JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-236 Implementas Smulas Sstem untuk Optmas Proses Produks pada Perusahaan Pengalengan Ikan Fenk Sugarto dan Joko Lanto Bulal Jurusan Teknk Informatka, Fakultas Teknolog Informas, Insttut Teknolog Sepuluh Nopember Jl. Aref Rahman Hakm, Surabaya 60111 E-mal: joko@ts-sby.edu Abstrak Proses produks d perusahaan pengalengan kan merupakan suatu sstem yang kompleks dan terdr dar banyak proses yang berjalan secara berurutan. Beberapa proses dantaranya melbatkan proses dengan mesn dan manusa yang memlk ketdakpastan waktu pengerjaan. Skala produks yang besar membuat uj coba rl untuk mendapatkan optmas dar sstem tdak efektf untuk dlakukan karena membutuhkan waktu yang lama dan baya yang besar. Dengan menggunakan smulas, peneltan n bertujuan membuat model yang dapat merepresentaskan sstem tersebut serta membuat sstem alternatf yang menngkatkan optmas dar sstem lama. Setelah model terbentuk, dlakukan verfkas dan valdas untuk meyaknkan bahwa model berjalan dengan benar dan dapat merepresentaskan proses rl dengan tepat. Model dverfkas dan dvaldas dsmulaskan dalam rentang waktu tertentu sehngga dapat danalss haslnya untuk membuat sstem-sstem alternatf yang bertujuan untuk mengoptmalkan knerja sstem tersebut. Hasl yang dperoleh dar peneltan n adalah adanya analss terhadap knerja sstem serta kemudan dbuat 3 buah sstem alternatf yang dapat menngkatkan knerja dar sstem lama. Perbakan tersebut dperoleh dar sstem-sstem alternatf yang dbuat melalu smulas sebaga hasl dar proses optmas dar sstem yang lama.. Kata Kunc smulas sstem, model, verfkas dan valdas, perbakan knerja sstem, perusahaan pengalengan kan I. PENDAHULUAN emodelan adalah cara untuk mengembangkan representas Psederhana dar sstem yang kompleks dengan tujuan untuk menyedakan predks dar ukuran performa sstem. Representas sederhana tersebut dnamakan model. Sebuah model drancang untuk menangkap aspek perlaku tertentu dar sstem yang dmodelkan dengan tujuan untuk memperoleh pengetahuan dan dapat melhat ke dalam s perlaku sstem tersebut. Pemodelan menyangkut hal abstraks dan smplfkas [1]. Langkah-langkah dalam membangun model smulas adalah sebaga berkut [1]: 1. Menganalss masalah dan mengumpulkan nformas 2. Mengumpulkan data 3. Membangun model 4. Melakukan verfkas model 5. Melakukan valdas model 6. Mendesan dan membuat skenaro smulas 7. Melakukan analss output 8. Membuat rekomendas akhr Peneltan n melaporkan hasl pembuatan model smulas yang dapat merepresentaskan sstem nyata dar suatu perusahaan pengalengan kan untuk kemudan dbuatkan sstem alternatf yang mampu menngkatkan knerja sstem nyata tersebut. Sstem nyata sendr yang akan dmodelkan terdr dar proses thawng, cuttng, cookng, showerng, coolng, dan pre-cleanng. Thawng merupakan proses pencaran kan beku yang d ambl dar gudang pendngn. Cuttng adalah proses pemotongan kan dengan mengeluarkan tulang punggung dar kan. Setelah tu kan masuk ke proses cookng, yatu proses memasak kan melalu mesn cooker. Setelah selesa dmasak, kan melalu tahap showerng d mana kan ddngnkan dengan dsram oleh ar dar shower serta proses coolng, yatu proses pendngnan lebh lanjut dengan cara mendamkan kan dalam suatu ruangan sampa ar dalam kan tersebut kerng. Proses terakhr adalah precleanng, proses d mana d mana kan dbershkan dar kult, tulang dan organ-organ dalamnya. Peneltan n bertujuan untuk membuat model