi yang berlangsung pada sebuah lokasi. 3. seperti jumlah waktu yang dihabiskan entitas pada tempat tersebut. 157. 154.4 Arrivals Mekanisme yang digunakan untuk menentukan bagaimana entitas memasuki sistem adalah arrival (Ctrl+A). maupun manusia.7 Logic Builder Logic Builder adalah sebuah tool di ProModel yang mempermudah pembuatan logic statement tanpa perlu mengingat kata kunci. syntax. Waktu antara kedatangan entitas disebut sebagai interarrival time (Frequency). Batch size.3 Entities Entitas (Ctrl+E) merupakan obyek yang dipelajari di dalam sistem yang menyebabkan perubahan status sistem. 3. Resource dapat berupa mesin ataupun manusia. Entitas dapat datang secara tunggal atau dalam batch.2. interarrival time.2. pemilihan resources yang diperlukan untuk melakukan suatu proses. 159.dan menyimpan entitas yang akan datang.5 Resources Resource (Ctrl+R) merupakan sumber daya yang digunakan dalam proses maupun perpindahan material (material handling). pemilihan tujuan entitas tersebut berikutnya. 151.2.2. 153. 3. 152. Total jumlah batch kedatangan dinyatakan sebagai Occurences. dokumen. 160. 23 . produk. atau kode-kode tertentu. Logic Builder membuat pengguna membuat logic statement hanya dengan melakukan klik dan mengetik kata-kata/angka yang diperlukan. Obyek ini akan masuk dan keluar sistem serta mengalami pemrosesan. Kedatangan pertama dari pola arrival dinyatakan sebagai First Time. 156. berupa manusia. 155. dan semua hal lain yang terjadi pada lokasi tersebut. 3. Entitas dapat berupa komponen. Masing-masing entitas mempunyai nama dan dapat direpresentasikan dengan satu atau lebih grafik selama simulasi. Jumlah entitas yang datang pada satu waktu disebut batch size (Qty each). dan jumlah batch bisa dinyatakan dengan angka konstan atau random (distribusi statistik). 158. Lokasi juga dibutuhkan saat proses produksi entitas di mana value ditambahkan pada entitas tersebut.

menggunakan resource. dimana pada lokasi tersebut akan ada perintah untuk menggabungkan entitas menjadi entitas yang baru. 170.3 Logic Builder 2. 162. 169. 164. dan WAIT. a. dan menentukan waktu proses entitas. Pada modul ini. Pilih JOIN. USE. 172. 24 . Klik Logic Builder berupa gambar palu pada jendela Operation 171. 166. akan dijelaskan 3 logic dasar yang ada dalam ProModel. Masukkan jumlah kuantitas yang akan di Join dan entitas yang akan di Join kemudian klik paste. 167. JOIN adalah Logic Builder. JOIN 173. Gambar 3. Ketiga logic tersebut adalah JOIN. Ketiga logic tersebut masing-masing berfungsi untuk melakukan proses assembly. Cara mendefinisikannya adalah sebagai berikut: 1. 163. atau WAIT pada jendela Logic Builder. USE.161. 168. 165.

maka entitas ini tidak akan dikirim ke lokasi tujuan. 25 .174. If Join request menandakan perintah entitas akan dikirim ke lokasi tujuan jika ada entitas lain yang akan digabungkan.4 Logic Builder Join Note: sebelum membuat statement Join pada suatu proses. pilih if Join request pada jendela routing rule entitas yang akan di Join. 175. 177. Gambar 3. 176. Jika tidak ada entitas lain yang akan digabungkan.

5 Routing Rule untuk Entitas yang di-Join Masukkan jumlah resource yang akan digunakan. resource yang digunakan. WAIT dalam beberapa kasus digunakan untuk mendefinisikan waktu yang digunakan mesin (lokasi) untuk mengolah entitas. 184. Masukkan waktu proses entitas kemudian klik paste. USE akan mengakumulasi utilitas/kegunaan resource. WAIT 182.178. dan penggunaan resource. Gambar 3. durasi Gambar 3. 181. USE 179. kemudian klik paste. Gambar 3.6 Logic Builder Use WAIT adalah menu Logic Builder yang akan menahan entitas pada lokasi tersebut dalam beberapa waktu. c.7 Logic Builder Wait 26 . b. 183. 180.

