ANALISIS SISTEM ANTRIAN PADA INDUSTRI PENGOLAHAN ROTI (STUDI KASUS DI PT NIPPON INDOSARI CORPINDO) Oleh : LINDA MIKOWATI F

Transkripsi

1 ANALISIS SISTEM ANTRIAN PADA INDUSTRI PENGOLAHAN ROTI (STUDI KASUS DI PT NIPPON INDOSARI CORPINDO) Oleh : LINDA MIKOWATI F FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR

2 ANALISIS SISTEM ANTRIAN PADA INDUSTRI PENGOLAHAN ROTI (STUDI KASUS DI PT NIPPON INDOSARI CORPINDO) SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN pada Departemen Teknologi Industri Pertanian Fakultas Teknologi Pertanian Institut Pertanian Bogor Oleh : LINDA MIKOWATI F FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR

3 Judul : Analisis Sistem Antrian Pada Industri Pengolahan Roti (Studi Kasus Di PT Nippon Indosari Corpindo) Nama : Linda Mikowati NRP : F Menyetujui Dosen Pembimbing, (Dr. Ir. Machfud, MS) NIP Mengetahui : Ketua Departemen, (Prof. Dr. Ir. Nastiti Siswi Indrasti) NIP Tanggal Lulus : 28 Desember

4 SURAT PERNYATAAN Saya menyatakan dengan sebenar-benarnya bahwa skripsi dengan judul ANALISIS SISTEM ANTRIAN PADA INDUSTRI PENGOLAHAN ROTI (STUDI KASUS DI PT NIPPON INDOSARI CORPINDO) adalah asli karya saya sendiri dengan arahan dosen pembimbing, kecuali yang jelas ditunjukkan rujukannya. Skripsi ini belum pernah diajukan untuk memperoleh gelar pada program sejenis di perguruan tinggi IPB dan perguruan tinggi lain. Semua sumber data dan informasi yang digunakan telah dinyatakan secara jelas dan dapat diperiksa kebenarannya. Bogor, 16 November Yang Membuat Pernyataan Linda Mikowati F

5 Linda Mikowati. F Analisis Sistem Antrian pada Industri Pengolahan Roti (Studi Kasus di PT Nippon Indosari Corpindo). Di bawah bimbingan : Machfud RINGKASAN Produktivitas merupakan salah satu hal yang penting untuk diperhatikan dalam upaya pengembangan industri karena nilai produktivitas menjadi indikator tingkat keefektifan dan keefisienan perusahaan. Pencapaian produktivitas yang tinggi sangat ditentukan dari kelancaran proses produksi atau keseimbangan produksi. Keseimbangan produksi ditentukan oleh kecepatan pelayanan dan kecepatan kedatangan atau ada tidaknya hambatan yang terjadi karena masalah antrian. Antrian terjadi pada saat waktu kedatangan bahan lebih cepat dari waktu pelayanannya serta adanya keragaman tingkat kedatangan dan tingkat pelayanan sehingga pengguna fasilitas yang tiba tidak dapat segera dilayani karena kesibukan pelayanan. Pada industri pengolahan roti PT Nippon Indosari Corpindo, proses produksi dilakukan dengan sistem semi otomatis yaitu dengan kombinasi antara kerja mesin dan operator sehingga masih terdapat adanya keragaman tingkat pelayanan yang bersifat probabilistik. Oleh karena itu analisis terhadap antrian perlu dilakukan untuk mengantisipasi adanya tambahan biaya yang berkaitan dengan adanya kerusakan bahan selama proses produksi. Pada industri pengolahan roti hal tersebut akan mengakibatkan over fermentasi pada adonan yang selanjutnya akan mengurangi mutu produk karena adanya waktu bahan menunggu. Apabila hal ini terus terjadi maka akan terjadi kerugian yang semakin besar pada perusahaan oleh karena itu perlu adanya suatu simulasi yang dikembangkan dengan teori antrian. Tujuan dari penelitian ini adalah untuk mengidentifikasi model-model antrian yang terjadi pada suatu lini produksi, menganalisis kinerja sistem antrian yang terjadi pada suatu lini produksi, mengidentifikasi faktor yang menyebabkan terjadinya antrian dan membentuk skenario model antrian. Penelitian ini dibatasi pada analisis dan pengembangan model sistem antrian di lini roti manis pada PT Nippon Indosari Corpindo dari saat bahan baku masuk ke salah satu stasiun produksi hingga stasiun akhir di lini produksi. Pada lini roti manis ini terdapat 16 stasiun pelayanan yang terdiri dari pelayanan mesin atau ruangan dan pelayanan operator. 16 stasiun tersebut adalah stasiun mixing sponge, fermentasi I, mixing dough, floor time, dividing, rounding, intermediate proofing, filling, make up, panning, fermentasi II, baking, depanning, cooling, packaging, dan crating. Terdapat 6 stasiun yang menggunakan pelayanan operator yaitu stasiun filling (1 operator), make up (4 operator), panning (2 operator untuk item roti sobek dan 1 operator untuk item roti bulat), baking (1 operator), depanning (1 operator) dan crating (2 operator). Sistem antrian di lini roti manis ini dinamakan Sistem Antrian Pengolahan Roti di PT. Nippon Indosari Corpindo (SAPR-NIC) dengan 14 model yang menyusunnya. Model tersebut antara lain model analisis keseimbangan aliran bahan pada stasiun mixing sponge (model 1), model analisis keseimbangan aliran bahan di stasiun fermentasi I dan floor time (model 2), model analisis

6 keseimbangan aliran bahan di stasiun mixing dough (model 3), model simulasi dari stasiun dividing hingga stasiun rounding pada item roti bulat (model 4), model simulasi dari stasiun filling hingga stasiun panning pada item roti bulat (model 5), model analisis keseimbangan aliran untuk stasiun fermentasi II (model 6), model simulasi pada stasiun baking item roti bulat (model 7), model simulasi depanning item roti bulat (model 8), model simulasi dari stasiun packaging hingga stasiun crating pada item roti bulat (model 9), model simulasi dari stasiun dividing hingga stasiun rounding pada item roti sobek (model 10), model simulasi dari stasiun filling hingga stasiun make up pada item roti sobek (model 11), model simulasi pada stasiun baking item roti sobek (model 12), model simulasi pada stasiun depanning item roti sobek (model 13), model simulasi dari stasiun packaging hingga stasiun crating pada item roti sobek (model 14). Model simulasi dijalankan dengan bantuan software QSS 1.0 (Queuing System Simulation) sedangkan model keseimbangan aliran bahan dianalisis dengan cara menyesuaikan atribut kecepatan pelayanan dan kedatangan bahan dengan sistem penjadwalan yang dilakukan perusahaan sehingga perhitungan mengenai entity antrian dilakukan secara manual. Setelah data pengamatan diuji kecukupannya, selanjutnya dilakukan uji distribusi data waktu kedatangan bahan dan waktu pelayanan bahan untuk menentukan sebaran distribusi beserta parameternya sebagai input simulasi dengan QSS 1.0. Uji distribusi ini dilakukan dengan perangkat statistik Easyfit 5.1 Professional dengan metode Kolmogorov-Smirnov tes goodness of fit. Setelah uji distribusi, dilakukan input komponen-komponen yang menyusun simulasi SAPR- NIC tiap modelnya. Simulasi dijalankan sesuai dengan waktu pada kondisi nyata di tiap itemnya, pada item roti bulat simulasi dilakukan selama detik dan item roti sobek selama detik setiap harinya, sedangkan pada analisis keseimbangan aliran bahan dilakukan selama pengamatan dan didukung dengan data historis perusahaan selama 1 hari. Dari hasil analisis keseimbangan aliran bahan pada kondisi nyata, kinerja sistem antrian menunjukan bahwa pada model 1 tidak terjadinya antrian dengan nilai utilitas mesin sebesar 39,44%, pada model 2 juga tidak terdapat antrian dengan nilai utilitas 83,90%, pada model 3 juga tidak terdapat antrian dengan nilai utilitas 92,99%, dan pada model 6 dilakukan analisis mengenai waktu keterlambatan kedatangan bahan untuk mengisi ruang fermentasi yang telah kosong yang mana menjadi waktu idle ruang fermentasi II sebesar 16,80 menit untuk item roti bulat pada pengamatan total 48 rak yang masuk serta nilai utilitas ruang fermentasi sebesar 87,72% dan pada item roti sobek waktu keterlambatan sebanyak 100 menit dan nilai utilitas sebesar 41,20% pada pengamatan sebanyak total 24 rak yang masuk. Berdasarkan hasil simulasi, kinerja sistem antrian pada model simulasi menunjukan bahwa pada stasiun dividing hingga stasiun crating memiliki nilai rata-rata antrian yang rendah karena nilai antrian tersebut merupakan nilai tengah (µ) atau expected value. Pada item roti bulat, nilai rata-rata antrian terkecil bernilai 0,04 kg dan nilai rata-rata antrian terbesar bernilai 0,91 kg sedangkan pada item roti sobek nilai rata-rata antrian terkecil bernilai 0,01 kg dan nilai ratarata antrian terbesar bernilai 0,68 kg. Secara signifikansi, nilai tersebut tidak menyebabkan pengaruh besar sebagai hambatan dalam proses produksi.

7 Nilai rata-rata utilitas tiap model berbeda-beda, nilai rata-rata utilitas terkecil pada item roti bulat sebesar 79,63% dan nilai utilitas terbesarnya bernilai 95,30% sedangkan pada item roti sobek nilai rata-rata utilitas terkecil sebesar 81,69% dan nilai utilitas terbesarnya bernilai 94,38%. Nilai utilitas tersebut bernilai relatif tinggi namun tetap diperlukan upaya peningkatan agar waktu idle dapat berkurang. Faktor yang menyebabkan terjadinya antrian pada lini roti manis ini adalah kecepatan kedatangan dan atau kecepatan pelayanan yang bersifat probabilistik karena kerja dari operator, waktu pelayanan yang kurang seimbang antar stasiun kerja dan kecepatan operator yang kurang bisa mengimbangi kecepatan pelayanan mesin. Model antrian dikembangkan dengan skenario perubahan kecepatan mesin atau perubahan komposisi operator pada stasiun yang memiliki nilai antrian tertinggi. Skenario yang dilakukan pada model item roti bulat adalah dengan menambah 1 operator pada stasiun crating (model 9) dan hasilnya adalah tidak adanya antrian dan waktu menunggu namun terjadinya penurunan nilai utilitas. Pada item roti sobek, skenario dilakukan dengan meningkatkan kecepatan mesin packaging (model 14) dari 60 pack/menit menjadi 64 pack/menit sehingga menghasilkan kinerja berupa tidak adanya antrian dan waktu menunggu serta penurunan nilai utilitas. Uji kesamaan nilai tengah (Uji-t) waktu pelayanan data historis dengan waktu pelayanan data hasil simulasi yang dilakukan terhadap simulasi antrian kondisi nyata menunjukan p-value > α, dengan selang kepercayaan 95% (α=0,05). Hal ini menunjukan tidak terdapat perbedaan signifikan antara nilai tengah data waktu pelayanan kondisi historis dengan nilai tengah data waktu pelayanan hasil simulasi pada model kondisi nyata sehingga hasil simulasi valid untuk digunakan sebagai model dari kondisi nyatanya.

8 Linda Mikowati. F Queuing System Analysis In Bread ing Industry (Case Study at PT Nippon Indosari Corpindo). Supervised by Machfud SUMMARY Productivity is one of important thing to be concerned in industrial development efforts because the productivity value becomes an indicator of company efficiency and effectiveness. Achievement of high productivity is determined from the continuity of production process or production balancing. Production balancing is determined by service velocity and arrival velocity or the existence of bottleneck due to queuing. The queue occured when the arrival of raw materials exceed than production capacity and at the time when arrival time faster than service time so that the following materials which arrived could not be serviced directly because of busyness services. In the bread processing industry PT Nippon Indosari Corpindo, production processed with semi-automatic system which combined between machine and operator so that there are a variety of service rate with probabilistic patterns. Therefore, production queuing of company needs to be analyzed to anticipate any additional costs due to material damage during production process. In the bread processing industry, it will cause over-fermentation and then will reduce the quality of product because of waiting time materials. If that condition continues, the material loss in company will be larger. Therefore, need a simulation to be developed with queuing theory. The research purposes was identifying queuing models that occurs in a production line, analyzing queuing system performance, identifying causing factors of queue and developing queuing models scenario. This research is limited to queuing system analysis and development models in sweet bread line PT Nippon Indosari Corpindo from raw material which arrived into first production station until the end of production station. This sweet bread line had 16 service stations that consisted of machine or room service and operator service. Sixteen stations was mixing sponge stations, first fermentation, mixing dough, floor time, dividing, rounding, intermediate proofing, filling, make up, panning, second fermentation, baking, depanning, cooling, packaging and crating. There was 6 stations using operators that was filling station (1 operator), make-up (4 operators), panning (2 operators at ripped bread items and 1 operator at filled bread items), baking (1 operator), depanning (1 operator) and crating (2 operators). Queuing system in this sweet bread line called Queuing System of Bread ing in PT. Nippon Indosari Corpindo (SAPR-NIC) with 14 models. The models included the model analysis of material flow balancing on mixing sponge station (model 1), the model analysis of material flow balancing on first fermentation and floor time station (model 2), model analysis of material flow balancing on mixing dough station (model 3), Simulation model from dividing station untill station of rounding at filled bread items (model 4), Simulation model from filling station untill station of panning at filled bread items (model 5), model analysis of material flow balancing on second fermentation (model 6), Simulation

9 model on baking station at filled bread items (model 7), model simulations on depanning station at filled bread items (model 8), Simulation model from packaging station untill station of crating at filled bread items (model 9), Simulation model from dividing station untill station of rounding at ripped bread items (model 10), Simulation model from filling station untill station of panning at ripped bread items (model 11), Simulation model on baking station at ripped bread items (model 12), model simulations on depanning station at ripped bread items (model 13), Simulation model from packaging station untill station of crating at ripped bread items (model 14). Simulation model was developed by using QSS 1.0 (Queuing System Simulation) whereas the model of material flow balancing would be analyzed by adjusting the attributes service velocity and material arrival velocity with a scheduling system that company had performed so that the queuing entities calculations conducted manually. After observational data had sufficient, distribution test would be performed on data of arrival time and service time to determine the distribution and its parameters as the simulation input with QSS 1.0. Distribution test was conducted with statistical tools Easyfit 5.1 Professional with Kolmogorov- Smirnov method goodness of fit test. After the test distribution, input the components in SAPR-NIC simulation for each model. The simulation was running on real time condition, simulation time for filled bread item is 16,920 seconds and 67,680 seconds for ripped bread item, while the analysis of material flow balancing conducted during the observations and supported by historical data company for 1 day. From the results of material flow balancing analysis in real conditions, queuing system performance showed that in model 1 there was no queue with 39.44% utility value, in model 2 there was also no queue with 83.90% utility value, in model 3 there was also no queue with 92.99% utility value, and in model 6 performed time delayed analysis of material which arrived to fill the fermentation room and the delayed time that occurs will become the idle time of second fermentation II room. The idle time was minutes for filled bread items on 84 racks observation which came and was followed with 87.72% utility value of the fermentation room. In the ripped bread items, there was 100 minutes delay time with 41.20% utility value on 24 racks observation. Based on simulation results, the performance of queuing system in a simulation model showed that on dividing station until crating station had low of queue average value because its queue value is mean value (µ) or expected value. In filled bread items, the smallest queue average was 0.04 kg and the biggest queue average was 0.91 kg whereas on ripped bread items, the smallest queue average was 0.01 kg and the biggest queue average was 0.68 kg. In significance, its value was not causing a major influence as a barrier in the production process. The utility of each model had different average value, the smallest utility average in filled bread items was 79.63% and the largest utility average was 95.30% while the smallest utility average of ripped bread items was % and the largest utility average was 94.38%. The utility value is relatively high but still needed improvement so that the idle time can be reduced. Factors that cause the existance of queue in this sweet bread line was the interarrival velocity and or service velocity which had probabilistic pattern,

10 service time was unbalanced between work stations and work speed of operators that could not equalize with machine speed. Queuing model was developed by changing the speed of machine or operators composition on work station which had the highest queue value. The scenario on the filled bread item model was conducted by adding one operator at crating station (model 9) and the result showed that there was no material queue and waiting time but followed by the decline of utility value. In ripped bread items, the scenario was conducted by increasing the packaging machine speed (model 14) from 60 packs/min into 64 packs/min and the result showed that there was no queue, waiting time and the decline of utility value. Mean equality test (t-test) from service time historical data and service time simulation on real conditions showed that p-value> α, with 95% confidence interval (α = 0.05). It indicated that there was no significant difference between the mean value of service time historical data and mean value of service time simulation results so that the simulation results was valid to be used as a model of the real condition.

11 RIWAYAT HIDUP Penulis bernama Linda Mikowati dilahirkan di Jakarta tanggal 26 Juli 1987 dan tumbuh di kota Depok, Jawa Barat. Penulis merupakan anak kedua dari pasangan H. Sudjatmoko dan Indrawati yang memulai pendidikan formalnya dari TK Kuncup Harapan dari tahun , SD Negeri Beji Timur 2 Depok ( ), SLTP Negeri 2 Depok ( ), SMU Negeri 1 Depok ( ) dan terakhir pada Institut Pertanian Bogor (2005-). Pada Tahun 2005, Penulis berhasil diterima sebagai mahasiswa Strata-1 IPB melalui jalur Seleksi Penerimaan Mahasiswa Baru (SPMB) dan kemudian pada tahun berikutnya (2006), penulis dinyatakan diterima di Departemen Teknologi Industri Pertanian Fakultas Teknologi Pertanian pada program mayorminor IPB. Penulis telah melakukan kegiatan praktek lapang dengan topik Mempelajari Aspek Perencanaan Produksi dan Pengendalian Persediaan di PT Arnott s Indonesia Bekasi. Selain di bidang akademis, penulis aktif mengikuti kegiatan keorganisasian sebagai Staff Biro Pemberdayaan sekaligus sebagai sekretaris Departemen Human Resources Development, Himpunan Mahasiswa Teknologi Industri (HIMALOGIN) tahun Pada tahun berikutnya ( ) penulis aktif sebagai Staff Departemen Pengembangan Sumber Daya Manusia, BEM Fakultas Teknologi Pertanian dan banyak terlibat dalam berbagai acara kemahasiswaan. di Tahun terakhir masa perkuliahan, penulis melakukan penelitian masalah khusus di PT Nippon Indosari Corpindo dengan judul Analisis Sistem Antrian Pada Industri Pengolahan Roti (Studi Kasus di PT Nippon Indosari Corpindo).

12 KATA PENGANTAR Alhamdulillahirabbilalamin. Segala puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala rahmat, ridho, dan hidayah-nya sehingga penulis dapat menyelesaikan penelitian dan penyusunan skripsi dengan judul Analisis Sistem Antrian pada Industri pengolahan Roti (Studi Kasus di PT Nippon Indosari Corpindo). Penyusunan skripsi ini merupakan salah satu syarat untuk memperoleh gelar sarjana pada Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian Institut Pertanian Bogor. Tersusunnya skripsi ini tidak lepas dari bimbingan dan dukungan berbagai pihak. Pada kesempatan ini, penulis ingin mengucapkan terima kasih kepada : 1. Dr. Ir. Machfud, MS sebagai dosen Pembimbing Akademik yang telah memberikan bimbingan dan pengarahan sampai tersusunnya skripsi ini. 2. Dr. Ir. Hartrisari Hardjomidjodjo, DEA dan Dr. Ir. Meika Syahbana Rusli, M.Sc sebagai dosen penguji ujian skripsi yang telah memberikan banyak masukan untuk skripsi ini. 3. Mama, Bapak, kakak, adik dan Nenekku yang telah memberikan banyak pelajaran berharga, doa serta dukungan baik moril maupun material selama ini hingga penulis mampu menyelesaikan skripsi ini hingga selesai. 4. Bapak Sumaryadi sebagai Assistant Manager Production PT Nippon Indosari Corpindo sekaligus pembimbing lapangan selama penelitian yang telah memberikan arahan, bantuan, dan kebaikan selama penulis melakukan penelitian di perusahaan. 5. Ibu Ika sebagai supervisor HRD yang telah memberikan kesempatan untuk melakukan penelitian di perusahaan. 6. Admin Produksi (Pak Yayat, Mas Kusman, Mas Emon dan Erik), Seluruh Bagian Teknik, bagian RM (Raw Material) dan bagian QA. 7. Para pekerja bagian Produksi Blok U atas bantuan dan kerjasama selama penulis melakukan penelitian di Perusahaan. 8. Dwi Hendryardinanto dan Arviano Haryanto Sahar atas segala penjelasan dan masukan untuk skripsi ini. i

13 9. Ronny Mardilis, yang telah memberikan semangat, bantuan, arahan, dan perhatian kepada penulis selama ini. Terima kasih atas nilai kebaikan, kesabaran dan ketulusan hati yang telah diajarkan selama ini. 10. Putri Puspita Wardani sebagai rekan seperjuangan selama melakukan penelitian di Perusahaan atas segala bantuan, arahan, kesabaran, motivasi dan persahabatan selama ini. 11. Teman-teman Undercover Society yang kusayang. Nono, Putus, Rara, Kochan, Mahe, Torik, Dony, dan Nuge yang selalu mensupport di setiap waktu. Terima kasih atas kebersamaan dan persahabatannya selama ini, hope we ll still be an everlasting story. 12. Kriston Panggabean sebagai rekan satu bimbingan yang juga memberikan motivasi dan dukungan dalam pelaksanaan penelitian ini. 13. Ambar, Amel, Efrat, Ovi, Ninda, Pupet, Ibnu dan Seluruh teman seperjuangan di TIN 42 yang kubanggakan, Terima Kasih atas segala suka dan duka serta kebersamaan yang tak kan pernah terlupakan selama 4 tahun kita bersama. 14. Teman-Teman Susu Jagung (JAPAS Crew). Nadiyah, Ahsan, Cumi, dan Nutri atas segala usaha, kerja keras, dan dukungan selama ini. 15. Ka Dyna, Ka Agung, Ka Nardi, Ka Mukti, Temen-temen di Himalogin, BEM Fateta, TIN 41 dan TIN 43. Terima kasih atas semua bantuannya. 16. Tiara, Citra, Indri, Tety, Lidia, Mega, teman-teman di Plasma Depok 42 dan Pondok Annisa untuk segala keceriaan dan kebersamaan selama ini. 17. Serta untuk semua pihak terkait yang tidak bisa disebutkan satu-persatu. Terima kasih atas segala bantuan dan dukungannya. Semoga skripsi ini dapat memberikan manfaat bagi pembaca, selain itu pula penulis mengharapkan kritik dan saran yang membangun terhadap skripsi ini agar lebih baik dalam langkah selanjutnya. Wassalamualaikum Wr.Wb Bogor, Januari 2010 Penulis ii

14 DAFTAR ISI Halaman KATA PENGANTAR... i DAFTAR ISI... iii DAFTAR TABEL... v DAFTAR GAMBAR... vi DAFTAR LAMPIRAN... viii I. PENDAHULUAN A. Latar Belakang... 1 B. Ruang Lingkup C. Tujuan... 2 D. Output dan Manfaat... 2 II. TINJAUAN PUSTAKA A. Roti... 3 B. Teori Antrian... 6 C. Uji Kecukupan Data D. Uji Distribusi E. Distribusi Peluang F. Simulasi G. Sistem dan Model H. Verifikasi dan Validasi Model III. METODE PENELITIAN A. Kerangka Pemikiran B. Pendekatan Berencana C. Lokasi dan Waktu Penelitian D. Tata Laksana IV. KONDISI SISTEM ANTRIAN DI PT. NIPPON INDOSARI CORPINDO A. Sistem Produksi Roti Manis (sweet bread) B. Konfigurasi Sistem Antrian Produksi Roti Manis V. ANALISIS DAN PEMBAHASAN A. Uji Kecukupan Data dan Distribusi Data iii

15 B. Model Antrian C. Verifikasi dan Validasi Model D. Skenario Model Pembanding VI. KESIMPULAN DAN SARAN A. Kesimpulan B. Saran DAFTAR PUSTAKA LAMPIRAN iv

16 DAFTAR TABEL Halaman Tabel 1. Jumlah server, kapasitas antrian dan disiplin antrian pada tiap stasiun pelayanan Tabel 2. Hasil Uji kecukupan data waktu pelayanan lini roti bulat dan sobek Tabel 3. Hasil Uji kecukupan data waktu kedatangan lini roti bulat dan sobek Tabel 4. Hasil Uji Distribusi Waktu Kedatangan Bahan Roti Bulat Tabel 5. Hasil Uji Distribusi Waktu Pelayanan Bahan Roti Bulat Tabel 6. Hasil Uji Distribusi Waktu Kedatangan Bahan Roti Sobek Tabel 7. Hasil Uji Distribusi Waktu Pelayanan Bahan Roti Sobek Tabel 8. Model pada Simulasi SAPR-NIC Tabel 9. Komponen-komponen Simulasi SAPR-NIC Tabel 10. Output Overall Simulasi Model Tabel 11.Output Overall Simulasi Model Tabel 12. Nilai Hasil Perhitungan Model Tabel 13. Output Overall Simulasi Model Tabel 14. Output Overall Simulasi Model Tabel 15. Output Overall Simulasi Model Tabel 16. Output Overall Simulasi Model Tabel 17. Output Overall Simulasi Model Tabel 18. Output Overall Simulasi Model Tabel 19. Output Overall Simulasi Model Tabel 20. Output Overall Simulasi Model Tabel 21. Hasil uji kesamaan nilai tengah waktu pelayanan data historis dengan waktu pelayanan data hasil simulasi antrian kondisi nyata pada item roti bulat Tabel 22. Hasil uji kesamaan nilai tengah waktu pelayanan data historis dengan waktu pelayanan data hasil simulasi antrian kondisi nyata pada item roti sobek v

17 Tabel 23. Output Overall Simulasi Model pada Item Roti Bulat Tabel 24. Output Overall Simulasi Model pada Item Roti Sobek vi

18 DAFTAR GAMBAR Halaman Gambar 1. Model Antrian Jalur Tunggal dengan Fasilitas Pelayanan Tunggal. 8 Gambar 2. Model Antrian Jalur Tunggal dengan Fasilitas Pelayanan Ganda... 8 Gambar 3. Model Antrian Jalur Ganda dengan Fasilitas Pelayanan Tunggal... 8 Gambar 4. Model Antrian Jalur Ganda dengan Fasilitas Pelayanan Ganda Gambar 5. Diagram Simulasi Monte Carlo Gambar 6. Skema tahapan pendekatan berencana Gambar 7. Diagram Tahapan Penelitian Gambar 8. Flow chart proses produksi roti manis Gambar 9. Pola sistem antrian pada lini roti manis Gambar 10. Tampilan spreadsheet simulasi model Gambar 11. Tampilan model grafis simulasi model Gambar 12. Tampilan spreadsheet simulasi model Gambar 13. Tampilan model grafis simulasi model Gambar 14. Tampilan model grafis simulasi model Gambar 15. Tampilan spreadsheet simulasi model Gambar 16. Tampilan spreadsheet simulasi model Gambar 17. Tampilan model grafis simulasi model Gambar 18. Tampilan spreadsheet simulasi model Gambar 19. Tampilan model grafis simulasi model Gambar 20. Tampilan spreadsheet simulasi model Gambar 21. Tampilan model grafis simulasi model Gambar 22. Tampilan model grafis simulasi model Gambar 23. Tampilan spreadsheet simulasi model Gambar 24. Tampilan spreadsheet simulasi model Gambar 25. Tampilan model grafis simulasi model Gambar 26. Tampilan spreadsheet simulasi model Gambar 27. Tampilan model grafis simulasi model Gambar 28. Tampilan spreadsheet simulasi model Gambar 29. Tampilan model grafis simulasi model vii

19 DAFTAR LAMPIRAN Halaman Lampiran 1. Hasil Pengamatan Kecepatan Kedatangan Bahan Lampiran 2. Hasil Pengamatan Kecepatan Pelayanan Bahan Lampiran 3. Data Observasi Model Lampiran 4. Data Observasi Model Lampiran 5. Data Observasi Model Lampiran 6. Hasil Simulasi SAPR-NIC Model 4 Kondisi Nyata Lampiran 7. Hasil Simulasi SAPR-NIC Model 5 Kondisi Nyata Lampiran 8. Data Observasi Model Lampiran 9. Hasil Simulasi SAPR-NIC Model 7 Kondisi Nyata Lampiran 10. Hasil Simulasi SAPR-NIC Model 8 Kondisi Nyata Lampiran 11. Hasil Simulasi SAPR-NIC Model 9 Kondisi Nyata Lampiran 12. Hasil Simulasi SAPR-NIC Model 10 Kondisi Nyata Lampiran 13. Hasil Simulasi SAPR-NIC Model 11 Kondisi Nyata Lampiran 14. Hasil Simulasi SAPR-NIC Model 12 Kondisi Nyata Lampiran 15. Hasil Simulasi SAPR-NIC Model 13 Kondisi Nyata Lampiran 16. Hasil Simulasi SAPR-NIC Model 14 Kondisi Nyata Lampiran 17. Hasil Simulasi Model Skenario Item Roti Bulat Lampiran 18. Hasil Simulasi Model Skenario Item Roti Sobek Lampiran 19.Tahapan Cara Pengujian dan Contoh Output Hasil Uji Distribusi dengan software Easyfit 5.1 Professional Lampiran 20. Output Hasil Uji Kesamaan Dua Populasi (Uji-T) Antara Waktu Pelayanan Data Historis Dengan Waktu Pelayanan Data Hasil Simulasi Lampiran 21. Prosedur Penggunaan Program Queuing System Simulation (QSS) viii

20 I. PENDAHULUAN A. Latar Belakang Produktivitas merupakan salah satu hal yang penting untuk diperhatikan dalam upaya pengembangan industri karena nilai produktivitas menjadi indikator tingkat keefektifan dan keefisienan perusahaan. Pencapaian produktivitas yang setinggi-tingginya didukung dari kelancaran aktivitas pabrik dalam hal kelancaran pelayanan dan sirkulasi bahan. Hal ini dimaksudkan untuk mencapai keseimbangan produksi. Keseimbangan produksi pabrik ditentukan oleh sistem pengadaan bahan baku, kapasitas mesin dan pelayanan operator dalam proses produksi. Pada umumnya hambatan yang terjadi disebabkan oleh masalah antrian. Antrian terjadi pada saat waktu kedatangan bahan lebih cepat dari waktu pelayanannya serta adanya keragaman tingkat kedatangan dan tingkat pelayanan sehingga pengguna fasilitas yang tiba tidak dapat segera dilayani karena kesibukan pelayanan. Pada industri pengolahan roti PT Nippon Indosari Corpindo, proses produksi dilakukan dengan sistem semi otomatis yaitu dengan kombinasi antara kerja mesin dan operator sehingga masih terdapat adanya keragaman tingkat pelayanan yang bersifat probabilistik. Oleh karena itu analisis terhadap antrian perlu dilakukan untuk mengantisipasi adanya tambahan biaya yang berkaitan dengan adanya kerusakan bahan selama proses produksi. Pada Industri pengolahan roti, antrian yang terjadi akan mengakibatkan over fermentasi pada adonan yang selanjutnya akan mengurangi mutu produk karena adanya waktu bahan menunggu. Apabila hal ini terus terjadi maka akan terjadi kerugian yang semakin besar pada perusahaan oleh karena itu perlu adanya suatu simulasi yang dikembangkan dengan teori antrian. Menurut Siagian (1987), simulasi merupakan suatu metodologi untuk melaksanakan percobaan dengan menggunakan model dari suatu sistem nyata, dengan ide dasarnya menggunakan beberapa perangkat untuk 1

21 meniru sistem nyata guna mempelajari dan memahami sifat-sifat, tingkah laku dan karakter operasinya. Biasanya simulasi tersusun atas model prosedural dan model matematis yang menggambarkan sistem yang sebenarnya terjadi. B. Ruang Lingkup Penelitian ini dibatasi pada analisis sistem antrian di lini roti manis PT Nippon Indosari Corpindo (kawasan Industri Jababeka Blok U) dan pengembangan modelnya dari saat bahan baku masuk ke stasiun pertama hingga stasiun akhir di lini produksi. C. Tujuan Tujuan dari penelitian ini antara lain : 1. Mengidentifikasi model-model antrian yang terjadi pada suatu lini produksi 2. Menganalisis kinerja sistem antrian yang terjadi pada suatu lini produksi. 3. Mengidentifikasi faktor yang menyebabkan terjadinya antrian. 4. Membentuk skenario model antrian. D. Output dan Manfaat Penelitian yang dilakukan dapat memberi pemahaman yang lebih mendalam mengenai aplikasi teori antrian dalam suatu industri guna mengetahui tingkat efektifitas dan efisiensi dalam proses produksi. Output dari penelitian ini adalah skenario model baru pada salah satu stasiun produksi sebagai pembanding model antrian yang ada pada kondisi nyata. 2

22 II. TINJAUAN PUSTAKA A. Roti Roti adalah adonan teraerasi dengan komposisi utama tepung, garam dan air. Aerasi umumnya dilakukan melalui fermentasi khamir, tetapi banyak pula yang dihasilkan dengan cara lain. Aerasi berasal dari karbon dioksida yang dihasilkan dari fermentasi khamir. Lemak kadangakadang ditambahkan ke dalam adonan. Secara garis besar proses pembuatan roti terdiri dari tahapan : pencampuran adonan, pembagian adonan, fermentasi pertama, pembentukan akhir, fermentasi akhir, pemanggangan, pendinginan dan pemotongan (Ranken, 1984 di dalam Indriati, 1997). Selain itu, Standar Industri Indonesia (SII) nomor mendefinisikan roti sebagai makanan yang terbuat dari tepung terigu yang diragikan dengan ragi roti dan dipanggang, ke dalam adonan tersebut boleh ditambahkan garam, gula, susu atau susu bubuk, lemak dan bahanbahan pelezat seperti cokelat, kismis dan lainnya. Metode pembuatan roti dapat dibedakan menjadi tiga macam, yaitu metode no time dough, metode straight dough dan metode sponge and dough. Metode no time dough adalah proses langsung dengan waktu fermentasi sesingkat mungkin atau ditiadakan sama sekali. Keuntungan dari metode ini adalah waktu produksi singkat, kehilangan berat karena fermentasi lebih sedikit serta tidak memerlukan banyak peralatan dan tenaga kerja. Adapun kekurangan dari metode ini adalah aroma roti tidak ada, umur simpan (shelf life) lebih pendek dan lebih banyak memakai bread improver (Anonim, 1989). Pembuatan adonan pada metode straight dough dilakukan dengan mencampur semua bahan secara bersamaan dalam suatu campuran tunggal. Dalam hal ini pencampuran dilakukan sampai masa adonan mencapai penampakan dan kehalusan yang dikehendaki serta pengembangan elastisitas yang diperlukan. Keuntungan dari metode straight dough adalah kebutuhan tenaga minimal, jumlah peralatan yang diperlukan lebih sedikit, jumlah kehilangan berat karena fermentasi lebih 3

23 sedikit serta waktu produksi lebih pendek. Adapun kelemahan dari metode ini adalah toleransi terhadap waktu fermentasi lebih pendek dan kesalahan dalam proses pengadukan tidak dapat diperbaiki (Anonim, 1989). Metode sponge and dough terdiri dari dua langkah pengadukan yaitu pembuatan sponge dan pembuatan dough. Keuntungan dari metode sponge and dough yaitu lebih memiliki toleransi yang tinggi jika ada penundaan (over fermentation), adanya kesempatan kedua untuk mengkoreksi kesalahan, volume lebih besar, serta umur simpan roti yang lebih lama sedangkan kekurangan metode ini antara lain toleransi yang rendah terhadap pengadukan, tingginya kehilangan air selama fermentasi (fermentasi loss), memerlukan lebih banyak peralatan dan perawatan serta memerlukan penanganan dan tenaga kerja yang lebih besar (Taufik, ). Proses pembuatan roti dibagi dalam dua bagian utama, yaitu pembuatan adonan dan pemanggangan. Pembuatan adonan meliputi pencampuran, pembentukan, dan pengembangan. Pencampuran berfungsi untuk mendistribusikan komponen-komponen bahan penyusun roti secara homogen dan membentuk matriks gluten dalam menghasilkan roti yang baik. Waktu pencampuran bervariasi tergantung jenis tepung, suhu, konsentrasi adonan dan alat pencampur yang dgunakan (Pomeranz dan Shellenberger, 1971). Tujuan pencampuran adonan dalam pembuatan roti adalah untuk membuat dan mengembangkan sifat daya rekat gluten yang sebelumnya tidak ada dalam tepung (US Wheat Associates, 1983). Proses yang penting dan mendasar dalam pembuatan roti adalah proses biologis yang disebut dengan proses fermentasi yang dilakukan oleh ragi roti. Ragi sendiri tidak dapat mengawali pembentukan gas dalam adonan, namun dalam tahapan selanjutnya ragi merupakan satu komponen utama yang berfungsi mengembangkan, mematangkan, memproduksi senyawa-senyawa gas dan aroma adonan melalui fermentasi yang dilakukan. Suhu optimum fermentasi adonan adalah 27 o C (Hidayat, ). 4

