LABORATORIUM SISTEM PENDUKUNG KEPUTUSAN DAN INTELIGENSIA BISNIS

LABORATORIUM SISTEM PENDUKUNG KEPUTUSAN DAN INTELIGENSIA BISNIS

Latar Belakang Pelayanan terpusat di satu tempat Antrian pemohon SIM yg cukup panjang (bottleneck) Loket berjauhan Sumber daya terbatas Lamanya waktu pelayanan pembuatan SIM

Rumusan Masalah Bagaimana model dari sistem pembuatan SIM di Satpas Jember? Bagaimana kinerja sistem pembuatan SIM saat ini? Alternatif solusi apakah yang dapat ditawarkan untuk mengurangi total waktu pembuatan SIM?

Batasan Masalah Data yang digunakan hanya sebatas pada pembuatan dan perpanjangan SIM, tidak termasuk pengurusan SIM hilang, peningkatan golongan SIM, dan pembuatan SIM Internasional. Tidak memperhitungkan faktor biaya operasional Tidak memperhitungkan tipe atau jenis SIM Tingkat kedatangan pemohon SIM hari Senin- Sabtu diasumsikan sama

Tujuan Mengetahui model sistem riil proses pembuatan SIM di Satpas Jember. Mengetahui kinerja SATPAS Jember dengan kondisi sistem yang ada saat ini Mengurangi total waktu dalam sistem.

Manfaat Memberikan kontribusi bagi pihak Satpas Jember untuk meningkatkan performa dan kinerjanya sehubungan dengan pelayanan pembuatan SIM kepada masyarakat Memberikan gambaran mengenai sistem antrian pembuatan SIM Memberikan saran dan alternatif solusi atas kemungkinan masalah antrian yang sering muncul dalam proses pembuatan SIM

Tinjauan Pustaka Pemodelan dan Simulasi Model: representasi sistem nyata ke dalam bahasa atau bentuk tertentu Pemodelan: langkah yang dilakukan dalam membuat model Simulasi: imitasi dari suatu hal, kondisi, atau proses yang nyata Pemodelan dan Simulasi adalah program yang bertujuan untuk meniru perilaku riil suatu kondisi tertentu pada dunia nyata.

Definisi simulasi Banks & Carson Tiruan dari sistem nyata yg dikerjakan secara manual atau komputer Nailor Teknik numerik utk melakukan eksperimen pada komputer yg melibatkan jenis matematika dan model tertentu yang menjelaskan perilaku bisnis atau ekonomi pada suatu periode tertentu Borowski & Borwein Teknik utk membuat konstruksi model matematika utk suatu proses atau situasi dlm rangka menduga secara karakterisrik

Law & Kelton (1991) Simulasi merupakan sekumpulan metode dan aplikasi untuk menirukan perilaku dari suatu sistem nyata, yang biasanya dilakukan menggunakan komputer dengan perangkat lunak tertentu. Shannon (1975) Proses perancangn model dari sistem nyata yang dilanjutkan dengan pelaksanaan eksperimen terhadap model untuk mempelajari karakteristik sistem. Khosnevis (1994) Proses aplikasi membangun model dari sistem nyata atau usulan sistem, melakukan eksperimen dengan model tersebut untuk menjelaskan perilaku sistem, mempelajari kinerja sistem, atau untuk membangun sistem baru dengan kinerja yang diinginkan.

Cont d.. Tujuan simulasi Pelatihan (training) Studi perilaku sistem (behaviour) Hiburan atau permainan (game)

Cont d.. Manfaat simulasi Dapat menguji berbagai macam kemungkinan Dapat mengatur waktu dalam proses sesuai dengan kontrol yg dikehendaki Mempermudah memahami hubungan antar variabel

Klasifikasi model simulasi Menurut kejadian perubahan sistem yang berlangsung: Sistem statis Sistem dinamis Menurut kepastian dari probabilitas perubahan sistem: Sistem deterministik Sistem stokastik Menurut sifat perubahannya: Sistem diskrit Sistem kontinu