smulas dar proses produks pada perusahaan pengalengan kan, mensmulaskan dengan sejumlah sstem alternatf, menganalss haslnya, dan menentukan sstem alternatf yang terbak. II. METODE A. Tahap Pengumpulan dan Pengolahan Data Langkah awal dalam peneltan n adalah mengumpulkan data waktu proses produks dar perusahaan yang mencakup waktu d mana enttas mula memasuk suatu proses, waktu d mana enttas mennggalkan suatu proses dan duras lamanya enttas berada dalam suatu proses. Selan data tersebut juga dperlukan data tentang karakterstk tap proses dalam sstem, melput kapastas resources tap proses dan penjadwalan setap proses sehngga model smulas yang dbuat dapat merepresentaskan proses-proses tersebut secara tepat. Data yang ddapat dar perusahaan merupakan data produks selama bulan Nopember dan Desember 2011. Data tersebut tdak semuanya dbutuhkan untuk smulas sehngga dplh data mana saja yang dperlukan dan data mana yang tdak. Data yang dperlukan adalah data waktu proses produks sepert yang telah djelaskan d atas. Langkah selanjutnya adalah mengelmnas data-data yang bermasalah, yatu data-data yang mengandung kesalahan pencatatan waktu msalnya data duras waktu yang bernla negatf. Data-data
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-237 yang telah terkumpul kemudan dkelompokkan berdasarkan jens dan ukuran kan. Dalam peneltan n, kan yang dtelt adalah kan jens Skpjack (dsngkat dengan SJ) dengan 7 jens ukuran, yatu mula dar yang terbesar sampa yang terkecl adalah SJL3, SJL2, SJL1, SJM, SJS, SJSS, dan SJSSS. Data dar ketujuh jens kan SJ kemudan drekaptulas untuk mendapatkan nla nput bag model. Nla nput yang dmaksud berupa dstrbus data dar duras tap proses, data duras delay (waktu tunda) antar proses dan dstrbus penduplkasan kan pada proses pre-cleanng (keranjang besar yang bers kan dpecah menjad keranjang-keranjang yang lebh kecl untuk dproses secara paralel). Nla data tersebut kemudan dolah dengan nput analyzer dar Arena untuk mendapatkan nla dstrbusnya. Potongan tabel yang menunjukkan hasl dstrbus dar tap proses pada semua jens kan dapat dlhat pada Tabel 1. B. Tahap Perancangan Model Smulas Model smulas drancang sesua dengan karakterstk dar sstem nyata d mana kapastas resources dan penjadwalan tap proses dsesuakan dengan sstem nyata. Duras tap proses dan delay antar proses juga mengkut dstrbus data yang dambl dar sstem nyata. Sedangkan kedatangan enttas dsesuakan dengan waktu kedatangan enttas pada sstem nyata. Tamplan model smulas secara keseluruhan dapat dlhat pada Gambar 1 d bawah n. Jens Ikan SJSSS SJSS SJS Gambar 1. Tamplan Model Smulas Secara Keseluruhan Tabel 1. Nla dstrbus duras proses dan delay dalam model smulas Jens Duras Dstrbus Duras Thawng POIS(148) Delay Tha-Cut -0.001 + 105 * BETA(0.699, 2.33) Cuttng 1.5 + ERLA(9.47, 2) Delay Cut-Cook -0.001 + LOGN(155, 603) Cookng TRIA(44.5, 60, 70.5) Showerng 15.5 + 48 * BETA(2.88, 1.51) Coolng 120 Delay Cool-Pcl NORM(275, 124) Pemsahan Pcl DISC(0.017422, 1, 0.111498, 2, 0.4495, 3, 0.7352, 4, 0.8850, 5, 0.95122, 6, 0.9861, 7, 1.0, 8) Pre-cleanng 6 + LOGN(107, 104) Thawng NORM(149, 14.9) Pre-cleanng 0.999 + LOGN(107, 77.9) Thawng NORM(152, 14.2) Pre-cleanng -0.001 + LOGN(109, 70.8) SJM SJL1 SJL2 SJL3 Thawng 10 + WEIB(193, 12.6) Pre-cleanng 3 + LOGN(106, 64.4) Thawng 175 + WEIB(90.1, 4.9) Pre-cleanng -0.001 + LOGN(103, 62.2) Thawng 30 + 310 * BETA(4.78, 0.292) Pre-cleanng 