24 Ragi roti atau yeast adalah mikroorganisme hidup jenis khamir yang sering disebut Saccharomyces cerevisiae, berkembang biak melalui cara membelah diri atau budding. Saccharomyces cerevisiae memfermentasikan adonan sehingga menghasilkan gas karbondioksida yang akan mengembangkan adonan. Jika proses fermentasi terkendali dengan baik, maka akan menghasilkan produk roti yang baik, dalam arti mempunyai volume dan tekstur yang baik serta cita rasa yang enak. Selama proses fermentasi akan terbentuk CO2 dan etil alkohol. Gula-gula sederhana seperti glukosa dan fruktosa digunakan sebagai substrat penghasil CO2. Gas CO2 yang terbentuk menyebabkan adonan roti mengembang dan alkohol berkontribusi dalam membentuk aroma roti. Kondisi fermentasi yang ideal terjadi pada kelembaban 75-80%. Berikut reaksi kimia dari pengembangan roti dengan Saccharomyces cerevisiae : C12H22O11 + H2O sukrosa + air 2C6H12O6 invert sugar C6H12O6 dekstrosa 2 C2H5OH + 2 CO2 etil alkohol + karbondioksida Fungsi ragi (yeast) dalam pembuatan roti adalah untuk proses aerasi adonan dengan mengubah gula menjadi gas karbondioksida, sehingga mematangkan dan mengempukan gluten dalam adonan. Proses proofing adalah proses fermentasi akhir seteleh adonan dibentuk, ditimbang dan dimasukkan ke dalam loyang, sebelum akhirnya adonan dipanggang dalam oven. Pada tahap ini gluten menjadi halus dan meluas serta penampakan proofing volume adonan menjadi dua kali lipat. Suhu proofing atau fermentasi akhir yang baik adalah antara o C dengan kelembaban relatif (RH) % selama menit (Hidayat, ). Proses pembakaran adonan merupakan tahap akhir yang menentukan berhasil tidaknya suatu proses pembuatan roti. Untuk memperoleh hasil yang baik dan berwarna coklat dibutuhkan pemanasan sekitar o C sedangkan lama pembakaran roti secara tepat 5

25 bergantung pada ukuran atau bentuk roti, jumlah gula yang digunakan dalam formula dan jenis roti yang dibakar (Anonim, ). B. Teori Antrian Menurut Machfud (1999), teori antrian merujuk kepada penyelidikan suatu kelompok masalah secara fisik dan matematis, yang dicirikan oleh (1) masuknya suatu objek ke dalam suatu sistem, (2) objek bergerak melalui suatu sistem secara diskrit, (3) objek yang masuk ke dalam sistem untuk mendapatkan pelayanan (proses) diurut menurut aturan tertentu, (4) terdapat suatu mekanisme tertentu yang menentukan waktu pelayanan (proses) dan (5) terdapat paling sedikit satu dari dua mekanisme, kedatangan atau pelayanan, yang tidak dapat ditentukan secara pasti, akan tetapi dapat dipertimbangkan sebagai suatu sistem yang bersifat probabilistik. Sebagian besar aplikasi teori antrian berkenaan dengan suatu nilai ekspektasi terhadap suatu pencapaian perusahaan atau nilai rata-rata pada suatu periode tertentu. Hal ini karena sifat random dari waktu atau kecepatan kedatangan atau pemasukan bahan atau kecepatan pelayanan atau proses yang berlangsung sehingga dapat diduga dari nilai rata-rata, keragaman dan peluang. Teori antrian mengembangkan keadaan-keadaan yang berhubungan dengan segala aspek dalam situasi seseorang atau lebih harus menunggu untuk dilayani. Dengan menggunakan teori antrian ini kita dapat menganalisa antrian dengan menggunakan model-model matematik pada keadaan yang berbeda-beda, dan dengan teori antrian ini pula dapat dibuat keputusan tentang berapa jumlah fasilitas pelayanan yang harus digunakan, luasan tempat antrian yang dibutuhkan, saat pemberian pelayanan dan sebagainya. Terdapat beberapa tipe sistem antrian, akan tetapi semuanya dapat diklasifikasikan menurut karakteristik di bawah ini. 1. Masukan atau kejadian kedatangan, yaitu meliputi sebaran jumlah kedatangan tiap satuan waktu, jumlah antrian yang diizinkan 6

26 terbentuk, panjang maksimum antrian dan jumlah maksimum langganan yang harus dilayani. 2. Proses pelayanan, yang mengikuti sebaran waktu pelayanan untuk satu satuan unit pelanggan, jumlah fasilitas pelayanan serta bentuk fasilitas pelayanan (pararel, seri, dan lain-lain) 3. Disiplin antrian, merupakan cara penentuan antrian atau baris antrian seperti First In First Out (FIFO), Last In First Out (LIFO) dan lainlain). Menurut Pangestu dkk (1993), terdapat enam struktur dasar dari sistem antrian yang melukiskan kondisi umum dari fasilitas pelayanan, yaitu (1) jalur tunggal satu fasilitas pelayanan, (2) jalur tunggal fasilitas pelayanan ganda, (3) jalur ganda fasilitas pelayanan tunggal, (4) jalur ganda fasilitas pelayanan ganda. Gambar sistem antrian tersebut dapat dilihat pada Gambar 1. hingga Gambar 4. berikut ini. 7

27 Sistem Antrian Input Output Antrian Fasilitas Pelayanan Gambar 1. Model Antrian Jalur Tunggal dengan Fasilitas Pelayanan Tunggal Sistem Antrian Input Output Antrian Fasilitas Pelayanan Antrian Fasilitas Pelayanan Fasilitas Pelayanan Gambar 2. Model Antrian Jalur Tunggal dengan Fasilitas Pelayanan Ganda Sistem Antrian Input Output Antrian Fasilitas Pelayanan Gambar 3. Model Antrian Jalur Ganda dengan Fasilitas Pelayanan Tunggal Sistem Antrian Input Output Antrian Fasilitas Pelayanan Antrian Fasilitas Pelayanan Gambar 4. Model Antrian Jalur Ganda dengan Fasilitas Pelayanan Ganda (Pangestu dkk, 1993) 8

28 Selain empat struktur dasar antrian tersebut, masih terdapat struktur model antrian lain yang pada dasarnya merupakan gabungan dari dua atau lebih struktur antrian diatas. 1. Pola Kedatangan Pola kedatangan adalah menggambarkan cara individu-individu dari suatu populasi memasuki sistem. Individu-individu mungkin datang dengan laju kedatangan yang konstan atau juga acak. Sebaran peluang Poisson adalah salah satu dari sebaran pola kedatangan yang paling umum bila beberapa faktor mempengaruhi waktu kedatangan. Hal tersebut disebabkan sebaran Poisson sesuai dengan suatu pola kedatangan yang bersifat acak sempurna, berarti bahwa masing-masing kedatangan saling bebas satu dengan yang lainnya (Gordon, 1980 di dalam Sahar, 2007). Apabila laju kedatangan mempunyai sebaran Poisson, waktu antar kedatangan akan mempunyai sebaran eksponensial (Pangestu, 1993 dan Taha, 1982). 2. Pola Pelayanan Jumlah unit yang dapat dilayani persatuan waktu disebut sebagai laju pelayanan dari fasilitas pelayanan. Laju pelayanan dapat berpola konstan, dan dapat pula berpola acak. Untuk laju pelayanan yang berpola acak, akan mempunyai sebaran peluang seperti halnya pola kedatangan acak, yaitu sebaran Poisson. Bila laju pelayanan mempunyai sebaran Poisson, maka waktu pelayanan mempunyai sebaran peluang eksponensial (Pangestu, 1993 dan Taha, 1982). 3. Model-Model Antrian Untuk mempelajari model antrian diperlukan beberapa notasi yang digunakan untuk menggambarkan model antrian yang dimaksud. Menurut Aalto (2005) di dalam Sahar (2007), Notasi Kendall dapat digunakan untuk menggambarkan karakteristik dari antrian dengan sistem pararel secara umum yang dibakukan dengan format sebagai berikut : (x b / y b / z) : (u / v / w) 9

29 Keterangan : x : sebaran kedatangan y : sebaran waktu pelayanan z : jumlah fasilitas pelayanan pararel u : disiplin pelayanan atau disiplin antrian v : jumlah maksimum pelanggan di dalam sistem w : ukuran dari populasi asal pelanggan b : kedatangan bulk, pelayanan bulk Notasi baku yang menggunakan x dan y dapat diisi dengan notasi sebagai berikut : M : sebaran kedatangan atau laju pelayanan Poisson (ekivalen dengan sebaran waktu antar kedatangan atau waktu pelayanan eksponensial. D : waktu pelayanan atau waktu antar kedatangan konstan atau deterministik. G : sebaran waktu pelayanan umum (normal, binomial). GI : sebaran kedatangan atau tingkat pelayanan mempunyai sebaran khusus. K : sebaran selang untuk waktu antar kedatangan atau waktu pelayanan Notasi untuk mengganti V dan W adalah : I : Jumlah maksimum pelanggan di dalam sistem dan ukuran populasi asal pelanggan tak terhingga. F : jumlah maksimum pelanggan di dalam sistem dan ukuran populasi asal pelanggan terhingga. Disiplin antrian yang digunakan untuk mengisi u adalah : FCFS : First Come, First Serve LCFS : Last Come, First Serve SIRO : Service in Random Order SPT : Sort ing (Serving) GD : General (Service) Discipline 10

30 Dengan format baku tersebut dapat diketahui berbagai model antrian yang terbentuk. Masing-masing model antrian dapat diselesaikan secara analitis dengan rumus-rumus pada model baku. Menurut Gillet (1976), penyelesaian masalah antrian secara analitis dengan rumus-rumus pada model baku dapat dilakukan apabila kondisi-kondisi di bawah ini dipenuhi : a. Kedatangan pelanggan ke dalam sistem terjadi secara acak sempurna dan mengikuti sebaran Poisson b. Proses pelayanan terjadi secara acak sempurna dan waktu pelayanan mengikuti sebaran eksponensial c. Disiplin antrian adalah FIFO d. Peluang terjadinya suatu kedatangan pada selang waktu t sampai t + t, untuk t cukup kecil adalah λ t. e. Peluang adanya pelanggan meninggalkan sistem pada selang waktu t sampai t + t, untuk t cukup kecil adalah μ t. f. Laju kedatangan lebih kecil dari laju pelayanan C. Uji Kecukupan data Untuk mengetahui apakah data yang diambil telah mencukupi atau telah mewakili populasi sampel, maka harus dilakukan uji kecukupan data. Idealnya jumlah pengamatan diambil dalam jumlah banyak, tetapi mengingat faktor waktu, tenaga, biaya dan lain-lain maka hal tersebut sulit dilakukan. Oleh karena itu digunakan istilah tingkat kepercayaan dan tingkat ketelitian sehubungan dengan data pengamatan yang diambil. Tingkat kepercayaan adalah tingkat atau derajat dimana data yang diperoleh dari populasi yang sama. Sedangkan tingkat ketelitian adalah tingkat atau derajat dimana batas-batas yang digunakan dapat diijinkan untuk diterima atau ditoleransi. Pengujian kecukupan data pengamatan dapat dihitung dengan menggunakan rumus sebagai berikut. 11

31 20 N X ( X ) N = X Jumlah data yang dibutuhkan (N ) harus lebih kecil atau sama dengan data yang diperoleh agar data dapat dikatakan telah mewakili populasi. Berdasarkan rumus diatas, N adalah jumlah data pengukuran yang diperoleh, X adalah nilai dari data dan i adalah pengukuran ke-i yang dilakukan. Apabila N>N maka jumlah data yang diperoleh telah cukup mewakili populasi yang diamati di lapangan. Rumus tersebut memiliki tingkat ketelitian 10 persen dan tingkat keyakinan 90 persen (Sutalaksana et al.,1979). D. Uji Distribusi Pendekatan yang dilakukan untuk menentukan bentuk distribusi dapat dilakukan dengan cara-cara sebagai berikut (dalam urutan dari yang paling tidak disukai) (Conover, 1971 di dalam Anggraini, 2005) : 1. Nilai-nilai data tersebut digunakan secara langsung dalam simulasi. sebagai contoh, jika data menggambarkan waktu pelayanan, maka salah satu data digunakan jika sebuah waktu pelayanan diperlukan dalam sebuah simulasi. Hal ini disebut trace driven simulation. 2. Nilai data-data tersebut digunakan untuk mendefinisikan sebuah fungsi distribusi empiris dengan cara tertentu. Jika diperlukan dalam sebuah simulasi, sampel diambil dari distribusi ini. 3. Data dicocokkan terhadap bentuk teoritis distribusi tertentu, misal eksponensial atau poison, dengan menampilkan hipotesis tes untuk menentukan kecocokan tersebut (goodness of fit). Pencocokan ini menghasilkan sejumlah parameter statistika. Saat dilakukan simulasi, sampel diambil dari jenis distribusi teoritis dan nilai-nilai parameter yang cocok ini. Pada sebagian besar situasi, sifat dasar pada satu atau beberapa distribusi populasi merupakan hal yang paling penting. Kesahihan 12

32 prosedur-prosedur inferensi statistika parametrik bergantung pada bentuk populasi-populasi asal sampel-sampel yang dianalisis. Apabila bentukbentuk fungsi dari populasi-populasi yang dianalisis tidak diketahui maka populasi tersebut harus diuji kecenderungannya apakah terdistribusi sesuai dengan asumsi-asumsi yang mendasari prosedur parametrik yang diuji. Metode-metode keselarasan (goodnes of fit) digunakan untuk menentukan sampai seberapa jauh data sampel yang teramati selaras, cocok atau fit dengan model tertentu yang diujikan. Uji-uji keselarasan merupakan alat yang bermanfaat untuk mengevaluasi sampai seberapa jauh suatu model mampu mendekati situasi nyata yang digambarkannya (Anggraini, 2005). Uji Kolmogorov-Smirnov menguji sifat distribusi data empiris hasil pengamatan pada suatu populasi tertentu dengan distribusi teoritis seperti distribusi normal, eksponensial dan sebagainya. Hipotesis nolnya adalah distribusi data hasil pengamatan tidak berbeda nyata dengan distribusi teoritis. Menurut Heinz (1994), statistik uji D merupakan nilai absolut dari deviasi maksimum antara distribusi frekuensi pengamatan (F o ) dan distribusi frekuensi harapan (F e ) yang dapat ditulis : D = maksimum F F Jika nilai D hasil perhitungan lebih besar dari nilai D tabel, maka hipotesis nol ditolak. Sebaliknya, jika nilai D hasil perhitungan lebih kecil dari nilai D tabel, maka hipotesis nol diterima. Menurut Watson dan Blackstone (1981) di dalam Hendryardinanto (2003), uji Kolmogorov-Smirnov selain dapat digunakan pada sampel berukuran besar, juga dapat digunakan pada sampel berukuran kecil. Menurut Conover (1971) di dalam Hendryardinanto (2003), jika sampel berukuran kecil, maka penggunaan uji Kolmogorov-Smirnov adalah sesuai, karena uji tersebut memiliki ketelitian yang cukup baik walaupun sampel berukuran kecil. Untuk itu diasumsikan bahwa sampel acak. Asumsi yang kedua adalah jika fungsi distribusi yang dihipotesiskan kontinu, maka uji dikatakan teliti. Jika tidak, maka uji dikatakan konservatif. 13

33 Keunggulan dari penggunaan Kolmogorov-Smirnov sebagai penguji keselarasan goodness of fit adalah uji ini tidak membutuhkan pengelompokan data seperti khi-kuadrat sehingga tidak ada informasi yang hilang dari data. Hal tersebut dapat menghilangkan masalah spesifikasi interval yang berarti akan memberi kesempatan data diuji dengan semua distribusi yang lebih luas dibanding dengan khi-kuadrat. Keuntungan lain dari penggunaan Kolmogorov-Smirnov ialah tes ini tepat untuk semua ukuran n (untuk kasus semua parameter yang telah diketahui) sehingga lebih kuat (powerfull) dalam perbandingan dengan banyak fungsi distribusi, dibandingkan dengan tes khi-kuadrat (Law dan Kelton, 1991). Saat ini Kolmogorov-Smirnov telah diperluas sehingga memungkinkan dilakukan estimasi parameter-parameter untuk distribusi normal (lognormal), eksponensial, weibull, dan log-logistik. Meskipun tes Kolmogorov-Smirnov dalam bentuk aslinya (semua parameter telah diketahui) telah dapat diaplikasikan secara langsung pada distribusi kontinu dengan parameter-parameter yang telah diestimasi dan untuk distribusi diskret (Law dan Kelton, 1991). E. Distribusi Peluang Pemilihan fungsi sebaran peluang yang sesuai dengan kondisi nyata diperlukan untuk mendapatkan model yang mendekati keadaan sebenarnya. Langkah-langkah yang harus ditempuh dalam memilih fungsi sebaran peluang untuk kecepatan kedatangan dan kecepatan pelayanan adalah sebagai berikut : 1. Mengelompokan data menurut bentuknya, yaitu jumlah kedatangan dan jumlah unit yang dilayani per unit waktu. 2. Mencari frekuensi relatif dan frekuensi kumulatif dari data. 3. Menghitung rata-rata, keragaman dan simpangan baku. 4. Mencari bentuk baku dari data. 5. Menguji apakah sebaran yang dipilih sesuai (langkah 6) atau tidak (langkah 7) 14

34 6. Menetapkan bentuk parameter penduga dari sebaran baku yang dipilih 7. Sebaran yang tidak dapat diterapkan pada model-model sebaran baku ditetapkan sebagai sebaran khusus (sebaran empiris). Sistem antrian umumnya ditentukan oleh dua buah kelengkapan statistik, yaitu distribusi peluang waktu antar kedatangan dan distribusi peluang waktu pelayanan. Dalam sistem antrian yang nyata, waktu antar kedatangan dan waktu pelayanan mengikuti berbagai macam bentuk distribusi. Bentuk distribusi yang mendasari model-model antrian adalah distribusi Poisson dan distribusi eksponensial namun kecocokkan data sampel dapat mengikuti beberapa sebaran distribusi lainnya. Berikut adalah distribusi yang digunakan untuk uji distribusi goodness of fit. 1. Distribusi Poisson Menurut Morgan (1984), peubah acak diskret x dengan distribusi Poisson memiliki parameter λ sebagai berikut : Pr(x = i) = e λ, 0 i ~ k! Maka x dikatakan mempunyai sebaran Poisson dengan σ(x) = λ dan var x = λ. Hal ini merupakan sifat khusus yang menarik dari distribusi Poisson yaitu bahwa nilai harapannya sama dengan nilai keragamannya. 2. Distribusi Eksponensial Menurut Morgan (1984), peubah acak kontinu x dengan distribusi eksponensial memiliki parameter λ sebagai berikut : f(x) = λe, 0 x ~ Maka x dikatakan mempunyai distribusi eksponensial dengan σ(x) = 1/λ dan var x =1/λ. Beberapa penulis yang lain (seperti Barnett, 1965) menyebut distribusi peluang eksponensial dengan distribusi peluang negatif eksponensial. 15

35 3. Distribusi Normal Dalam dunia nyata terdapat beberapa tipe kejadian acak ynag dibentuk oleh distribusi normal. Distribusi ini mempunyai karakteristik kepadatan peluangnya berbentuk lonceng yang simetris terhadap garis x=μ dengan fungsi densitas pada X=x dengan persamaan : f(x) = 1 σ 2π e Dengan : π : nilai konstan (3,1416) e : nilai konstan (2,7183) μ : rata-rata σ : simpangan baku ( ) dan nilai x mempunyai batas ~ < x < ~ Distribusi normal dapat dibedakan dari distribusi normal lainnya atas dasar perbedaan nilai rata-rata dan simpangan bakunya atau keduaduanya (Sudjana, 1982). 4. Distribusi Gamma Meskipun distribusi normal memiliki penerapan yang luas di berbagai bidang, dalam kenyataannya terdapat situasi dimana hasilhasil eksperimen menunjukan distribusi yang tidak simetris ataupun tidak menunjukan kecenderungan simetris. Dalam kasus-kasus semacam ini, model distribusi normal tidak dapat memberikan hasil yang tepat jika digunakan. Untuk eksperimen-eksperimen probabilitas yang hasilnya menunjukan suatu bentuk distribusi yang mempunyai variasi ukuran kemencengan yang cukup signifikan, distribusi gamma merupakan salah satu alternatif model yang banyak digunakan. (Harinaldi, 2005) Didefinisikan untuk α > 0, fungsi gamma Γ(α)adalah : Γ(α) = x e Sifat-sifat penting fungsi gamma adalah : dx 16

36 1. Untuk sebuah bilangan bulat positif n, Γ(n) = (n 1)! 2. Didefinisikan : Γ = π 3. Untuk setiap α > 1 berlaku, Γ(α) = (α 1). Γ(α 1) (Harinaldi, 2005) 5. Distribusi Weibull Distribusi Weibull pertama kali diperkenankan oleh ahli fisika dari swedia Waloddi Weibull pada tahun Dalam aplikasinya, distribusi ini sering digunakan untuk memodelkan waktu sampai kegagalan (time to failure) dari suatu sistem fisika. Ilustrasi yang khas, misalnya, yaitu pada sistem dimana jumlah kegagalan meningkat dengan berjalannya waktu (misalnya keausan bantalan), berkurang dengan berjalannya waktu (misalnya daya hantar beberapa semi konduktor) atau kegagalan yang terjadi oleh suatu kejutan (shock) pada sistem (Harinaldi, 2005). 6. Distribusi Pareto Distribusi Pareto dinamai oleh ekonom Italia Vilfredo Pareto, hukum merupakan kekuatan distribusi probabilitas ditemukan sejumlah besar situasi dunia nyata (Wikipedia 2006). Distribusi Pareto ini awalnya digunakan untuk menggambarkan alokasi kekayaan di antara individu-individu karena itu tampaknya cukup baik untuk menunjukkan jalan bahwa porsi yang lebih besar dari kekayaan masyarakat mana pun dimiliki oleh persentase yang lebih kecil dari orang-orang dalam masyarakat. Fungsi kepadatan probabilitas (PDF) penduduk grafik f (x), probabilitas atau fraksi dari f(x) yang memiliki sedikit kekayaan per orang adalah tinggi. Probabilitas kemudian menurun terus sebagai kekayaan yang meningkat (Wikipedia 2006). Distribusi ini tidak terbatas untuk menggambarkan kekayaan atau distribusi pendapatan, tetapi untuk banyak situasi di mana suatu kesetimbangan ditemukan dalam distribusi yang kecil ke besar (Wikipedia 2006). 17

37 7. Distribusi Lognormal Distribusi lognormal merupakan distribusi probabilitas dari variabel acak yang logaritma adalah terdistribusi normal. Jika X adalah variabel acak dengan distribusi normal, maka Y = exp (X) memiliki distribusi lognormal juga, jika Y terdistribusi lognormal, maka log (Y) adalah distribusi normal. Distribusi lognormal kadangkadang disebut sebagai Galton distribusi (Panompuan, 2006). Sebuah variabel dapat dimodelkan sebagai lognormal jika dapat dianggap sebagai perkalian produk dari banyak independen variabelvariabel acak yang masing-masing adalah positif. Sebagai contoh, dalam keuangan, jangka panjang faktor diskon dapat diturunkan dari produk jangka pendek faktor diskon. Dalam komunikasi nirkabel, atenuasi yang disebabkan oleh bayangan atau lambat memudar dari objek acak sering diasumsikan terdistribusi lognormal (Panompuan, 2006). 8. Distribusi Uniform Suatu pola distribusi random dapat dibentuk jadi pola reguler jika mempunyai sifat uniform atau seragam. Pola data dalam peta dikatakan uniform jika kecendrungan data sub area satu dengan sub area lain mempunyai jumlah data yang relatif sama. Untuk mengetahui sifat uniform perlu dilakukan pengujian hipotesis statistik. Kebenaran atau ketidakbenaran hipotesis statistik tidak pernah diketahui secara pasti kecuali seluruh populasi diamati, namun hal ini tidak praktis dalam kebanyakan keadaan, untuk itu diambil sampel acak dari populasi yang diselidiki dan dengan menggunakan informasi yang dikandung sampel itu diputuskan apakah hipotesa tersebut benar atau salah. Suatu uji antara frekwensi pengamatan dan harapan biasa digunakan uji goodness of fit (Haribowo, 2005). F. Simulasi Simulasi merupakan permodelan suatu proses atau sistem sedemikian rupa sehingga model menyerupai sistem nyata dengan segala 18

38 yang terjadi didalamnya atau dapat juga dikatakan bahwa simulasi adalah proses perancangan model dari suatu sistem nyata yang pelaksanaan eksperimennya dengan model untuk tujuan memahami tingkah laku sistem nyata. Menurut Kelton et al., (1998), simulasi merupakan sekumpulan metode dan aplikasi yang menirukan tingkah laku dari sistem nyata, biasanya menggunakan komputer dengan bantuan software yang sesuai. Simulasi memiliki beberapa keunggulan sebagai berikut : a. Tidak semua sistem (terutama sistem yang kompleks) dapat dipresentasikan dalam model metematika sehingga simulasi merupakan alternatif yang tepat. b. Model yang dibuat dapat dipergunakan berulang untuk menganalisis tujuan. c. Analisis dengan metode simulasi dapat dilakukan dengan input data yang bervariasi. d. Simulasi dapat mengestimasi performansi suatu sistem pada kondisi tertentu dan dapat memberikan alternatif disain yang terbaik berdasarkan spesifikasi yang diinginkan. e. Simulasi memungkinkan untuk melakukan percobaan terhadap system tampa adanya resiko pada sistem nyata. f. Simulasi memungkinkan untuk melakukan studi suatu system jangka panjang dalam waktu yang relatif singkat. Sedangkan keterbatasan dari simulasi antara lain : a. Simulasi hanya mengestimasi karakteristik system nyata berdasarkan masukan tertentu. b. Harga model simulasi relatif mahal dan memerlukan waktu yang cukup lama untuk pengembangannya. c. Kualitas dan analisis model tergantung pada kualitas keahlian sipembuat model. d. Tidak dapat menyelesaikan masalah, hanya dapat memberikan informasi darimana solosi dapat dicari. 19

39 Simulasi merupakan kegiatan untuk mendapatkan kesimpulan mengenai tingkah laku sistem dengan jalan mempelajari tingkah laku model yang sesuai, yaitu model yang mempunyai hubungan sebab akibat yang sama dengan sistem atau keadaan yang sebenarnya. Keuntungan penggunaan simulasi adalah fleksibilitasnya, yaitu sifatnya yang mudah disesuaikan dengan keadaan. Simulasi tidak mempunyai batasan-batasan tertentu dan dari studi suatu simulasi akan didapatkan informasi yang lengkap tentang kriteria penampilan sistem tersebut. Menurut Siagian (1987), simulasi yang baik memerlukan perencanaan dan organisasi yang baik. Meskipun demikian, simulasi tidak tetap untuk selamanya, tetapi berubah dari waktu ke waktu. Pada umumnya terdapat 5 langkah pokok yang diperlukan dalam mendapatkan simulasi, yaitu : 1. Menentukan sistem atau persoalan yang hendak disimulasikan. 2. Mengembangkan model simulasi yang hendak digunakan. 3. Menguji model dan membandingkan tingkah laku model dengan tingkah laku dari sistem nyata, kemudian menetapkan model simulasi yang akan dilakukan. 4. Merancang percobaan-percobaan simulasi 5. Jalankan simulasi dan analisa data. Perumusan permasalahan dan pembuatan model untuk suatu simulasi harus dilaksanakan berdasarkan keadaan masalah yang dihadapi. Dalam pembentukan suatu model biasanya dilakukan penyederhanaanpenyederhanaan, sehingga pemecahan dengan menggunakan model-model matematis dapat dilakukan. Penyederhanaan suatu model dapat berupa meniadakan unsur-unsur yang kecil pengaruhnya terhadap keluaran model tersebut. Disamping itu, seringkali dalam pembuatan model simulasi dimasukkan unsur-unsur ketidakpastian (peluang) dan ada kemungkinan beberapa hal atau variabel yang sebenarnya masih perlu diikutsertakan. Dalam pelaksanaannya, model simulasi yang telah disusun harus disempurnakan lagi (Hillier dan Lieberman, 1981). 20

40 Terdapat berbagai jenis model simulasi, yaitu : 1. Discrete-event simulation 2. Simulasi sistem antrian dengan single server 3. Simulasi sistem persediaan 4. Alternative assproaches to modelling and coding simulations 5. Continuous simulation 6. Combined discrete-continuous simulation 7. Simulasi Monte Carlo Simulasi Monte Carlo merupakan sebuah rencana yang melibatkan sejumlah angka acak yaitu variabel acak U (0,1), yang digunakan untuk menyelesaikan masalah stokastik atau deterministik dimana waktu lintasan bukan merupakan peran yang sesungguhnya sehingga umumnya simulasi ini merupakan simulasi yang lebih bersifat statik daripada dinamis (Law dan Kelton, 1991). Pengambilan contoh pada simulasi Monte Carlo dilakukan secara acak dari populasi teoritis dan merata-ratakannya. Hal ini memerlukan adanya suatu pembangkitan bilangan acak untuk menghasilkan nilai-nilai yang mempunyai distribusi setara dengan populasi yang sebenarnya. Metode simulasi Monte Carlo dapat dilihat pada gambar dibawah ini. Parameter distribusi Mulai Pembangkitan bilangan acak Pembangkitan variabel acak dan distribusi peluang Ok? Selesai N = n+1 Gambar 5. Diagram Simulasi Monte Carlo (Watson, 1981) Simulasi Monte Carlo sekarang digunakan secara luas untuk menyelesaikan masalah-masalah tertentu dalam statistik yang tidak dapat diselesaikan secara analitis. Simulasi ini diaplikasikan untuk mengestimasi nilai kritis atau kekuatan sebuah tes hipotesis baru. 21

41 Menurut Simaratama (1985), simulasi tidak menghasilkan nilai yang optimal, tetapi memberikan penyelesaian yang mungkin baik berdasarkan masukan alternatif terpilih yang diberikan. Model simulasi dapat dibedakan menjadi model simulasi deterministik dan stokastik atau probabilistik. Model stokastik adalah model yang mengandung peubah acak, dimana keluaran dari proses ditentukan berdasarkan masukan dan merupakan hasil dari konsep acak. Pada model deterministik tidak mengandung peubah acak. G. Sistem dan Model Menurut Fachri (2008) Semua definisi sistem mencakup lima unsur utama yang terdapat dalam sistem, yaitu : 1. Elemen-elemen atau bagian-bagian 2. Adanya interaksi atau hubungan antar elemen atau bagian-bagian 3. Adanya sesuatu yang mengikat elemen-elemen atau bagian-bagian tersebut menjadi suatu kesatuan 4. Terdapat tujuan bersama sebagai hasil akhir 5. Berada dalam satu lingkungan yang kompleks Secara sederhana sistem dapat didefinisikan sebagai suatu agregasi atau kumpulan obyek-obyek yang terangkai dalam interaksi dan saling bergantun yang teratur. Sistem juga dapat didefinisikan sebagai kumpulan dari elemen-elemen yang berfungsi secara bersama untuk mencapai suatu tujuan tertentu. Sistem juga dapat diklasifikasikan menurut perubahan variabelvariabel setiap waktu. apabilah variabel-veriabel sistem ini berubah secara kontinyu setiap waktu, maka sistem ini disebut sebagai sistem kontinyu, jika variabel sistem tidak terjadi perubahan secara kontinyu setiap waktu, maka disebut sebagai sistem discrete. Selanjutnya, apabila variabevariabel sitem berubah secara kontinyu dan yang lainnya tidak sistem ini disebut kombinasi sistem (Fachri, 2008). Model dapat didefinisikan sebagai representasi dari sitem baik secara kualitatif dan kuantitatif yang mewakili suatu proses atau kejadian dimana 22

42 dapat menggambarkan secara jelas hubungan interaksi antara berbagai faktor penting yang akan diamati. Pemodelan merupakan suatu langkah utama dalam mendukung kemampuan pengambilan keputusan selama tahap desain sistem. Karakteristik model yang baik adalah sebagai berikut : 1. Meliputi semua elemen yang langsung yang menunjang pemecahan masalah. 2. Valid yaitu merepresentasikan sistem secara tepat. 3. Mudah dimodifikasi dan diperluas. 4. Cepat dan tidak mahal dibuat. 5. Dapat digunakan kembali. 6. Mudah dimengerti Secara umum model simulasi dapat dibedakan, yaitu : a. Statis-Dinamis Model simulasi statis adalah model yang menggambarkan sistem dimana keadanya tidak dipengaruhi oleh waktu. Model simulasi dinamis adalah model simulasi yang keadaan sistemnya berubah dipengarui waktu. b. Stokastik-deterministik Model simulasi dapat menggambarkan kejadian yang bersifat pasti atau tidak mengandung unsur probabilitas (deterministik), maupun yang tidak pasti dengan mengandung unsur probabilitas yang ditandai dengan adanya kerandoman input dari model (stokastik) c. Kontinyu-Diskret Model simulasi disebut diskret jika status sistem berubah secara diskret terhadap waktu. Sedangkan model simulasi disebut kontinyu jika status variabelnya berubah seiring berjalannya waktu. Variabel-variabel model simulasi dapat berubah dengan cara : kontinyu setiap saat, diskret setiap saat, kontinyu pada saat-saat tertentu atau diskret pada saat-saat tertentu. 23

43 H. Verifikasi dan Validasi Model Salah satu masalah dalam penggunaan model simulasi sebagai alat analisis sitem adalah menentukan apakah model merupakan representasi yang akurat dalam memodelkan sestem yang menjadi obyek studi. Proses verifikasi dilakukan untuk menentukan apakah model simulasi berjalan sesuai dengan keinginan pembuat model, misalnya dengan proses debug komputer. Verifikasi merupakan langkah terakhir yang harus dilakukan sebelum program simulasi di implementasikan, khususnya untuk implementasi pengembangan model alternatif. Verifikasi dilakukan untuk memeriksa dan memastikan bahwa model simulasi yang dibentuk berjalan sesuai harapan dan terbukti sesuai dengan kondisi nyatanya dengan pemeriksaan program komputer. Menurut Didi (2002), Verifikasi adalah proses pemeriksaan apakah logika operasional model (program komputer) sesuai dengan logika diagram alur, kalimat sederhananya adalah mengecek apakah ada kesalahan dalam program. Verifikasi dapat dilakukan dengan beberapa cara, yakni : 1. Tes Data, yaitu mengevaluasi setiap kejadian yang mungkin, mempersiapkan data masukan secara khusus dan kemampuan program pada kondisi ekstrim. 2. Tulis dan debug program dalam modul-modul atau subprogramsubprogram. 3. Diuji oleh banyak orang. 4. Run pada asumsi penyederhanaan dimana model simulasi dapat dihitung dengan mudah. 5. Lihat hasil simulasi. (Maarif, 2006 di dalam Sahar, 2007) Sedangkan validasi digunakan untuk menentukan apakah model simulasi mampu mewakili system nyata secara akurat (Fachri, 2008), atau menurut Law dan Kelton (1991), validasi adalah penentuan apakah model konseptual simulasi (sebagai tandingan program komputer) adalah 24

44 representasi akurat dari sistem nyata yang sedang dimodelkan. Uji yang dapat dilakukan sebagai validasi adalah uji kesamaan nilai tengah antara dua populasi. Uji hipotesis kesamaan nilai tengah antara dua populasi dilakukan untuk menguji hipotesis nol (H0) rata-rata kedua populasi dan tandingannya (H1), yaitu : H0 : μ1 = μ2 H1 : μ1 μ2 Uji signifikasi kesamaan antara dua nilai tengah dapat dilakukan bedasarkan statistik t yang sesuai. Uji ini digunakan jika n1< 30 atau n2<30. Asumsi yang diterapkan adalah bahwa sampel merupakan sampel independen acak yang diambil dari populasi yang secara teliti dapat didekati oleh distribusi normal yang memiliki standar deviasi yang sama. Keputusan lalu dapat diambil berdasarkan statistik : t = dimana Sp = ( ) ( ) dimana distribusi sampling adalah distribusi t dengan (n 1) + (n 1) = n + n 2 derajat bebas, n adalah jumlah item data di dalam kelompok pertama, dan x dan S masing-masing adalah nilai ratarata dan standar deviasi data, sedangkan n, x, dan S menyatakan kuantitas yang sama untuk kelompok kedua. Wilayah kritis pengujian terletak pada daerah t < t / dan t > t /. Apabila hasil pengujian menunjukan nilai t termasuk dalam wilayah kritis, berarti H0 ditolak dan H1 diterima. Sebaliknya, apabila hasil pengujian menunjukan nilai t diluar wilayah kritis, berarti H0 diterima dan H1 ditolak. (Hamburg,1979 di dalam Hendryardinanto, 2003) 25

