Professional Documents
Culture Documents
PENDAHULUAN
1.1 Latar Belakang
Suatu sistem yang digunakan untuk memecahkan atau menguraikan persoalanpersoalan 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
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.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI
JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
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.
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.
Sistem abstrak (abstract system) adalah sistem yang berisi gagasan atau
konsep, misalnya sistem teologi yang berisi gagasan tentang hubungan
manusia dan tuhan.
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 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.
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.
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
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI
JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
abstraksi dari realitas dengan hanya memusatkan perhatian pada beberapa sifat dari
kehidupan sebenarnya.
analyst,
merupakan
pihak
yang
menganalisis
masalah
dan
merupakan
suatu
pembelajaran
yang
dikembangkan
dengan
c.
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. 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.
dinamis
yaitu
memperhitungkan
faktor
waktu
dalam
c.
4) Model
statistik
mendeskripsikan
dan
menyimpulkan
data
2.3 Simulasi
Kakiay (2003), Simulasi sebagai suatu sistem yang digunakan untuk
memecahkan atau menguraikan persoalan dalam kehidupan nyata yang penuh
8
lain
simulasi
juga
merupakan
suatu
metodologi
untuk
10
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
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,
11
COMBINE
ACCUM
dalam
Promodel
merupakan
suatu
cara
untuk
ACCUM,
lokasi yang digunakan sama besar dengan jumlah entitas yang dikumpulkan.
AS.
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
12
13
c.
Jaminan (assurance)
Mencangkup kemampuan, pengetahuan, kesopanan dan sifat dapat
dipercaya yang dimiliki pada karyawan, bebas dari bahaya, resiko, keraguraguan, memiliki kompetensi, percaya diri dan menimbulkan keyakinan
kebenaran (obyektif).
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.
1.
dulu
datang (sampai), lebih dulu dilayani (keluar). Misalnya, antrian pada loket
bioskop.
14
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
pelanggan
15
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.
(location):
Mempresentasikan
aktivitas
(pasif/aktif)
atatu
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.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI
JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
17
dan
validasi
merupakan
tahapan
untuk
menguji
18
BAB III
METODOLOGI PRAKTIKUM
3.1 Diagram Alir Praktikum
19
20
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
14
14
35
10
10
20
10
26
24
14
11
24
14
24
20
14
22
15
19
13
35
21
14
21
14
11
26
12
14
12
18
20
13
12
13
32
17
10
20
14
27
10
12
13
15
14
37
13
19
21
17
15
16
14
18
13
13
16
27
28
16
42
22
11
16
21
Poli Gigi
Poli KIA
Poli Umum
Poli Lansia
5
5
17
12
14
37
6
35
5
4
21
16
44
29
20
10
34
24
17
11
19
26
42
12
12
22
Kamar Obat
Inisialisasi
Q = antrian
Kedatangan
pasien
Masuk antrian
registrasi
Q=Q+1
Apakah
operator sibuk?
Keluar antrian
Q=Q-1
Registrasi
Apakah ke poli
giigi ?
Apakah ke poli
umum ?
Apakah ke poli
KIA ?
Masuk poli
Masuk poli
Masuk poli
Masuk poli
Q=Q+1
Q=Q+1
Operator Poli
gigi sibuk ?
ya
Q=Q+1
Operator Poli
Umum sibuk ?
ya
Q=Q+1
Operator Poli
KIA sibuk ?
ya
Ya
Operator Poli
Lansia sibuk ?
Keluar antrian
( Q = Q 1)
tidak
tidak
tidak
tidak
Keluar antrian
( Q = Q 1)
Keluar antrian
( Q = Q 1)
Keluar antrian
( Q = Q 1)
Proses Pelayanan
di Poli
Proses Pelayanan
di Poli
Proses Pelayanan
di Poli
Proses Pelayanan
di Poli
Q=Q+1
Operator
Kamar obat
sibuk?
Q=Q-1
Pelayanan di
Kamar Obat
Selesai
23
POLI GIGI
Idle
Begin
Arrive
Create
Antri
registrasi
End
Idle
Begin
Antri ambil
obat
POLI KIA
Registrasi
Begin
Idle
End
Begin
End
Ambil obat
Dispose
End
POLI UMUM
Idle
Begin
End
POLI LANSIA
Idle
24
2. Klik Fit kemudian AutoFit, kemudian muncul banyak pilihan jenis distribusi,
pilih distribusi yang acceptance-nya do not reject dengan nilai rank terbesar.
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)
25
b. Entities
Memasukkan Pasien ke dalam entitas
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.
d. Resource
26
e. Processing
1) Memasukkan Pasien padaentity, lalu Kedatangan pada location, setelah
itu isi routing dengan Pasien sebagai entity, Loc2 sebagai destination.