16 + LOGN(84.1, 72.2) Thawng 310 + 115 * BETA(0.863, 0.182) Pre-cleanng 15 + GAMM(37, 2.49) C. Tahap Verfkas Model Smulas Verfkas adalah proses untuk memastkan apakah model smulas berjalan sesua dengan yang dharapkan dan dlakukan untuk memastkan bahwa model bebas dar error dan berjalan sesua dengan konsep yang dngnkan [2]. Verfkas pada peneltan n dlakukan dengan memastkan bahwa model smulas berjalan sesua dengan yang dharapkan. Untuk tu perlu dlakukan uj statstka untuk mengetahu apakah komponen-komponen dalam model sudah berjalan sesua dengan konsep yang dngnkan. Hal yang akan duj dalam verfkas n adalah waktu d mana enttas keluar dar proses yang ada d dalam model apakah sama secara sgnfkan dengan waktu yang tercatat dar sstem nyata. Uj verfkas n dlakukan dengan uj-t 2-sample. Uj-t 2 sample dgunakan untuk melakukan uj hpotess dan menghtung nla confdence nterval dar perbedaan antara dua nla rata-rata populas d mana standar devas dar populas tersebut ( ') tdak dketahu. Hpotess yang akan dpaka untuk uj-t 2-sample pada peneltan n adalah: H 0 : 1 = 0 (1) H 1 : 1-0 (2) dengan H 0 adalah hpotess null, H 1 adalah hpotess alternatf, 1 merupakan nla rata-rata populas pertama, 2 merupakan nla rata-rata populas kedua dan 0 adalah perbedaan nla rata-rata antara dua populas yang duj [3]. Pengujan n dlakukan dengan bantuan perangkat lunak Mntab. Nla convdence nterval (α) yang dgunakan adalah 0,05, jka pada hasl uj-t 2-samples nla P-Value > nla α maka H 0 dterma artnya data secara sgnfkan sama dan sebalknya. Hasl rekaptulas dar verfkas dapat dlhat pada Tabel 2. Dar tabel tersebut terlhat bahwa seluruh nla P- Value > nla α maka model dnyatakan telah terverfkas dengan bak. Uj verfkas dlakukan terhadap 3 har smulas yang dplh dengan menguj 4 proses, yatu thawng, cuttng, showerng dan coolng. Tabel 2. Hasl verfkas model smulas Jens Ikan Proses 7 Nopember 11 Nopember 5 Desember Thawng 0,553 0,055 0,451 SJSSS Cuttng 0,580 0,296 0,477 Showerng 0,491 0,545 0,126 Coolng 0,491 0,545 0,126 Thawng 0,813 0,254 0,277 SJSS Cuttng 0,562 0,063 0,114 Showerng 0,068 0,564 0,053 Coolng 0,068 0,564 0,053
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-238 Thawng 0,784 0,883 0,905 SJS Cuttng 0,457 0,620 0,859 Showerng 0,204 0,641 0,142 Coolng 0,204 0,641 0,142 Thawng 0,985 0,071 0,957 SJM Cuttng 0,226 0,290 0,980 Showerng 0,194 0,366 0,475 Coolng 0,194 0,366 0,475 Thawng 0,780 0,120 0,472 SJL1 Cuttng 0,131 0,129 0,128 Showerng 0,136 0,065 0,234 Coolng 0,136 0,065 0,234 Thawng 0,536 0,117 0,229 SJL2 Cuttng 0,499 0,058 0,149 Showerng - 0,077 0,358 Coolng - 0,162 0,855 Thawng 0,089 0,277 0,350 SJL3 Cuttng 0,151 0,366 0,696 Showerng 0,082 0,255 0,226 Coolng 0,570 0,349 0,650 Keterangan: jumlah kan SJL2 pada tanggal 7 Nopember yang dproduks kurang dar 5 buah sehngga memenuh kuota mnmal untuk batch cookng jad tdak sampa melalu proses cookng, showerng, coolng, dan precleanng. D. Tahap Valdas Model Smulas Valdas model adalah proses menentukan apakah model smulas yang dbuat dapat merepresentaskan sstem nyata dengan tepat [3]. Proses valdas yang akan dlakukan pada model adalah membandngkan data waktu enttas keluar dar sstem pada model dengan data waktu enttas keluar dar sstem pada sstem nyata. Pembandngan tu dlakukan dengan menguj tngkat sgnfkans kemrpan dua data waktu tersebut dengan uj-t 2-sample sepert pada proses verfkas. Dar hasl uj stattstka tersebut