45 III. METODE PENELITIAN A. Kerangka Pemikiran Industri pengolahan roti (bakery) seperti PT Nippon Indosari Corpindo merupakan industri yang memiliki banyak tuntutan untuk selalu menyediakan produk tepat waktu dengan waktu siklus penyimpanan yang pendek sehingga dalam memenuhi permintaan pasar diperlukan proses produksi dengan waktu yang efektif, yaitu dengan waktu tunggu yang minimal. Kelancaran proses produksi berhubungan dengan atribut kecepatan kedatangan bahan baku dan laju pelayanan operator, sehingga perlu dilakukan identifikasi terhadap kedua atribut tersebut untuk mengetahui permasalahan antrian yang mungkin terjadi. Proses Produksi di PT Nippon Indosari Corpindo dilakukan dengan sistem semi otomatis yaitu kombinasi antara mesin dan operator sehingga adanya keragaman yang bersifat probabilistik pada tingkat pelayanan dan tingkat kedatangan yang disebabkan oleh kerja operator. Analisis model antrian di perusahaan ini dilakukan dengan mengetahui lebih dulu sebaran distribusi dari kecepatan kedatangan bahan dan kecepatan pelayanan bahan. Apabila distribusi atribut tersebut mengarah pada asumsi-asumsi antrian baku, maka analisis dilakukan dengan metode antrian baku sedangkan apabila tidak metode simulasi akan diterapkan untuk menganalisis antrian di lini roti manis ini. Penggunaan teknik simulasi dapat membantu dalam pengembangan dan pembuatan model yang spesifik sehingga dapat diperoleh solusi optimum. Hasil analisis akan mengetahui tingkat produktivitas dari segi banyaknya bahan yang terproses, nilai flow time, utilitas unit pelayanan, jumlah bahan yang menunggu dan waktu bahan menunggu. Dari hasil analisis kondisi nyata tersebut akan dibentuk pengembangan model yang menjadi suatu upaya perbaikan untuk meningkatkan tingkat produktivitas perusahaan. Pada beberapa kondisi kedatangan bahan dan kecepatan pelayanan operator bersifat probabilistik karena selalu berhubungan dengan kejadian yang bersifat tak tentu (acak) dengan pola distribusi tertentu sehingga 26

46 penentuan distribusi perlu dilakukan. Hasil distribusi selanjutnya akan digunakan sebagai input model simulasi antrian. Model simulasi dapat diterapkan karena dapat meniru kondisi yang sebenarnya dari sistem antrian yang ada sehingga hasil pengembangan model merupakan penyelesaian yang realistis dengan indikasi bahwa terjadinya suatu kondisi yang lebih baik yaitu berkurangnya antrian dan waktu tunggu melalui perubahan kecepatan pelayanan mesin dan komposisi operator. B. Pendekatan Berencana Tahapan berencana terdiri dari 6 (enam) langkah, yaitu (1) observasi lapang untuk mengetahui permasalahan yang terjadi secara nyata, (2) menentukan faktor-faktor yang mempengaruhi permasalahan yang terjadi, (3) pengembangan alternatif melalui analisis data dan variabel keputusan serta kendala yang ada, (4) pemilihan penyelesaian optimum, (5) pembuktian penyelesaian optimum melelui implementasi, (6) membuat kendali yang tepat untuk mendeteksi perubahan yang mungkin terjadi, serta formulasi permasalahan yang mengandung umpan balik terhadap observasi awal. Pendekatan berencana tersebut dapat digunakan untuk menguraikan permasalahan seperti pertentangan-pertentangan secara objektif, kebijaksanaan dan alternatif alternatif yang memiliki tujuan utama mengembangkan serta menerapkan model model kuantitatif pada masalah masalah spesifik. (Thierauf dan Klekamp, 1975 didalam Indriati, 1997). Tahapan dalam pendekatan berencana secara lengkap pada Gambar 5 berikut: 27

47 Kebutuhan Data Tahap Pemecahan Masalah Kebutuhan Teknik Fakta, Ide, Pendapat, dll Observasi terhadap gejala permasalahan dan masalah nyata Pengembangan model minimasi Informasi dari semua sumber yang dibutuhkan Pendefinisian masalah nyata Pengembangan alternatif penyelesaian berdasarkan faktor-faktor yang memengaruhi permasalahan Peralatan standar penelitian operasional (metode, teknik, model) Data empiris sebagian Pemilihan penyelesaian masalah optimum berdasarkan analisa alternatif Alat bantu komputer Data empiris seluruhnya Verifikasi solusi optimal (model) melalui implementasi Umpan balik Pembuatan kendali yang sesuai mendeteksi perubahan-perubahan dipengaruhi oleh solusi (model) Gambar 6. Skema tahapan pendekatan berencana (Thierauf dan Klekamp 1975, di dalam Sahar, 2007) 28

48 C. Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Bagian Produksi lini roti manis PT Nippon Indosari Corpindo yang berlokasi di Kawasan Industri Jababeka, Jl. Jababeka XVIIB, Blok U No.33 Cikarang, Bekasi 17530, Indonesia. Penelitian sistem antrian ini dilakukan selama 2 bulan yaitu 20 April sampai 19 juni. D. Tata Laksana 1. Kajian Pustaka dan Observasi Lapang Kajian pustaka dilakukan untuk mempelajari teknik antrian. Observasi lapang dilakukan dengan cara mengamati secara langsung kegiatan produksi pada industri yang bersangkutan. 2. Identifikasi Masalah Identifikasi masalah merupakan observasi terhadap gejala permasalahan nyata dalam hal sistem antrian seperti adanya bahan yang menunggu, idle time, kecepatan kedatangan bahan dan fasilitas pelayanan yang berpengaruh pada kondisi keseimbangan kerja (line balancing) antar stasiun kerja yang satu dengan stasiun kerja yang lainnya. 3. Formulasi Masalah Formulasi masalah dilakukan dalam bentuk model prosedural maupun dalam model matematik, terhadap permasalahan yang terjadi di lapangan. Model prosedural dapat berupa flow chart yang berisi langkahlangkah yang terjadi dalam sistem produksi. Model matematik dikembangkan sesuai dengan alternatif model antrian yang akan digunakan. Penetapan asumsi-asumsi dilakukan terhadap alternatif model antrian yang akan digunakan. 4. Pengambilan Data a. Data Primer Data yang diambil berupa kecepatan kedatangan bahan dalam durasi waktu tertentu, kecepatan pelayanan operator dan mesin pada setiap stasiun kerja. Pengambilan data dilakukan dalam jumlah tertentu sampai dianggap cukup. Pengambilan data dilakukan dengan cara pengukuran waktu jam henti yang menggunakan stopwatch sebagai alat utamanya. 29

49 b. Data Sekunder Data sekunder diperoleh dari pencatatan arsip data yang ada di perusahaan berupa kapasitas mesin dan ruangan, data jadwal produksi harian dan data lainnya. Data sekunder juga diperoleh dari sumbersumber lain yang mendukung penelitian ini. 5. Pengolahan Data Pengolahan data dilakukan untuk mentransformasikan data yang ada menjadi sebuah informasi yang berguna untuk menyusun model antrian melalui uji kecukupan data dan uji distribusi. Uji kecukupan data akan menentukan apakah data yang telah diperoleh telah memenuhi jumlah kecukupannya, sedangkan uji distribusi dilakukan dengan software Easyfit 5.1 Professional. Pengolahan data tersebut dilakukan secara statistik sehingga akan mendapat sebuah kesimpulan informasi berupa sebaran distribusi yang akan menjadi inputan pada simulasi antrian dengan software QSS Pengembangan Model Pengembangan model dilakukan dengan memodifikasi model yang ada dengan perubahan kecepatan mesin atau komposisi operator berdasarkan entity banyaknya bahan yang terproses, nilai flow time, utilitas unit pelayanan, jumlah bahan yang menunggu dan waktu bahan menunggu. Simulasi pengembangan model antrian juga akan dikembangkan dengan menggunakan perangkat lunak (software) QSS Validasi dan Verifikasi Berdasarkan model simulasi yang telah dibentuk, selanjutnya dilakukan verifikasi dan validasi antara data hasil simulasi dengan data aktual (historis) yang diperoleh dengan menguji kesamaan nilai tengah waktu pelayanannya yang menggunakan perangkat lunak Minitab

50 Mulai Identifikasi Sistem Pengambilan Data Uji Kecukupan Data Cukup tidak ya Uji Distribusi Data (Easyfit 5.1 Professional) Analisa Model Sesuai dengan asumsi model ya Penyelesaian dengan model baku tidak Penyelesaian dengan model simulasi (QSS 1.0) Analisa Perbaikan Sistem ya Valid tidak Skenario Baru Kinerja lebih baik tidak ya Model Akhir Selesai Gambar 7. Diagram Tahapan Penelitian 31

51 IV. KONDISI SISTEM ANTRIAN DI PT NIPPON INDOSARI CORPINDO A. Sistem Produksi Produk Roti Manis (sweet bread) PT Nippon Indosari Corpindo merupakan perusahaan yang bergerak di bidang industri makanan, yaitu produk bakery. Industri ini mengutamakan mutu dalam kegiatan produksinya serta ketepatan waktu sampainya produk ke tangan konsumen. Industri ini memiliki sasaran pemasaran utama yaitu konsumen wanita karir dan ibu rumah tangga. Perusahaan ini merupakan perusahaan patungan Indonesia-Jepang, yaitu antara PT Sari Indoroti dengan Nissho Iwai Corporation dan Shikishima Baking Co. Ltd. dengan merk dagang Sari Roti dan Boti. Pada tahun 1995 PT Nippon Indosari Corpindo diresmikan di hadapan notaris. Setelah proses konstruksi dan instalasi pabrik yang selesai pada bulan September 1996, perseroan memulai kegiatan produksinya. Perusahaan pertamanya didirikan pada tanah seluas m 2 yang terletak di Kawasan Industri Jababeka Blok W, Cikarang. PT. Nippon Indosari Corpindo memiliki visi yaitu menjadi perusahaan terbesar di Indonesia di bidang bakery products dengan menghasilkan dan mendistribusikan produk-produk berkualitas tinggi dengan harga yang terjangkau bagi rakyat Indonesia. Untuk mewujudkan visi tersebut, maka perusahaan memiliki misi yaitu membantu meningkatkan kualitas hidup bangsa Indonesia dengan memproduksi dan mendistribusikan makanan yang bermutu tinggi, sehat, halal, dan aman bagi pelanggan melalui penerapan GMP (Good Manufacturing Practice), SSOP (Sanitation Standard Operating Procedure), dan HACCP (Hazard Analysis and Critical Control Point). Pada tahun 2005, perusahaan ini mulai memperbesar pasar dengan membangun pabrik baru yang terletak di kota Pasuruan, di tahun yang sama, didirikan pula pabrik kecil di Kawasan Industri Jababeka Blok C, Cikarang. Semakin tingginya tingkat permintaan pasar membuat perusahaan ini harus mendirikan pabrik baru kembali. Pada tahun 2008 didirikanlah sebuah pabrik baru yang terletak tidak jauh dari pabrik pertama, yaitu di Kawasan Industri 32

52 Jababeka Blok U, Cikarang namun adanya pabrik baru di Blok U membuat pabrik di Blok C harus ditutup karena produksi yang dihasilkan pada pabrik blok U sudah dapat memenuhi semua permintaan pasar. Hingga tahun ini, PT Nippon Indosari Corpindo telah menghasilkan 25 jenis produk roti yang pengerjaannya terbagi pada beberapa cabang pabrik di Indonesia. Pabrik yang terletak di kawasan industri Jababeka Blok U ini dianggap memiliki lokasi yang strategis untuk mendukung pasokan produksi di pabrik pertama. Pabrik baru ini telah mampu menghasilkan 11 jenis produk roti. yaitu 1 jenis roti tawar dan 10 jenis roti manis untuk memenuhi permintaan pasar yang semakin besar. Proses produksi dilakukan melalui serangkaian tahapan produksi yang dilakukan secara manual maupun dengan penggunaan mesin. Proses produksi menggunakan mesin dilakukan pada stasiun-stasiun kerja yang tidak memungkinkan untuk dikerjakan oleh tenaga manusia dan untuk meningkatkan kecepatan produksinya. Proses produksi roti dilakukan selama 24 jam setiap harinya dan dikerjakan oleh tiga kelompok kerja (shift) secara bergantian dalam satu minggu, yaitu shift 1 merupakan kelompok kerja pagi yang dimulai pada pukul 07.00, shift 2 merupakan kelompok kerja siang yang dimulai pada pukul 15.00, dan shift 3 merupakan kelompok kerja malam yang dimulai pada pukul Masing-masing shift bekerja selama 8 jam per hari. Pada lini produksi roti manis di PT Nippon Indosari Corpindo cabang Blok.U ini terdapat 16 stasiun kerja dengan sejumlah mesin dan operator pada tiap-tiap stasiun kerja tersebut. Proses produksi antar stasiun bersifat kontinu yakni hasil kerja (output) dari operator atau mesin pada stasiun kerja yang satu akan menjadi masukan (input) bagi operator atau mesin pada stasiun kerja berikutnya. Alur proses produksi roti secara keseluruhan dapat dilihat pada diagram berikut : 33

53 Gambar 8. Flow chart proses produksi roti manis 34

54 Berikut uraian tentang masing-masing stasiun kerja di lini produksi roti manis. 1. Stasiun Mixing Sponge Proses produksi roti diawali dengan tahap pencampuran atau pengadukan (mixing) raw material awal. Proses ini bertujuan agar campuran komposisi bahan tercampur secara homogen dan meningkatkan pembentukan gluten, sehingga terbentuk suatu adonan yang homogen. Proses mixing sponge ini dilakukan oleh mixer dengan 1 operator per mixer. Proses mixing berlangsung selama 5 menit (3 menit dengan kecepatan rendah dan 2 menit dengan kecepatan tinggi). 2. Stasiun Fermentasi I Setelah mixing sponge, adonan akan dipindahkan ke dough box dan memasuki stasiun fermentasi selama ± 3 jam 25 menit. Fermentasi bertujuan agar khamir dapat bekerja memecah karbohidrat yang ada pada adonan sehingga mengembang dan menghasilkan adonan khas roti. Stasiun ini memiliki suhu 27 o C dan kelembaban (RH) 75% dan memiliki kapasitas 14 dough box. 3. Stasiun Mixing Dough Setelah waktu fermentasi terpenuhi, adonan dimasukkan kembali ke dalam mixer dough dan dilanjutkan dengan proses pencampuran dan pengadukan adonan dough (adonan hasil fermentasi). Pada proses ini sisa bahan baku ditambah dan diaduk bersama adonan dough selama menit sehingga terbentuk adonan yang kalis yaitu lembut, elastis, kering, serta resisten terhadap peregangan (tidak mudah sobek). Proses mixing dough ini dilakukan oleh mixer dengan 1 operator per mixer. 4. Stasiun Floor Setelah adonan kalis, adonan dikeluarkan dari mixer dan dimasukkan kembali ke dalam dough box untuk diistirahatkan selama ± 15 menit. Proses ini memiliki tujuan yang hampir sama dengan proses fermentasi, karena pada proses mixing dough terdapat penambahan ragi 35

55 sehingga perlu waktu istirahat agar membentuk adonan yang lebih mengembang. Proses dilakukan pada ruang fermentasi. 5. Stasiun Dividing Pada stasiun ini adonan mulai dibentuk menjadi cacahan piece hingga stasiun akhir. Prosesnya adalah setelah 15 menit floor time selesai, operator memasukan adonan secara manual ke dalam mesin dividing (divider) untuk dilakukan proses pemotongan dan pembagian (dividing) adonan sesuai dengan standar berat per piece yang telah ditetapkan, yaitu 50 gram untuk item roti sobek dan 60 gram untuk item roti bulat. Pada setiap stroke (potongan) menghasilkan 6 piece adonan dengan potongan adonan yang homogen dan berat yang seragam. Mesin ini memiliki kecepatan standar 23 stroke/menit untuk item roti sobek dan 17 stroke/menit untuk item roti bulat. 6. Stasiun Rounding Pada stasiun ini, adonan hasil potongan divider diarahkan ke mesin rounding (rounder) melalui konveyor. Rounding merupakan proses pembulatan dan penghalusan adonan yang keluar dari mesin dividing karena adonan yang keluar dari divider masih kasar permukaanya dan memiliki bentuk yang tidak beraturan. Proses ini juga bertujuan untuk menahan gas karbondioksida yang terbentuk selama fermentasi, memudahkan penyerapan udara luar sehingga dapat mencapai volume optimum adonan serta untuk mengurangi kelengketan adonan dan mengurangi penggunaan tepung pada tahap moulding. Rounder memiliki kecepatan sebesar 138,5 piece/menit untuk item roti sobek dan 103 piece/menit untuk item roti bulat. 7. Stasiun Intermediate Proofing Intermediete proofing merupakan proses pengistirahatan adonan pada basket-basket yang berjalan pada mesin Intermediate proofing. Proses ini dilakukan setelah proses pembulatan agar adonan lebih mudah ditangani pada proses selanjutnya. Pada tahap ini dilanjutkan proses fermentasi sehingga adonan kembali elastis setelah kehilangan gas, 36

56 teregang, dan terkoyak selama dividing dan rounding. Pada item roti sobek proses ini dilakukan selama 13 menit dan 17 menit waktu proses untuk item roti bulat. 8. Stasiun Filling Adonan yang keluar dari ruang intermediate proofing selanjutnya dipipihkan (pressing) dengan melewati 2 pasang roller. Proses ini bertujuan untuk meratakan distribusi gas yang terdapat pada adonan hingga ke seluruh bagian adonan sehingga diperoleh roti dengan pori-pori yang halus dan seragam. kemudian adonan yang keluar akan memasuki stasiun filling. Filling adalah proses pengisian pasta atau isian untuk roti manis. Proses ini dilakukan secara manual oleh 2 orang operator terhadap adonan yang keluar dari presser sebanyak gram pasta per piece adonan. Adonan yang keluar dari presser masuk ke stasiun filling melalui konveyor untuk selanjutnya akan dikerjakan oleh setiap operator yang telah siap mengisi adonan. 9. Stasiun Make Up Setelah melewati stasiun filling, Adonan akan dibentuk sesuai dengan bentuk standar yang ditetapkan, yaitu bentuk bulat untuk item roti bulat sedangkan bentuk bulat lonjong untuk item roti sobek. Proses ini dilakukan operator dengan cara merekatkan sisi adonan yang telah terisi pasta dan membentuk adonan. Proses make up ini dapat disebut juga sebagai proses moulding yang dikerjakan oleh 4 orang operator pada stasiun ini. 10. Stasiun Panning Panning adalah proses penempatan dan peletakan adonan yang telah dibentuk ke dalam loyang yang telah diolesi minyak oles. Proses ini dilakukan secara manual oleh 1 orang operator untuk item roti bulat dan 2 orang operator untuk item roti sobek. Operator pada stasiun ini mengambil hasil kerja dari operator stasiun make up selanjutnya meletakan pada loyang-loyang yang telah tersedia. Pada saat peletakkan adonan, sambungan adonan harus berada pada bagian bawah. Hal ini untuk 37

57 mencegah kemungkinan terbukanya sambungan selama proses fermentasi akhir dan pemanggangan. 11. Stasiun Fermentasi II Pada stasiun ini terjadi proses fermentasi lanjutan untuk mencapai volume adonan yang dikehendaki yaitu mencapai 2/3 volume loyang sebelum adonan siap untuk dipanggang. Loyang-loyang yang telah berisi adonan disusun di atas rak dan dimasukkan ke dalam ruang fermentasi II yang merupakan proses fermentasi akhir. Stasiun ini memiliki kelembaban (RH) 78 82% dan temperatur sebesar 38,5 39,8 o C. Dalam fermentasi ini ragi roti menguraikan gula dalam adonan menghasilkan gas karbondioksida. Gas yang terbentuk mengembangkan adonan dan menghasilkan remah roti yang berpori-pori. Proses ini berlangsung selama ± 1 jam. 12. Stasiun Baking Adonan yang keluar dari stasiun fermentasi II selanjutnya dimasukkan ke dalam tunnel oven yang dilakukan oleh 1 operator. Pada stasiun ini terjadi proses pematangan roti sehingga adonan berubah menjadi roti dan mengeluarkan aroma khas roti. Tunnel oven merupakan oven konveyor yang terbagi atas tiga zona pemanggangan dengan suhu standar yang berbeda di tiap zona karena masing masing zona memiliki fungsi tersendiri. Waktu standar baking untuk item roti sobek adalah 15 menit dan 9 menit untuk item roti bulat. 13. Stasiun Depanning Depanning merupakan proses pelepasan/pengeluaran roti dari loyang setelah roti mengalami proses pemanggangan (keluar dari tunnel oven). Depanning roti manis ini dilakukan secara manual oleh 1 operator dengan membalikan loyang sehingga roti dapat terlepas dari loyang dan diletakan pada pada cooling conveyor untuk selanjutnya dapat memasuki proses pendinginan atau penurunan suhu. 38

58 14. Stasiun Cooling Cooling adalah proses pendinginan atau penurunan suhu roti yang bertujuan untuk mencegah terjadinya kondensasi setelah pengemasan, sehingga roti tidak mudah berjamur. Setelah depanning, roti tersebut diletakkan pada cooling conveyor yang terbuat dari plastik dan strukturnya berlubang-lubang supaya uap panas keluar dan tidak mengembun pada permukaan roti. Roti akan mengalami proses pendinginan selama 30 menit untuk item roti sobek dan roti bulat hingga memasuki stasiun packaging. 15. Stasiun Packaging Roti yang telah melalui proses pendinginan selanjutnya akan memasuki stasiun packaging. Pada stasiun ini, roti akan memasuki pin-pin konveyor packaging selanjutnya dikemas dan direkat (seal) oleh mesin packaging dengan kecepatan 60 pack/menit untuk item roti sobek dan 128 pack/menit untuk item roti bulat. Roti yang telah dikemas dilewatkan terlebih dahulu ke dalam metal detector untuk memastikan bahwa tidak ada kontaminasi logam atau benda asing lainnya pada produk. Operator yang terlibat dalam stasiun ini sebanyak 1 orang untuk mengarahkan dan memasukan roti ke pin-pin pada konveyor packaging. 16. Stasiun Crating Produk akhir yang telah dikemas dan melewati metal detector selanjutnya disusun pada krat-krat yang tersedia oleh 2 operator yang telah siap menerima produk. Krat yang digunakan untuk roti manis memiliki ukuran yang seragam namun kapasitas yang dapat ditampung berbeda di tiap item, untuk item roti sobek kapasitasnya sebesar 10 pack/krat, sedangkan item roti bulat sebesar 15 pack/krat. Proses crating akan memudahkan proses serah terima antara bagian produksi dan bagian gudang finished goods karena produk dipisahkan berdasarkan rasa dan jumlah yang mudah dihitung. 39

59 B. Konfigurasi Sistem Antrian Produksi Roti Manis Dalam pendekatan sistem ada empat faktor yang dominan, yaitu (1) batasan Sistem, (2) Input, (3) Proses, (4) Output (Siswanto, 2007). Batasan sistem adalah lingkup observasi proses pelayanan sistem, mulai dari bahan masuk hingga output dihasilkan. Pada analisa ini, batasan sistem dimulai dari bahan baku memasuki lini produksi dan produk akhir memasuki gudang finished goods. Input pada model antrian ini adalah bahan baku roti sedangkan output model antrian ini adalah produk akhir (finished goods) yang telah keluar dari lini produksi. Proses pelayanan dilakukan melalui tahapan produksi pada stasiun-stasiun kerja yang berjumlah 16 stasiun. Berdasarkan pendekatan sistem tersebut, maka proses produksi roti manis PT Nippon Indosari Corpindo termasuk pada pola sistem antrian jalur tunggal fasilitas pelayanan ganda (single channel multi phase). Stasiun-stasiun kerja pada lini produksi perusahaan ini berorientasi pada product layout, yang artinya setiap stasiun kerja terletak pada posisi yang berurutan sehingga proses produksi bersifat kontinu. Setiap stasiun kerja memiliki penanganan yang berbeda serta jumlah operator yang berbeda. Pola antrian proses produksi roti manis dapat dilihat pada gambar 9. Lini produksi pada perusahaan ini merupakan kombinasi antara penggunaan mesin dan operator sebagai server. Penempatan operator juga menjadi hal yang diperhatikan karena setiap stasiun mempunyai spesifikasi keahlian dan skill operator yang akan berpengaruh pada tingkat pelayanan bahan. Pada 11 stasiun, pelayanan bahan dilakukan dengan menggunakan mesin, sedangkan operator hanya bertugas untuk mengoperasikan mesin dan mendukung kerja mesin. 11 Stasiun tersebut adalah stasiun mixing sponge, fermentasi I, mixing dough, floor time, dividing, rounding, intermediate proofing, fermentasi II, baking, cooling, dan packaging. Sedangkan stasiun filling, make up, panning, pemasukan baking, deppaning dan crating menggunakan operator sebagai server atau pelayan bahan. Selain server, disiplin antrian juga harus diamati pada lini produksi karena akan berpengaruh pada pengurutan bahan yang akan di proses terlebih dahulu. Pada perusahaan ini, disiplin antrian bersifat FIFO (first in first out) 40

60 yang artinya bahan yang telah selesai terlebih dahulu pada stasiun yang satu akan menjadi input pertama pada stasiun berikutnya. Kapasitas antrian di setiap stasiun kerja juga akan mempengaruhi kelancaran proses produksi, karena kapasitas antrian akan menentukan panjang antrian yang diizinkan untuk menunggu di stasiun tersebut. Apabila panjang antrian yang ada melebihi kapasitas antrian yang diizinkan maka bahan yang melebihi kapasitas antrian di stasiun produksi biasanya akan ditolak namun pada lini produksi roti manis ini penolakan bahan yang telah masuk ke lini produksi tidak dilakukan akan tetapi akan dikembalikan ke proses sebelumnya. Berikui ini adalah tabel yang menunjukan jumlah server, kapasitas antrian dan disiplin antrian pada tiap stasiun pelayanan. Tabel 1. Jumlah server, kapasitas antrian dan disiplin antrian pada tiap stasiun pelayanan No Stasiun Kapasitas antrian Jumlah server per line (kg) Disiplin item item item item antrian Bulat Sobek Bulat Sobek 1 Mixing Sponge 1 mesin 1 mesin 123,63 135,49 FIFO 2 Fermentasi 1 14 box 14 box 123,63 135,49 FIFO 3 Mixing Dough 1 mesin 1 mesin 123,63 135,49 FIFO 4 Floor 14 box 14 box 123,63 135,49 FIFO 5 Dividing 1 mesin 1 mesin 123,63 135,49 FIFO 6 Rounding 1 mesin 1 mesin 0,24 0,20 FIFO Intermediate 7 Proofing 1 mesin 1 mesin 0,60 0,50 FIFO 8 Filling 2 operator 2 operator 1,44 1,80 FIFO 9 Make-Up 4 operator 4 operator 2,28 2,60 FIFO 10 Panning 1 operator 2 operator 2,28 2,60 FIFO 11 Fermentasi II 1 mesin 1 mesin 17,28 48,00 FIFO 12 Baking 1 operator 1 operator 17,28 48,00 FIFO 13 Deppaning 1 operator 1 operator 5,28 11,20 FIFO 14 Cooling 1 mesin 1 mesin 0,00 0,00 FIFO 15 Packaging 1 mesin 1 mesin 4,32 7,20 FIFO 16 Crating 2 operator 2 operator 1,20 3,20 FIFO 41

61 42 Gambar 9. Pola sistem antrian pada lini roti manis

62 V. ANALISIS DAN PEMBAHASAN A. Uji Kecukupan dan Distribusi Data Pada analisis sistem antrian, data waktu pelayanan dan waktu kedatangan adalah data utama yang harus diamati di lapangan. Data tersebut diperoleh dari hasil pengamatan penulis dan data historis perusahaan. Data diperoleh di lapangan dengan menggunakan metode random sampling. Setelah memperoleh data tersebut selanjutnya data akan di uji kecukupannya, apabila telah terpenuhi dilanjutkan dengan uji distribusi data yang akan menentukan apakah lini produksi roti manis ini memenuhi syarat sistem antrian baku atau tidak. Uji kecukupan data dilakukan untuk menentukan kecukupan data yang telah mewakili populasi yang diamati sebelum data diuji distribusinya. Sebelum di uji kecukupannya, data waktu kedatangan dan waktu pelayanan yang didapat di konversikan ke dalam satuan yang sama yaitu detik/kg basis adonan roti. Uji kecukupan data dilakukan pada data yang memiliki ragam atau tidak konstan sehingga uji ini hanya dilakukan pada 6 stasiun kerja di lini produksi karena hanya 6 stasiun kerja ini yang menggunakan pelayanan operator, yaitu stasiun filling, make up, panning, depanning, baking dan crating. Hasil uji kecukupan data waktu pelayanan dapat dilihat pada tabel 2. Tabel 2. Hasil Uji kecukupan data waktu pelayanan lini roti bulat dan sobek No Stasiun Roti Bulat Roti Sobek N N' N N' 1 Filling 20 4, ,01 2 Make Up 24 1, ,64 3 Panning 20 1, ,49 4 Baking 48 36, ,44 5 Deppaning 20 3, ,54 6 Crating 20 2, ,57 Sama halnya dengan data waktu pelayanan, data waktu kedatangan juga diambil pada stasiun-stasiun kerja yang memiliki keragaman nilai waktu kedatangan. Hasil uji kecukupan data waktu kedatangan dapat dilihat pada tabel 3. 43

63 Tabel 3. Hasil Uji kecukupan data waktu kedatangan lini roti bulat dan sobek No Stasiun Roti Bulat Roti Sobek N N' N N' 1 Dividing 6 5,70 9 4,98 2 Baking 20 1, ,20 3 Depanning 20 0, ,55 4 Packaging 20 1, ,53 Berdasarkan data tersebut, untuk semua data memiliki nilai N yang lebih kecil dari nilai N, sehingga sejumlah data tersebut dapat dikatakan telah mewakili populasi untuk selanjutnya dilakukan uji distribusi. Uji distribusi merupakan pengujian untuk menentukan metode analisis permasalahan antrian yang terjadi, apakah diselesaikan dengan metode antrian baku atau proses simulasi. Metode antrian baku diindikasikan apabila data waktu pelayanan dan waktu kedatangan terdistribusi eksponensial. Berdasarkan Siswanto (2007), jika waktu pelayanan (service time) atau 1/μ dalam satuan waktu per pelanggan mengikuti distribusi eksponensial negatif, maka tingkat pelayanan (service rate) atau μ dalam pelanggan per satuan waktu mengikuti distribusi Poisson, begitu pula dengan tingkat kedatangan. Apabila tingkat pelayanan dan tingkat kedatangan mengikuti distribusi Poisson, maka analisis antrian dilakukan dengan metode antrian baku. Namun sebaliknya, apabila populasi data waktu pelayanan dan waktu kedatangan terdistribusi selain eksponensial maka analisis antrian dilakukan dengan menggunakan metode simulasi. Uji distribusi dilakukan dengan menggunakan bantuan software Easyfit 5.1 Professional. Pada software ini, data akan diuji dengan menggunakan teknik goodness of fit metode Kolmogorov-Smirnov. Analisa dilakukan dengan mencocokan data yang ada dengan beberapa distribusi teoritis yang sudah tersedia pada software. Distribusi tersebut antara lain : eksponensial, gamma, laplace, lognormal, normal, pareto, triangular, uniform, dan weibull. Berikut disajikan dalam bentuk tabel adalah rekapan hasil uji distribusi data waktu kedatangan dan waktu pelayanan dengan menggunakan software Easyfit 5.1 Professional. Tahapan cara pengujian dan contoh output dari Easyfit 5.1 Professional dapat dilihat pada Lampiran

64 Berikut rekapan hasil uji distribusi waktu kedatangan bahan roti bulat. Tabel 4. Hasil Uji Distribusi Waktu Kedatangan Bahan Roti Bulat No Stasiun Distribusi Parameter 1 Dividing Lognormal σ = 0,11968; μ = 2,3177; γ = 0 2 Baking Gamma α = 7,7533; β = 1,254; γ = 0 3 Depanning Uniform a=8,4101; b=9, Packaging Uniform a=8,0668; b=10,102 Sedangkan hasil uji distribusi waktu pelayanan bahan roti bulat ditampilkan pada tabel 5. Tabel 5. Hasil Uji Distribusi Waktu Pelayanan Bahan Roti Bulat No Stasiun Distribusi Parameter 1 Filling Gamma α = 6,0998; β = 0,78284; γ = 13,725 2 Make Up Triangular m = 37,04; a = 31,178; b = 42,885 3 Panning Weibull α = 13,115; β = 5,7733; γ = 4, Baking Lognormal σ = 0,29387; μ = 2,035; γ = 0 5 Deppaning Normal σ = 0,77564; μ = 8, Crating Uniform a = 15,47; b = 20,548 Hasil rekapan perhitungan uji distribusi waktu kedatangan bahan roti sobek dapat dilihat pada tabel 6. Tabel 6. Hasil Uji Distribusi Waktu Kedatangan Bahan Roti Sobek No Stasiun Distribusi Parameter 1 Dividing Pareto α = 11,138; β = 8,41 2 Baking Laplace λ = 1,4903; μ = 8, Depanning Weibull α = 22,24; β = 7,5229; γ = 0 4 Packaging Weibull α = 29,566; β = 5,1011; γ = 0 Sedangkan hasil uji distribusi waktu pelayanan bahan roti sobek ditampilkan pada tabel 7. 45

65 Tabel 7. Hasil Uji Distribusi Waktu Pelayanan Bahan Roti Sobek No Stasiun Distribusi Parameter 1 Filling Weibull σ = 23,301; β = 17,067; γ = 0 2 Make Up Weibull α = 2,5261; β = 10,565; γ = 27,398 3 Panning Weibull α = 25,715; β = 18,507; γ = 0 4 Baking Gamma α = 9,9103; β = 0,72181; γ = 0 5 Deppaning Gamma α = 21,656; β = 0,29393; γ = 0 6 Crating Gamma σ = 1,3252; μ = 0,90862; γ = 6,9814 Dari hasil uji distribusi diatas dengan metode Kolmogorov-Smirnov, antrian yang terjadi pada lini produksi roti manis ini tidak mengikuti model antrian baku sehingga analisis dilakukan dengan metode simulasi. B. Model Antrian Pada proses produksi roti manis ini, semua proses produksi berjalan secara tetap artinya adalah bahan yang masuk akan melewati urutan atau tahapan yang sama hingga menjadi produk jadi. Pada analisis sistem antrian di PT Nippon Indosari Corpindo ini digunakan beberapa asumsi antara lain : 1. Pola antrian yang ada pada lini roti manis adalah sistem antrian jalur tunggal fasilitas pelayanan ganda (single channel multi phase). 2. Sistem antrian bersifat steady state 3. Memiliki 2 jenis produk yaitu roti bulat dan roti sobek yang diproses secara terpisah. Untuk simulasi dengan program QSS, Roti bulat memiliki waktu produksi baku detik (±20% dari total waktu produksi harian) dan detik untuk roti sobek (±80% dari total waktu produksi harian). waktu produksi hariannya adalah 1410 menit. 4. Bobot adonan dianggap tetap hingga produk jadi karena produk diproses dalam satuan piece (dimulai dari stasiun dividing). Satu piece roti bulat akan dikonversi menjadi bobot standarnya yaitu 0,06 kg/piece, dan 0,05 kg/piece untuk roti sobek. 5. Pelayanan dari server berdisiplin FIFO (First In First Out) dan peraturan input/output bersifat random. 46