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
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI
JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
27
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.
28
g. Variable
Dalam model ini, digunakan 2 buah variable yaitu: pasien_keluar yang
menunjukkan
jumlah
pasien
yang
telah
selesai
dilayani
dan
3. Simulation
Pilih option lalu isikan runtime dengan waktu yang dibutuhkan untuk proses
yakni 10 jam dan number of replication sebanyak 1 kali.
29
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
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
31
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.
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
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.
32
Dari tabel 4.8, dapat dilihat bahwa rata-rata waktu yang dibutuhkan untuk
pasien berobat di Puskesmas adalah sebesar 12.72 menit.
POLI GIGI
Idle
Begin
Arrive
Create
Antri
registrasi
End
Idle
Begin
Antri ambil
obat
POLI KIA
Registrasi
Begin
Idle
End
Begin
End
Ambil obat
Dispose
End
POLI UMUM
Idle
Begin
End
POLI LANSIA
Idle
33
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.
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
1
2
3
4
5
Total In
Data Simulasi Data Nyata
19
21
16
22
18
22
14
19
19
18
Total Out
Data Simulasi Data Nyata
17
18
13
19
15
19
12
16
17
15
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
Statistic
Total_in
Total_out
df
,176
,147
Shapiro-Wilk
Sig.
Statistic
df
Sig.
10
,200*
,933
10
,474
10
,940
10
,557
,200
Hipotesis:
H0 = data total in/total out berdistribusi normal
H1 = data total in/total out tidak berdistribusi normal
Nilai taraf nyata () = 0.05
Kriteria pengujian:
H0 diterima jika nilai Asymp. Sig. (2-tailed) /2
H0 ditolak jika nilai Asymp. Sig. (2-tailed)</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:
35
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.
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
F
Jumlah
Equal variances
assumed
Equal variances
not assumed
,232
Sig.
,643
t
-2,530
-2,530
Sig. (2tailed)
,035
Mean
Difference
-3,200
Std. Error
Difference
1,265
7,762
,036
-3,200
1,265
df
-,838
Jumlah
Equal variances
assumed
Equal variances
not assumed
F
,371
Sig.
,559
t
-1,994
-1,994
Sig. (2tailed)
,081
Mean
Difference
-2,600
Std. Error
Difference
1,304
7,619
,083
-2,600
1,304
df
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 () = 0.05
Kriteria pengujian:
H0 diterima jika nilai Asymp. Sig. (2-tailed) /2
H0 ditolak jika nilai Asymp. Sig. (2-tailed)</2
36
,433
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).
Statistic
,849
Shapiro-Wilk
df
10
Sig.
,057
Hipotesis:
H0 = data waktu proses poli umum berdistribusi normal
H1 = data waktu proses poli umum tidak berdistribusi normal
Nilai taraf nyata () = 0.05
Kriteria pengujian:
H0 diterima jika nilai Asymp. Sig. (2-tailed) /2
H0 ditolak jika nilai Asymp. Sig. (2-tailed)</2
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI
JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
37
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 ttest 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
Waktu
Equal
variances
assumed
Equal
variances not
assumed
F
19,704
Sig.
,002
t
-,706
Sig.
(2Mean
Std. Error
Df
tailed) Difference Difference
8
,500
-2,17600
3,08385
-,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 () = 0.05
Kriteria pengujian:
H0 diterima jika nilai Asymp. Sig. (2-tailed) /2
H0 ditolak jika nilai Asymp. Sig. (2-tailed)</2
5. Kesimpulan
Berdasarkan hasil output pada tabel 4.15 didapatkan nilai Asymp. Sig. (2tailed)> 0.025, maka H0 diterima. Artinya tidak terdapat perbedaan antara
data simulasi dan data nyata pada data waktu proses poli umum (valid).
38
Sig.
,000
Hipotesis:
H0 = data waktu proses poli umum berdistribusi normal
H1 = data waktu proses poli umum tidak berdistribusi normal
Nilai taraf nyata () = 0.05
Kriteria pengujian:
H0 diterima jika nilai Asymp. Sig. (2-tailed) /2
H0 ditolak jika nilai Asymp. Sig. (2-tailed)</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.
LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI
JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA
39
5. Masukkan variabel pada kotak test variable list, kemudian centang MannWhitney 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 () = 0.05
Kriteria pengujian:
H0 diterima jika nilai Asymp. Sig. (2-tailed) /2
H0 ditolak jika nilai Asymp. Sig. (2-tailed)</2
6. Kesimpulan
Berdasarkan hasil output pada tabel 4.18 didapatkan nilai Asymp. Sig. (2tailed)> 0.025, maka H0 diterima. Artinya tidak terdapat perbedaan antara
data simulasi dan data nyata pada data waktu tunggu (valid).
40
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.
41