ddapat hasl sepert pada Tabel 3. Tabel 3. Hasl verfkas model smulas Sstem Nyata Model Smulas Jens Ikan Jumlah Jumlah P-Value Mean Mean Output Output SJSSS 1081 35782 611 35762 0,038 SJSS 2308 47180 789 38858 0,000 SJS 7296 48738 1600 36992 0,000 SJM 5489 34360 2947 40447 0,000 SJL1 3608 34718 1973 39363 0,000 SJL2 1717 36908 842 36283 0,491 SJL3 518 14571 541 19512 0,000 Dar hasl valdas d atas maka model hanya dnyatakan vald (P-Value > 0,05) hanya pada kan jens SJL2 saja. Alasan mengapa model tdak tervaldas dengan bak adalah karena proses pre-cleanng yang tdak dapat drepresentaskan dengan sempurna oleh model. Jumlah duplkas pada proses n dbuat dengan dsrbus probabltas dskrt karena tdak memlk pola tertentu (sfatnya kondsonal). Hal n dapat dbuktkan dengan melhat hasl valdas d mana jumlah output data asl jauh berbeda dengan jumlah output data dar model dkarenakan jumlah duplkas yang tdak terrepresentas dengan bak. Perbedaan yang cukup tngg nlah yang membuat model menjad tdak tervaldas dengan bak. III. UJI COBA DAN ANALISIS HASIL SIMULASI A. Penentuan Jumlah Replkas Untuk mengurang varans maka smulas harus dlakukan sebanyak n kal replkas. Untuk mendapatkan nla n maka perlu dlakukan replas awal n 0 yatu sebanyak 10 kal replkas. Hasl dar 10 replkas tersebut terdapat dalam Tabel 4. Kolom n menunjukkan replkas ke-n. Selanjutnya untuk mendapatkan nla n (n replkas yang dbutuhkan) maka dlakukan perhtungan sebaga berkut: n = 10 (replkas awal) n-1 = 9 α = 0.05 1, /2 = 9, 0,025 = 2,26 Tabel 4. Hasl replkas awal (n=10) n SJSSS SJSS SJS SJM SJL1 SJL2 SJL3 TOTAL 1 611 789 1600 2947 1973 842 541 9303 2 623 775 1549 2886 1964 881 533 9211 3 607 812 1617 3044 2038 859 572 9549 4 596 816 1664 2979 2020 852 545 9472 5 606 836 1645 2957 1995 861 546 9446 6 592 797 1564 2891 1949 872 539 9204 7 615 801 1649 2994 2037 908 551 9555 8 611 783 1590 2891 2003 832 565 9275 9 594 778 1642 3075 2015 904 550 9558 10 599 774 1593 2899 1922 876 546 9209 Rata rata 9378,2 Standar Devas (s) 144,70 Varans 20938 Nla Half Wdth dhtung dengan rumus [2]: Half Wdth = = 103,41812 Dar perhtungan d atas d dapat nla half wdth sebesar 103,41812 atau jka dhtung prosentase error terhadap ratarata dar data adalah sebesar: 103,41812/rata-rata x 100% = 103,41812/9378,2 x 100 % = 1,1% Jad nla error terhadap rata-rata data sebesar 1,1%. Nla error n tentunya harus dperkecl. Penuls memutuskan untuk memperkecl nla error tersebut hngga menjad 0,8% sehngga nla half wdth yang dngnkan menjad: 9378,2 x 0,008 = 75,256. Jad, nla half wdth baru yang dngnkan adalah 75,256. Selanjutnya menghtung nla n yatu nla replkas baru yang dbutuhkan dengan menggunakan nla half wdth baru yang ddapat dar perhtungan sebelumnya dengan menggunakan rumus [2]: n = (4) = = 14, 2 = 14 (3)
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-239 Jad jumlah replkas yang dbutuhkan adalah sejumlah 14 kal replkas. B. Evaluas Sstem yang Dgunakan Saat In Model djalankan dengan replkas sejumlah 14 kal dan dalam rentang waktu 51 har (sesua dengan total har kerja smulas). Dar hasl smulas akan devaluas utltas dar masng-masng resources dar tap proses. Utltas memlk nla dalam rentang mnmum 0 sampa maksmum 1. Utltas bernla 0 artnya resources tdak bekerja sama sekal dalam sstem. Sebalknya utltas bernla 1 berart utltas bekerja terus menerus tanpa berhent selama smulas. Utltas yang bak adalah utltas yang berada dalam rentang 