66 6. Waktu transfer atau perpindahan bahan antar stasiun produksi diabaikan karena memiliki waktu perpindahan yang terbilang kecil (dibawah 1 menit), sehingga waktu pelayanan suatu tahapan produksi dapat menjadi waktu antar kedatangan bagi tahapan produksi berikutnya. 7. Kecepatan kedatangan dan pelayanan bahan sesuai dengan kondisi historis yang diperoleh melalui pengukuran langsung dan data historis perusahaan. 8. Faktor kerusakan dan waktu downtime mesin diabaikan. Berdasarkan konfigurasi model antrian lini produksi roti manis dan hasil uji distribusi yang menentukan bahwa analisis dilakukan dengan teknik simulasi. Program QSS (Queuing System Simulation) 1.0 merupakan software simulasi yang dapat membantu mensimulasikan sistem antrian lewat hasil uji distribusi waktu kedatangan dan waktu pelayanan tersebut. Simulasi sistem antrian di perusahaan ini dinamakan SAPR-NIC yaitu Sistem Antrian Pengolahan Roti pada PT Nippon Indosari Corpindo. Pembagian SAPR-NIC menjadi 14 buah model disebabkan adanya perbedaan karakteristik pengolahan dan konfigurasi antrian pada stasiun kerja produksi yang tidak memungkinkan untuk digabungkan atau disatukan menjadi sebuah model dengan analisis yang sama. Oleh karena itu secara umum terdapat 2 jenis model yang berbeda pada SAPR-NIC yaitu model dengan analisis keseimbangan aliran bahan dan model simulasi menggunakan program QSS 1.0. Pada stasiun mixing sponge, fermentasi I, mixing dough, floor time dan fermentasi II tidak dianalisis dengan bantuan QSS 1.0 karena waktu kedatangan yang terjadwal, pola pelayanan yang konstan dan bersifat batch sehingga tidak dapat digabungkan dengan stasiun sebelum ataupun sesudahnya melainkan akan dianalisis dengan analisis keseimbangan aliran bahan dan analisis akan dilakukan dengan model terpisah yakni, model 1 merupakan analisis keseimbangan aliran bahan untuk stasiun mixing sponge, model 2 untuk analisis keseimbangan aliran bahan stasiun fermentasi I dan floor time, model 3 untuk analisis stasiun mixing dough dengan metode keseimbangan aliran bahan, serta model 6 untuk analisis analisis 47

67 keseimbangan aliran bahan stasiun fermentasi II. Melalui analisis keseimbangan aliran, antrian bahan dapat langsung ditentukan serta dapat mengetahui waktu idle mesin secara langsung. Model antrian yang dibentuk dalam QSS 1.0 berisi komponenkomponen antrian, tipe komponen, aturan input dan output, intermediate follower, kapasitas antrian, disiplin antrian, distribusi waktu kedatangan, ukuran batch, dan distribusi waktu pelayanan. Analisis simulasi dimulai dari stasiun dividing hingga stasiun rounding item roti bulat sebagai model 4, model 5 merupakan simulasi yang dimulai dari stasiun filling hingga stasiun panning pada item roti bulat, model 7 adalah model simulasi di stasiun baking, model 8 adalah model simulasi dari stasiun depanning pada item roti bulat, model 9 sebagai simulasi dari stasiun packaging hingga stasiun crating. Sedangkan model 10 adalah model simulasi pada item roti sobek yang dimulai dari stasiun dividing hingga stasiun rounding, simulasi dari stasiun model 11 adalah model simulasi pada item roti sobek yang dimulai dari stasiun filling hingga stasiun panning, model 12 adalah model simulasi di stasiun baking, model 13 adalah model simulasi dari stasiun depanning pada item roti sobek, dan model 14 sebagai simulasi dari stasiun packaging hingga stasiun crating pada item roti sobek. Sehingga untuk menganalisis sistem antrian lini produksi roti manis, dilakukan melalui 14 bentuk model. Berikut disajikan dalam tabel rekapan model dan keterangannya. Tabel 8. Model pada SAPR-NIC No. Model Model 1 Keseimbangan aliran bahan untuk stasiun mixing sponge 2 Keseimbangan aliran bahan stasiun fermentasi I dan floor time 3 Keseimbangan aliran bahan stasiun mixing dough 4 Simulasi dari stasiun dividing hingga stasiun rounding item roti bulat 5 Simulasi dari stasiun filling hingga stasiun panning item roti bulat 6 Keseimbangan aliran untuk stasiun fermentasi II 48

68 7 Simulasi pada stasiun baking item roti bulat 8 Simulasi pada stasiun depanning item roti bulat 9 Simulasi dari stasiun packaging hingga crating item roti bulat 10 Simulasi dari stasiun dividing hingga rounding item roti sobek 11 Simulasi dari stasiun filling hingga panning item roti sobek 12 Simulasi pada stasiun baking item roti sobek 13 Simulasi pada stasiun depanning item roti sobek 14 Simulasi dari stasiun packaging hingga crating item roti sobek Berikut daftar komponen-komponen simulasi SAPR-NIC dengan program QSS 1.0 disajikan pada tabel berikut. Tabel 9. Komponen-komponen Simulasi SAPR-NIC No Nama Komponen Tipe Keterangan Kedatangan di Stasiun dividing roti 1 KedatanganBulat C bulat Kedatangan di Stasiun dividing roti 2 KedatanganSobek C sobek Kedatangan bahan di Stasiun filling roti 3 KedatanganFILBULAT C bulat 4 KedatanganFILSOBEK C Kedatangan di Stasiun filling roti bulat 5 KedatanganBAKBULAT C Kedatangan di Stasiun baking roti bulat 6 KedatanganBAKSOBEK C Kedatangan di Stasiun baking roti sobek Kedatangan di Stasiun depanning roti 7 KedatanganDEPBULAT C bulat Kedatangan di Stasiun depanning roti 8 KedatanganDEPSOBEK C sobek Kedatangan di Stasiun packing roti 9 KedatanganPACKBULAT C bulat Kedatangan di Stasiun packing roti 10 KedatanganPACSOBEK C bulat 11 AntrianA Q Ruang Antrian Stasiun Dividing 12 A1 S Mesin Dividing 13 AntrianB Q Ruang Antrian Stasiun Rounding 14 B1 S Mesin Rounding 15 AntrianC Q Ruang Antrian Stasiun filling 16 C1 S Operator Filling 1 17 C2 S Operator Filling 2 18 AntrianD Q Ruang Antrian Stasiun Make Up 19 D1 S Operator Make Up 1 49

69 20 D2 S Operator Make Up 2 21 D3 S Operator Make Up 3 22 D4 S Operator Make Up 4 23 Antrian E Q Ruang Antrian Stasiun Panning Operator Panning 1 (pada roti bulat 24 E1 S hanya ada F1) 25 E2 S Operator Panning 2 26 AntrianBAK Q Ruang Antrian Stassiun Baking 27 BAK S Operator di Stasiun Baking 28 AntrianF Q Ruang antrian Stasiun Kerja Deppaning 29 F1 S Operator Depanning1 30 AntrianG Q Ruang antrian Stasiun Kerja Packaging 31 G1 S Mesin Packaging 1 32 AntrianH Q Ruang Antrian Stasiun Kerja Crating 33 H1 S Operator Crating 1 34 H2 S Operator Crating 2 Komponen-komponen diatas akan diobservasi pada program QSS 1.0 lewat penjabaran tipe komponen yang terdiri dari customer, server, queue, dan garbage, selanjutnya akan digambarkan pola sistem antriannya lewat intermediate follower dari masing-masing komponen, disiplin antrian dan kapasitas antrian pula harus dijelaskan serta bagian yang paling menentukan adalah distribusi waktu kedatangan dan waktu pelayanan. Pada analisis ini waktu transfer atau perpindahan bahan antar stasiun kerja diabaikan karena memiliki nilai waktu perpindahan yang sangat kecil yaitu dibawah 1 menit, sehingga dapat dikatakan bahwa waktu pelayanan suatu tahapan produksi menjadi waktu antar kedatangan tahapan produksi berikutnya (Sahar, 2007). Melalui hasil simulasi SAPR-NIC, terdapat beberapa informasi atau obyek mengenai atribut antrian yang akan dianalisis (entity) antara lain adalah jumlah bahan yang terproses, rata-rata flow time, waktu proses, rata-rata utilitas fasilitas pelayanan, rata-rata bahan menunggu secara overall (Lq) dan rata-rata waktu menunggu secara overall (Wq). Berikut adalah analisis kinerja antrian pada kondisi nyata. 50

70 1. Kinerja Model 1 (Model Antrian Stasiun Mixing Sponge) Model 1 ini merupakan model keseimbangan aliran bahan yang disimulasikan dengan simulasi penjadwalan waktu pelayanan selama 1 hari. Data yang didapatkan adalah data pengamatan dan data historis perusahaan dalam beberapa hari namun pada analisis model ini hanya ditampilkan kondisi 1 hari karena data tersebut adalah data jadwal produksi harian yang hampir sama setiap harinya. Model ini bertujuan untuk memperlihatkan kondisi aliran bahan pada stasiun mixing sponge yang selalu dilakukan pada sistem pelayanan yang tetap atau terjadwal disetiap harinya, sehingga apabila dikaitkan dengan sistem antrian pada stasiun ini tidak ada bahan yang mengantri pada model ini. Pada sistem yang telah terjadwal ini, fasilitas pelayanan akan selalu dapat menampung atau memproses sejumlah bahan yang datang sehingga tidak terjadi antrian yang disebabkan fasilitas pelayanan telah full dan sibuk digunakan. Analisis model ini dilakukan dalam satuan batch yang ditampilkan pada Lampiran 3. Pada analisis ini item roti bulat dan sobek disatukan analisisnya dalam satu model karena kedua item roti menggunakan fasilitas pelayanan yang sama dan berlangsung secara kontinu antara mixing roti bulat dan roti sobek sehingga akan lebih mudah apabila analisis digabungkan. Asumsi yang digunakan pada model ini yakni prioritas jenis produk yang didahulukan adalah item roti sobek di setiap periode produksi harian, waktu downtime mesin ditiadakan (diabaikan) serta waktu idle di setiap pergantian antara batch yang berbeda jumlah adalah 5 menit. Pada setiap periode waktu produksi harian, schedule baru dimulai pukul 17.00, yang mana pada pukul 5 sore tersebut, mixing sponge pertama telah selesai atau adonan awal telah terbentuk. Pada stasiun ini bahan baku datang dari bagian RM pada pukul atau dapat dikatakan pada pukul tersebut terjadi transaksi antara bagian produksi dengan bagian RM sebanyak sekali dalam satu periode produksi (24 jam). Bahan baku yang ditransaksikan juga tidak semua berbentuk secara fisik, karena terdapat bahan yang tetap berada pada bagian RM untuk ditangani dengan 51

71 penyimpanan yang khusus, sehingga apabila akan dilakukan running mixing sponge, bahan diambil langsung dari bagian RM. Oleh karena itu pada bagian kedatangan awal ini, bahan baku yang telah menjadi milik bagian produksi (setelah transaksi dengan bagian RM) tidak dimasukkan dalam kategori bahan yang mengantri, karena bahan tersebut sebenarnya adalah stock untuk produksi selama 1 periode. Pada stasiun mixing sponge, jadwal mixing yang ditetapkan menyebabkan banyaknya persentase mixer yang idle yaitu sebesar 60,56% (14 jam 32 menit) per hari, Sedangkan tingkat utilitas mesin dalam sehari adalah sebesar 39,44% atau sebesar 9 jam 28 menit waktu produktifnya. Hal ini dikarenakan penjadwalan dilakukan setiap 20 menit sekali sebagai jarak antar batch dengan konfigurasi waktu running mesin ditambah waktu loading dan unloading hanya memerlukan waktu 8 menit per batch, sedangkan waktu idle-nya mencapai menit setiap pergantian batch. Waktu jarak tersebut (20 menit) ditentukan untuk menyesuaikan waktu produksi pada stasiun-stasiun berikutnya, sehingga proses produksi tidak dilakukan secara terus menerus tanpa idle pada stasiun mixing sponge ini untuk menghindari antrian dan menyebabkan terjadinya pre-fermentasi serta over-fermentasi karena waktu menunggu. 2. Kinerja Model 2 (Model Antrian Stasiun Fermentasi 1 dan Floor ) Model 2 ini merupakan model sistem antrian pada stasiun fermentasi dan floor time. Dua stasiun tersebut dianalisis dalam satu model karena aliran proses fermentasi I dan floor time mempunyai penanganan proses yang sama dan memungkinkan untuk dianalisis secara bersamaan. Stasiun kerja fermentasi I dan floor time merupakan stasiun dengan fasilitas pelayanan yang bersifat batch dan memiliki waktu pelayanan yang konstan untuk semua item roti manis. Waktu pelayanannya adalah 3 jam 25 menit untuk fermentasi I dan 15 menit untuk waktu floor time di setiap batch-nya. Model ini dibentuk dari analisa jumlah bahan yang masuk, kapasitas fasilitas pelayanan dan penjadwalan produksi harian. Kapasitas dari ruang 52

72 fermentasi I adalah sebanyak 14 box yang masing-masing box akan menampung 1 batch adonan roti sehingga analisis model ini ditampilkan dalam satuan box atau batch yang ditampilkan pada Lampiran 4. Berdasarkan kondisi tersebut, waktu loading dan unloading pada fermentasi 1 telah ditetapkan selama masing-masing 1 menit untuk setiap box, sama halnya dengan waktu loading floor time yakni 1 menit juga sedangkan waktu unloading sebesar 11 menit. Penjadwalan waktu dan pengurutan penggunaan nomor box serta item roti dijalankan berdasarkan penjadwalan produksi harian perusahaan dengan asumsi yang telah ditetapkan untuk analisis model keseimbangan aliran bahan yang disimulasikan dengan penjadwalan waktu pelayanan. Setelah waktu pelayanan dan waktu kedatangan disimulasikan berdasarkan penjadwalan yang telah ditentukan, antrian yang terjadi adalah sebesar nol atau dapat dikatakan bahwa tidak terjadi antrian pada kondisi historis. Hal ini dikarenakan kedatangan bahan dari stasiun sebelumnya yaitu stasiun mixing sponge telah dijadwalkan sehingga bersifat tepat waktu dan konstan. Selain itu pula fasilitas pelayanan selalu dapat menampung atau memproses sejumlah bahan yang datang sehingga tidak terjadi antrian yang disebabkan fasilitas pelayanan telah penuh digunakan. Analisis tentang waktu idle dilakukan pada setiap satuan box dan tidak memungkinkan untuk menganalisis sekaligus ruang fermentasi karena pada ruangan ini terdiri dari satuan-satuan box yang pada masingmasing box terdapat bahan yang sedang di proses pada waktu proses yang berbeda. Waktu idle rata-rata box adalah sebesar 16,10 %, yaitu 232,5 menit atau selama 3,875 jam (3 jam 52,5 menit). Waktu idle yang dimaksud adalah waktu dimana box yang telah dikosongkan (tidak sedang menampung adonan) menunggu adonan yang sedang diproses mixing. Simulasi model antrian berdasarkan penyesuaian jadwal produksi harian ini memiliki rata-rata utilitas box dalam sehari adalah 83,90%. 53

73 3. Kinerja Model 3 (Model Antrian Stasiun Mixing Dough) Model 3 ini juga dimasukan dalam analisis keseimbangan aliran dengan simulasi penjadwalan, stasiun ini memiliki nilai idle yang lebih kecil karena proses mixing dough memiliki waktu running proses selama menit setelah adonan mengalami proses fermentasi dengan jarak produksi per batch yang sama yaitu 20 menit. waktu loading dan unloading masing-masing selama 1 menit serta waktu idle per batch juga selama 1 menit. Pada model ini juga terbukti tidak terjadi antrian karena adanya penjadwalan yang telah terpola pada kedatangan bahan maupun pelayanan bahan yang bersifat konstan. Sama halnya dengan analisis di stasiun mixing sponge, di stasiun mixing dough ini analisis juga dilakukan selama 1 hari (24 jam) untuk memperlihatkan pola pelayanan mesin yang dan kedatangan bahan yang telah terjadwal. Analisis berdasarkan kondisi historis dalam 1 hari di stasiun ini memiliki waktu idle mixer sebesar 7,01% yaitu selama 101 menit atau 1 jam 41 menit, dan persentase utilitas mesin sebesar 92,99% atau setara dengan waktu produktif 22 jam 19 menit dalam sehari. Simulasi secara lengkap dapat dilihat pada Lampiran Kinerja Model 4 (Model Antrian Stasiun Dividing hingga Stasiun Rounding pada Item Roti Bulat) Model 4 ini merupakan model dengan analisis program QSS 1.0 yang mensimulasikan aliran kerja mulai dari stasiun dividing hingga stasiun rounding. Dimulai dari komponen KedatanganBulat yaitu bahan yang datang dari stasiun fermentasi I. Berikut ini adalah tampilan spreadsheet dari SAPR-NIC yang berisi komponen-komponen simulasi antrian pada model 4 ini. Gambar 10. Tampilan spreadsheet simulasi model 4 54

74 Simulasi dari SAPR-NIC juga dapat dilakukan dalam bentuk model grafis dengan komponen-komponen yang sama pada spreadsheet, namun melalui model grafis dapat dilihat dengan lebih jelas pola sistem antriannya. Berikut adalah tampilannya. Gambar 11. Tampilan model grafis simulasi model 4 Pada model lini roti bulat, SAPR-NIC pada program QSS disimulasikan dengan sistem jam kerja (use system clock) dengan waktu kerja produksi yang telah ditetapkan perusahaan. Waktu kerja produksi roti bulat adalah 282 menit atau setara dengan detik per harinya. Setelah dijalankan simulasi dari SAPR-NIC ini, selanjutnya akan didapatkan hasil simulasi berupa hasil analisa terhadap pelanggan atau bahan yang diproses (customer analysis), fasilitas pelayanan (server analysis), dan antrian (queue analysis). Simulasi dijalankan sebanyak tiga kali simulasi untuk mendapatkan hasil rataan yang konsisten. Hasil simulasi SAPR-NIC model 4 ini dapat dilihat pada tabel berikut. Tabel 10. Output overall simulasi model 4 Stasiun Jumlah Bahan Terproses (kg) Waktu Proses (detik) Entity Utilitas (%) Jumlah Bahan Menunggu (kg) Waktu Bahan Menunggu (detik) Dividing 1652,33 9,80 95,70 0,11 1,12 Rounding 1652,00 9,72 94,90 0,00 0,00 Pada hasil simulasi SAPR-NIC model 4 ini didapatkan nilai rataan nol untuk penolakan bahan (total number of balking) sehingga dapat 55

75 dinyatakan bahwa pada kedatangan bahan di stasiun dividing tidak ada bahan yang tidak terproses. Bahan yang berhasil diproses rata-rata sebanyak 1652 kg atau setara dengan ± pieces dan rata-rata flow time nya adalah 20,64 detik yang merupakan gabungan dari waktu proses dan waktu bahan menunggunya. Pada analisa fasilitas pelayanan (server utilization) secara rata-rata (overall) memiliki nilai utilitas 95,70% pada stasiun dividing dan 94,90% pada stasiun rounding. Nilai utilitas pada model 4 tersebut menyatakan bahwa fasilitas pelayanan memiliki tingkat kesibukan yang cukup tinggi dan hal ini dinilai baik karena semakin tinggi nilai utilitas fasilitas pelayanan maka semakin produktif fasilitas pelayanan tersebut karena waktu idle server tersebut semakin kecil. Rata-rata bahan yang menunggu secara overall (Lq) adalah sebesar 0,11 kg atau setara dengan ± 2 pieces roti bulat pada stasiun dividing dan rata-rata waktu menunggunya (Wq) sebesar 1,12 detik. Nilai waktu menunggu (Wq) ini sebanding dengan banyaknya bahan yang menunggu (Lq). Secara keseluruhan nilai Wq dan Lq menunjukan bahwa antrian yang terjadi bernilai minimal. 5. Kinerja Model 5 (Model Antrian Stasiun Filling hingga Stasiun Panning pada Item Roti Bulat) Model 5 ini dibentuk terpisah dari model 4 karena adanya proses Intermediate Proofing yang memiliki waktu proses konstan selama 17 menit, sehingga simulasi antrian terputus dan pada model ini dimulai dengan kedatangan pada stasiun filling. Model ini adalah analisis simulasi dari mulai stasiun filling hingga panning sehingga terdapat 3 stasiun yang disimulasi di model ini. Dimulai dari komponen KedatanganFILBULAT yaitu bahan yang datang dari stasiun intermediate proofing. Berikut ini adalah tampilan spreadsheet atau matrix form dari SAPR-NIC yang berisi komponen-komponen analisa antrian pada model 5 ini. 56

76 Gambar 12. Tampilan spreadsheet simulasi model 5 Apabila tampilan tersebut dirubah menjadi tampilan model grafis, maka tampilannya akan seperti gambar di bawah ini. Gambar 13. Tampilan model grafis simulasi model 5 Setelah simulasi dijalankan selama detik lewat system clock, maka akan didapat output simulasi rataan dari tiga kali simulasi seperti yang ada pada tabel berikut. Tabel 11. Output overall simulasi model 5 Stasiun Jumlah Bahan Terproses (kg) Waktu Proses (detik) Entity Utilitas (%) Jumlah Bahan Menunggu (kg) Waktu Bahan Menunggu (detik) Filling 1689,67 18,56 92,66 0,06 0,62 Make-Up 1685,67 37,0 92,25 0,06 0,58 Panning 1684,00 9,75 97,04 0,42 4,20 Dari hasil tersebut analisis kedatangan bahan berupa entity jumlah bahan yang terproses rata-rata sebesar 1684 kg atau sebanyak pieces adonan. Pada entity waktu proses dapat dilihat bahwa waktu proses di 57

77 stasiun make up memiliki waktu pengerjaan yang cukup lama. Hal inilah yang menyebabkan pada jumlah operator terdiri dari 4 orang di stasiun tersebut pada kondisi nyata sehingga dapat menyeimbangkan aliran prosesnya. Rata-rata flow time dalam model ini adalah sebesar 70,7 detik atau 1 menit 10,7 detik untuk menghasilkan setiap kilogram bahan yang merupakan gabungan dari waktu proses dan waktu tunggunya. Dari analisis fasilitas pelayanan, entity rata-rata tingkat utilitas fasilitas pelayanan memiliki nilai yang hampir rata yaitu dengan nilai ratarata 93,05%. Nilai utilitas tertinggi terdapat pada stasiun panning dengan persentase utilitas operator sebesar 97,04%, nilai ini menandakan pada kondisi nyata, operator panning mengalami kesibukan yang tinggi. Rata-rata bahan yang menunggu secara overall (Lq) terjadi sebanyak 0,54 kg atau sebanyak ±9 pieces. Antrian terbanyak terjadi pada stasiun panning yaitu sebanyak 0,42 kg atau setara dengan ±7 pieces. Hal ini menandakan bahwa tingkat kesibukan yang tinggi pada operator panning dikarenakan tingkat kedatangan yang cukup tinggi hingga timbulnya antrian. Pada kondisi nyata memang pada stasiun-stasiun model ini terjadi kesibukan yang cukup tinggi sehingga nilai tersebut dapat dikatakan dapat mewakili kondisi sebenarnya yang terjadi di Lapangan sehingga terkadang adanya bantuan tambahan dari operator lain yang sedang idle. Rata-rata waktu menunggu secara overall (Wq) sebanding dengan banyaknya antrian yang terjadi sehingga waktu terpanjang ada pada stasiun panning pula yaitu sebesar 4,20 detik waktu menunggu di depan stasiun panning. 6. Kinerja Model 6 (Model Antrian Stasiun Fermentasi II) Proses Fermentasi II memiliki waktu yang konstan yaitu selama 60 menit untuk item roti bulat dan 70 menit untuk item roti sobek di setiap kali prosesnya dan diproses dalam satuan rak. Pada item roti sobek kapasitasnya adalah 48 kg/rak sedangkan untuk item roti bulat adalah 17,28 kg/rak. Pada Ruang fermentasi terdapat 6 line (pintu) yang masing masing line memuat kapasitas 4 rak, sehingga kapasitas ruangan fermentasi II adalah 24 rak. 58

78 Sistematika yang dijalankan untuk proses ini adalah dengan memasukan bahan secara teratur dan berurut dari mulai line (pintu) 1 hingga terisi penuh yakni 4 rak, baru kemudian mengisi line 2 hingga penuh dan seterusnya hingga line 6 terisi penuh. Berikut ini adalah tabel nilai hasil perhitungan pada model Antrian stasiun fermentasi II. Tabel 12. Nilai hasil perhitungan model 6 Nilai Perhitungan Item Roti Bulat Item Roti Sobek Jumlah box pengamatan 48 box 24 box Rata-rata waktu antar 2,50 menit/rak 2,92 menit/rak kedatangan seharusnya Rata-rata waktu antar 2,85 menit/rak 7,08 menit/rak kedatangan kondisi nyata Waktu keterlambatan 16,80 menit 100 menit/rak Waktu total fermentasi 136,80 menit 170 menit Utilitas ruang fermentasi 87,72% 41,20% Proses pemasukan rak akan kembali berulang mulai dari pintu 1 begitu pula sistematika pengeluarannya, sehingga dari waktu awal kedatangan mengisi line 1 hingga mengisi line 1 berikutnya seharusnya adalah waktu fermentasi itu sendiri agar tidak mengalami keterlambatan ataupun terjadinya bahan yang mengantri akibat datang terlalu cepat sehingga seharusnya waktu kedatangan bahan di stasiun fermentasi II adalah sebesar 2,5 menit /rak item roti bulat dan 2,92 menit/rak untuk item roti sobek. Nilai rataan tersebut berasal dari waktu konstan fermentasi II yang dibagi total rak (24 rak). Kedatangan bahan di stasiun fermentasi II ditentukan oleh kecepatan pelayanan operator di stasiun panning yang menyebabkan pada kondisi nyata memiliki waktu antar kedatangan rata-rata sebesar 2,85 menit/rak untuk item roti bulat, sehingga pada pengamatan proses fermentasi item bulat seperti ditampilkan pada Lampiran 8, terdapat akumulasi keterlambatan kedatangan bahan untuk mengisi ruang 59

79 fermentasi yang telah kosong selama total 16,80 menit dengan keseluruhan total 48 rak masuk yang diamati. Waktu keterlambatan tersebut dapat dikatakan sebagai waktu idle ruang fermentasi selama menunggu kedatangan bahan dan utilitas ketika kondisi ini adalah sebesar 87,72 % yang didapat dari persentase waktu efektif fermentasi terhadap waktu total (gabungan antara waktu menunggu dengan waktu efektif tersebut). Pada item roti sobek, selama pengamatan sebanyak 24 rak yang masuk ke ruang fermentasi terdapat waktu keterlambatan sebesar 100 menit atau 1 jam 40 menit. Nilai ini jauh lebih tinggi dibanding dengan item roti bulat, karena pada item roti sobek di kondisi nyata rata-rata waktu antar kedatangannya lebih tinggi yaitu 7,08 menit/rak dan hal ini juga dikarenakan kecepatan pelayanan pada stasiun sebelumnya (panning) lebih rendah jika dihitung dalam satuan rak karena sebenarnya jumlah bobot bahan antara rak item roti bulat dan rak item roti sobek tidak sama. Namun karena penanganan bahan di stasiun fermentasi II dalam satuan rak, maka perhitungan waktu dan utilitas dihitung dengan satuan rak. Nilai utilitas ruang fermentasi pada item roti sobek adalah 41,20 % pada kondisi pengamatan. Pada analisa model ini, tidak terdapat bahan yang mengantri karena adanya keterlambatan kedatangan dan jumlah rak yang ada yaitu sebesar 24 telah mencukupi target produksi harian karena digunakan dengan sistematika secara berulang, rak yang telah keluar dari ruang fermentasi II dan telah dikosongkan akan dikembalikan langsung ke depan stasiun fermentasi II. 7. Kinerja Model 7 (Model Antrian Stasiun Baking pada Item Roti Bulat) Setelah analisis keseimbangan aliran di stasiun fermentasi II, selanjutnya adalah analisis model baking. Pada model ini simulasi dimulai dari kedatanganbakbulat yang merupakan kedatangan dari stasiun fermentasi II dan pelayanan pada model ini adalah pelayanan operator yang memasukan bahan ke dalam oven, karena ada tidaknya antrian bergantung pada kecepatan pemasukan bahan ke oven. 60

80 Berikut adalah tampilan spreadsheet dari model 7. Gambar 14. Tampilan spreadsheet simulasi model 7 Sedangkan bentuk form model grafis-nya ditampilkan pada gambar dibawah ini. Gambar 15. Tampilan model grafis simulasi model 7 Hasil simulasi model ini dapat dilihat pada tabel 13. Tabel 13. Output overall simulasi model 7 Stasiun Jumlah Bahan Terproses (kg) Waktu Proses (detik) Entity Utilitas (%) Jumlah Bahan Menunggu (kg) Waktu Bahan Menunggu (detik) Baking 1685,33 7,99 79,63 0,23 2,34 Pada analisis kedatangan bahan, jumlah bahan yang terproses selama simulasi rata-rata sebanyak 1685,33 kg atau jika dikonversi menjadi satuan piece adalah sebanyak pieces serta rata-rata waktu proses sebesar 7,99 detik dan waktu bahan menunggu sebesar 2,34 detik sehingga jika dijumlahkan nilai flow time nya sebesar 10,33 detik. Nilai utilitas operator pada stasiun baking sebesar 79,63%. Rata-rata bahan yang menunggu secara overall (Lq) pada stasiun baking ini adalah 0,23 kg atau sebanyak 4 pieces pada kondisi nyata dengan waktu menunggu secara overall (Wq) adalah sebesar 2,34 detik. 61

81 8. Kinerja Model 8 (Model Antrian Stasiun Deppanning pada Item Roti Bulat) Simulasi pada stasiun depanning harus terpisah karena adanya stasiun baking di sebelumnya karena pelayanan bahan di stasiun baking adalah memanggang bahan selama 9 menit dengan pelayanan yang konstan, sehingga model disimulasikan dari mulai kedatangandepbulat yang merupakan kedatangan dari stasiun depanning. Model ini mensimulasikan stasiun depanning saja karena setelahnya terdapat stasiun cooling yang memiliki karakteristik pelayanan yang sama dengan stasiun baking. Berikut adalah tampilan spreadsheet dari model 8 ini. Gambar 16. Tampilan spreadsheet simulasi model 8 Sedangkan model grafis-nya ditampilkan pada gambar dibawah ini. Gambar 17. Tampilan model grafis simulasi model 8 Hasil simulasi model ini dapat dilihat pada tabel 14 berikut. Tabel 14. Output overall simulasi model 8 Entity Stasiun Jumlah Bahan Terproses (kg) Waktu Proses (detik) Utilitas (%) Jumlah Bahan Menunggu (kg) Waktu Bahan Menunggu (detik) Depanning 1877,33 8,46 94,18 0,04 0,32 62

82 Pada analisis kedatangan bahan di stasiun depanning, jumlah bahan yang terproses selama simulasi rata-rata sebanyak 1877,33 kg atau jika dikonversi menjadi satuan piece adalah sebanyak pieces serta ratarata waktu proses sebesar 8,46 detik dan waktu bahan menunggu sebesar 0,32 detik sehingga jika dijumlahkan nilai flow time nya sebesar 8,78 detik. Nilai utilitas operator pada stasiun depanning sebesar 94,18%. Rata-rata bahan yang menunggu secara overall (Lq) pada stasiun depanning ini adalah 0,04 kg atau dapat dikatakan tidak ada bahan yang mengantri pada saat pengamatan kondisi nyata, hal ini dikarenakan kecepatan pelayanan operator yang lebih tinggi dibanding dengan kedatangan bahan dari stasiun baking. Sedangkan rata-rata waktu menunggu secara overall (Wq) adalah sebesar 0,0315 detik yang dianggap bernilai nol detik menunggu karena tidak terjadinya antrian. 9. Kinerja Model 9 (Model Antrian Stasiun Packaging hingga Stasiun Crating pada Item Roti Bulat) Seperti yang telah dijelaskan sebelumnya bahwa model 9 ini adalah simulasi antrian dari stasiun packaging hingga stasiun crating karena terputusnya model simulasi akibat adanya proses cooling selama 30 menit secara konstan dan tidak diproses secara satuan kg. Model 9 ini dimulai dari komponen KedatanganPACKBULAT yaitu bahan yang datang dari stasiun cooling. Berikut ini adalah tampilan spreadsheet atau matrix form dari SAPR-NIC yang berisi komponen-komponen analisa antrian pada model 9 ini. Gambar 18. Tampilan spreadsheet simulasi model 9 Tampilan model grafisnya sebagai berikut. 63

83 Gambar 19. Tampilan model grafis simulasi model 9 Setelah simulasi dijalankan selama detik dengan system clock, maka akan didapat output simulasi secara overall dengan tiga kali simulasi yang disajikan pada tabel 15. Tabel 15. Output overall simulasi model 9 Stasiun Jumlah Bahan Terproses (kg) Waktu Proses (detik) Entity Utilitas (%) Jumlah Bahan Menunggu (kg) Waktu Bahan Menunggu (detik) Packaging 1866,33 7,81 86,15 0,00 0 Crating 1861,67 18,00 99,04 0,91 8,21 Dari tabel tersebut, bahan yang terproses secara overall pada model ini adalah sebanyak 1861,67 kg atau sebanyak pieces adonan. Waktu keseluruhan dalam 1 model ini untuk menghasilkan 1 kg bahan (flow time) bernilai rata-rata 34,02 detik yang merupakan nilai total dari waktu proses dan waktu menunggu. Berdasarkan tabel 15, dapat dilihat bahwa waktu proses di stasiun crating memiliki nilai yang lebih tinggi artinya bahwa bahan diproses lebih lama pada stasiun ini. Oleh karena itu pada stasiun crating ini terdiri dari dua operator sehingga dapat mengimbangi kecepatan stasiun sebelumnya. Entity tingkat utilitas fasilitas pelayanan model ini memiliki nilai rata-rata sebesar 86,15% pada stasiun packaging dan 99,04% pada stasiun crating sedangkan rata-rata bahan yang menunggu secara overall (Lq) terjadi sebanyak 0,91 kg atau sebanyak ±18 pieces yaitu pada stasiun crating dengan waktu menunggu (Wq) 8,21 detik. 64

84 10. Kinerja Model 10 (Model Antrian Stasiun Dividing hingga Stasiun Rounding pada Item Roti Sobek) Model 10 ini memiliki karakteristik yang sama dengan model 4, karena pola antrian dan pelayanannya sama yaitu dari stasiun dividing hingga stasiun rounding. Dimulai dari komponen KedatanganSobek yaitu bahan yang datang dari stasiun fermentasi I. Berikut ini adalah tampilan spreadsheet dari SAPR-NIC yang berisi komponen-komponen simulasi antrian pada model 10 ini. Gambar 20. Tampilan spreadsheet simulasi model 10 Simulasi dari SAPR-NIC juga dapat dilakukan dalam bentuk model grafis dengan komponen-komponen yang sama pada spreadsheet, namun melalui model grafis dapat dilihat dengan lebih jelas pola sistem antriannya. Berikut adalah tampilannya. Gambar 21. Tampilan model grafis simulasi model 10 Sama halnya seperti item roti bulat, pada item roti sobek SAPR-NIC juga disimulasikan dengan sistem jam kerja (use system clock) namun dengan waktu kerja produksi yang lebih besar, yaitu ± 80% dari waktu kerja keseluruhan. waktu kerja keseluruhan adalah 1410 menit dalam 65

85 sehari, sehingga waktu kerja produksi roti bulat adalah 1128 menit atau setara dengan detik per harinya. Berikut adalah output simulasi model 10 secara overall pada beberapa entity yang diperhatikan. Tabel 16. Output overall simulasi model 10 Stasiun Jumlah Bahan Terproses (kg) Waktu Proses (detik) Entity Utilitas (%) Jumlah Bahan Menunggu (kg) Waktu Bahan Menunggu (detik) Dividing 7318,67 8,70 94,06 0,01 0,08 Rounding 7318,67 8,67 93,75 0,00 0,00 Hasil simulasi menunjukan bahwa pada model 10 ini kedatangan bahan di stasiun dividing tidak ada bahan yang tidak terproses atau balking dan bahan yang berhasil diproses rata-rata sebanyak 7318,67 kg atau setara dengan ± pieces dan rata-rata flow time nya adalah 17,45 detik yang merupakan gabungan dari waktu proses dan waktu menunggu. Pada analisa fasilitas pelayanan (server utilization), nilai utilitas antar stasiun cukup seragam yaitu pada stasiun dividing bernilai 94,06% dan 93,75% pada stasiun rounding. Pada entity jumlah bahan yang menunggu, di kedua stasiun dapat dikatakan tidak terjadi antrian, karena jika jumlah tersebut dikonversi menjadi satuan piece akan bernilai nol. Rata-rata waktu menunggu sebesar 0,08 detik pada stasiun dividing. Nilai waktu menunggu (Wq) ini sebanding dengan banyaknya bahan yang menunggu (Lq). Secara keseluruhan nilai Wq dan Lq menunjukan bahwa antrian yang terjadi bernilai minimal. 11. Kinerja Model 11 (Model Antrian Stasiun Filling hingga Stasiun Panning pada Item Roti Sobek) Model ini menganalisis simulasi stasiun filling hingga stasiun panning yang terpisah dari model sebelumnya karena adanya stasiun intermediate proofing yang memiliki waktu proses konstan selama 13 menit sehingga simulasi antrian terputus dan pada model ini dimulai 66