WH_sayuran untuk menyimpan sayuran. 3.185. ayam.3 190. Semua informasi penting dari sistem direpresentasikan pada flowchart untuk mempermudah pembuatan model. yaitu WH_mie untuk menyimpan mi. 193. 186. kuah. 192. Contoh Kasus Tumini membuka sebuah rumah makan mi ayam di Giwangan yang bernama Mi Ayam Tumini. 189. WH_ayam untuk menyimpan ayam. dan WH_mangkuk sebagai tempat penyimpanan mangkuk dan sendok. 188. meja pelanggan. Menu utama rumah makan tersebut adalah mi ayam.4. tempat racik. 27 . Urutan proses pada Mi Ayam Tumini adalah sebagai berikut (asumsi tidak ada batching): • • • • • • • Mi dari WH_mie dipindahkan ke kompor selama 5 detik Sayuran dari WH_sayuran dipindahkan ke kompor selama 5 detik Mi dan sayuran dimasak di kompor selama 4 menit menjadi mi sayur Mi sayur dibawa ke tempat peracikan selama 7 detik Ayam dan mangkuk dibawa ke tempat peracikan selama 3 detik Kuah dibawa ke tempat peracikan selama 5 detik Mi sayur. Flowchart Flowchart merupakan bagan alir (flow) yang berfungsi untuk menerjemahkan urutan proses pada sebuah sistem yang akan dimodelkan. cek kualitas. Mi Ayam Tumini memiliki 5 lokasi yang terdiri dari: kompor. mangkuk. dan sendok diracik (assembled) oleh 1 peracik selama 1 • • • • • • • menit menjadi mi ayam Mi ayam dibawa ke meja cek kualitas selama 5 detik Mi ayam dicek selama 15 detik oleh 1 QC Mi ayam dibawa ke meja pelanggan selama 20 detik Pelanggan makan mi ayam selama 15 menit (entitas berubah menjadi piring sendok) Piring sendok dibawa ke tempat cuci piring selama 10 detik Piring sendok dicuci selama 3 menit oleh 1 tukang cuci Selesai 196. Mi ayam memiliki 5 warehouse untuk menyimpan bahan yang dibutuhkan. 194. 191. 187. WH_kuah untuk menyimpan kuah. serta tempat cuci piring dan sendok 195. 3.

198. Berikut ini tabel detail kapasitas dan waktu kedatangan seluruh entitas.197. 202.1: Kapasitas lokasi di Mi Ayam Tumini entitas 200. 201. Tabel 3. 199. 28 Tabel 3. buatlah model simulasi dengan menggunakan Promodel untuk Mi Ayam Tumini. Berdasarkan seluruh data yang ada.2: Arrival rate .

1. 3. Flowchart .203.4.

Membuat Locations 1. 2. 209. Langkah 4. pilih Resources (Ctrl+R). Membuka File Baru 1. Set run hours pada 24 kemudian run simulasi 214. Buka menu Build. Speed. Buka menu Build. pilih Entities (Ctrl+E). 206. Buka menu Build.5 207. Langkah 3. Kolom Name. 213. Langkah 7. pilih Locations (Ctrl+L). 2000. 4.. Carson. 212.. Discrete-Event Symulation. New Jersey. . Mendefinisikan Arrival 1. S. 3. Langkah 5. 205.204. Langkah 2. pilih Processing (ctrl+P) 2. Menentukan Entitas 1. Stats dan Notes pada tabel Entities tidak perlu diubah. Isi setiap kolom dan baris dengan elemen-elemen yang sesuai dengan kasus. L. Buka menu Build. pilih Arrivals (ctrl+A) 2. Buka menu Build. M. Banks. Nama lokasi bisa diganti dengan klik pada kolom lokasi yang akan diganti kemudian menulis nama baru. Isilah kolom-kolom yang tersedia pada tabel Arrivals 211. 2. kemudian klik pada layout. 3. 3. 2. pilih Options 2. 2. Prentice-Hall. Nelson. Dari tabel Graphics klik salah satu simbol yang akan digunakan sebagai symbol resource dan tentukan jumlah unitnya. J. dan Nicol. Mendefinisikan Processing dan Routing 1. J.. Buka menu Build. 2. Dari Tabel Graphics klik simbol yang melambangkan lokasi. Langkah 6. Dari tabel Entity Graphics klik salah satu simbol yang akan digunakan sebagai simbol entitas. Mendefinisikan Simulasi 1. D. pilih New Ketik nama title Pilih satuan waktu dan satuan jarak Pilihan graphic dan logic tidak usah diubah Klik OK 208.. Referensi: 1. 3. 210. Mendefinisikan Resources 1. B. 216. Langkah 1. Pembuatan Model dengan ProModel Buka menu File. 215. 5.

3. . ProModel User Guide 217.