0,5 sampa 0,7. Jka suatu proses memlk utltas resources rendah (kurang dar 0,5) berart resources pada proses tersebut lebh banyak menganggur darpada bekerja sehngga perlu dkurang jumlahnya agar nla utltasnya akan menngkat. Sebalknya, jka suatu proses memlk utltas resources tngg (lebh dar 0,7) berart resources pada proses tersebut terlalu sbuk sehngga jumlah nya harus dtambah agar nla utltasnya akan menurun. Hasl evaluas utltas resources dapat dlhat pada Tabel 5. Tabel 5. Hasl evaluas sstem nyata Resources Ratarata Thawng 0,23 Cuttng 0,38 Cookng 0,11 Showerng 0,08 Coolng 0,05 PCL 0,74 Dar Tabel 5. dapat danalss utltas resources-resources yang dgunakan sstem nyata, mula dar thawng sampa precleanng. Rata-rata utltas resources thawng adalah 0,23. Utltas n mash terlalu kecl artnya resources lebh banyak menganggur darpada bekerja. Resources thawng berupa suatu ruangan yang mampu menampung maksmal 138 buah enttas sekalgus. Untuk menngkatkan nla utltas resources thawng maka kapastas maksmum ruangan tersebut perlu dkurang sehngga ssa ruangan yang tdak terpaka bsa dgunakan untuk keperluan lan. Berkutnya adalah utltas resources cuttng. Rata-rata utltas n adalah 0,38. Nla utltas n mash harus dtngkatkan. Resources cuttng berupa ruangan yang d dalamnya terdapat 3 lajur yang mampu menangan masngmasng 1 enttas secara bersamaan. Untuk dapat menngkatkan utltasnya maka jumlah lajur dalam proses cuttng perlu dkurang. Pada resources cookng, nla utltasnya adalah 0,11 dan nla n sangat rendah yang artnya mesn-mesn cooker sebaga resources cookng yang jumlahnya ada 10 lebh banyak menganggur darpada dgunakan. Jumlah mesn cooker perlu dkurang untuk dapat menngkatkan utltas resources cookng. Rata-rata utltas resources showerng adalah 0,08. Tentu saja nla utltas n sangat rendah namun mengngat resources showerng hanya berupa ruangan untuk mendngnkan kan (dengan alran ar dar shower) yang baru selesa dmasak maka penuls beranggapan resources n tdak perlu dubah karena tdak terlalu berpengaruh dan memakan cost yang tngg. Untuk resources coolng, nla rata-rata utltasnya adalah 0,05. Sama sepert resources showerng, nla utltas pada resources coolng sangat rendah namun juga mengngat bahwa resources n hanya sebaga tempat untuk mendngnkan kan yang telah dmasak dan d-shower maka penuls berasums tdak perlu dlakukan optmas pada resources n. Terakhr, rata-rata utltas resources pre-cleanng adalah 0,74. Nla rata-rata resources pre-cleanng terlalu tngg yang artnya resource tersebut terlalu sbuk dgunakan. Perlu dadakan penambahan jumlah resources untuk menurunkan nla utltas yang terlalu tngg n. Resources dalam proses n adalah berupa set yang terdr dar 16 buah lajur yang bekerja secara paralel. Jumlah lajur n perlu dtambah untuk mengurang tnggnya nla utltas. IV. PERANCANGAN DAN ANALISIS SISTEM ALTERNATIF A. Sstem Alternatf Pertama Pada sstem alternatf pertama penuls akan melakukan perubahan berupa: 1. Mengurang kapastas resources proses thawng menjad 3/4 nya sehngga kapasstas yang baru adalah ruangan untuk proses thawng hanya mampu menampung enttas sebanyak 104 buah enttas. 2. Mengurang lajur dalam proses cuttng menjad hanya 2 buah lajur saja. 3. Mengurang jumlah mesn cooker dalam proses cookng menjad 8 buah. 4. Menambah lajur untuk proses pre-cleanng menjad 20 buah lajur. B. Sstem Alternatf Kedua Pada sstem alternatf kedua penuls akan melakukan perubahan berupa: 1. Mengurang kapastas resources proses thawng menjad 2/3 nya sehngga kapasstas yang baru adalah ruangan untuk proses thawng hanya mampu menampung enttas sebanyak 92 buah enttas. 