86 dengan kedatangan pada stasiun filling dengan komponen KedatanganFILSOBEK yaitu bahan yang datang dari stasiun intermediate proofing. Berikut ini adalah tampilan spreadsheet atau matrix form dari SAPR-NIC yang berisi komponen-komponen analisa antrian pada model 11 ini. Gambar 22. Tampilan spreadsheet simulasi model 11 sedangkan tampilan model grafisnya adalah sebagai berikut ini : Gambar 23. Tampilan model grafis simulasi model 11 Hasil simulasi sebanyak 3 simulasi menghasilkan nilai rataan sebagai berikut. Tabel 17. Output overall simulasi model 11 Stasiun Jumlah Bahan Terproses (kg) Waktu Proses (detik) Entity Utilitas (%) Jumlah Bahan Menunggu (kg) Waktu Bahan Menunggu (detik) Filling 7122,00 16,91 88,99 0,01 0,06 Make-Up 7118,00 36,75 96,62 0,29 2,76 Panning 7116,00 18,13 95,31 0,38 3,63 67

87 Pada model ini analisis kedatangan bahan juga menunjukan bahwa jumlah bahan terproses rata-rata sebanyak 7116 kg atau jika dikonversi menjadi satuan piece adalah sebanyak pieces serta nilai flow time (waktu keseluruhan) sebesar 78,24 detik atau 1,3 menit. Hasil analisis fasilitas pelayanan menunjukan bahwa secara overall rataan utilitas server senilai 94,38%. Nilai utilitas terbesar ada pada stasiun make up dengan 4 operator yang rata-rata bernilai 96,62%. Hal ini menunjukan pada kondisi nyata memang di stasiun make up ini terjadi kesibukan yang cukup tinggi sehingga terkadang adanya bantuan dari operator lain yang sedang idle. Rata-rata bahan yang menunggu secara overall (Lq) pada model 11 ini adalah sebesar 0,68 kg atau setara dengan ±14 pieces roti sobek dalam sehari dan nilai antrian terbesar ada pada stasiun panning sebesar 0,38 dengan waktu menunggu 3,63 detik. 12. Kinerja Model 12 (Model Antrian Stasiun Baking pada Item Roti Sobek) Analisis model 12 ini sama seperti model 7 pada item roti bulat. Simulasi ini dimulai dari kedatanganbaksobek yang merupakan kedatangan dari stasiun fermentasi II dan pelayanan pada model ini adalah pelayanan operator yang memasukan bahan ke dalam oven, karena ada tidaknya antrian bergantung pada kecepatan pemasukan bahan ke oven. Berikut adalah tampilan spreadsheet dari model 12. Gambar 24. Tampilan spreadsheet simulasi model 12 Sedangkan model grafis-nya ditampilkan pada gambar dibawah ini. 68

88 Gambar 25. Tampilan model grafis simulasi model 12 Hasil simulasi model ini dapat dilihat pada tabel 18. Tabel 18. Output overall simulasi model 12 Entity Stasiun Jumlah Bahan Terproses (kg) Waktu Proses (detik) Utilitas (%) Jumlah Bahan Menunggu (kg) Waktu Bahan Menunggu (detik) Baking 7679,67 7,20 81,69 0,18 1,62 Pada analisis kedatangan bahan, jumlah bahan yang terproses selama simulasi rata-rata sebanyak 7679,67 kg atau jika dikonversi menjadi satuan piece adalah sebanyak pieces serta rata-rata waktu proses sebesar 7,20 detik dan waktu bahan menunggu sebesar 1,62 detik sehingga jika dijumlahkan nilai flow time nya sebesar 8,82 detik. Nilai utilitas operator pada stasiun baking sebesar 81,69%. Rata-rata bahan yang menunggu secara overall (Lq) pada stasiun baking ini adalah 0,18 kg atau sebanyak 4 pieces pada kondisi nyata dengan waktu menunggu secara overall (Wq) adalah sebesar 1,62 detik. 13. Kinerja Model 13 (Model Antrian Stasiun Depanning pada Item Roti Sobek) Model 13 ini mensimulasikan hanya satu stasiun yakni pada stasiun depanning karena terputus oleh pelayanan di stasiun baking yang bersifat konstan dan batch. Berikut adalah tampilan spreadsheet nya. 69

89 Gambar 26. Tampilan spreadsheet simulasi model 13 sedangkan tampilan model grafisnya adalah sebagai berikut. diperhatikan. Gambar 27. Tampilan model grafis simulasi model 13 Berikut ini adalah output simulasi pada beberapa entity yang Tabel 19. Output overall simulasi model 13 Stasiun Jumlah Bahan Terproses (kg) Waktu Proses (detik) Entity Utilitas (%) Jumlah Bahan Menunggu (kg) Waktu Bahan Menunggu (detik) Depanning 9216,67 6,47 88,07 0,08 0,61 Dari hasil tersebut analisis kedatangan bahan berupa entity jumlah bahan yang terproses bernilai sebesar 9216,67 kg atau sebanyak pieces adonan dan waktu proses sebesar 6,47 detik sehingga nilai flow time sebesar 7,08 detik apabila ditambah waktu bahan yang menunggunya. Entity fasilitas pelayanan pada model ini memiliki rata-rata tingkat utilitas fasilitas pelayanan dengan nilai rata-rata simulasi sebesar 88,07%. Rata-rata bahan yang menunggu secara overall (Lq) terjadi sebanyak 0,08 kg atau sebanyak ±1 piece dengan lama waktu menunggu sebesar 0,61 detik. Hal ini menunjukan bahwa pelayanan operator depanning memiliki kecepatan yang lebih besar untuk melayani bahan yang datang. 70

90 14. Kinerja Model 14 (Model Antrian Stasiun Packaging hingga Stasiun Crating pada Item Roti Sobek) Simulasi antrian dari stasiun packaging hingga stasiun crating pada item roti sobek dimulai dari komponen KedatanganPACSOBEK yaitu bahan yang datang dari stasiun cooling. Berikut ini adalah tampilan spreadsheet dari SAPR-NIC yang berisi komponen-komponen analisa antrian pada model 14 ini. Gambar 28. Tampilan spreadsheet simulasi model 14 Apabila tampilan tersebut dirubah menjadi tampilan model grafis, maka tampilannya akan seperti gambar di bawah ini. Gambar 29. Tampilan model grafis simulasi model 14 Setelah simulasi dijalankan selama detik lewat system clock, maka akan didapatkan output simulasi secara overall dari tiga kali simulasi sebagai berikut. 71

91 Tabel 20. Output overall simulasi model 14 Stasiun Jumlah Bahan Terproses (kg) Waktu Proses (detik) Entity Utilitas (%) Jumlah Bahan Menunggu (kg) Waktu Bahan Menunggu (detik) Packaging 13516,33 5,0 99,85 0,56 2,82 Crating 13514,33 8,19 81,76 0,02 0,07 Dari hasil simulasi, analisis kedatangan bahan berupa entity jumlah bahan yang tidak terproses atau ditolak secara bernilai nol, bahan yang terproses secara overall sebesar 13514,33 kg atau sebanyak pieces adonan. Jumlah ini lebih besar dibanding dengan stasiun lain karena pada model ini, stasiun packing memiliki waktu proses yang paling kecil sehingga dalam waktu proses selama detik dapat menghasilkan bahan dengan lebih cepat. Rata-rata flow time sebesar 16,08 detik yang merupakan gabungan dari waktu proses dengan waktu bahan menunggunya. Dari analisis fasilitas pelayanan, entity rata-rata tingkat utilitas fasilitas pelayanan memiliki nilai rata-rata secara overall sebesar 87,79%. Nilai utilitas tertinggi terdapat pada stasiun packaging dengan persentase sebesar 99,85% sedangkan pada stasiun crating persentase utilitas operator bernilai lebih rendah, yaitu rata-rata sebesar 81,76%. Rata-rata bahan yang menunggu secara overall (Lq) sebanyak 0,58 kg, yaitu pada stasiun packaging sebesar 0,56 kg atau sebanyak ±11 piece selama 2,82 detik dan pada stasiun crating sebesar 0,02 kg atau dapat dikatakan tidak ada antrian. Hasil simulasi secara lengkap disajikan pada Lampiran 14. C. Verifikasi dan Validasi Model Verifikasi merupakan langkah terakhir yang harus dilakukan sebelum program simulasi di implementasikan khususnya untuk implementasi pengembangan model alternatif. Verifikasi dilakukan untuk memeriksa dan memastikan bahwa model simulasi yang dibentuk berjalan sesuai harapan dan validasi adalah penentuan apakah model konseptual simulasi (sebagai 72

92 tandingan program komputer) adalah representasi akurat dari sistem nyata yang sedang dimodelkan (Law dan Kelton, 1991). Validasi dilakukan dengan menguji model yang dibangun dengan uji kesamaan nilai tengah antara dua populasi atau biasa disebut sebagai uji-t. Membandingkan output ukuran kinerja model simulasi dengan ukuran kinerja yang sesuai dari sistem model nyata adalah metode yang paling sesuai untuk melakukan validasi model simulasi. Jika ukuran kinerja model nyata cukup tersedia, uji statistik umum seperti uji t digunakan dimana kita menguji hipotesis kesamaan nilai tengah dua populasi. Uji-t ini akan menguji kesamaan nilai tengah dua populasi antara waktu pelayanan pada kondisi nyata (historis) dengan waktu pelayanan hasil simulasi. Pengujian dilakukan dengan selang kepercayaan 95 % (α=0,05) dengan menggunakan program Minitab 14 dengan 2 sampel yaitu waktu pelayanan historis dan waktu pelayanan hasil simulasi (2-sample t test and confidence level). Informasi Hipotesis pengujian adalah sebagai berikut: H 0 : nilai tengah waktu pelayanan data historis dan waktu pelayanan data hasil simulasi tidak berbeda signifikan H 1 : nilai tengah waktu pelayanan data historis dan waktu pelayanan data hasil simulasi berbeda signifikan Pengambil keputusan akan menolak H 0 bila suatu nilai probabilitas yang dihasilkan (p-value) besarnya sama dengan atau kurang dari suatu bilangan kecil α (taraf nyata atau level of significance) sedangkan keputusan untuk menerima H 0 didasarkan pada nilai probabilitas yang besarnya lebih besar dari nilai α. Data lengkap hasil uji-t dapat dilihat pada Lampiran 20. Berikut disajikan hasil uji kesamaan nilai tengah waktu pelayanan data historis dengan waktu pelayanan data hasil simulasi antrian kondisi nyata berupa T- hitung (T-Value) dan nilai P (P-Value) pada tabel 21 dan tabel

93 Tabel 21. Hasil uji kesamaan nilai tengah waktu pelayanan data historis dengan waktu pelayanan data hasil simulasi antrian kondisi nyata pada item roti bulat No Stasiun Uji-T T-Value P-Value 1 Stasiun Dividing 0,00 1,00 2 Stasiun Rounding 0,00 1,00 3 Stasiun Filling -0,13 0,90 4 Stasiun Make-Up -0,09 0,93 5 Stasiun Panning -0,10 0,93 6 Stasiun Baking -0,01 0,99 7 Stasiun Deppaning -0,02 0,98 8 Stasiun Packaging 0,00 1,00 9 Stasiun Crating 0,02 0,99 Tabel 22. Hasil uji kesamaan nilai tengah waktu pelayanan data historis dengan waktu pelayanan data hasil simulasi antrian kondisi nyata pada item roti sobek No Stasiun Uji-T T-Value P-Value 1 Stasiun Dividing 0,00 1,00 2 Stasiun Rounding 0,00 1,00 3 Stasiun Filling -0,75 0,46 4 Stasiun Make-Up 0,04 0,97 5 Stasiun Panning 0,52 0,61 6 Stasiun Baking -0,13 0,90 7 Stasiun Deppaning -0,33 0,74 8 Stasiun Packaging 0,00 1,00 9 Stasiun Crating -0,02 0,98 Berdasarkan nilai hasil uji-t pada tabel diatas, nilai p-value menunjukan bahwa seluruh nilainya lebih besar dari nilai α (0,05). Kesimpulan yang dapat diambil adalah penerimaan hipotesis nol (H 0 ) yang menyatakan bahwa data waktu pelayanan historis tidak berbeda signifikan terhadap data yang didapat dari hasil simulasi. D. Skenario Model Pembanding Skenario model pembanding dilakukan dengan mengembangkan model yang bertujuan untuk menentukan model yang tepat dengan nilai antrian yang 74

94 minimum serta untuk mengetahui kekurangan dari model yang ada pada kondisi nyata. Pengembangan model ini dilakukan pada model yang memiliki nilai antrian terbesar pada kondisi nyata di tiap itemnya. Skenario model dapat dibentuk dengan merubah kecepatan pelayanan ataupun komposisi operator sehingga dapat diketahui kondisi atau keadaan yang lebih baik untuk dijalankan di lini produksi roti manis perusahaan ini. Perbaikan kinerja sistem antrian dapat dilakukan pada perubahan tingkat kecepatan pelayanan atau tingkat kedatangan bahan, karena ketidakseimbangan proses produksi dapat disebabkan oleh hal tersebut yang selanjutnya mengakibatkan adanya antrian bahan. Pada pengembangan di tingkat kedatangan bahan, penurunan jumlah kedatangan bahan akan memberikan beban kerja yang lebih rendah sehingga dapat menurunkan utilitas operator dan menghilangkan antrian serta balking (Sahar, 2007). Sebaliknya bahwa penambahan kecepatan jumlah bahan yang datang akan memberikan beban kerja yang lebih tinggi sehingga akan mengurangi idle time operator atau secara langsung akan menaikan tingkat utilitas unit pelayanan karena kesibukan menangani bahan semakin tinggi namun resiko dari peningkatan kecepatan kedatangan ini adalah terjadinya antrian dan balking. Tingkat kedatangan bahan yang terjadi di lini produksi pada kondisi nyata telah disesuaikan dengan kapasitas produksi harian berdasarkan nilai permintaan pasar yang ditetapkan selanjutnya ditetapkan jadwal produksi hariannya oleh PPIC. Sehingga skenario model akan dikembangkan dengan rencana (skenario) perubahan tingkat pelayanan. Berdasarkan hasil simulasi antrian di lini roti manis, pada model keseimbangan aliran bahan dengan penyesuaian penjadwalan telah menunjukan hasil yang dapat dikatakan baik karena tidak terjadi antrian. Pengembangan model ini dapat dilakukan dengan perbaikan sistem penjadwalan agar tingkat utilitas mesinnya dapat lebih optimal sehingga produktifitas akan meningkat. Pengembangan model penjadwalan dapat dilakukan dengan memperhatikan waktu servis mesin, singkronisasi produksi 75

95 antar lini produksi (Sahar, 2007), jumlah mesin dan kapasitas produksi di tiap mesin yang tidak dianalisis dalam penelitian ini. Pengembangan model dengan perubahan tingkat pelayanan dilakukan melalui uji coba (trial error) berbagai kombinasi kecepatan pelayanan dan komposisi operator dengan asumsi bahwa : 1. Waktu (durasi) simulasi tetap, yaitu selama detik untuk roti bulat dan detik untuk roti sobek dalam sehari. 2. Kecepatan pelayanan operator pada stasiun-stasiun kerja tetap. 3. Kecepatan kedatangan sesuai dengan data historis hasil penelitian. Pengembangan model dengan perubahan kecepatan pelayanan dilakukan dengan tahapan sebagai berikut (Henryardinanto, 2003) : 1. Mengelompokan entity hasil simulasi antrian. 2. Memperhatikan entity hasil simulasi antrian. Apabila entity masih belum optimal, maka dilakukan pengembangan model antrian dengan merubah komposisi operator pada stasiun-stasiun kerja (langkah 3). Apabila entity sudah optimal, maka model antrian yang dikembangkan ditetapkan sebagai model akhir (langkah 5). 3. Mengurangi jumlah operator pada stasiun-stasiun kerja dengan rata-rata tingkat utilitas operator yang masih rendah, nilai rata-rata bahan menunggu rendah, dan atau waktu bahan menunggu rendah. Menambah operator pada stasiun-stasiun kerja dengan nilai rata-rata tingkat utilitas operator yang masih tinggi, nilai rata-rata bahan menunggu tinggi, dan atau waktu bahan menunggu tinggi. 4. Mensimulasikan hasil pengembangan model antrian dan mengelompokan entity hasil simulasi antrian (langkah 1) 5. Model antrian dengan entity yang optimal, ditetapkan sebagai model akhir. Pada tahapan pengembangan model diatas, perubahan kecepatan pelayanan dilakukan dengan perubahan komposisi operator, sedangkan pada penelitian ini memungkinkan juga adanya perubahan kecepatan pelayanan mesin apabila perubahan komposisi operator tidak memungkinkan lagi untuk dilakukan karena komposisi operator sudah optimal. Namun perubahan kecepatan pelayanan hanya dilakukan pada mesin karena mesin memiliki 76

96 tingkat stabilitas yang lebih konstan dibanding kecepatan pelayanan operator yang memiliki keragaman karena keterbatasan kemampuan, keterampilan, dan kondisi kerja. Berikut ini adalah pengembangan model yang dibentuk pada item roti bulat dan roti sobek yang hanya dilakukan pada stasiun yang memiliki tingkat antrian tertinggi dan stasiun setelahnya apabila perlu diadakan perubahan untuk menyeimbangkannya. Hasil simulasi selanjutnya akan dianalisis mengenai entity jumlah bahan yang terproses, waktu proses, flow time, tingkat utilitas unit pelayanan, dan jumlah bahan yang menunggu yang dibandingkan langsung dengan model kondisi nyatanya untuk melihat kinerja model alternatif tersebut. a. Skenario Model Pembanding pada Item Roti Bulat Skenario ini dilakukan pada stasiun yang memiliki nilai antrian terbesar pada kondisi nyata di item roti bulat. Berdasarkan hasil simulasi antrian kondisi nyata berikut adalah tabel rekapan output simulasinya. Tabel 23. Output overall simulasi model pada item roti bulat Stasiun Jumlah Bahan Terproses (kg) Waktu Proses (detik) Entity Utilitas (%) Jumlah Bahan Menunggu (kg) Waktu Bahan Menunggu (detik) Dividing 1652,33 9,80 95,70 0,11 1,12 Rounding 1652,00 9,72 94,90 0,00 0,00 Filling 1689,67 18,56 92,66 0,06 0,62 Make-Up 1685,67 37,0 92,25 0,06 0,58 Panning 1684,00 9,75 97,04 0,42 4,20 Baking 1685,33 7,99 79,63 0,23 2,34 Depanning 1877,33 8,46 94,18 0,04 0,32 Packaging 1866,33 7,81 86,15 0,00 0,00 Crating 1861,67 18,00 99,04 0,91 8,21 77

97 Pada tabel diatas dapat dilihat bahwa pada item roti bulat ini memiliki nilai rata-rata antrian yang bernilai rendah karena nilai antrian tersebut merupakan nilai tengah (µ) atau expected value dan nilai tersebut secara signifikansi tidak menyebabkan pengaruh besar sebagai hambatan dalam proses produksi. Nilai rata-rata antrian terbesar terdapat pada stasiun crating sebesar 0,91 kg sehingga skenario model dibentuk dengan merubah komposisi operator yang pada kondisi nyata terdapat 2 orang operator akan ditambahkan menjadi 3 operator di stasiun crating pada model 9 untuk menghilangkan jumlah bahan yang menunggu. Pengembangan model pada stasiun dengan pelayanan operator tidak dilakukan dengan perubahan kecepatan kerja melainkan dengan perubahan jumlah komposisinya karena peningkatan kecepatan terhadap operator sulit dilakukan akibat dari keterbatasan kemampuan dan keterampilan manusia. Berikut adalah analisis kinerja skenario model pembanding berupa analisis output entity yang menjadi indikator perbaikan kinerja model antrian. i. Jumlah Bahan yang Terproses Pada kondisi nyata, stasiun-stasiun pelayanan di model 9 (packaging hingga crating) dapat dinyatakan telah mampu melayani kedatangan bahan awal. Hal ini dapat dilihat dari output simulasi baik pada kondisi nyata ataupun model skenario yang menyatakan tidak adanya number of balking atau bahan yang tidak terproses. Jumlah bahan yang terproses menunjukan seberapa besar output yang mampu dihasilkan atau bahan yang telah keluar dari sistem. Pada model kondisi nyata unit pelayanan mampu menghasilkan jumlah bahan rata-rata sebesar 1861,67 kg atau setara dengan pieces sedangkan pada model skenario mampu menghasilkan output yang lebih besar yaitu rata-rata senilai 1862 kg atau pieces dalam waktu simulasi detik. Pada kondisi skenario, jumlah bahan terproses tidak bertambah secara signifikan kan karena tidak adanya perubahan tingkat kedatangan bahan. 78

98 ii. Rata-rata Flow Flow time pada hasil simulasi ini dapat diartikan sebagai waktu keseluruhan untuk memproduksi 1 kg bahan dalam 1 rangkaian model atau merupakan waktu gabungan dari waktu proses dan waktu bahan menunggu. Menurut Anggraini (2005), rata-rata keseluruhan waktu dalam sistem produksi sangat dipengaruhi oleh kecepatan bahan dan lama waktu tunggu dalam proses produksi (waktu transfer diabaikan). Semakin rendah flow time, pergerakan bahan menjadi semakin cepat sehingga dapat meningkatkan tingkat produktivitas produksi. Nilai flow time menurun dari kondisi nyatanya yaitu dari 34,01 detik menjadi sebesar 25,80 detik. Nilai flow time yang menurun ini dikarenakan penambahan operator berhasil meniadakan waktu tunggu bahan sebesar 8,21 detik sehingga nilai flow time pada model skenario adalah waktu proses itu sendiri. iii. Tingkat Utilitas Unit Pelayanan Penambahan operator pada stasiun crating berakibat mengurangi tingkat utilitasnya karena pada kondisi ini unit pelayanan mampu mengerjakan proses lebih cepat dari kecepatan kondisi nyata tanpa diimbangi dengan peningkatan kecepatan kedatangan, sehingga hal tersebut juga mengakibatkan waktu idle operator meningkat. Waktu idle ini diartikan bahwa unit pelayanan tidak sedang memproses bahan karena jumlah bahan telah selesai diproses atau unit pelayanan sedang menunggu kedatangan bahan. Secara overall, tingkat utilitas operator pada stasiun crating menurun dari 99,04% pada kondisi nyata menjadi 66,02% pada model skenario. Hal ini dikarenakan tidak adanya penambahan tingkat kedatangan sehingga tingkat kesibukan operator akan semakin rendah (memiliki waktu idle yang tinggi). 79

99 iv. Jumlah Bahan yang Menunggu Berdasarkan hasil simulasi, skenario model ini telah mampu meniadakan jumlah bahan menunggu di stasiun crating pada kondisi nyata karena adanya peningkatan kecepatan pelayanan. Penurunan antrian terjadi sebanyak 0,91 kg pada stasiun crating sehingga penambahan operator pada skenario ini telah menghasilkan kinerja yang baik untuk menurunkan nilai antriannya. v. Rata-rata Waktu Bahan Menunggu Nilai rata-rata waktu bahan menunggu akan sebanding dengan jumlah bahan yang menunggu, oleh karena terdapat penurunan bahan yang menunggu, maka waktu bahan yang menunggu pun akan menurun. Waktu menunggu menurun sebanyak 4,10 detik sehingga pada model skenario tidak terdapat waktu menunggu. Hal tersebut secara langsung menandakan tidak ada bahan yang menunggu. Hasil kinerja skenario model pada item roti bulat dengan penambahan operator di stasiun crating memberikan hasil peningkatan kinerja yang kurang signifikan terhadap kondisi nyatanya. Hal tersebut sebaiknya harus dianalisis lebih lanjut dengan biaya penambahan 1 operator sehingga dapat dibandingkan antara hasil kinerja yang dihasilkan dengan biayanya. Apabila hasil kinerja perubahaan ini sebanding atau lebih besar dari biaya yang harus dikeluarkan, maka skenario ini layak untuk dilaksanakan. b. Skenario Model Pembanding pada Item Roti Sobek Sama halnya dengan skenario item roti bulat, skenario pada item roti sobek ini juga dilakukan pada stasiun yang memiliki nilai antrian terbesar pada kondisi nyatanya. Berdasarkan hasil simulasi antrian kondisi nyata berikut adalah tabel rekapan output simulasinya. 80

100 Tabel 24. Output overall simulasi model pada item roti sobek Stasiun Jumlah Bahan Terproses (kg) Waktu Proses (detik) Entity Utilitas (%) Jumlah Bahan Menunggu (kg) Waktu Bahan Menunggu (detik) Dividing 7318,67 8,70 94,06 0,01 0,08 Rounding 7318,67 8,671 93,75 0,00 0,00 Filling 7122,00 16,91 88,99 0,01 0,06 Make-Up 7118,00 36,75 96,62 0,29 2,76 Panning 7116,00 18,13 95,31 0,38 3,63 Baking 7679,67 7,20 81,69 0,18 1,62 Depanning 9216,67 6,47 88,07 0,08 0,61 Packaging 13516,33 5,0 99,85 0,56 2,82 Crating 13514,33 8,19 81,76 0,02 0,07 Pada tabel diatas dapat dilihat bahwa pada entity jumlah bahan menunggu stasiun packaging memiliki nilai antrian terbesar yaitu sebanyak 0,56 kg. Pada kondisi nyata, mesin packaging tersebut bekerja dengan kecepatan 60 pack/menit dan berdasarkan hasil trial error pembentukan skenario model baru, mesin packaging akan ditingkatkan kecepatannya menjadi 64 pack/menit karena pada kondisi ini jumlah antrian telah bernilai nol atau tidak terjadi antrian. Berdasarkan output model skenario (tabel 24) peningkatan kecepatan mesin pada stasiun packaging tidak memberi dampak berupa terjadinya penumpukan bahan pada stasiun berikutnya, yaitu stasiun crating karena kecepatan pelayanan pada stasiun crating masih dapat mengimbanginya sehingga skenario model hanya dilakukan dengan mengubah kecepatan mesin packaging. Berikut adalah analisis kinerja skenario model pembanding dengan merubah kecepatan mesin packaging menjadi 64 pack/menit berupa analisis output masing-masing entity yang menjadi indikator perbaikan kinerja model antrian. 81

101 i. Jumlah Bahan yang Terproses Entity jumlah bahan yang terproses menunjukan jumlah bahan yang telah selesai dan mampu diproses dengan selama simulasi ini. Tingginya jumlah bahan yang terproses dan tidak adanya number of balking atau bahan yang tidak terproses menjadi salah satu indikator tingginya produktivitas kinerja suatu model. Pada kondisi nyata, stasiun pelayanan di model 12 mampu menghasilkan bahan terproses sebanyak 13514,33 kg (± pieces) sedangkan pada model skenario meningkat menjadi kg (± pieces) akibat adanya peningkatan kecepatan mesin packaging. Jumlah bahan terproses pada model ini merupakan jumlah tertinggi karena kecepatan pelayanannya yang tinggi dibanding pada model lainnya. ii. Rata-rata Flow Peningkatan kecepatan pelayanan pada stasiun packaging menyebabkan waktu keseluruhan proses (flow time) pada model skenario menurun. Seperti yang telah dijelaskan sebelumnya, nilai flow time merupakan gabungan dari waktu proses dan waktu tunggu bahan sehingga apabila waktu tunggu bahan berkurang, maka nilai flow time juga akan berkurang. Nilai flow time menurun dari kondisi nyatanya, yaitu dari 16,08 detik menjadi sebesar 12,96 detik. iii. Tingkat Utilitas Unit Pelayanan Skenario model ini menyebabkan terjadinya penurunan tingkat utilitas mesin yang artinya di sisi lain waktu idle mesin mengalami peningkatan. Hal ini dikarenakan peningkatan kecepatan mesin packaging mampu menghasilkan bahan terproses lebih cepat sedangkan kecepatan kedatangannya tetap sehingga waktu idle mesin lebih tinggi. Secara overall, tingkat utilitas operator pada stasiun crating menurun dari 99,85% pada kondisi nyata menjadi 93,70% pada model skenario. 82

102 iv. Jumlah Bahan yang Menunggu Berdasarkan hasil simulasi, skenario model ini telah mampu meniadakan jumlah bahan menunggu di stasiun packaging pada kondisi nyata. Skenario model ini mampu menurunkan antrian sebanyak 0,56 kg pada stasiun crating. v. Rata-rata Waktu Bahan Menunggu Penurunan antrian yang terjadi akan selalu diimbangi dengan penurunan waktu menunggunya. Pada model skenario ini, waktu menunggu berkurang sebesar 2,80 detik sehingga dapat dikatakan pada model skenario tidak terdapat waktu menunggu. 83

103 VI. KESIMPULAN DAN SARAN A. Kesimpulan Lini roti manis pada PT Nippon Indosari Corpindo merupakan lini produksi yang mengikuti pola antrian jalur tunggal fasilitas pelayanan ganda dengan 16 stasiun pelayanan yang terdiri dari pelayanan mesin atau ruangan dan pelayanan operator. Analisis antrian dilakukan dengan membentuk 14 model yang memiliki input atribut antrian berupa waktu kedatangan dan waktu pelayanan yang pada kondisi nyata terdistribusi secara lognormal, gamma, uniform, triangular, weibull, normal dan konstan. Sistem antrian di lini roti manis ini dinamakan Sistem Antrian Pengolahan Roti di PT. Nippon Indosari Corpindo (SAPR-NIC) dengan 14 model yang menyusunnya pada item roti bulat dan roti sobek. Model tersebut dibedakan menjadi dua, yaitu model dengan analisis keseimbangan aliran bahan dan model simulasi. Model dibagi berdasarkan urutan stasiun produksi yang aliran produksinya yang tidak terputus. Analisis kinerja sistem antrian dilakukan pada masing-masing model keseimbangan aliran bahan menyatakan tidak adanya antrian yang terjadi nemun memiliki nilai rata-rata utilitas yang berbeda-beda. Nilai utilitas yang rendah dikarenakan adanya penyesuaian waktu proses sehingga mesin memiliki waktu idle yang tinggi. Berdasarkan hasil simulasi, kinerja sistem antrian pada model simulasi menunjukan bahwa lini roti manis memiliki nilai rata-rata antrian yang relatif rendah. Secara signifikansi, nilai tersebut tidak menyebabkan pengaruh besar sebagai hambatan dalam proses produksi. Nilai rata-rata utilitas pada modelmodel simulasi bernilai relatif tinggi namun tetap diperlukan upaya peningkatan agar waktu idle dapat berkurang. Faktor yang menyebabkan terjadinya antrian pada lini roti manis ini adalah kecepatan kedatangan dan atau kecepatan pelayanan yang bersifat probabilistik, waktu pelayanan yang kurang seimbang antar stasiun kerja dan kecepatan operator yang kurang bisa mengimbangi kecepatan pelayanan mesin. Model antrian dikembangkan dengan skenario perubahan kecepatan mesin atau perubahan komposisi operator pada stasiun yang memiliki nilai

104 antrian tertinggi. Skenario yang dilakukan pada model item roti bulat adalah dengan menambah 1 operator pada stasiun crating (model 9) dan hasilnya adalah tidak adanya antrian dan waktu menunggu namun terjadinya penurunan nilai utilitas. Pada item roti sobek, skenario dilakukan dengan meningkatkan kecepatan mesin packaging (model 14) dari 60 pack/menit menjadi 64 pack/menit sehingga menghasilkan kinerja berupa tidak adanya antrian dan waktu menunggu serta penurunan nilai utilitas. B. Saran Upaya penurunan jumlah antrian dan waktu menunggu dapat dilakukan dengan menerapkan skenario model yang dibentuk, yaitu dengan menambah 1 operator di stasiun crating pada item roti bulat dan peningkatan kecepatan mesin packaging pada item roti sobek menjadi sebesar 64 pack/menit namun sebaiknya perlu melibatkan analisa biaya untuk mengetahui pengaruh disain sistem antrian tersebut terhadap efisiensi yang ingin dicapai. Perlunya dilakukan simulasi sistem antrian terlebih dahulu apabila perusahaan akan mendisain sistem produksi baru atau pengembangannya. Pihak perusahaan sebaiknya melakukan pelatihan berkala untuk mengevaluasi dan memperbaiki metode kerja operator agar lebih efektif dan dapat meningkatkan ketepatan waktu pelayanan bahan. Selain itu juga perlu adanya penelitian untuk mengevaluasi jarak waktu antar proses yang dilakukan perusahaan untuk lebih mengefektifkan mesin sehingga nilai utilitas lebih meningkat dan tercapainya keseimbangan aliran bahan. 85

105 DAFTAR PUSTAKA Aalto, S Introduction To Teletraffic Theory. Helsinski University Of Technology. Anggraini, D Penentuan Waktu Standar Kerja Dan Analisis Keseimbangan Lini Produksi Pada Industri Pengolahan Udang Beku (Studi Kasus di PT. Central Pertiwi Bahari, Lampung). Skripsi Fakultas Teknologi Pertanian IPB, Bogor. Anonim, Peluang Pasar Roti. Wacana Mitra Edisi-35. Jakarta.,. Roti Manis. pangan/ipb/roti%20manis.pdf Conover, J. W Practical Nonparametric Statistic. John Wiley & Sons Inc., New York. Didi Verifikasi dan Validasi Model Simulasi. gunadarma.ac.id/downloads/files/5040/verifikasi+dan+validasi+ MODEL+SIMULASI.pdf. Fachri, Z Aplikasi Simulasi Dan Penerapan Teori Antrian Untuk Mengurangi Flow di Line Produksi Fitting. Skripsi Fakultas Teknik Universitas Muhammadiyah Gresik. Gillet, B. E Introduction To Operations Research : A Computer Oriented Algoritmic Approach. McGraw-Hill Publishing Co. Ltd., New Delhi. Gordon, G System Simulation. Prentice Hall Of India Privated Limited, New Delhi. Hamburg, M Basic Statistics : A Modern Approach, Second Edition. Harcourt Brace Jovanovich Inc., New York. Harinaldi Prinsip-Prinsip Statistika Untuk Teknik Dan Sains. Erlangga, Jakarta. Haribowo, A Pemetaan Distribusi Karakteristik Reservoir Batugamping Setara Baturaja Lapangan Tugu Barat-C Dengan Metoda Geostatistik. Distribusi_ Karateristik_Reserv.pdf 86

106 Heinz, K Statistic for Bussiness and Economics. Third Edition. Holden Day Inc., San Fransisco. Hendryardinanto, D Analisis Sistem Antrian Udang Di PT Dipasadena Citra Darmaja Lampung. Skripsi Fakultas Teknologi Pertanian IPB, Bogor. Hidayat, N.. Fermentasi Roti Hillier, F. S. dan G. J. Lieberman Operational Research. Second Edition. Holden Day Inc., San Francisco. Indriati, N Pengembangan Model Simulasi Penjadwalan Produksi Harian Roti di Bogor Permai. Skripsi Fakultas Teknologi Pertanian IPB, Bogor. Kelton, W. D, Sadowski, P. Randall dan D. Tsturrock Simulation with Arena International Edition. McGraw-Hill Inc., United States of America Law, A. M. dan W. D. Kelton Simulation Modeling And Analysis. Second Edition. McGraw-Hill Inc., New York. Maarif, M. S Simulasi Sistem. Diktat Departemen Teknologi Industri Pertanian, Bogor. Machfud Perencanaan dan Pengendalian Produksi. Diktat Departemen Teknologi Industri Pertanian IPB, Bogor. Morgan, B. J. T Element Of Simulation. Chapman and Hall, New York. Pangestu, S., Marwan A. dan Hani H Dasar-Dasar Riset Operasi (Operasi Riset). BPFE, Yogyakarta. Panompuan, S Statistik. Pomeranz, Y dan D. A Shellenberger Bread Science and Technology. AVI Publishing Co Inc., Westport, Connecticut. Ranken, M. D Food Industrial Manual. Second Edition. Kapitan Szabo Publizer, Washington D. C. Sahar, A. H Analisis Kinerja Sistem Antrian Pada Industri Pengolahan Fillet Ikan Beku (Studi Kasus di PT Global Tropical Seafood, Jawa Barat). Skripsi Fakultas Teknologi Pertanian IPB, Bogor. Siagian, P Penelitian Operasional Teori dan Praktek. UI Press, Jakarta. 87

107 Simarmata, D. A Operational Research Sebuah Pengantar. PT Gramedia, Jakarta. Siswanto Operational Research. Jilid 1. Penerbit Erlangga, Jakarta. Sudjana Metoda Statistik. Tarsito, Bandung. Sutalaksana, I. Z., Ruhana A. dan John H. T Teknik Tata Cara Kerja. Jurusan Teknik Industri ITB, Bandung. Taha, H. A Operational Research An Intruduction. Third Edition. Macmillan Publishing Co., New York. Taufik.. Fungsi Adonan Sponge dan Waktu Fermentasi. Thierauf, R. T. Dan R. C. Klekamp Decision Making Through Operation Research. John Wiley and Sons Inc., New York. U.S. Wheat Associates Pedoman Pembuatan Roti dan Kue. Penerjemah IKAPI, Jakarta. Watson, H. J. dan Blackstone Computer Simulation. John Wiley & Sons Inc., New York. Wikipedia Pareto Distribution. _distribution. 88

108

109 Lampiran 1. Hasil Pengamatan Kecepatan Kedatangan Bahan 1. Stasiun Mixing Sponge Item sobek bulat Kecepatan Kedatangan 1 batch/ 20 menit 1 batch/ 20 menit 2. Stasiun Fermentasi I Item sobek bulat Kecepatan Kedatangan 1 batch/ 20 menit 1 batch/ 20 menit 3. Stasiun Mixing Dough Item sobek bulat Kecepatan Kedatangan 1 batch/ 20 menit 1 batch/ 20 menit 4. Stasiun Dividing Tanggal Jenis adonan Waktu Kedatangan Waktu Antar Kedatangan Durasi (jam) Jumlah (kg) Kecepatan Kedatangan (kg/jam) Waktu Kedatangan (detik/kg) 4-jun-09 bulat 8:05:00 bulat 8:25:00 0:20:00 0, ,63 370,89 9,71 bulat 8:42:00 0:17:00 0, ,63 436,34 8,25 bulat 9:06:00 0:24:00 0, ,13 290,33 12,40 bulat 9:26:00 0:20:00 0, ,13 348,39 10,33 bulat 9:46:00 0:20:00 0, ,13 348,39 10,33 bulat 10:06:00 0:20:00 0, ,13 348,39 10,33 sobek 10:06:00 sobek 10:28:00 0:22:00 0, ,49 369,52 9,74 sobek 10:55:00 0:27:00 0, ,49 301,09 11,96 sobek 11:15:00 0:20:00 0, ,49 406,47 8,86 sobek 11:34:00 0:19:00 0, ,49 427,86 8,41 sobek 11:55:00 0:21:00 0, ,49 387,11 9,30 89

110 Tanggal Jenis adonan Waktu Kedatangan Waktu Antar Kedatangan Durasi (jam) Jumlah (kg) Kecepatan Kedatangan (kg/jam) Waktu Kedatangan (detik/kg) 4-jun-09 sobek 12:15:00 0:20:00 0, ,49 406,47 8,86 sobek 12:35:00 0:20:00 0, ,49 406,47 8,86 sobek 12:55:00 0:20:00 0, ,49 406,47 8,86 sobek 13:14:00 0:19:00 0, ,49 427,86 8,41 5. Stasiun Filling Item sobek bulat Kecepatan Kedatangan 9,5 detik/kg 10 detik/kg 6. Stasiun Fermentasi II Tanggal 04-Jun-09 item Line Rak Bahan Datang (kg) Waktu Kedatangan Bahan Waktu antar kedatangan Bahan terproses (piece) Bahan Terproses (kg) Bulat ,28 7:34:00 288,00 17,28 Bulat 2 17,28 7:37:00 0:03:00 288,00 17,28 Bulat 3 17,28 7:40:00 0:03:00 288,00 17,28 Bulat 4 17,28 7:43:00 0:03:00 288,00 17,28 Bulat ,28 7:46:00 0:03:00 288,00 17,28 Bulat 6 17,28 7:48:00 0:02:00 288,00 17,28 Bulat 7 17,28 7:51:00 0:03:00 288,00 17,28 Bulat 8 17,28 7:54:00 0:03:00 288,00 17,28 Bulat ,28 7:57:00 0:03:00 288,00 17,28 Bulat 10 17,28 8:00:00 0:03:00 288,00 17,28 Bulat 11 17,28 8:02:00 0:02:00 288,00 17,28 Bulat 12 17,28 8:05:00 0:03:00 288,00 17,28 Bulat ,28 8:08:00 0:03:00 288,00 17,28 Bulat 14 17,28 8:11:00 0:03:00 288,00 17,28 Bulat 15 17,28 8:13:00 0:02:00 288,00 17,28 Bulat 16 17,28 8:16:00 0:03:00 288,00 17,28 Bulat ,48 8:18:00 0:02:00 208,00 12,48 Bulat 18 12,48 8:20:00 0:02:00 208,00 12,48 Bulat 19 12,48 8:22:00 0:02:00 208,00 12,48 Bulat 20 17,28 8:25:00 0:03:00 288,00 17,28 Bulat ,28 8:27:00 0:02:00 288,00 17,28 90

111 Tanggal 04-Jun Jun-09 item Line Rak Bahan Datang (kg) Waktu Kedatangan Bahan Waktu antar kedatangan Bahan terproses (piece) Bahan Terproses (kg) Bulat 22 17,28 8:30:00 0:03:00 288,00 17,28 Bulat 23 17,28 8:33:00 0:03:00 288,00 17,28 Bulat 24 17,28 8:36:00 0:03:00 288,00 17,28 Bulat ,28 8:39:00 0:03:00 288,00 17,28 Bulat 2 17,28 8:45:00 0:06:00 288,00 17,28 Bulat 3 17,28 8:46:00 0:01:00 288,00 17,28 Bulat 4 17,28 8:48:00 0:02:00 288,00 17,28 Bulat ,28 8:51:00 0:03:00 288,00 17,28 Bulat 6 17,28 8:54:00 0:03:00 288,00 17,28 Bulat 7 17,28 8:57:00 0:03:00 288,00 17,28 Bulat 8 17,28 8:59:00 0:02:00 288,00 17,28 Bulat ,28 9:03:00 0:04:00 288,00 17,28 Bulat 10 17,28 9:06:00 0:03:00 288,00 17,28 Bulat 11 17,28 9:08:00 0:02:00 288,00 17,28 Bulat 12 17,28 9:11:00 0:03:00 288,00 17,28 Bulat ,28 9:13:00 0:02:00 288,00 17,28 Bulat 14 17,28 9:16:00 0:03:00 288,00 17,28 Bulat 15 17,28 9:19:00 0:03:00 288,00 17,28 Bulat 16 17,28 9:22:00 0:03:00 288,00 17,28 Bulat ,28 9:25:00 0:03:00 288,00 17,28 Bulat 18 14,4 9:27:00 0:02:00 240,00 14,40 Bulat 19 17,28 9:33:00 0:06:00 288,00 17,28 Bulat 20 17,28 9:36:00 0:03:00 288,00 17,28 Bulat ,28 9:39:00 0:03:00 288,00 17,28 Bulat 22 17,28 9:42:00 0:03:00 288,00 17,28 Bulat 23 17,28 9:45:00 0:03:00 288,00 17,28 Bulat 24 17,28 9:48:00 0:03:00 288,00 17,28 Bulat ,28 9:51:00 0:03:00 288,00 17,28 Sobek ,00 10:57:00 Sobek 2 48,00 11:04:00 0:07:00 960,00 48,00 Sobek 3 48,00 11:11:00 0:07:00 960,00 48,00 Sobek 4 48,00 11:19:00 0:08:00 960,00 48,00 Sobek ,00 11:24:00 0:05:00 960,00 48,00 Sobek 6 48,00 11:32:00 0:08:00 960,00 48,00 Sobek 7 48,00 11:40:00 0:08:00 960,00 48,00 Sobek 8 48,00 11:47:00 0:07:00 960,00 48,00 Sobek ,00 11:54:00 0:07:00 960,00 48,00 Sobek 10 48,00 12:01:00 0:07:00 960,00 48,00 Sobek 11 48,00 12:08:00 0:07:00 960,00 48,00 Sobek 12 48,00 12:16:00 0:08:00 960,00 48,00 91

112 Tanggal 04-Jun-09 item Line Rak Bahan Datang (kg) Waktu Kedatangan Bahan Waktu antar kedatangan Bahan terproses (piece) Bahan Terproses (kg) Sobek ,00 12:22:00 0:06:00 960,00 48,00 Sobek 14 48,00 12:29:00 0:07:00 960,00 48,00 Sobek 15 48,00 12:36:00 0:07:00 960,00 48,00 Sobek 16 48,00 12:43:00 0:07:00 960,00 48,00 Sobek ,00 12:49:00 0:06:00 960,00 48,00 Sobek 18 48,00 12:57:00 0:08:00 960,00 48,00 Sobek 19 48,00 13:04:00 0:07:00 960,00 48,00 Sobek 20 48,00 13:11:00 0:07:00 960,00 48,00 Sobek ,00 13:18:00 0:07:00 960,00 48,00 Sobek 22 48,00 13:25:00 0:07:00 960,00 48,00 Sobek 23 48,00 13:33:00 0:08:00 960,00 48,00 Sobek 24 48,00 13:40:00 0:07:00 960,00 48,00 Sobek ,00 13:47:00 0:07:00 960,00 48,00 Sobek 2 50,40 13:54:00 0:07: ,00 50,40 7. Stasiun Baking Tanggal Item Waktu Kedatangan Waktu Antar Kedatangan Durasi (jam) Jumlah (piece) Jumlah (kg) Kecepatan Kedatangan (kg/jam) Waktu Kedatangan (detik/kg) 04-Jun-09 Bulat 8:23:00 Bulat 8:25:00 0:02:00 0, ,00 17,28 518,40 6,94 Bulat 8:27:00 0:02:00 0, ,00 17,28 518,40 6,94 Bulat 8:30:00 0:03:00 0, ,00 17,28 345,60 10,42 Bulat 8:33:00 0:03:00 0, ,00 17,28 345,60 10,42 Bulat 8:36:00 0:03:00 0, ,00 17,28 345,60 10,42 Bulat 8:39:00 0:03:00 0, ,00 17,28 345,60 10,42 Bulat 8:45:00 0:06:00 0, ,00 17,28 172,80 20,83 Bulat 8:46:00 0:01:00 0, ,00 17, ,80 3,47 Bulat 8:48:00 0:02:00 0, ,00 17,28 518,40 6,94 Bulat 8:51:00 0:03:00 0, ,00 17,28 345,60 10,42 Bulat 8:54:00 0:03:00 0, ,00 17,28 345,60 10,42 Bulat 8:57:00 0:03:00 0, ,00 17,28 345,60 10,42 Bulat 8:59:00 0:02:00 0, ,00 17,28 518,40 6,94 Bulat 9:03:00 0:04:00 0, ,00 17,28 259,20 13,89 Bulat 9:06:00 0:03:00 0, ,00 17,28 345,60 10,42 Bulat 9:08:00 0:02:00 0, ,00 17,28 518,40 6,94 Bulat 9:11:00 0:03:00 0, ,00 17,28 345,60 10,42 92

113 Tanggal Item Waktu Kedatangan Waktu Antar Kedatangan Durasi (jam) Jumlah (piece) Jumlah (kg) Kecepatan Kedatangan (kg/jam) Waktu Kedatangan (detik/kg) 04-Jun-09 Bulat 9:13:00 0:02:00 0, ,00 17,28 518,40 6,94 Bulat 9:16:00 0:03:00 0, ,00 17,28 345,60 10,42 Bulat 9:19:00 0:03:00 0, ,00 17,28 345,60 10,42 Sobek 10:57:00 Sobek 11:04:00 0:07:00 0, ,00 48,00 411,43 8,75 Sobek 11:11:00 0:07:00 0, ,00 48,00 411,43 8,75 Sobek 11:19:00 0:08:00 0, ,00 48,00 360,00 10,00 Sobek 11:24:00 0:05:00 0, ,00 48,00 576,00 6,25 Sobek 11:32:00 0:08:00 0, ,00 48,00 360,00 10,00 Sobek 11:40:00 0:08:00 0, ,00 48,00 360,00 10,00 Sobek 11:47:00 0:07:00 0, ,00 48,00 411,43 8,75 Sobek 11:54:00 0:07:00 0, ,00 48,00 411,43 8,75 Sobek 12:01:00 0:07:00 0, ,00 48,00 411,43 8,75 Sobek 12:08:00 0:07:00 0, ,00 48,00 411,43 8,75 Sobek 12:16:00 0:08:00 0, ,00 48,00 360,00 10,00 Sobek 12:22:00 0:06:00 0, ,00 48,00 480,00 7,50 Sobek 12:29:00 0:07:00 0, ,00 48,00 411,43 8,75 Sobek 12:36:00 0:07:00 0, ,00 48,00 411,43 8,75 Sobek 12:43:00 0:07:00 0, ,00 48,00 411,43 8,75 Sobek 12:49:00 0:06:00 0, ,00 48,00 480,00 7,50 Sobek 12:57:00 0:08:00 0, ,00 48,00 360,00 10,00 Sobek 13:04:00 0:07:00 0, ,00 48,00 411,43 8,75 Sobek 13:11:00 0:07:00 0, ,00 48,00 411,43 8,75 Sobek 13:18:00 0:07:00 0, ,00 48,00 411,43 8,75 8. Stasiun Depanning Tanggal 03-Jun-09 Item Waktu Kedatangan Waktu Antar Kedatangan Durasi (jam) Jumlah Pan Jumlah (kg) Kecepatan Kedatangan (kg/jam) Waktu Kedatangan (detik/kg) Bulat 8:21:00 Bulat 8:21:18 0:00:18 0,0050 4,0 1,92 384,00 9,38 Bulat 8:21:36 0:00:18 0,0050 4,0 1,92 384,00 9,38 Bulat 8:21:53 0:00:17 0,0047 4,0 1,92 406,59 8,85 Bulat 8:22:11 0:00:18 0,0050 4,0 1,92 384,00 9,38 Bulat 8:22:28 0:00:17 0,0047 4,0 1,92 406,59 8,85 Bulat 8:22:45 0:00:17 0,0047 4,0 1,92 406,59 8,85 Bulat 8:23:02 0:00:17 0,0047 4,0 1,92 406,59 8,85 93

114 Tanggal Item Waktu Kedatangan Waktu Antar Kedatangan Durasi (jam) Jumlah Pan Jumlah (kg) Kecepatan Kedatangan (kg/jam) Waktu Kedatangan (detik/kg) 03-Jun-09 Bulat 8:23:19 0:00:17 0,0047 4,0 1,92 406,59 8,85 Bulat 8:23:36 0:00:17 0,0047 4,0 1,92 406,59 8,85 Bulat 8:23:53 0:00:17 0,0047 4,0 1,92 406,59 8,85 Bulat 8:24:12 0:00:19 0,0053 4,0 1,92 363,79 9,90 Bulat 8:24:30 0:00:18 0,0050 4,0 1,92 384,00 9,38 Bulat 8:24:47 0:00:17 0,0047 4,0 1,92 406,59 8,85 Bulat 8:25:03 0:00:16 0,0044 4,0 1,92 432,00 8,33 Bulat 8:25:20 0:00:17 0,0047 4,0 1,92 406,59 8,85 Bulat 8:25:37 0:00:17 0,0047 4,0 1,92 406,59 8,85 Bulat 8:25:54 0:00:17 0,0047 4,0 1,92 406,59 8,85 Bulat 8:26:11 0:00:17 0,0047 4,0 1,92 406,59 8,85 Bulat 8:26:29 0:00:18 0,0050 4,0 1,92 384,00 9,38 Bulat 8:26:46 0:00:17 0,0047 4,0 1,92 406,59 8,85 Sobek 12:53:00 Sobek 12:53:28 0:00:29 0,0081 5, ,55 7,25 Sobek 12:53:59 0:00:30 0,0083 5, ,00 7,50 Sobek 12:54:29 0:00:30 0,0083 5, ,00 7,50 Sobek 12:54:57 0:00:28 0,0078 5, ,29 7,00 Sobek 12:55:29 0:00:32 0,0089 5, ,00 8,00 Sobek 12:56:03 0:00:34 0,0094 5, ,53 8,50 Sobek 12:56:33 0:00:30 0,0083 5, ,00 7,50 Sobek 12:57:02 0:00:29 0,0081 5, ,55 7,25 Sobek 12:57:31 0:00:29 0,0081 5, ,55 7,25 Sobek 12:58:01 0:00:30 0,0083 5, ,00 7,50 Sobek 12:58:29 0:00:28 0,0078 5, ,29 7,00 Sobek 12:59:01 0:00:32 0,0089 5, ,00 8,00 Sobek 12:59:29 0:00:28 0,0078 5, ,29 7,00 Sobek 12:59:58 0:00:29 0,0081 5, ,55 7,25 Sobek 13:00:26 0:00:28 0,0078 5, ,29 7,00 Sobek 13:00:54 0:00:28 0,0078 5, ,29 7,00 Sobek 12:21:00 0:00:30 0,0083 5, ,00 7,50 Sobek 12:21:28 0:00:28 0,0078 5, ,29 7,00 Sobek 12:21:59 0:00:31 0,0086 5, ,52 7,75 Sobek 12:22:29 0:00:30 0,0083 5, ,00 7,50 94

115 9. Stasiun Packaging 15-jun Jun Jun Mei-09 Tanggal Item Waktu Kedatangan Waktu Antar Kedatangan Durasi (jam) Jumlah (piece) Jumlah (kg) Kecepatan Kedatangan (kg/jam) Waktu Kedatangan (detik/kg) Bulat 9:24:12 Bulat 9:25:28 0:01:16 0, ,28 392,21 9,18 Bulat 9:25:55 0:00:27 0, ,12 416,00 8,65 Bulat 9:27:00 0:01:05 0, ,02 388,80 9,26 Bulat 9:27:53 0:00:53 0, ,88 399,40 9,01 Bulat 9:28:57 0:01:04 0, ,54 367,88 9,79 Bulat 9:29:16 0:00:19 0, ,04 386,53 9,31 Bulat 9:29:50 0:00:34 0, ,6 381,18 9,44 Bulat 9:30:58 0:01:08 0, ,68 406,59 8,85 Bulat 9:31:37 0:00:39 0, ,96 365,54 9,85 Bulat 9:32:11 0:00:34 0, ,48 368,47 9,77 Bulat 9:32:40 0:00:29 0, ,41 9,67 Bulat 9:33:09 0:00:29 0, ,41 9,67 Bulat 9:34:16 0:01:07 0, ,8 419,10 8,59 Bulat 9:35:10 0:00:54 0, ,66 444,00 8,11 Bulat 9:35:24 0:00:14 0, ,68 432,00 8,33 Bulat 9:36:02 0:00:38 0, ,2 397,89 9,05 Bulat 12:21:00 0 Bulat 12:21:51 0:00:51 0, ,16 364,24 9,88 Bulat 12:22:40 0:00:49 0, ,76 423,18 8,51 Bulat 12:23:30 0:00:50 0, ,76 414,72 8,68 Bulat 12:24:04 0:00:34 0, ,2 444,71 8,10 Sobek 13:25:00 Sobek 13:26:59 0:01:59 0, ,2 701,85 5,13 Sobek 13:28:56 0:01:57 0, ,4 689,23 5,22 Sobek 13:30:44 0:01:48 0, ,8 693,33 5,19 Sobek 13:31:33 0:00:49 0, ,6 705,31 5,10 Sobek 12:49:00 Sobek 12:49:44 0:00:44 0, ,6 703,64 5,12 Sobek 12:50:28 0:00:44 0, ,2 752,73 4,78 Sobek 12:51:05 0:00:37 0, ,2 700,54 5,14 Sobek 12:51:36 0:00:31 0, ,4 743,23 4,84 Sobek 12:51:50 0:00:14 0, ,6 668,57 5,38 Sobek 12:52:09 0:00:19 0, ,89 4,75 Sobek 12:52:31 0:00:22 0, ,4 720,00 5,00 Sobek 12:52:50 0:00:19 0, ,89 4,75 Sobek 12:53:21 0:00:31 0, ,4 743,23 4,84 95

116 Tanggal 17-jun-09 Item Waktu Kedatangan Waktu Antar Kedatangan Durasi (jam) Jumlah (piece) Jumlah (kg) Kecepatan Kedatangan (kg/jam) Waktu Kedatangan (detik/kg) Sobek 12:53:33 0:00:12 0, ,4 720,00 5,00 Sobek 12:27:00 Sobek 12:27:21 0:00:21 0, ,4 754,29 4,77 Sobek 12:28:03 0:00:42 0, ,6 737,14 4,88 Sobek 12:28:40 0:00:37 0, ,2 700,54 5,14 Sobek 12:29:06 0:00:26 0, ,2 720,00 5,00 Sobek 12:29:20 0:00:14 0, ,8 720,00 5,00 Sobek 12:29:43 0:00:23 0, ,6 720,00 5,00 Sobek 12:30:15 0:00:32 0, ,4 720,00 5,00 Sobek 12:30:40 0:00:25 0, ,8 691,20 5,21 Sobek 12:31:03 0:00:23 0, ,4 688,70 5,23 Sobek 12:31:31 0:00:28 0, ,6 720,00 5,00 Sobek 12:31:39 0:00:08 0, ,6 720,00 5,00 Sobek 12:32:04 0:00:25 0, ,2 748,80 4,81 Sobek 12:32:45 0:00:41 0, ,8 772,68 4,66 Sobek 12:33:26 0:00:41 0, ,44 5,13 Sobek 12:34:05 0:00:39 0, ,2 756,92 4,76 Sobek 12:34:39 0:00:34 0, ,6 698,82 5,15 Sobek 12:35:22 0:00:43 0, ,4 703,26 5,12 Sobek 12:36:09 0:00:47 0, ,8 674,04 5,34 96

117 Lampiran 2. Hasil Pengamatan Kecepatan Pelayanan Bahan 1. Stasiun Mixing Sponge Item sobek bulat Kecepatan Pelayanan 1 batch/5 menit 1 batch/5 menit 2. Stasiun Fermentasi 1 Item sobek bulat Kecepatan Pelayanan 1 batch/205 menit 1 batch/205 menit 3. Stasiun Mixing Sponge Item sobek bulat Kecepatan Pelayanan 1 batch/17 menit 1 batch/17 menit 4. Stasiun Floor Item sobek bulat Kecepatan Pelayanan 1 batch/15 menit 1 batch/15 menit 5. Stasiun Dividing Item Kecepatan Pelayanan (Stroke/min) Kecepatan Pelayanan (Stroke/Jam) Kecepatan Pelayanan (pieces/menit) Kecepatan Pelayanan (pieces/jam) Kecepatan Pelayanan kg/jam Waktu Pelayanan (detik/kg) sobek ,70 bulat ,2 9,80 6. Stasiun Rounding Item Kecepatan Pelayanan (piece/detik) Kecepatan Pelayanan (piece/menit) Kecepatan Pelayanan (stroke/min) Kecepatan Pelayanan (kg/jam) Waktu Pelayanan (detik/kg) sobek 2,31 138,46 23,08 415,38 8,67 bulat 1,71 102,86 17,14 370,29 9,72 97

118 7. Stasiun Intermediate Proofing Item sobek bulat Kecepatan Pelayanan 13 menit 17 menit 8. Stasiun Filling Tanggal Item Pukul Durasi (jam) Bahan Terproses (piece) Bahan Terproses (kg) Jumlah Operator Kecepatan Pelayanan (Kg/Jam) Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) Bulat 17:19:00 0, ,00 6, ,40 205,20 17,54 Bulat 17:20:00 0, ,00 7, ,60 226,80 15,87 Bulat 17:21:00 0, ,00 5, ,60 172,80 20,83 11-Mei-09 Bulat 17:22:00 0, ,00 6, ,40 205,20 17,54 Bulat 17:23:00 0, ,00 6, ,00 198,00 18,18 Bulat 17:24:00 0, ,00 5, ,20 165,60 21,74 Bulat 17:25:00 0, ,00 7, ,00 216,00 16,67 Bulat 17:26:00 0, ,00 6, ,40 205,20 17,54 Bulat 17:27:00 0, ,00 6, ,00 198,00 18,18 Bulat 17:28:00 0, ,00 6, ,20 201,60 17,86 Bulat 8:54:00 0, ,00 5, ,00 162,00 22,22 Bulat 8:55:00 0, ,00 7, ,00 234,00 15,38 Bulat 8:10:00 0, ,00 7, ,20 219,60 16,39 12-Mei-09 Bulat 8:11:00 0, ,00 6, ,80 194,40 18,52 Bulat 8:12:00 0, ,00 5, ,60 172,80 20,83 Bulat 8:13:00 0, ,00 6, ,60 208,80 17,24 Bulat 8:14:00 0, ,00 6, ,20 183,60 19,61 Bulat 8:15:00 0, ,00 6, ,20 201,60 17,86 Bulat 8:16:00 0, ,00 6, ,00 180,00 20,00 Bulat 8:17:00 0, ,00 6, ,00 180,00 20,00 Sobek 2:01:00 0, ,00 7, ,00 216,00 16,67 Sobek 2:02:00 0, ,00 7, ,00 225,00 16,00 Sobek 2:03:00 0, ,00 7, ,00 210,00 17,14 4-Mei-09 Sobek 2:04:00 0, ,00 7, ,00 231,00 15,58 Sobek 2:05:00 0, ,00 7, ,00 216,00 16,67 Sobek 2:06:00 0, ,00 7, ,00 210,00 17,14 Sobek 2:07:00 0, ,00 6, ,00 204,00 17,65 Sobek 2:08:00 0, ,00 6, ,00 201,00 17,91 Sobek 2:09:00 0, ,00 7, ,00 213,00 16,90 Sobek 2:10:00 0, ,00 7, ,00 210,00 17,14 98

119 Tanggal Item Pukul Durasi (jam) Bahan Terproses (piece) Bahan Terproses (kg) Jumlah Operator Kecepatan Pelayanan (Kg/Jam) Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) 4-Mei Jun-09 Sobek 2:11:00 0, ,00 7, ,00 225,00 16,00 Sobek 2:12:00 0, ,00 7, ,00 216,00 16,67 Sobek 2:13:00 0, ,00 6, ,00 198,00 18,18 Sobek 2:14:00 0, ,00 7, ,00 213,00 16,90 Sobek 2:15:00 0, ,00 7, ,00 222,00 16,22 Sobek 12:52:00 0, ,00 7, ,00 231,00 15,58 Sobek 12:53:00 0, ,00 6, ,00 192,00 18,75 Sobek 12:54:00 0, ,00 7, ,00 219,00 16,44 Sobek 12:55:00 0, ,00 7, ,00 231,00 15,58 Sobek 12:56:00 0, ,00 6, ,00 204,00 17,65 Sobek 12:57:00 0, ,00 7, ,00 234,00 15,38 Sobek 12:58:00 0, ,00 7, ,00 216,00 16,67 Sobek 12:59:00 0, ,00 7, ,00 222,00 16,22 Sobek 13:00:00 0, ,00 7, ,00 210,00 17,14 Sobek 13:01:00 0, ,00 6, ,00 207,00 17,39 9. Stasiun Make-Up Tanggal Item Pukul Durasi (jam) Bahan Terproses (piece) Bahan Terproses (kg) Jumlah Operator Tingkat Pelayanan (Kg/Jam) Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) 5-Mei-09 6-Mei-09 Bulat 9:08:00 0, ,00 6, ,20 100,80 35,71 Bulat 9:09:00 0, ,00 6, ,20 100,80 35,71 Bulat 9:10:00 0, ,00 6, ,40 93,60 38,46 Bulat 9:11:00 0, ,00 6, ,60 104,40 34,48 Bulat 9:12:00 0, ,00 6, ,60 104,40 34,48 Bulat 9:13:00 0, ,00 7, ,00 108,00 33,33 Bulat 9:14:00 0, ,00 6, ,20 100,80 35,71 Bulat 9:15:00 0, ,00 7, ,00 108,00 33,33 Bulat 9:16:00 0, ,00 7, ,00 108,00 33,33 Bulat 9:17:00 0, ,00 7, ,40 111,60 32,26 Bulat 9:18:00 0, ,00 6, ,80 97,20 37,04 Bulat 9:19:00 0, ,00 6, ,80 97,20 37,04 Bulat 8:10:00 0, ,00 6, ,80 97,20 37,04 Bulat 8:11:00 0, ,00 5, ,60 86,40 41,67 Bulat 8:12:00 0, ,00 6, ,00 90,00 40,00 Bulat 8:13:00 0, ,00 6, ,40 93,60 38,46 Bulat 8:14:00 0, ,00 6, ,80 97,20 37,04 99

120 Tanggal Item Pukul Durasi (jam) Bahan Terproses (piece) Bahan Terproses (kg) Jumlah Operator Tingkat Pelayanan (Kg/Jam) Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) 6-Mei-09 5-Mei-09 6-Mei-09 Bulat 8:15:00 0, ,00 6, ,80 97,20 37,04 Bulat 8:16:00 0, ,00 6, ,40 93,60 38,46 Bulat 8:17:00 0, ,00 6, ,00 90,00 40,00 Bulat 8:18:00 0, ,00 6, ,80 97,20 37,04 Bulat 8:19:00 0, ,00 6, ,40 93,60 38,46 Bulat 8:20:00 0, ,00 5, ,60 86,40 41,67 Bulat 8:21:00 0, ,00 6, ,00 90,00 40,00 Sobek 11:09:00 Sobek 11:10:00 0, ,00 6, ,00 96,00 37,50 Sobek 11:11:00 0, ,00 8, ,00 123,00 29,27 Sobek 11:12:00 0, ,00 7, ,00 105,00 34,29 Sobek 11:13:00 0, ,00 6, ,00 90,00 40,00 Sobek 11:14:00 0, ,00 6, ,00 93,00 38,71 Sobek 11:15:00 0, ,00 6, ,00 90,00 40,00 Sobek 11:16:00 0, ,00 5, ,00 84,00 42,86 Sobek 11:17:00 0, ,00 5, ,00 87,00 41,38 Sobek 11:18:00 0, ,00 7, ,00 105,00 34,29 Sobek 11:19:00 0, ,00 5, ,00 78,00 46,15 Sobek 11:04:00 Sobek 11:05:00 0, ,00 7, ,00 105,00 34,29 Sobek 11:06:00 0, ,00 7, ,00 108,00 33,33 Sobek 11:07:00 0, ,00 7, ,00 105,00 34,29 Sobek 11:08:00 0, ,00 6, ,00 96,00 37,50 Sobek 11:09:00 0, ,00 7, ,00 108,00 33,33 Sobek 11:10:00 0, ,00 6, ,00 99,00 36,36 Sobek 11:11:00 0, ,00 6, ,00 96,00 37,50 Sobek 11:12:00 0, ,00 6, ,00 99,00 36,36 Sobek 11:13:00 0, ,00 6, ,00 96,00 37,50 Sobek 11:14:00 0, ,00 7, ,00 117,00 30, Stasiun Panning Tanggal Item Pukul Durasi (jam) Bahan Terproses (piece) Bahan Terproses (kg) Jumlah Operator Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) 19-Mei- 09 Bulat 11:12:00 0, ,00 6, ,00 10,00 Bulat 11:13:00 0, ,00 6, ,40 9,62 Bulat 11:14:00 0, ,00 6, ,80 9,26 100

121 Tanggal Item Pukul Durasi (jam) Bahan Terproses (piece) Bahan Terproses (kg) Jumlah Operator Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) 6-Mei-09 5-Mei Mei Mei-09 Bulat 11:15:00 0, ,00 6, ,80 9,26 Bulat 11:16:00 0, ,00 6, ,40 9,62 Bulat 11:17:00 0, ,00 5, ,60 10,42 Bulat 11:18:00 0, ,00 6, ,00 10,00 Bulat 11:19:00 0, ,00 6, ,00 10,00 Bulat 11:20:00 0, ,00 6, ,00 10,00 Bulat 11:21:00 0, ,00 5, ,60 10,42 Bulat 9:23:00 Bulat 9:24:00 0, ,00 6, ,00 10,00 Bulat 9:25:00 0, ,00 6, ,60 8,62 Bulat 9:26:00 0, ,00 5, ,60 10,42 Bulat 9:27:00 0, ,00 6, ,00 10,00 Bulat 9:28:00 0, ,00 6, ,40 9,62 Bulat 9:29:00 0, ,00 6, ,40 9,62 Bulat 9:30:00 0, ,00 6, ,20 8,93 Bulat 9:31:00 0, ,00 6, ,40 9,62 Bulat 9:32:00 0, ,00 5, ,60 10,42 Bulat 9:33:00 0, ,00 6, ,20 8,93 Sobek 2:30:00 Sobek 2:31:00 0, ,00 6, ,00 18,75 Sobek 2:32:00 0, ,00 6, ,00 18,75 Sobek 2:33:00 0, ,00 6, ,00 18,75 Sobek 2:34:00 0, ,00 6, ,00 17,65 Sobek 2:35:00 0, ,00 6, ,00 17,65 Sobek 2:36:00 0, ,00 6, ,00 19,35 Sobek 2:37:00 0, ,00 6, ,00 17,65 Sobek 2:38:00 0, ,00 6, ,00 17,65 Sobek 2:39:00 0, ,00 6, ,00 17,65 Sobek 2:40:00 0, ,00 6, ,00 18,75 Sobek 11:04:00 Sobek 11:05:00 0, ,00 6, ,00 18,75 Sobek 11:06:00 0, ,00 6, ,00 17,65 Sobek 11:07:00 0, ,00 6, ,00 17,65 Sobek 11:08:00 0, ,00 6, ,00 19,35 Sobek 11:09:00 0, ,00 6, ,00 18,75 Sobek 11:10:00 0, ,00 6, ,00 17,65 Sobek 11:11:00 0, ,00 6, ,00 17,65 Sobek 11:12:00 0, ,00 6, ,00 18,75 Sobek 11:13:00 0, ,00 6, ,00 17,65 101

122 Sobek 11:14:00 0, ,00 6, ,00 17, Stasiun Fermentasi II Item sobek bulat Waktu Pelayanan 48 kg/70 menit 17,28 kg/60 menit 12. Stasiun Baking Tanggal Item Pukul Waktu Antar Kedatangan Durasi (jam) Bahan Terproses (kg) Jumlah Operator Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) 26-Mei Mei Jun-09 Bulat 14:25:03 Bulat 14:25:18 0:00:15 0, , ,80 7,81 Bulat 14:25:34 0:00:16 0, , ,00 8,33 Bulat 14:26:47 0:01:13 0, , ,42 7,60 Bulat 14:27:00 0:00:13 0, , ,69 6,77 Bulat 14:27:21 0:00:21 0, , ,14 10,94 Bulat 14:27:41 0:00:20 0, , ,60 10,42 Bulat 14:28:10 0:00:29 0, , ,34 15,10 Bulat 14:28:34 0:00:24 0, , ,00 12,50 Bulat 14:28:48 0:00:14 0, , ,71 7,29 Bulat 9:05:06 Bulat 9:05:26 0:00:20 0, , ,60 10,42 Bulat 9:05:36 0:00:10 0, , ,20 5,21 Bulat 9:05:47 0:00:11 0, , ,36 5,73 Bulat 9:05:57 0:00:10 0, , ,20 5,21 Bulat 9:06:07 0:00:10 0, , ,20 5,21 Bulat 9:06:23 0:00:16 0, , ,00 8,33 Bulat 9:06:36 0:00:13 0, , ,69 6,77 Bulat 9:06:51 0:00:15 0, , ,80 7,81 Bulat 9:07:06 0:00:15 0, , ,80 7,81 Bulat 9:07:15 0:00:09 0, , ,00 4,69 Bulat 9:07:32 0:00:17 0, , ,59 8,85 Bulat 9:07:41 0:00:09 0, , ,00 4,69 Bulat 9:07:58 0:00:17 0, , ,59 8,85 Bulat 10:32:00 Bulat 10:32:13 0:00:13 0, , ,69 6,77 Bulat 10:32:28 0:00:15 0, , ,80 7,81 Bulat 10:32:47 0:00:19 0, , ,79 9,90 102