2. Mengurang lajur dalam proses cuttng menjad hanya 2 buah lajur saja. 3. Mengurang jumlah mesn cooker dalam proses cookng menjad 7 buah. 4. Menambah lajur untuk proses pre-cleanng menjad 26 buah lajur. C. Sstem Alternatf Ketga Pada sstem alternatf ketga penuls akan melakukan perubahan berupa: 1. Mengurang kapastas resources proses thawng menjad 1/2 nya sehngga kapasstas yang baru adalah ruangan untuk proses thawng hanya mampu menampung enttas sebanyak 69 buah enttas. 2. Mengurang lajur dalam proses cuttng menjad hanya 1
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-240 buah lajur saja. 3. Mengurang jumlah mesn cooker dalam proses cookng menjad 5 buah. 4. Menambah lajur untuk proses pre-cleanng menjad 32 buah lajur. D. Hasl Uj Coba Sstem Alternatf Evaluas sstem alternatf akan dlakukan dengan perbandngan utltas pada empat resources yang telah dmodfkas, yatu resources thawng, resources cuttng, resources cookng, dan resources pre-cleanng yang haslnya dapat dlhat pada Tabel 6. Tabel 6. Hasl evaluas rata-rata utltas resources sstem alternatf Resources Sstem Sstem Sstem Sstem Nyata Alternatf 1 Alternatf 2 Alternatf 3 Thawng 0,2353 0,2658 0,2796 0,3249 Cuttng 0,3867 0,5766 0,5773 0,7562 Cookng 0,1121 0,1411 0,1594 0,1615 Pre-Cleanng 0,7388 0,7415 0,7357 0,7278 E. Analss Hasl Uj Coba Sstem Alternatf Hasl evaluas dar sstem alternatf pertama yatu: 1. Utltas resources thawng menngkat dar 0,2353 menjad 0,2658 atau sebesar 12,96%. 2. Utltas resources cuttng menngkat dar 0,3867 menjad 0,5766 atau sebesar 49,11%. 3. Utltas resources cookng menngkat dar 0,1121 menjad 0,1411 atau sebesar 25,87%. 4. Utltas resources pre-cleanng menngkat dar 0,7388 menjad 0,7415 atau sebesar 0,36%. Hasl evaluas dar sstem alternatf kedua yatu: 1. Utltas resources thawng menngkat dar 0,2353 menjad 0,2796 atau sebesar 18,83%. 2. Utltas resources cuttng menngkat dar 0,3867 menjad 0,5773 atau sebesar 49,29%. 3. Utltas resources cookng menngkat dar 0,1121 menjad 0,1594 atau sebesar 42,19%. 4. Utltas resources pre-cleanng menurun dar 0,7388 menjad 0,7357 atau sebesar 0,42%. Hasl evaluas dar sstem alternatf ketga yatu: 1. Utltas resources thawng menngkat dar 0,2353 menjad 0,3249 atau sebesar 38,08%. 2. Utltas resources cuttng menngkat dar 0,3867 menjad 0,7562 atau sebesar 95,52%. 3. Utltas resources cookng menngkat dar 0,1121 menjad 0,1615 atau sebesar 44,07%. 4. Utltas resources pre-cleanng menurun dar 0,7388 enjad 0,7278 atau sebesar 1,49%. F. Analss Waktu Tunggu Antran Selan menganalss utltas, waktu tunggu antran juga perlu danalss untuk mengetahu seberapa lama enttas harus menunggu sebelum masuk ke dalam suatu proses dalam sstem. Tabel 7. menunjukkan perbandngan rata-rata waktu tunggu antran (dalam ment) dar sstem asl dan ketga sstem alternatf. Tabel 7. Rata-rata waktu tunggu antran Proses Sstem Asl Sstem Alternatf 1 Sstem Alternatf 2 Sstem Alternatf 3 Thawng 81,692 83,230 82,603 88,909 Cuttng 136,351 532,841 541,567 8502,336 Cookng 3,825 3,585 3,655 4,390 Pre-Cleanng 20961,6 17800,07 13199,79 788,13 Dar Tabel 7. dapat dlhat bahwa Rata-rata waktu tunggu antran proses cuttng menngkat sejauh 290,78% pada sstem alternatf pertama, menngkat sebesar 297,18% pada sstem alternatf