123 Tanggal Item Pukul Waktu Antar Kedatangan Durasi (jam) Bahan Terproses (kg) Jumlah Operator Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) 15-Jun Mei Jun-09 Bulat 10:33:04 0:00:17 0, , ,59 8,85 Bulat 10:33:20 0:00:16 0, , ,00 8,33 Bulat 10:33:36 0:00:16 0, , ,00 8,33 Bulat 10:33:47 0:00:11 0, , ,36 5,73 Bulat 10:34:01 0:00:14 0, , ,71 7,29 Bulat 10:34:17 0:00:16 0, , ,00 8,33 Bulat 10:34:34 0:00:17 0, , ,59 8,85 Bulat 10:34:49 0:00:15 0, , ,80 7,81 Bulat 10:35:01 0:00:12 0, , ,00 6,25 Bulat 10:35:11 0:00:10 0, , ,20 5,21 Bulat 10:35:23 0:00:12 0, , ,00 6,25 Bulat 10:35:41 0:00:18 0, , ,00 9,38 Bulat 10:36:02 0:00:21 0, , ,14 10,94 Bulat 10:36:23 0:00:21 0, , ,14 10,94 Bulat 10:36:35 0:00:12 0, , ,00 6,25 Bulat 10:37:00 0:00:25 0, , ,48 13,02 Bulat 10:37:09 0:00:09 0, , ,00 4,69 Bulat 10:37:21 0:00:12 0, , ,00 6,25 Bulat 10:37:30 0:00:09 0, , ,00 4,69 Bulat 10:37:41 0:00:11 0, , ,36 5,73 Bulat 10:37:54 0:00:13 0, , ,69 6,77 Bulat 10:38:16 0:00:22 0, , ,18 11,46 Bulat 10:38:38 0:00:22 0, , ,18 11,46 Sobek 14:14:26 Sobek 14:14:58 0:00:32 0, ,00 8,00 Sobek 14:15:27 0:00:29 0, ,55 7,25 Sobek 14:15:50 0:00:23 0, ,09 5,75 Sobek 14:16:24 0:00:34 0, ,53 8,50 Sobek 14:17:04 0:00:40 0, ,00 10,00 Sobek 14:17:33 0:00:29 0, ,55 7,25 Sobek 13:22:00 1 Sobek 13:22:20 0:00:20 0, ,00 5,00 Sobek 13:22:47 0:00:27 0, ,33 6,75 Sobek 13:23:16 0:00:29 0, ,55 7,25 Sobek 13:23:45 0:00:29 0, ,55 7,25 Sobek 13:24:00 0:00:15 0, ,00 3,75 Sobek 13:24:34 0:00:34 0, ,53 8,50 Sobek 13:25:10 0:00:36 0, ,00 9,00 103

124 Tanggal Item Pukul Waktu Antar Kedatangan Durasi (jam) Bahan Terproses (kg) Jumlah Operator Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) 08-Jun Jun-09 Sobek 13:25:52 0:00:42 0, ,86 10,50 Sobek 13:26:10 0:00:18 0, ,00 4,50 Sobek 13:26:36 0:00:26 0, ,85 6,50 Sobek 13:27:08 0:00:32 0, ,00 8,00 Sobek 13:27:34 0:00:26 0, ,85 6,50 Sobek 13:28:21 0:00:47 0, ,38 11,75 Sobek 13:28:38 0:00:17 0, ,06 4,25 Sobek 13:29:16 0:00:38 0, ,95 9,50 Sobek 13:30:06 0:00:50 0, ,00 12,50 Sobek 13:30:27 0:00:21 0, ,71 5,25 Sobek 12:19:00 1 Sobek 12:19:17 0:00:17 0, ,06 4,25 Sobek 12:19:54 0:00:37 0, ,19 9,25 Sobek 12:20:13 0:00:19 0, ,89 4,75 Sobek 12:21:01 0:00:48 0, ,00 12,00 Sobek 12:21:29 0:00:28 0, ,29 7,00 Sobek 12:21:45 0:00:16 0, ,00 4,00 Sobek 12:22:09 0:00:24 0, ,00 6,00 Sobek 12:22:29 0:00:20 0, ,00 5,00 Sobek 12:22:49 0:00:20 0, ,00 5,00 Sobek 12:23:09 0:00:20 0, ,00 5,00 Sobek 12:23:42 0:00:33 0, ,36 8,25 Sobek 12:24:16 0:00:34 0, ,53 8,50 Sobek 12:24:41 0:00:25 0, ,00 6,25 Sobek 12:25:24 0:00:43 0, ,88 10,75 Sobek 12:25:41 0:00:17 0, ,06 4,25 Sobek 12:26:02 0:00:21 0, ,71 5,25 Sobek 12:26:37 0:00:35 0, ,43 8,75 Sobek 12:27:06 0:00:29 0, ,55 7,25 Sobek 12:27:29 0:00:23 0, ,09 5,75 Sobek 12:27:57 0:00:28 0, ,29 7,00 Sobek 12:28:25 0:00:28 0, ,29 7,00 104

125 13. Stasiun Depanning Tanggal Item Pukul Durasi (jam) Bahan Terproses (piece) Bahan Terproses (kg) Jumlah Operator Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) 2-Jun Mei-09 3-Jun-09 2-Jun Mei-09 Bulat 10:05:00 Bulat 10:06:00 0, ,00 7, ,00 8,33 Bulat 10:07:00 0, ,00 7, ,00 8,33 Bulat 10:08:00 0, ,00 7, ,00 8,33 Bulat 10:09:00 0, ,00 7, ,00 8,33 Bulat 10:10:00 0, ,00 6, ,20 8,93 Bulat 10:11:00 0, ,00 6, ,20 8,93 Bulat 10:12:00 0, ,00 6, ,20 8,93 Bulat 10:13:00 0, ,00 6, ,20 8,93 Bulat 10:14:00 0, ,00 6, ,20 8,93 Bulat 10:15:00 0, ,00 7, ,00 8,33 Bulat 12:08:00 Bulat 12:09:00 0, ,00 7, ,80 7,81 Bulat 12:10:00 0, ,00 7, ,80 7,81 Bulat 12:11:00 0, ,00 7, ,00 8,33 Bulat 12:12:00 0, ,00 8, ,40 6,94 Bulat 12:13:00 0, ,00 8, ,60 7,35 Bulat 12:14:00 0, ,00 5, ,60 10,42 Bulat 12:15:00 0, ,00 7, ,80 7,81 Bulat 8:28:00 Bulat 8:29:00 0, ,00 6, ,20 8,93 Bulat 8:30:00 0, ,00 6, ,40 9,62 Bulat 8:31:00 0, ,00 7, ,00 8,33 Sobek 15:39:00 Sobek 15:40:00 0, ,00 8, ,00 6,82 Sobek 15:41:00 0, ,00 10, ,00 5,77 Sobek 15:42:00 0, ,00 8, ,00 6,82 Sobek 15:43:00 0, ,00 9, ,00 6,25 Sobek 15:44:00 0, ,00 9, ,00 6,25 Sobek 15:45:00 0, ,00 8, ,00 6,82 Sobek 15:46:00 0, ,00 7, ,00 8,33 Sobek 15:47:00 0, ,00 13, ,00 4,41 Sobek 15:48:00 0, ,00 12, ,00 5,00 Sobek 15:49:00 0, ,00 11, ,00 5,36 Sobek 13:00:00 Sobek 13:01:00 0, ,00 8, ,00 7,50 Sobek 13:02:00 0, ,00 13, ,00 4,41 105

126 Tanggal Item Pukul Durasi (jam) Bahan Terproses (piece) Bahan Terproses (kg) Jumlah Operator Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) 2-Jun Jun-09 Sobek 13:03:00 0, ,00 10, ,00 5,77 Sobek 13:04:00 0, ,00 6, ,00 9,38 Sobek 13:05:00 0, ,00 12, ,00 5,00 Sobek 13:02:00 Sobek 13:03:00 0, ,00 10, ,00 5,77 Sobek 13:04:00 0, ,00 12, ,00 5,00 Sobek 13:05:00 0, ,00 7, ,00 8,33 Sobek 13:06:00 0, ,00 8, ,00 6,82 Sobek 13:07:00 0, ,00 8, ,00 7, Stasiun Cooling Item Sobek Bulat Waktu Pelayanan 30 menit 30 menit 15. Stasiun Packaging Item Kecepatan Pelayanan (pack/menit) Kecepatan Pelayanan (piece/menit) Kecepatan Pelayanan (piece/jam) Kecepatan Pelayanan (kg/jam) Waktu Pelayanan (detik/kg) Sobek ,00 5,00 Bulat ,80 7, Stasiun Crating Tanggal Item Pukul Durasi (jam) Bahan Terproses (piece) Bahan Terproses (kg) Jumlah Operator Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) 2-Jun-09 Bulat 9:34:00 Bulat 9:35:00 0, ,00 6, ,00 19,05 Bulat 9:36:00 0, ,00 6, ,00 19,05 Bulat 9:37:00 0, ,00 6, ,00 19,05 Bulat 9:38:00 0, ,00 6, ,00 19,05 Bulat 9:39:00 0, ,00 6, ,00 20,00 Bulat 9:40:00 0, ,00 6, ,00 18,18 106

127 Tanggal Item Pukul Durasi (jam) Bahan Terproses (piece) Bahan Terproses (kg) Jumlah Operator Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) 2-Jun-09 2-Jun Jun-09 Bulat 9:41:00 0, ,00 7, ,00 16,00 Bulat 9:42:00 0, ,00 6, ,00 19,05 Bulat 9:43:00 0, ,00 6, ,00 17,39 Bulat 9:44:00 0, ,00 6, ,00 20,00 Bulat 9:45:00 0, ,00 5, ,00 21,05 Bulat 9:46:00 0, ,00 6, ,00 17,39 Bulat 9:47:00 0, ,00 7, ,00 16,67 Bulat 9:48:00 0, ,00 7, ,00 16,67 Bulat 9:49:00 0, ,00 6, ,00 18,18 Bulat 9:50:00 0, ,00 7, ,00 16,67 Bulat 9:51:00 0, ,00 7, ,00 16,00 Bulat 9:52:00 0, ,00 7, ,00 16,67 Bulat 9:53:00 0, ,00 6, ,00 17,39 Bulat 9:54:00 0, ,00 7, ,00 16,67 Sobek 7:51:00 Sobek 7:52:00 0, ,00 14, ,00 8,33 Sobek 7:53:00 0, ,00 12, ,00 10,00 Sobek 7:54:00 0, ,00 13, ,00 9,23 Sobek 7:55:00 0, ,00 15, ,00 8,00 Sobek 7:56:00 0, ,00 16, ,00 7,50 Sobek 7:57:00 0, ,00 16, ,00 7,50 Sobek 7:58:00 0, ,00 14, ,00 8,57 Sobek 7:59:00 0, ,00 16, ,00 7,50 Sobek 8:00:00 0, ,00 15, ,00 8,00 Sobek 8:01:00 0, ,00 17, ,00 7,06 Sobek 8:02:00 0, ,00 12, ,00 10,00 Sobek 8:03:00 0, ,00 16, ,00 7,50 Sobek 8:04:00 0, ,00 16, ,00 7,50 Sobek 8:05:00 0, ,00 13, ,00 9,23 Sobek 8:06:00 0, ,00 13, ,00 9,23 Sobek 8:07:00 0, ,00 14, ,00 8,57 Sobek 8:08:00 0, ,00 14, ,00 8,57 Sobek 8:09:00 0, ,00 15, ,00 7,79 Sobek 8:10:00 0, ,00 16, ,00 7,50 Sobek 8:11:00 0, ,00 14, ,00 8,57 Sobek 13:02:00 Sobek 13:03:00 0, ,00 17, ,00 7,06 Sobek 13:04:00 0, ,00 14, ,00 8,57 Sobek 13:05:00 0, ,00 16, ,00 7,32 107

128 Tanggal Item Pukul Durasi (jam) Bahan Terproses (piece) Bahan Terproses (kg) Jumlah Operator Tingkat Pelayanan (Kg/Jam/ Operator) Waktu Pelayanan (Detik/kg/ Operator) 15-Jun-09 Sobek 13:05:14 0, ,00 4, ,29 7,00 Sobek 13:06:14 0, ,00 17, ,00 7,06 Sobek 13:07:14 0, ,00 16, ,00 7,50 Sobek 13:08:14 0, ,00 16, ,00 7,50 Sobek 13:08:29 0, ,00 4, ,00 7,50 Sobek 13:09:03 0, ,00 8, ,53 8,50 Sobek 13:09:37 0, ,00 8, ,53 8,50 Sobek 13:10:06 0, ,00 8, ,55 7,25 Sobek 13:10:18 0, ,00 3, ,00 8,00 Sobek 13:10:48 0, ,00 8, ,00 7,50 Sobek 13:11:06 0, ,00 4, ,00 9,00 Sobek 13:12:06 0, ,00 13, ,00 9,23 Sobek 13:13:06 0, ,00 13, ,00 9,23 Sobek 13:14:06 0, ,00 13, ,00 9,23 Sobek 13:15:06 0, ,00 12, ,00 10,00 Sobek 13:16:06 0, ,00 16, ,00 7,32 Sobek 13:17:06 0, ,00 15, ,00 8,00 108

129 Lampiran 3. Data Observasi Model 1 109

130 110

131 111

132 112

133 Lampiran 4. Data Observasi Model 2 113

134 114

135 115

136 116

137 117

138 Lampiran 5. Data Observasi Model 3 118

139 119

140 120

141 121

142 122

143 Lampiran 6. Hasil Simulasi SAPR-NIC Model 4 Kondisi Nyata a. Hasil Analisa Bahan yang Diproses (Customer Analysis) Customer Analysis for SAPR-NIC Result Simulasi 1 Kedatangan Bulat Simulasi 2 Kedatangan Bulat Simulasi 3 Kedatangan Bulat Rataan 1 Total Number of Arrival ,67 2 Total Number of Balking ,00 3 Number in the System (L) 1,9892 2,0327 2,0263 2,02 4 Number in the System ,33 5 Current Number in the System ,67 6 Number Finished , , , , ,52 8 Std. Dev. of 0,0956 0,0948 0,095 0,10 9 Waiting (Wq) 0,9348 1,2301 1,1921 1,12 10 Std. Dev. of Waiting 1,3234 1,7029 1,6445 1,56 11 Transfer ,00 12 Std. Dev. of Transfer ,00 13 Flow (W) 20, ,75 20, ,64 14 Std. Dev. of Flow 1,323 1,7018 1,6445 1,56 15 Flow 28, , , ,19 Data Collection: 0 to seconds seconds seconds seconds CPU Seconds = 10,701 10,702 10,436 10,61 b. Hasil Analisa Fasilitas Pelayanan (Server Analysis) Simulasi 1 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 A1 95,28% 9,7999 0,0223 9,8008 0,00% B1 94,50% 9,7199 0,0304 9,7207 0,00% 1645 Overall 94,89% 9,7599 0,048 9,8008 0,00% 3290 Data Collection: 0 to seconds CPU Seconds 10,

144 Simulasi 2 Std. Dev. Blocked Percentage # Customers ed 1 A1 95,97% 9,7999 0,0214 9,8008 0,00% B1 95,19% 9,7199 0,0297 9,7207 0,00% 1657 Overall 95,58% 9,7599 0,0476 9,8008 0,00% 3314 Data Collection: 0 to seconds CPU Seconds 10,702 Simulasi 3 Std. Dev. Blocked Percentage # Customers ed 1 A1 95,86% 9,7999 0,0221 9,8008 0,00% B1 95,02% 9,7199 0,0298 9,7207 0,00% 1654 Overall 95,44% 9,7599 0,0477 9,8008 0,00% 3309 Data Collection: 0 to seconds CPU Seconds 10,436 Rataan Hasil Analisa Fasilitas Pelayanan (Server Analysis) Rataan Server Analysis for SAPR-NIC Server Analysis for SAPR-NIC 10- Server Server 13- Name Utilization Server Analysis for SAPR-NIC 10- Server Server 13- Name Utilization Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 A1 95,70% 9,800 0,022 9,801 0,00% 1652,33 2 B1 94,90% 9,720 0,030 9,721 0,00% 1652,00 Overall 95,30% 9,760 0,048 9,801 0,00% 3304,33 Data Collection: 0 to seconds CPU Seconds 10,61 124

145 c. Hasil Analisa Antrian (Queue Analysis) Simulasi 1 Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianA 0, ,9345 1,3231 9, AntrianB Overall 0, ,4674 1,0459 9,1016 Data Collection: 0 to seconds CPU Seconds 10,701 Simulasi 2 Queue Analysis for SAPR-NIC 10- Q. Queue 13- Length Name (Lq) Queue Analysis for SAPR-NIC Q Queue Length Name (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianA 0, ,2302 1, , AntrianB Overall 0, ,6153 1,352 10,1299 Data Collection: 0 to seconds CPU Seconds 10,702 Simulasi 3 Queue Analysis for SAPR-NIC Q Queue Length Name (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianA 0, ,1961 1,6478 9, AntrianB Overall 0, ,5983 1,3098 9,7803 Data Collection: 0 to seconds CPU Seconds 10,436 Rataan Hasil Analisa Antrian (Queue Analysis) Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianA 0,110 0,333 1,333 1,120 1,558 9,671 2 AntrianB Overall 0,110 0,333 1,333 0,560 1,236 9,671 Data Collection: 0 to seconds CPU Seconds 10,61 125

146 Lampiran 7. Hasil Simulasi SAPR-NIC Model 5 Kondisi Nyata a. Hasil Analisa Bahan yang Diproses (Customer Analysis) Customer Analysis for SAPR-NIC Result Simulasi 1 Simulasi 2 Simulasi 3 KedatanganF ILBULAT KedatanganF ILBULAT KedatanganF ILBULAT Rataan 1 Total Number of Arrival Total Number of Balking Number in the System 3 (L) 7,0481 7,0701 7,0532 7, Number in the System Current Number in the System Number Finished , , , , Std. Dev. of 3,1967 3,2068 3,2122 3, Waiting (Wq) 5,2673 5,4994 5,4146 5, Std. Dev. of Waiting 3,5089 3,4819 3,5794 3, Transfer Std. Dev. of Transfer Flow (W) 70, , , ,74 14 Std. Dev. of Flow 2,8935 2,9083 2,7528 2, Flow 87, , ,145 86,86863 Data Collection: 0 to seconds seconds seconds seconds CPU Seconds = 14,276 15,68 14,619 14,

147 b. Hasil Analisa Fasilitas Pelayanan (Server Analysis) Simulasi 1 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 C1 92,60% 18,5855 2,01 26,5291 0,00% C2 92,74% 18,5487 1,96 29,5205 0,00% D1 91,97% 36,877 2,37 42,5361 0,00% D2 92,04% 37,1687 2,44 42,708 0,00% D3 92,72% 37,1755 2,40 42,4141 0,00% D4 92,40% 37,0458 2,33 42,1121 0,00% E1 97,08% 9,754 0,52 10,9292 0,00% 1684 Overall 93,08% 21, ,52 42,708 0,00% 5058 Data Collection: 0 to seconds CPU Seconds 14,276 Simulasi 2 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 C1 92,66% 18, ,46% 27,23 0,00% C2 92,64% 18, ,91% 30,1777 0,00% D1 92,55% 37, ,51% 42,8145 0,00% D2 92,28% 37, ,45% 42,7478 0,00% D3 92,15% 36, ,64% 42,7559 0,00% D4 92,23% 37, ,19% 42,7715 0,00% E1 97,17% 9, ,35% 10,9507 0,00% 1684 Overall 93,10% 21, ,74% 42,8145 0,00% 5060 Data Collection: 0 to seconds CPU Seconds 15,68 127

148 Simulasi 3 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 C1 92,40% 18, ,32% 27,3677 0,00% C2 92,90% 18, ,37% 26,2266 0,00% D1 92,32% 37, ,62% 42,4409 0,00% D2 92,41% 36, ,66% 42,4746 0,00% D3 91,45% 36, ,07% 42,6463 0,00% D4 92,52% 37, ,47% 42,769 0,00% E1 96,88% 9, ,35% 11,0332 0,00% 1684 Overall 92,98% 21, ,30% 42,769 0,00% 5060 Data Collection: 0 to seconds CPU Seconds 14,619 Rataan Hasil Analisa Fasilitas Pelayanan (Server Analysis) Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 C1 92,55% 18,547 1,991 27,042 0,00% 844, C2 92,76% 18,567 1,965 28,642 0,00% 845, D1 92,28% 37,029 2,396 42,597 0,00% 421, D2 92,24% 37,073 2,434 42,643 0,00% D3 92,11% 36,987 2,468 42,605 0,00% 421, D4 92,38% 37,070 2,378 42,551 0,00% 421, E1 97,04% 9,750 0,518 10,971 0,00% 1684 Overall 93,05% 21,784 11,514 42,764 0,00% 5059,333 Data Collection: 0 to seconds CPU Seconds 14,

149 c. Hasil Analisa Antrian (Queue Analysis) Simulasi 1 Queue Analysis for SAPR-NIC Q Queue Length Name (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianC 0, ,6505 1, , AntrianD 0, ,5351 1,2019 8, AntrianE 0, ,0877 3, ,2803 Overall 0, ,7555 2, ,2803 Data Collection: 0 to seconds CPU Seconds 14,276 Simulasi 2 Queue Analysis for SAPR-NIC Q Queue Length Name (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianC 0, ,5673 1,2317 9, AntrianD 0, ,6009 1,2919 8, AntrianE 0, ,3321 3, ,8186 Overall 0, ,8305 2,754 14,8186 Data Collection: 0 to seconds CPU Seconds 15,68 Simulasi 3 Queue Analysis for SAPR-NIC Q Queue Length Name (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianC 0, ,6278 1,3517 9,374 2 AntrianD 0, ,617 1,3634 8, AntrianE 0, ,1667 3, ,7285 Overall 0, ,801 2, ,7285 Data Collection: 0 to seconds CPU Seconds 14,

150 Rataan Hasil Analisa Antrian (Queue Analysis) Queue Analysis for SAPR-NIC Q Queue Length Name (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianC 0,062 0,333 1,333 0,615 1,344 10,742 2 AntrianD 0,058 0,000 1,667 0,584 1,286 8,223 3 AntrianE 0,418 0,667 2,000 4,196 3,192 14,942 Overall 0,538 1,000 2,000 1,796 2,724 14,942 Data Collection: 0 to seconds CPU Seconds 14,

151 Lampiran 8. Data Observasi Model 6 131

152 132

153 Lampiran 9. Hasil Simulasi SAPR-NIC Model 7 Kondisi Nyata a. Hasil Analisa Bahan yang Diproses (Customer Analysis) Customer Analysis for SAPR-NIC Result Simulasi 1 Simulasi 2 Simulasi 3 Kedatangan BAKING Kedatangan BAKING Kedatangan BAKING Rataan 1 Total Number of Arrival ,00 2 Total Number of Balking ,00 3 Number in the System (L) 1,0182 1,0377 1,033 1,03 4 Number in the System ,33 5 Current Number in the System ,67 6 Number Finished ,33 7 7,9649 8,0586 7,9611 7,99 8 Std. Dev. of 2,3829 2,4101 2,3672 2,39 9 Waiting (Wq) 2,1931 2,4535 2,3686 2,34 10 Std. Dev. of Waiting 3,5022 3,7749 3,8994 3,73 11 Transfer ,00 12 Std. Dev. of Transfer ,00 13 Flow (W) 10,158 10, , ,33 14 Std. Dev. of Flow 4,2313 4,4352 4,5775 4,41 15 Flow 35, , , ,10 Data Collection: 0 to seconds seconds seconds seconds CPU Seconds = 15,647 14,587 16,426 15,55 b. Hasil Analisa Fasilitas Pelayanan (Server Analysis) Simulasi 1 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 BAK 79,84% 7,9649 2, ,3389 0,00% 1696 Data Collection: 0 to seconds CPU Seconds 15,

154 Simulasi 2 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 BAK 79,44% 8,0586 2, ,9414 0,00% 1668 Data Collection: 0 to seconds CPU Seconds 14,587 Simulasi 3 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 BAK 79,61% 7,9611 2, ,6436 0,00% 1692 Data Collection: 0 to seconds CPU Seconds 16,426 Rataan Hasil Analisa Fasilitas Pelayanan (Server Analysis) Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 BAK 79,63% 7,99 2,39 19,64 0,00% 1685,33 Data Collection: 0 to seconds CPU Seconds 15,55 c. Hasil Analisa Antrian (Queue Analysis) Simulasi 1 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianBAK 0, ,1918 3, ,7344 Data Collection: 0 to seconds CPU Seconds 15,

155 Simulasi 2 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianBAK 0, ,4588 3,78 20,2861 Data Collection: 0 to seconds CPU Seconds 14,587 Simulasi 3 Queue Analysis for SAPR-NIC 10- Queue Q. 13- Name Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianBAK 0, ,3672 3, ,1787 Data Collection: 0 to seconds CPU Seconds 16,426 Rataan Hasil Analisa Antrian (Queue Analysis) Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianBAK 0,23 0,67 3,33 2,34 3,73 24,07 Data Collection: 0 to seconds CPU Seconds 15,55 135

156 Lampiran 10. Hasil Simulasi SAPR-NIC Model 8 Kondisi Nyata a. Hasil Analisa Bahan yang Diproses (Customer Analysis) Customer Analysis for SAPR-NIC Result Simulasi 1 Simulasi 2 Simulasi 3 Kedatangan DEPBULAT Kedatangan DEPBULAT Kedatangan DEPBULAT Rataan 1 Total Number of Arrival Total Number of Balking Number in the System 3 (L) 0,9669 0,9798 0,984 0, Number in the System Current Number in the System , Number Finished , ,4647 8,5076 8,4916 8, Std. Dev. of 0,7479 0,7677 0,7878 0, Waiting (Wq) 0,2558 0,3152 0,3743 0, Std. Dev. of Waiting 0,5064 0,5839 0,7372 0, Transfer Std. Dev. of Transfer Flow (W) 8,7205 8,8229 8,8659 8, Std. Dev. of Flow 0,898 0,9638 1,0886 0, Flow 13, , ,209 13,3724 Data Collection: 0 to seconds seconds seconds seconds CPU Seconds = 7,754 7,66 7,644 7,686 b. Hasil Analisa Fasilitas Pelayanan (Server Analysis) Simulasi 1 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 F1 93,85% 8,46 0, ,8809 0,00% 1876,00 Data Collection: 0 to seconds CPU Seconds 7,

157 Simulasi 2 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 F1 94,48% 8,51 0, ,0942 0,00% 1879,00 Data Collection: 0 to seconds CPU Seconds 7,66 Simulasi 3 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 F1 94,20% 8,49 0, ,3379 0,00% 1877,00 Data Collection: 0 to seconds CPU Seconds 7,644 Rataan Hasil Analisa Fasilitas Pelayanan (Server Analysis) Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 F1 94,18% 846,47% 0, ,8809 0,00% 1877,33 Data Collection: 0 to seconds CPU Seconds 7,69 c. Hasil Analisa Antrian (Queue Analysis) Simulasi 1 Queue Analysis for SAPR-NIC 10- Queue Q. 13- Name Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianF 0, ,2558 0,5064 4,1025 Data Collection: 0 to seconds CPU Seconds 7,

158 Simulasi 2 Queue Analysis for SAPR-NIC 10- Queue Q. 13- Name Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianF 0, ,3152 0,5839 4,1094 Data Collection: 0 to seconds CPU Seconds 7,66 Simulasi 3 Queue Analysis for SAPR-NIC 10- Queue Q. 13- Name Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianF 0, ,3746 0,7371 5,6494 Data Collection: 0 to seconds CPU Seconds 7,644 Rataan Hasil Analisa Antrian (Queue Analysis) Queue Analysis for SAPR-NIC 10- Queue Q. 13- Name Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianF 0,035 0, ,315 0,609 4,620 Data Collection: 0 to seconds CPU Seconds 7,

159 Lampiran 11. Hasil Simulasi SAPR-NIC Model 9 Kondisi Nyata a. Hasil Analisa Bahan yang Diproses (Customer Analysis) Customer Analysis for SAPR-NIC Result Simulasi 1 KedatanganP ACKBULAT Simulasi 2 KedatanganP ACKBULAT Simulasi 3 KedatanganP ACKBULAT Rataan 1 Total Number of Arrival Total Number of Balking Number in the System (L) 3,5083 3,7834 3,9534 3, Number in the System Current Number in the System , Number Finished , , , , , Std. Dev. of 1,4584 1,4562 1,4726 1, Waiting (Wq) 6,0624 8, ,0374 8, Std. Dev. of Waiting 5,5179 7,3376 9,6108 7, Transfer Std. Dev. of Transfer Flow (W) 31,85 34,32 35,85 34, Std. Dev. of Flow 5,7072 7,4836 9,7238 7, Flow 53, , , ,80763 Data Collection: 0 to seconds seconds seconds seconds CPU Seconds = 11,404 11,107 11,622 11,378 b. Hasil Analisa Fasilitas Pelayanan (Server Analysis) Simulasi 1 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 86,13% 7,8098 0,0281 7,8105 0,00% H1 98,86% 17,9866 1, ,5449 0,00% H2 98,95% 17,9644 1, ,5371 0,00% 932 Overall 94,65% 12,8872 5, ,5449 0,00% 3728 Data Collection: 0 to seconds CPU Seconds 11,

160 Simulasi 2 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 86,13% 7,8098 0,0282 7,8105 0,00% H1 99,02% 17,9957 1, ,5342 0,00% H2 99,32% 18,0692 1, ,5449 0,00% 930 Overall 94,82% 12,9143 5, ,5449 0,00% 3727 Data Collection: 0 to seconds CPU Seconds 11,107 Simulasi 3 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 86,18% 7,8098 0,0281 7,8105 0,00% H1 98,99% 18,0102 1,457 20,541 0,00% H2 99,12% 17,9945 1, ,5469 0,00% 932 Overall 94,76% 12,8992 5, ,5469 0,00% 3729 Data Collection: 0 to seconds CPU Seconds 11,622 Rataan Hasil Analisa Fasilitas Pelayanan (Server Analysis) Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 86,15% 7,81 0,028 7,811 0,00% 1866,33 2 H1 98,96% 18,00 1,461 20,540 0,00% 930,33 3 H2 99,13% 18,01 1,463 20,543 0,00% 931,33 Overall 94,74% 12,900 5,201 20,546 0,00% 3728,00 Data Collection: 0 to seconds CPU Seconds 11,

161 c. Hasil Analisa Antrian (Queue Analysis) Simulasi 1 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG AntrianH 0, ,0726 5, ,6959 Overall 0, ,0347 4,947 25,6959 Data Collection: 0 to seconds CPU Seconds 11,404 Simulasi 2 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG AntrianH 0, ,4977 7, ,2881 Overall 0, ,2443 6, ,2881 Data Collection: 0 to seconds CPU Seconds 11,107 Simulasi 3 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG AntrianH 1, ,056 9, ,3906 Overall 1, ,0226 8,458 36,3906 Data Collection: 0 to seconds CPU Seconds 11,

162 Rataan Hasil Analisa Antrian (Queue Analysis) Queue Analysis for SAPR-NIC 10- Queue 13- Name (Lq) Q. Length Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG 0, ,000 0,000 0,000 2 AntrianH 0, ,21 7,501 31,125 Overall 0, ,101 6,706 31,125 Data Collection: 0 to seconds CPU Seconds 11,

163 Lampiran 12. Hasil Simulasi SAPR-NIC Model 10 Kondisi Nyata a. Hasil Analisa Bahan yang Diproses (Customer Analysis) Customer Analysis for SAPR-NIC Result Simulasi 1 Kedatangan Sobek Simulasi 2 Kedatangan Sobek Simulasi 3 Kedatangan Sobek Rataan 1 Total Number of Arrival ,667 2 Total Number of Balking Number in the System (L) 1,8831 1,8913 1,8882 1, Number in the System Current Number in the System Number Finished , , , , , Std. Dev. of 0,227 0,2277 0,2275 0, Waiting (Wq) 0,0845 0,0889 0,0841 0, Std. Dev. of Waiting 0,1483 0,1618 0,1584 0, Transfer Std. Dev. of Transfer Flow (W) 17, , , , Std. Dev. of Flow Flow 18,457 18,793 18, ,73437 Data Collection: 0 to seconds seconds seconds seconds CPU Seconds = 65,63 67,361 68,25 67,08 b. Hasil Analisa Fasilitas Pelayanan (Server Analysis) Simulasi 1 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 A1 93,85% 8,6996 0,0701 8,7031 0,00% B1 93,54% 8, ,6719 0,00% 7302 Overall 93,69% 8, ,7031 0,00% Data Collection: 0 to seconds CPU Seconds 65,63 143

164 Simulasi 2 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 A1 94,23% 8,6996 0,0703 8,7031 0,00% B1 93,92% 8, ,6719 0,00% 7332 Overall 94,08% 8, ,7031 0,00% Data Collection: 0 to seconds CPU Seconds 67,361 Simulasi 3 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 A1 94,11% 8,6996 0,0704 8,7031 0,00% B1 93,80% 8, ,6719 0,00% 7322 Overall 93,95% 8, ,7031 0,00% Data Collection: 0 to seconds CPU Seconds 68,25 Rataan Hasil Analisa Fasilitas Pelayanan (Server Analysis) Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 A1 94,06% 8,700 0,070 8,703 0,00% 7318,667 2 B1 93,75% 8,671 0,000 8,672 0,00% 7318,667 Overall 93,91% 8,685 0,000 8,703 0,00% 14637,333 Data Collection: 0 to seconds CPU Seconds 67,

165 c. Hasil Analisa Antrian (Queue Analysis) Simulasi 1 Q. Length Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianA 0, ,0844 0,1483 1, AntrianB Overall 0, ,0422 0,1131 1,0859 Data Collection: 0 to seconds CPU Seconds 65,63 Simulasi 2 Q. Length Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianA 0, ,0889 0,1618 1, AntrianB Overall 0, ,0444 0,1227 1,4238 Data Collection: 0 to seconds CPU Seconds 67,361 Simulasi 3 Queue Analysis for SAPR-NIC 10- Queue 13- Name (Lq) Queue Analysis for SAPR-NIC 10- Queue 13- Name (Lq) Queue Analysis for SAPR-NIC 10- Q. Queue 13- Length Name (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianA 0, ,0841 0,1584 1,582 2 AntrianB Overall 0, ,0421 0,1196 1,582 Data Collection: 0 to seconds CPU Seconds 68,25 145

166 Rataan Hasil Analisa Antrian (Queue Analysis) Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianA 0,009 0,000 1,000 0,086 0,156 1,364 2 AntrianB 0,000 0,000 1,000 0,000 0,000 0,000 Overall 0,009 0,000 1,000 0,043 0,118 1,364 Data Collection: 0 to seconds CPU Seconds 67,

167 Lampiran 13. Hasil Simulasi SAPR-NIC Model 11 Kondisi Nyata a. Hasil Analisa Bahan yang Diproses (Customer Analysis) Customer Analysis for SAPR-NIC Result Simulasi 1 Kedatangan FILSOBEK Simulasi 2 Kedatangan FILSOBEK Simulasi 3 Kedatangan FILSOBEK Rataan 1 Total Number of Arrival ,000 2 Total Number of Balking ,000 3 Number in the System (L) 8,2222 8,2393 8,2292 8,230 4 Number in the System ,667 5 Current Number in the System ,000 6 Number Finished , , , , ,789 8 Std. Dev. of 4,2856 4,2678 4,1811 4,245 9 Waiting (Wq) 6,4248 6,5037 6,4028 6, Std. Dev. of Waiting 5,0046 5,0533 4,9662 5, Transfer , Std. Dev. of Transfer , Flow (W) 78, , , , Std. Dev. of Flow 5,5384 5,5294 5,3083 5, Flow 111, , , ,101 Data Collection: 0 to seconds seconds seconds seconds CPU Seconds = 59,703 60,17 60,498 60,124 b. Hasil Analisa Fasilitas Pelayanan (Server Analysis) Simulasi 1 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 C1 89,00% 16,9156 1, ,1094 0,00% C2 89,04% 16,9222 1, ,0664 0,01% D1 96,73% 36,7588 3, ,9102 0,00% D2 96,42% 36,6832 3,932 50,1406 0,00% D3 96,31% 36,6388 3, ,4102 0,00% D4 96,51% 36,6942 4, ,9961 0,00% E1 95,29% 18,1161 0, ,1289 0,00% E2 95,28% 18,1336 0, ,1499 0,00% 3556 Overall 94,32% 23,9123 9, ,9102 0,00% Data Collection: 0 to seconds CPU Seconds 59,

168 Simulasi 2 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 C1 88,83% 16,8838 1, ,6641 0,01% C2 89,14% 16,9427 1, ,5195 0,02% D1 96,62% 36,8394 4, ,0391 0,00% D2 96,58% 36,7442 3, ,1914 0,00% D3 96,71% 36,8328 3, ,0508 0,00% D4 96,67% 36,6312 4, ,6738 0,00% E1 95,34% 18,1349 0, ,2441 0,00% E2 95,33% 18,1337 0, ,0781 0,00% 3558 Overall 94,40% 23,935 9, ,6738 0,00% Data Collection: 0 to seconds CPU Seconds 60,17 Simulasi 3 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 C1 88,94% 16,9031 1, ,3438 0,00% C2 88,96% 16,9075 1, ,0801 0,02% D1 96,54% 36,6881 3, ,084 0,00% D2 96,74% 36,6995 3, ,0313 0,00% D3 96,76% 36,8726 3, ,2422 0,00% D4 96,84% 36,8816 4, ,6406 0,00% E1 95,34% 18,1306 0, ,2437 0,00% E2 95,28% 18,1287 0, ,0146 0,00% 3557 Overall 94,42% 23,9393 9, ,6406 0,00% Data Collection: 0 to seconds CPU Seconds 60,

169 Rataan Hasil Analisa Fasilitas Pelayanan (Server Analysis) Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 C1 88,92% 16,901 1,190 23,372 0,00% 3561,00 2 C2 89,05% 16,924 1,202 23,222 0,02% 3561,00 3 D1 96,63% 36,762 3,950 51,344 0,00% 1779,00 4 D2 96,58% 36,709 3,941 51,121 0,00% 1780,67 5 D3 96,59% 36,781 3,966 50,568 0,00% 1777,33 6 D4 96,67% 36,736 4,041 52,437 0,00% 1781,00 7 E1 95,32% 18,127 0,864 20,206 0,00% 3559,00 8 E2 95,30% 18,132 0,875 20,081 0,00% 3557,00 Overall 94,38% 23,929 9,401 53,075 0,00% 21356,00 Data Collection: 0 to seconds CPU Seconds 60,124 c. Hasil Analisa Antrian (Queue Analysis) Simulasi 1 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianC 0, ,0604 0,305 4, AntrianD 0, ,6954 3, , AntrianE 0, ,6675 3, ,2031 Overall 0, ,1406 3, ,7266 Data Collection: 0 to seconds CPU Seconds 59,703 Simulasi 2 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianC 0, ,0615 0,3087 5, AntrianD 0, ,8062 3, , AntrianE 0, ,6365 3, ,1289 Overall 0, ,1675 3, ,4258 Data Collection: 0 to seconds CPU Seconds 60,17 149

170 Simulasi 3 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianC 0, ,0615 0,3182 5, AntrianD 0, ,7733 3, , AntrianE 0, ,5702 3, ,1621 Overall 0, ,1346 3, ,9727 Data Collection: 0 to seconds CPU Seconds 60,498 Rataan Hasil Analisa Antrian (Queue Analysis) Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianC 0, ,061 0,311 5,296 2 AntrianD 0,290 0, ,758 3,509 22,375 3 AntrianE 0,381 0, ,625 3,868 19,165 Overall 0,678 0, ,148 3,380 22,375 Data Collection: 0 to seconds CPU Seconds 60,

171 Lampiran 14. Hasil Simulasi SAPR-NIC Model 12 Kondisi Nyata a. Hasil Analisa Bahan yang Diproses (Customer Analysis) Customer Analysis for SAPR-NIC Result Simulasi 1 Simulasi 2 Simulasi 3 Kedatangan BAKING Kedatangan BAKING Kedatangan BAKING Rataan 1 Total Number of Arrival Total Number of Balking Number in the System 3 (L) 0,976 1, ,00 4 Number in the System ,67 5 Current Number in the System ,33 6 Number Finished ,67 7 7,1687 7,276 7,1526 7,20 8 Std. Dev. of 2,2701 2,2974 2,2764 2,28 9 Waiting (Wq) 1,4676 1,7395 1,6432 1,62 10 Std. Dev. of Waiting 2,6403 3,0026 3,044 2,90 11 Transfer Std. Dev. of Transfer Flow (W) 8,6363 9,0155 8,7957 8,82 14 Std. Dev. of Flow 3,4668 3,77 3,8029 3,68 15 Flow 28, , , ,78 Data Collection: 0 to seconds seconds seconds seconds CPU Seconds = 68,157 69,67 69,561 69,13 b. Hasil Analisa Fasilitas Pelayanan (Server Analysis) Simulasi 1 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 BAK 81,01% 7,1687 2, ,2813 0,00% 7648 Data Collection: 0 to seconds CPU Seconds 68,

172 Simulasi 2 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 BAK 82,74% 7,276 2, ,2236 0,00% 7696 Data Collection: 0 to seconds CPU Seconds 69,67 Simulasi 3 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 BAK 81,32% 7,1526 2, ,2422 0,00% 7695 Data Collection: 0 to seconds CPU Seconds 69,561 Rataan Hasil Analisa Fasilitas Pelayanan (Server Analysis) Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 BAK 81,69% 7,20 2,28 17,92 0,00% 7679,67 Data Collection: 0 to seconds CPU Seconds 69,13 c. Hasil Analisa Antrian (Queue Analysis) Simulasi 1 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianBAK 0, ,4681 2, ,0347 Data Collection: 0 to seconds CPU Seconds 68,

173 Simulasi 2 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianBAK 0, ,7395 3, ,7764 Data Collection: 0 to seconds CPU Seconds 69,67 Simulasi 3 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianBAK 0, ,6432 3,044 24,6875 Data Collection: 0 to seconds CPU Seconds 69,561 Rataan Hasil Analisa Antrian (Queue Analysis) Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianBAK 0,18 0,00 3,67 1,62 2,90 22,50 Data Collection: 0 to seconds CPU Seconds 68,

174 Lampiran 15. Hasil Simulasi SAPR-NIC Model 13 Kondisi Nyata a. Hasil Analisa Bahan yang Diproses (Customer Analysis) Customer Analysis for SAPR-NIC Result Simulasi 1 Kedatangan DEPSOBEK Simulasi 2 Kedatangan DEPSOBEK Simulasi 3 Kedatangan DEPSOBEK Rataan 1 Total Number of Arrival ,667 2 Total Number of Balking Number in the System (L) 0,9693 0,9596 0,9635 0, Number in the System Current Number in the System Number Finished , ,4625 6,4652 6,4731 6, Std. Dev. of 1,3983 1,3758 1,3875 1, Waiting (Wq) 0,653 0,5822 0,6039 0, Std. Dev. of Waiting 1,2955 1,0925 1,1983 1, Transfer Std. Dev. of Transfer Flow (W) 7,1156 7,0474 7,077 7,08 14 Std. Dev. of Flow 1,9254 1,7528 1,8298 1, Flow 19, ,75 18, ,15367 Data Collection: 0 to 67680seco nds seconds seconds seconds CPU Seconds = 34,055 33,899 33,852 33,935 b. Hasil Analisa Fasilitas Pelayanan (Server Analysis) Simulasi 1 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 F1 88,04% 6,4625 1, ,8438 0,00% 9220 Data Collection: 0 to seconds CPU Seconds 34,

175 Simulasi 2 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 F1 88,04% 6,4652 1, ,7832 0,00% 9216 Data Collection: 0 to seconds CPU Seconds 33,899 Simulasi 3 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 F1 88,13% 6,4731 1, ,7773 0,00% 9214 Data Collection: 0 to seconds CPU Seconds 33,852 Rataan Hasil Analisa Fasilitas Pelayanan (Server Analysis) Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 F1 88,07% 6,467 1,387 13,135 0,00% 9216,667 Data Collection: 0 to seconds CPU Seconds 33,935 c. Hasil Analisa Antrian (Queue Analysis) Simulasi 1 Queue Analysis for SAPR-NIC 10- Queue Q. 13- Name Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianF 0, ,653 1, ,3008 Data Collection: 0 to seconds CPU Seconds 34,

176 Simulasi 2 Queue Analysis for SAPR-NIC 10- Queue Q. 13- Name Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianF 0, ,5822 1,0925 8,5664 Data Collection: 0 to seconds CPU Seconds 33,899 Simulasi 3 Queue Analysis for SAPR-NIC 10- Queue Q. 13- Name Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianF 0, ,6039 1, ,8643 Data Collection: 0 to seconds CPU Seconds 33,852 Rataan Hasil Analisa Antrian (Queue Analysis) Queue Analysis for SAPR-NIC 10- Queue Q. 13- Name Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianF 0,084 0,000 2,000 0,613 1,195 10,911 Data Collection: 0 to seconds CPU Seconds 33,

177 Lampiran 16. Hasil Simulasi SAPR-NIC Model 14 Kondisi Nyata a. Hasil Analisa Bahan yang Diproses (Customer Analysis) Customer Analysis for SAPR-NIC Result Simulasi 1 Kedatangan PACSOBEK Simulasi 2 Kedatangan PACSOBEK Simulasi 3 Kedatangan PACSOBEK Rataan 1 Total Number of Arrival ,67 2 Total Number of Balking Number in the System (L) 3,2423 3,2212 3,1726 3, Number in the System , Current Number in the System , Number Finished , , , , , Std. Dev. of 1,0677 1,0572 1,0388 1, Waiting (Wq) 3,0465 2,9355 2,705 2, Std. Dev. of Waiting 2,2863 2,8798 2,8364 2, Transfer Std. Dev. of Transfer Flow (W) 16, , , , Std. Dev. of Flow 2,5178 3,0589 3,0302 2, Flow 26, , , ,59183 Data Collection: 0 to seconds seconds seconds seconds CPU Seconds = 167, , , ,886 b. Hasil Analisa Fasilitas Pelayanan (Server Analysis) Simulasi 1 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 99,87% 5 0 5,001 0,00% H1 81,76% 8,1868 1,062 16,625 0,00% H2 81,75% 8,1869 1, ,1602 0,00% 6758 overall 87,79% 6,5933 1, ,1602 0,00% Data Collection: 0 to seconds CPU Seconds 167,

178 Simulasi 2 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 99,85% 5 0 5,0005 0,00% H1 81,76% 8,1870 1, ,8965 0,00% H2 81,88% 8,2038 1,075 20,3496 0,00% 6755 overall 87,83% 6,5976 1, ,3496 0,00% Data Collection: 0 to seconds CPU Seconds 161,009 Simulasi 3 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 99,84% 5 0 5,002 0,00% H1 81,57% 8,1668 1, ,0195 0,00% H2 81,81% 8,2008 1, ,0313 0,00% 6752 overall 87,74% 6,5918 1, ,0313 0,00% Data Collection: 0 to seconds CPU Seconds 169,573 Rataan Hasil Analisa Fasilitas Pelayanan (Server Analysis) Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 99,85% 5,00 0,00 5,00 0,00% 13516,33 2 H1 81,70% 8,18 1,04 15,51 0,00% 6759,333 3 H2 81,81% 8,20 1,07 18,51 0,00% 6755 overall 87,79% 6,59 1,76 18,51 0,00% 27030,67 Data Collection: 0 to seconds CPU Seconds 165,

179 c. Hasil Analisa Antrian (Queue Analysis) Simulasi 1 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG 0, ,969 2,26 11, AntrianH 0, ,0773 0,3619 5,6934 Overall 0, ,5232 2, ,1484 Data Collection: 0 to seconds CPU Seconds 167,007 Simulasi 2 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG 0, ,86 2, , AntrianH 0, ,0755 0,3488 5,3496 Overall 0, ,4678 2, ,0801 Data Collection: 0 to seconds CPU Seconds 161,009 Simulasi 3 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG 0, ,6338 2, , AntrianH 0, ,0713 0,331 4,3945 Overall 0, ,3526 2, ,1133 Data Collection: 0 to seconds CPU Seconds 169,

180 Rataan Hasil Analisa Antrian (Queue Analysis) Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG 0,563 0,33 3,33 2,82 2,64 13,45 2 AntrianH 0,015 0,00 1,67 0,07 0,35 5,15 Overall 0,578 0,33 3,33 1,45 2,34 13,45 Data Collection: 0 to seconds CPU Seconds 165,89 160

181 Lampiran 17. Hasil Simulasi Model Skenario Item Roti Bulat a. Hasil Analisa Bahan yang Diproses (Customer Analysis) Customer Analysis for SAPR-NIC Result Simulasi 1 Simulasi 2 Simulasi 3 KedatanganP ACKBULAT KedatanganP ACKBULAT KedatanganP ACKBULAT Rataan 1 Total Number of Arrival ,333 2 Total Number of Balking Number in the System (L) 2,8407 2,8428 2,841 2, Number in the System Current Number in the System , Number Finished , , , , Std. Dev. of 1,4638 1,4636 1,4484 1, Waiting (Wq) Std. Dev. of Waiting Transfer Std. Dev. of Transfer Flow (W) 25, , , , Std. Dev. of Flow 1,4633 1,4638 1,4485 1, Flow 28,356 28, , ,35563 Data Collection: 0 to seconds seconds seconds seconds CPU Seconds = 12,23 11,934 11,965 12,043 b. Hasil Analisa Fasilitas Pelayanan (Server Analysis) Simulasi 1 Server Analysis for SAPR-NIC 10- Server Server 13- Name Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 86,04% 7,8098 0,0281 7,8105 0,00% H1 65,23% 18,0336 1, ,5459 0,00% H2 64,82% 18,0098 1, ,5459 0,00% H3 67,95% 17,9376 1,504 20,5342 0,00% 641 Overall 71,01% 12,8986 5, ,5459 0,00% 3726 Data Collection: 0 to seconds CPU Seconds 12,23 161

182 Simulasi 2 Std. Dev. Blocked Percentage # Customers ed 1 G1 85,95% 7,8098 0,0279 7,8105 0,00% H1 67,13% 18,0292 1, ,5469 0,00% H2 64,20% 18,045 1, ,5403 0,00% H3 66,92% 18,0012 1, ,5391 0,00% 629 Overall 71,05% 12,916 5, ,5469 0,00% 3723 Data Collection: 0 to seconds CPU Seconds 11,934 Simulasi 3 Std. Dev. Blocked Percentage # Customers ed 1 G1 86,13% 7,8098 0,0282 7,8105 0,00% H1 66,41% 17,9212 1, ,5449 0,00% H2 65,25% 18,0099 1, ,5354 0,00% H3 66,29% 18,0027 1, ,5444 0,00% 623 Overall 71,02% 12,8897 5, ,5449 0,00% 3729 Data Collection: 0 to seconds CPU Seconds 11,965 Rataan Hasil Analisa Fasilitas Pelayanan (Server Analysis) Server Analysis for SAPR-NIC 10- Server Server 13- Name Utilization Server Analysis for SAPR-NIC 10- Server Server 13- Name Utilization Server Analysis for SAPR-NIC 10- Server Server 13- Name Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 86,04% 7,810 0,028 7,811 0,00% 1864,00 2 H1 66,26% 17,995 1,463 20,546 0,00% 623,00 3 H2 64,76% 18,022 1,433 20,541 0,00% 608,00 4 H3 67,05% 17,981 1,476 20,539 0,00% 631,00 Overall 71,03% 12,901 5,198 20,546 0,00% 3726,00 Data Collection: 0 to seconds CPU Seconds 12,04 162

183 c. Hasil Analisa Antrian (Queue Analysis) Simulasi 1 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG AntrianH Overall Data Collection: 0 to seconds CPU Seconds 12,23 Simulasi 2 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG AntrianH Overall Data Collection: 0 to seconds CPU Seconds 11,934 Simulasi 3 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG AntrianH Overall Data Collection: 0 to seconds CPU Seconds 11,

184 Rataan Hasil Analisa Antrian (Queue Analysis) Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG AntrianH Overall Data Collection: 0 to seconds CPU Seconds 12,

185 Lampiran 18. Hasil Simulasi Model Skenario Item Roti Sobek a. Hasil Analisa Bahan yang Diproses (Customer Analysis) Customer Analysis for SAPR-NIC Result Simulasi 1 Kedatangan PACSOBEK Simulasi 2 Kedatangan PACSOBEK Simulasi 3 Kedatangan PACSOBEK Rataan 1 Total Number of Arrival Total Number of Balking Number in the System (L) 2,5875 2,5908 2,5901 2, Number in the System Current Number in the System Number Finished , , , , Std. Dev. of 1,0251 1,0376 1,0505 1, Waiting (Wq) 0,0875 0,0948 0,0939 0, Std. Dev. of Waiting 0,3425 0,3687 0,361 0, Transfer Std. Dev. of Transfer Flow (W) 12, , , , Std. Dev. of Flow 1,0783 1,1003 1,1075 1, Flow 21, , , ,4564 Data Collection: 0 to seconds seconds seconds seconds CPU Seconds = 169, , , ,56 b. Hasil Analisa Fasilitas Pelayanan (Server Analysis) Simulasi 1 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 93,69% 4,6905 0,0393 4,6914 0,00% H1 81,55% 8,166 1, ,2891 0,00% H2 81,76% 8,1885 1, ,75 0,00% 6758 overall 85,67% 6,4338 1, ,75 0,00% Data Collection: 0 to seconds CPU Seconds 169,

186 Simulasi 2 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 93,73% 4,6905 0,0392 4,6914 0,00% H1 81,71% 8,1783 1, ,5176 0,00% H2 81,74% 8,1827 1, ,4023 0,00% 6761 overall 85,73% 6,4355 1, ,4023 0,00% Data Collection: 0 to seconds CPU Seconds 204,111 Simulasi 3 Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 93,69% 4,6905 0,0393 4,6914 0,00% H1 81,61% 8,1731 1, ,29 0,00% H2 81,84% 8,1945 1, ,1172 0,00% 6759 overall 85,71% 6,437 1, ,1172 0,00% Data Collection: 0 to seconds CPU Seconds 186,015 Rataan Hasil Analisa Fasilitas Pelayanan (Server Analysis) Server Analysis for SAPR-NIC Server Name Server Utilization Std. Dev. Blocked Percentage # Customers ed 1 G1 93,70% 4,69 0,04 4,69 0,00% 13520,33 2 H1 81,62% 8,17 1,02 15,03 0,00% H2 81,78% 8,19 1,05 16,76 0,00% 6758 overall 85,70% 6,44 1,89 16,76 0,00% Data Collection: 0 to seconds CPU Seconds 167,

187 c. Hasil Analisa Antrian (Queue Analysis) Simulasi 1 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG 0, ,0185 0,0813 1, AntrianH 0, ,0689 0,3314 5,2852 Overall 0, ,0437 0,2426 5,2852 Data Collection: 0 to seconds CPU Seconds 169,554 Simulasi 2 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG 0, ,0189 0,0795 1, AntrianH 0, ,0759 0,3576 4,7563 Overall 0, ,0474 0,2606 4,7563 Data Collection: 0 to seconds CPU Seconds 204,111 Simulasi 3 Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG 0, ,0178 0,0761 1,293 2 AntrianH 0, ,0761 0,3514 5,2828 Overall 0, ,0469 0,2559 5,2828 Data Collection: 0 to seconds CPU Seconds 169,

188 Rataan Hasil Analisa Antrian (Queue Analysis) Queue Analysis for SAPR-NIC Queue Name Q. Length (Lq) Current Q.Length Q. Length Waiting (Wq) Std. Dev. of Wq of Wq 1 AntrianG 0,004 0,00 1,00 0,02 0,08 1,44 2 AntrianH 0,015 0,00 1,67 0,07 0,35 5,11 Overall 0,018 0,00 1,67 0,05 0,25 5,11 Data Collection: 0 to seconds CPU Seconds 186,56 168

189 Lampiran 19. Tahapan Cara Pengujian dan Contoh Output Hasil Uji Distribusi dengan software Easyfit 5.1 Professional. A. Tahapan Cara Pengujian Distribusi 1. Klik icon Easyfit, lalu akan muncul tampilan awal seperti Spreadsheet berikut ini. 2. Pada bagian kiri akan terlihat adanya Project Tree yang terdiri dari Data Tables dan Result. Data Tables akan memuat tabel-tabel yang berisikan inputan data sedangkan Result akan memuat hasil uji distribusi data tersebut. 3. Langkah awal pengujian ini adalah memasukan data pada Table 1. ada dimasukan secara vertikal dari atas ke bawah. 4. Selanjutnya lakukan fitting, yaitu dengan memilih menu Option dan pilih sub menu Fitting. Akan muncul tampilan Distribution Fitting Option. Pada tab Distributions, pilih distribusi pada sub tab Distribusi Continuous dan Discrete. Setelah selesai memilih distribusinya, klik Save Selanjutnya pada sub tab General pilih Kolmogorov-Smirnov pada Goodness Of Fit Test. Jika telah selesai, klik save dan OK. Berikut tampilan Distribution Fitting Options. 169

190 5. Setelah proses fitting akan dilakukan pencocokan distribusi data sampel dengan distribusi teoritis. Klik menu Analyze dan pilih sub menu Fit Distributions sehingga akan muncul tampilan Input Data. Pilih data yang akan diuji dengan mengklik dua kali Var(n), n adalah nomor kolom di tabel awal. kolom A adalah Var1, kolom B adalah Var2, kolom C adalah Var3 dan seterusnya. Berikut tampilannya. 6. Hasil uji distribusi akan berupa Graphs, Summary dan Goodness of Fit. Pada tab Graphs akan terlihat diagram dan kurva Probability Density Function dengan jenis fit distribusi di bawah sumbu x. Pada tab Summary dapat dilihat beberapa hasil fitting distribusi yang ada beserta parameternya sedangkan pada tab Goodness of Fit dapat dilihat bahwa dengan metode Kolmogorov-Smirnov Goodness of Fit semua distribusi akan diurut berdasarkan ranking kecocokannya. Distribusi yang memiliki rank sebesar 1 maka distribusi tersebutlah yang memiliki tingkat kecocokan paling tinggi antara data sampel dengan distribusi teoritis. 170

191 7. Untuk mengetahui detail dari distribusinya, klik distribusi yang memiliki rank 1, lalu akan muncul tabel Goodness of Fit-Details. Pada tabel ini terdapat informasi mengenai Sampel Size, Statistic, P-Value, Rank serta beberapa nilai α dengan nilai kritisnya serta kesimpulan hipotesis. Hipotesis yang digunakan pada Easyfit ini adalah sebagai berikut : Ho : distribusi data sampel tidak berbeda nyata dengan distribusi teoritis H 1 : distribusi data sampel berbeda nyata dengan distribusi teoritis Sehingga apabila di beberapa nilai α memiliki keputusan Reject berupa no maka hipotesis Ho tidak ditolak atau dengan kata lain terima Ho. begitu juga sebaliknya, apabila keputusan Reject berupa yes maka hipotesis Ho ditolak atau dengan kata lain terima H 1. B. Contoh Output Hasil Uji Distribusi 0,32 Probability Density Function 0,28 0,24 0,2 f(x) 0,16 0,12 0,08 0, # Distribution Parameters x Histogram Gamma (3P) 171

192 1 Exponential l=0, Exponential (2P) l=0,32051 g=15,38 3 Gamma a=91,905 b=0, Gamma (3P) a=6,0998 b=0,78284 g=13,725 5 Laplace l=0,73285 m=18,5 6 Lognormal s=0,10063 m=2, Lognormal (3P) s=0,24821 m=2,0008 g=10,876 8 Normal s=1,9298 m=18,5 9 Pareto a=5,5677 b=15,38 10 Triangular m=17,54 a=14,796 b=23, Uniform a=15,158 b=21, Weibull a=10,936 b=19, Weibull (3P) a=1,9734 b=4,0243 g=14,93 Goodness Of Fit -Summary # Distribution Kolmogorov Smirnov Statistic Rank 1 Exponential 0, Exponential (2P) 0, Gamma 0, Gamma (3P) 0, Laplace 0, Lognormal 0, Lognormal (3P) 0, Normal 0, Pareto 0, Triangular 0, Uniform 0, Weibull 0, Weibull (3P) 0,

193 Goodness of Fit - Details Gamma (3P) [#4] Kolmogorov-Smirnov Sample Size Statistic P-Value Rank 20 0, , ,2 0,1 0,05 0,02 0,01 Critical Value 0, , , , ,35241 Reject? No No No No No 173

194 Lampiran 20. Output Hasil Uji Kesamaan Dua Populasi (Uji-T) Antara Waktu Pelayanan Data Historis Dengan Waktu Pelayanan Data Hasil Simulasi A. Hasil Uji-t Waktu Pelayanan pada Item Roti Bulat Kondisi Nyata 1. Stasiun Filling Two-Sample T-Test and CI: Data Historis; Data Simulasi Two-sample T for Data Historis vs Data Simulasi N Mean StDev SE Mean Data Historis 20 18,50 1,93 0,43 Data Simulasi 6 18,5569 0,0259 0,011 Difference = mu (Data Historis) - mu (Data Simulasi) Estimate for difference: -0, % CI for difference: (-0,960339; 0,846506) T-Test of difference = 0 (vs not =): T-Value = -0,13 P-Value = 0,896 DF = Stasiun Make Up Two-Sample T-Test and CI: Data Historis; Data Simulasi Two-sample T for Data Historis vs Data Simulasi N Mean StDev SE Mean Data Historis 24 36,99 2,64 0,54 Data Simulasi 12 37,040 0,109 0,032 Difference = mu (Data Historis) - mu (Data Simulasi) Estimate for difference: -0, % CI for difference: (-1,164488; 1,064838) T-Test of difference = 0 (vs not =): T-Value = -0,09 P-Value = 0,927 DF = Stasiun Panning Two-Sample T-Test and CI: Data Historis; Data Simulasi Two-sample T for Data Historis vs Data Simulasi N Mean StDev SE Mean Data Historis 20 9,739 0,531 0,12 Data Simulasi 3 9,7504 0,0151 0,0087 Difference = mu (Data Historis) - mu (Data Simulasi) Estimate for difference: -0, % CI for difference: (-0,260525; 0,237725) T-Test of difference = 0 (vs not =): T-Value = -0,10 P-Value = 0,925 DF =

195 4. Stasiun Baking Two-Sample T-Test and CI: Data Historis; Data Simulasi Two-sample T for Data Historis vs Data Simulasi N Mean StDev SE Mean Data Historis 48 7,99 2,43 0,35 Data Simulasi 3 7,9949 0,0552 0,032 Difference = mu (Data Historis) - mu (Data Simulasi) Estimate for difference: -0, % CI for difference: (-0,709731; 0,704581) T-Test of difference = 0 (vs not =): T-Value = -0,01 P-Value = 0,994 DF = Stasiun Depanning Two-Sample T-Test and CI: Data Historis; Data Simulasi Two-sample T for Data Historis vs Data Simulasi N Mean StDev SE Mean Data Historis 20 8,483 0,776 0,17 Data Simulasi 3 8,4867 0,0252 0,015 Difference = mu (Data Historis) - mu (Data Simulasi) Estimate for difference: -0, % CI for difference: (-0,368450; 0,360116) T-Test of difference = 0 (vs not =): T-Value = -0,02 P-Value = 0,981 DF = Stasiun Crating Two-Sample T-Test and CI: Data Historis; Data Simulasi Two-sample T for Data Historis vs Data Simulasi N Mean StDev SE Mean Data Historis 20 18,01 1,47 0,33 Data Simulasi 6 18,0034 0,0355 0,015 Difference = mu (Data Historis) - mu (Data Simulasi) Estimate for difference: 0, % CI for difference: (-0,681257; 0,692390) T-Test of difference = 0 (vs not =): T-Value = 0,02 P-Value = 0,987 DF =

196 B. Hasil Uji-t Waktu Pelayanan pada Item Roti Sobek Kondisi Nyata 1. Stasiun Filling Two-Sample T-Test and CI: Data Historis; Data Simulasi Two-sample T for Data Historis vs Data Simulasi N Mean StDev SE Mean Data Historis 25 16,783 0,862 0,17 Data Simulasi 6 16,9125 0,0198 0,0081 Difference = mu (Data Historis) - mu (Data Simulasi) Estimate for difference: -0, % CI for difference: (-0,485945; 0,226578) T-Test of difference = 0 (vs not =): T-Value = -0,75 P-Value = 0,460 DF = Stasiun Make Up Two-Sample T-Test and CI: Data Historis; Data Simulasi Two-sample T for Data Historis vs Data Simulasi N Mean StDev SE Mean Data Historis 20 36,78 4,06 0,91 Data Simulasi 12 36,7470 0,0893 0,026 Difference = mu (Data Historis) - mu (Data Simulasi) Estimate for difference: 0, % CI for difference: (-1,866205; 1,940138) T-Test of difference = 0 (vs not =): T-Value = 0,04 P-Value = 0,968 DF = Stasiun Panning Two-Sample T-Test and CI: Data Historis; Data Simulasi Two-sample T for Data Historis vs Data Simulasi N Mean StDev SE Mean Data Historis 20 18,205 0,653 0,15 Data Simulasi 6 18, , ,0029 Difference = mu (Data Historis) - mu (Data Simulasi) Estimate for difference: 0, % CI for difference: (-0,230040; 0,380840) T-Test of difference = 0 (vs not =): T-Value = 0,52 P-Value = 0,611 DF =

197 4. Stasiun Baking Two-Sample T-Test and CI: Data Historis; Data Simulasi Two-sample T for Data Historis vs Data Simulasi N Mean StDev SE Mean Data Historis 44 7,15 2,27 0,34 Data Simulasi 3 7,1991 0,0671 0,039 Difference = mu (Data Historis) - mu (Data Simulasi) Estimate for difference: -0, % CI for difference: (-0,740939; 0,649557) T-Test of difference = 0 (vs not =): T-Value = -0,13 P-Value = 0,895 DF = Stasiun Depanning Two-Sample T-Test and CI: Data Historis; Data Simulasi Two-sample T for Data Historis vs Data Simulasi N Mean StDev SE Mean Data Historis 20 6,37 1,37 0,31 Data Simulasi 3 6, , ,0032 Difference = mu (Data Historis) - mu (Data Simulasi) Estimate for difference: -0, % CI for difference: (-0,741644; 0,538777) T-Test of difference = 0 (vs not =): T-Value = -0,33 P-Value = 0,744 DF = Stasiun Crating Two-Sample T-Test and CI: Data Historis; Data Simulasi Two-sample T for Data Historis vs Data Simulasi N Mean StDev SE Mean Data Historis 40 8,185 0,886 0,14 Data Simulasi 6 8,1887 0,0131 0,0054 Difference = mu (Data Historis) - mu (Data Simulasi) Estimate for difference: -0, % CI for difference: (-0,286756; 0,280389) T-Test of difference = 0 (vs not =): T-Value = -0,02 P-Value = 0,982 DF =

198 Lampiran 21. Prosedur Penggunaan Program Queuing System Simulation (QSS) Queueing System Simulation (QSS) merupakan program aplikasi Windows yang digunakan untuk menyelesaikan permasalahan antrian dengan metode simulasi. Penyelesaian permasalahan antrian dengan metode simulasi dilakukan apabila penyelesaian secara analitis tidak dapat dilakukan, karena sistem antrian yang ada tidak memiliki kesesuaian dengan asumsi-asumsi model antrian baku. Prosedur kerja QSS dapat dibagi atas tiga tahapan, yaitu entry data, analisa data, dan hasil analisa (Hendryardinanto, 2003) 1. Entry Data Untuk memulai memasukkan data, langkah pertama yang harus dilakukan yaitu membuka tampilan lembar kerja. Pada tampilan menu utama, cari menu File, kemudian pilih New Problem. Lengkapai spesifikasi permasalahan pada lembar isian yang muncul. Problem Title dapat diisi dengan judul permasalahan antrian yang akan dianalisis. Number of System Component dapat diisi dengan jumlah komponen yang akan menyusun model antrian yang akan dibuat. Unit biasa dipilih jam, menit atau detik. Data Entry Format merupakan pilihan format, saat akan memasukkan atributatribut model antrian dalam bentuk Spreadsheet atau Graphic Model. Problem Title diisi dengan nama sistem antrian seperti SAPR-NIC. Number of System Component yang diisikan sebanyak komponen yang telah diuraikan. Unit yang dipilih sesuai satuan yang digunakan. Data Entry Format yang dipilih yaitu Spreadsheet untuk tampilan seperti kolom dan baris, sedangkan Graphic Model untuk melihat pola antrian yang terbentuk. Setelah spesifikasi permasalahan dipastikan lengkap terisi semua, maka klik kiri OK. Tampilan lembar isian untuk spesifikasi permasalahan adalah sebagai berikut. 178

199 Setelah tombol OK di klik, selanjutnya akan muncul lembar nama dan tiga komponen. Ganti nama dan tipe komponen sesuai dengan komponen model antrian yang akan dibuat. Terdapat empat empat komponen yang biasa diisikan, yaitu Custemer (C), Server (S), Queueing (Q), dan Garbage (G). C diisikan apabila komponen berupa pelanggan atau bahan yang akan diproses, S merupakan tipe komponen yang digunakan untuk menerangkan fasilitas pelayanan, Q merupakan symbol untuk menerangkan terjadinya antrian dan G dipilih unutk menerangkan apabila ada pelanggan atau bahan yang keluar dari sistem sebelum sampai proses akhir. Gambar lembar nama dan tipe komponen tersebut adalah sebagai berikut. Setelah nama dan tipe komponen terisi, klik OK. Selanjutnya akan muncul lembar Spreadsheet. Pengisian atribut-atribut antrian dilakukan sesuai dengan tipe komponennya. Secara umum SAPR-NIC memiliki tiga komponen, yaitu komponen dengan tipe C, S, dan Q. Pengisian atribut-atribut antrian untuk SAPR-NIC dilakukan sebagai berikut. a. Komponen dengan tipe C Komponen dengan tipe C, pengisian atribut antrian dilakukan pada kolom nama komponen yang akan dituju, aturan keluar dan waktu antar 179

200 kedatangan. Penulisan nama komponen yamg akan dituju yaitu dengan menulis nama komponen/peluang/waktu transfer. Peluang dan waktu transfer hanya dilakukan apabila nilainya diketahui. Apabila komponen yang akan dituju, jumlahnya lebih dari satu, maka penulisannya dipisahkan dengan koma. Contoh, Operator 1a, Operator 1b, dst. Kolom aturan keluar diisi dengan random, apabila komponen yang akan dituju, jumlahnya lebih dari satu dan mengikuti aturan random. Apabila tidak mengikuti aturan tersebut maka kolom ini tidak dibiarkan kosong. Penulisan waktu antar kedatangan mengikuti aturan nama distribusi/parameter1/parameter2/parameter3. Pada distribusi peluang tertentu, parameter 2, dan parameter 3 tidak berfungsi. Contoh Normal/22.13/5.95. b. Komponen dengan tipe S Pada komponen dengan tipe S, pengisian atribut antrian dilakukan pada kolom nama komponen yang akan dituju, aturan masuk, aturan keluar dan waktu pelayanan. Pengisian kolom nama komponen dan aturan keluar seperti yang telah dijelaskan pada bagian komponen dengan tipe C. Pada kolom aturan masuk diisi dengan random, apabila komponen yang masuk, jumlahnya lebih dari satu dan mengikuti aturan random. Apabila tidak, maka kolom ini dibiarkan kosong. Pengisian waktu pelayanan pada prinsipnya sama seperti pengisian waktu antar kedatangan. c. Komponen dengan tipe Q Pada komponen denga tipe Q, pengisian atribut antrian dilakukan pada kolom kapasitas antrian dan disiplin antrian. Kapasitas antrian diisi dengan kapasitas antrian yang mungkin terbentuk. Disiplin antrian diisi sesuai dengan disiplin antrian yang terbentuk, berupa FIFO, LIFO atau disiplin antrian lainnya. Proses editing terhadap komponen yang telah dibuat, seperti manghilangkan komponen yang telah terlanjur dibuat, menambah jumlah komponen, merubah nama problem dan lain-lain, dapat dilakukan pada menumenu pilihan di menu utama Edit. Tata cara pengisian setiap tipe komponen, 180

201 secara lebih lengkap dapat dilihat di menu Help. Gambar lembar Spreadsheet adalah sebagai berikut. 2. Analisa Data Setelah semua proses entry data dipastikan selesai, maka untuk melakukan analisa data dari model antrian yang telah dibuat, pilih Perform Simulation dari menu Solve and Analyze. Langkah pertama, pilih sistem pengacakan yang akan digunakan untuk simulasi. Terdapat tiga sistem pengacakan yang dapat dipilih untuk melakukan simulasi, yaitu use default random seed, enter a seed number, dan use system clock. Use default random seed dipilih apabila simulasi dilakukan dengan mengabaikan sistem pengacakan yang terjadi. Enter a seed number dipilih apabila sistem penagcakan dilakukan dengan basis bilangan tertentu. Apabila use system clock yang dipilih, berarti sistem pengacakan yang terjadi didasarkan pada waktu saat simulasi dijalankan. Sistem pengacakan yang dipilih untuk melakukan estimasi simulasi antrian di lini produksi, yaitu menggunakan sistem pengacakan use system clock. Selanjutnya, lama waktu simulasi akan dijalankan diisi selama waktu kondisi nyata. Setelah itu, klik kiri di tombol Simulate. Tampilan lembar untuk melakukan simulasi adalah sebagai berikut. 181

202 3. Hasil Analisis Pada saat simulasi yang dilakukan sudah terlaksana 100%, maka apabila dipilih menu Show Analysis, akan langsung muncul analisa terhadap pelanggan atau bahan yang diproses (Customer Analysis). Hasil analisa juga dapat dilihat dari segi fasilitas pelayanan (Server Analysis), dari segi antriannya (Queueing Analysis) dan analisa grafik dengan memilih salah satu menu tersebut pada menu Result. Hasil simulasi ini dapat di Copy ke program aplikasi lain atau langsung dicetak. Untuk keterangan lebih lengkap tentang program dan prosedur operasinya dapat dilihat pada menu Help. Tampilan hasil simulasi adalah sebagai berikut. Customer Analysis : 182