kedua, dan 6135,62% pada sstem alternatf ketga. Hal n dakbatkan jumlah lajur untuk proses cuttng yang dkurang sehngga waktu antran menngkat sangat drasts. Sebalknya, rata-rata waktu tunggu antran pada proses precleanng menurun sebesar 17,76% pada sstem alternatf pertama, menurun sebesar 37,03% pada sstem alternatf kedua, dan menurun drasts sebesar 96,24% pada sstem alternatf kedua. Hal n dkarenakan jumlah lajur pada proses pre-cleanng dtambah sehngga rata-rata waktu antrannya berkurang. G. Penentuan Sstem Alternatf Terbak Penentuan sstem alternatf terbak dlakukan dengan uj statstka yatu uj pared t d mana akan dbandngkan sstem alternatf mana yang merupakan sstem alternatf terbak. Untuk = 0, 1, 2, 3, nla X 1, X 2,... adalah nla utltas sstem ke-, dan untuk n 1 = n 2 = n dapat dpasangkan nla X j dengan X 2j untuk mendapatkan nla Z j = X 1j -X 2j, untuk j = 1, 2,..., n. Selanjutnya ddapat nla [4]: kemudan akan ddapat pendekatan nterval 100(1-α) persen confdence nterval sebaga berkut: Msal danggap sstem nyata sebaga sstem 1, sstem alternatf pertama sebaga sstem 2, sstem alternatf kedua sebaga sstem 3, dan sstem alternatf ketga sebaga sstem 4 maka dapat dlakukan analss untuk membandngkan ketga sstem alternatf terhadap sstem nyata pada masng-masng utltas proses thawng, cutng, cookng, dan showerng sepert tampak pada Tabel 8., Tabel 9., Tabel 10., dan Tabel 11. dengan menggunakan nla confdence nterval sebesar 95 persen. Tabel 8. Perbandngan Utltas Resources Thawng dengan Uj Pared-t - 1 2 0,03050 0,00636 (0,02732; 0,03368) 3 0,04430 0,00706 (0,04077; 0,04783) 4 0,08964 0,00862 (0,08533; 0,09395) Tabel 9. Perbandngan Utltas Resources Cuttng dengan Uj Pared-t - 1 2 0,18983 0,00753 (0,18606; 0,19359) (5) (6) (7)
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-241 3 0,19052 0,00946 (0,18579; 0,19525) 4 0,36951 0,0056 (0,36671; 0,37231) Tabel 10. Perbandngan Utltas Resources Cookng dengan Uj Pared-t - 1 2 0,02901 0,00583 (0,02610; 0,03193) 3 0,047264 0,002065 (0,046232; 0,048297) 4 0,049364 0,002278 (0,048225; 0,050503) Tabel 11. Perbandngan Utltas Resources Pre-cleanng dengan Uj Pared-t - 1 2 0,00265 0,01924 (-0,00697; 0,01227) 3-0,003179 0,002029 (-0,004193; -0,002164) 4-0,01108 0,02108 (-0,02162; -0,00054) Dar tabel-tabel d atas dapat kta lhat sstem alternatf mana yang mampu memberkan perbedaan secara sgnfkan terhadap sstem nyata. Hal n terlhat dar nla nterval confdence nterval nya, jka nla nterval tersebut tdak mengandung nla 0 maka sstem tersebut berbeda secara sgnfkan dengan sstem nyata. Sebalknya jka nla nterval mengandung nla 0 maka sstem tersebut tdak berbeda sgnfkan dengan sstem nyata. Dar ketga tabel d atas, hanya sstem alternatf pertama pada resources pre-cleanng yang menghaslkan nla negatf pada ntervalnya sehngga sstem alternatf pertama tdak memberkan perubahan yang sgnfkan terhadap utltas resources pre-cleanng. Selanjutnya dlakukan juga analss uj statstka pared-t terhadap rata-rata waktu tunggu antran dar ketga sstem alternatf dbandngkan dengan sstem nyata. Tabel 12., Tabel 13., Tabel 14., dan Tabel 15. masng-masng menunjukkan hasl uj statstka pared-t terhadap rata-rata waktu tunggu antran pada proses thawng, cuttng, cookng, dan pre-cleanng. Tabel 4.11. Tabel Perbandngan Rata-rata Waktu Tunggu Antran Resources Thawng dengan Uj Pared-t - 1 2 1,51 6,58 (-1,78; 4,80) 3 0,89 7,63 (-2,93; 4,70) 4 7,19 7,92 (3,23; 11,15) Tabel 4.12. Tabel Perbandngan Rata-rata Waktu Tunggu Antran Resources Cuttng dengan Uj Pared-t - 1 2 396,5 43,2 (374,9; 418,1) 3 405,2 47,8 (381,3; 429,1) 4 8366,0 334,4 (8198,8; 8533,2) Tabel 4.13. Tabel Perbandngan Rata-rata Waktu Tunggu Antran Resources Cookng dengan Uj Pared-t - 1 2-0,240 1,398 (-0,939; 0,459) 3-0,170 1,727 (-1,033; 0,694) 4 0,565 2,824 (-0,847; 1,977) Tabel 4.14. Tabel Perbandngan Rata-rata Waktu Tunggu Antran Resources Pre-cleanng dengan Uj Pared-t - 1 2-3162 437 (-3380; -2943) 3-7762 674 (-8099; -7425) 4-20174 673 (-20510; -19837) Berdasarkan keempat tabel d atas maka terlhat bahwa tdak terjad perbedaan kenakan rata-rata waktu tunggu antran yang sgnfkan pada sstem alternatf 2 dan 3 d proses thawng dan cookng karena terdapat nla 0 dalam ntervalnya. Hal n justru menunjukkan bahwa sstem alternatf pertama dan kedua lebh bak darpada sstem alternatf ketga karena modfkas yang dlakukan pada kedua sstem alternatf tersebut tdak membuat terjad perbedaan yang sgnfkan dalam rata-rata waktu tunggu antrannya. Jka dgabungkan dengan hasl uj statstka pared-t untuk utltas maka dperoleh kesmpulan bahwa sstem alternatf kedua yang terbak dkarenakan sstem alternatf pertama tdak memberkan dampak perubahan utltas yang sgnfkan pada proses pre-cleanng sehngga sstem alternatf pertama lebh buruk darpada sstem alternatf kedua dan ketga dalam hal perbakan utltas. Sedangkan dalam hal penngkatan nla rata-rata waktu tunggu antran, ddapat bahwa sstem alternatf ketga lebh buruk darpada sstem alternatf pertama dan kedua karena memberkan dampak perubahan yang berbeda secara sgnfkan dbandngkan sstem alternatf pertama dan kedua. Kedua pernyataan n menghaslkan kesmpulan bahwa sstem alternatf yang terbak adalah sstem alternatf kedua. V. KESIMPULAN Peneltan n berhasl menganalss utltas resources dar tap proses pada sstem nyata. Resources thawng, cuttng, dan cookng mash terlalu rendah dan perlu dtngkatkan dengan cara mengurang jumlah resources pada masng-masng proses tersebut. Sedangkan utltas resources pre-cleanng mash sedkt terlalu tngg dan perlu dturunkan dengan cara menambah jumlah resources pada proses tersebut. Tga buah sstem alternatf telah drancang guna mengoptmas sstem nyata dan setelah melalu proses analss dputuskan bahwa sstem alternatf kedua adalah yang terbak. Sstem alternatf kedua memodfkas kapastas resources thawng menjad 2/3 dar kapastas ruangan mula-mula, mengurang lajur pada proses cuttng menjad hanya 2, mengurang mesn cooker pada proses cookng menjad 7 buah serta menambah lajur pada proses pre-cleanng menjad 26 buah. UCAPAN TERIMA KASIH Penuls mengucapkan terma kash kepada orang tua penuls yang senantasa mendampng penuls lewat doadoanya serta seluruh dosen dan staf Teknk Informatka ITS yang telah banyak memberkan sumbangshnya dem kelancaran peneltan n. DAFTAR PUSTAKA [1] T. Altok and B. Melamed, Smulaton Modellng and Analyss wth Arena, Cyber Research, Inc. Enterprse Technology Soluton, Inc. (2007) 1-6, 66-141, 166-194. [2] W. D. Kelton, R. P. Sadowsk, and D. A. Sadowsk, Smulaton wth Arena Second Edton, New Jersey: McGraw-Hll (2001) 3-15, 49-95, 235-238, 283-286. [3] R. E. Walpole, R. H. Myers, S. L. Myers and K. Ye, Probablty & Statstcs for Engneers & Scentsts Eght Edton, Pearson Prentce-Hall (2007) 269 320. [4] A. M. Law and W. Davd Kelton, Smulaton Modellng and Analyss, New Jersey: McGraw-Hll (2000) 557-564.