Discrete event simulation Pemodelan suatu sistem dimana state variable berubah secara instan pada waktu-waktu tertentu. Komponen sistem: Entity Class Attribute Set

1 2 Formulasi masalah Mengumpulkan data & mendefinisikan model Langkah Simulasi 3 Model konseptual valid? No Yes No 4 Membuat program komputer & verifikasi 5 Membuat pilot run 6 Model program valid? Yes 7 Design experiments 8 Running program 9 Output data analisis 10 Document, present, & use results

Jenis simulasi berkaitan dengan analisis output Terminating Simulation Model Steady-state Simulation Model

Pengukuran Sampel Rumus Slovin digunakan untuk menghitung ukuran sampel (n) dg ukuran populasi (N) dan margin error (e). n = Error yang diijinkan antara real system dengan model tidak boleh lebih dari 5%.

Data yang diperoleh diketahui jumlah pemohon sim rata-rata per hari selama 5 bulan adalah 284 orang. Jika margin error 5%, maka: n = = 166 Jadi jumlah sampel yang harus diambil adalah sebanyak 166.

Replikasi Mula-mula model simulasi dijalankan sebanyak 10 kali replikasi awal (n 0 ). Replikasi jumlah customer yang dilayani 1 152 2 120 3 156 4 127 5 127 6 125 7 135 8 144 9 125 10 135

Dari 10 kali replikasi diperoleh nilai rata-rata output = 134.6 dengan standart deviasi =12.30357, sehingga nilai half-width interval (digunakan selang kepercayaan (P) = 95%, sehingga α = 5% atau 0,05): halfwidth Sehingga nilai n diperoleh : n : 2 Z s / 2 t s t n1, / 2 n 9,0.025 3.16 s 1.96 12.30357 8.827 2.267x12.30357 3.16 2 7.46 8.827 8

Dari hasil perhitungan yang telah dilakukan, maka model simulasi hanya perlu dijalankan 8 kali. Karena jumlah replikasi n' yang diperoleh lebih kecil dari replikasi awal maka jumlah replikasi yang digunakan adalah jumlah replikasi awal n 0 yaitu 10.

Arena Untuk menganalisis akibat dari suatu perubahan yang mempengaruhi sistem Dapat menangani: Analisis sistem manufaktur Analisis pelayanan konsumen Analisis rantai pasok Memprediksi performa suatu sistem Mengidentifikasi bottleneck Perencanaan kebutuhan sumberdaya

KPI Waktu tunggu tiap loket Number waiting di tiap loket Waktu total dalam sistem

1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 Tingkat kedatangan pemohon SIM Bulan Juni-Oktober 2010 350 300 250 200 150 100 50 0 SIM Baru Perpanjangan

Grafik jumlah pemohon SIM per bulan 6000 5000 4000 3000 2000 1000 SIM Baru Perpanjangan 0

Grafik jumlah pemohon SIM per minggu 1800 1600 1400 1200 1000 800 600 400 200 0 I II III IV I II III IV I II III IV I II III IV I II III IV Juni Juli Agustus September Oktober SIM Baru Perpanjangan

Mengapa Simulasi? Modelnya kompleks Dapat bereksperimen tanpa ada resiko/ mengganggu sistem nyata Waktu singkat Input data bervariasi

Metodologi Observasi dan Analisa Kondisi Objek Penelitian Studi Pustaka Menentukan Model Konseptual Pengumpulan dan Pengolahan Data Membuat Model Spesifikasi dan Komputasi Menggunakan Arena Running Model Simulasi Verifikasi dan Validasi Analisa dan Kesimpulan Penyusunan Buku Tugas Akhir

Pengembangan Model Simulasi Bagan Alur Proses Pelayanan Pembuatan SIM Pemohon Loket Pendaftaran Ujian Teori Ujian Praktek Kesehatan Loket BRI Loket Formulir Produksi Penyerahan Persyaratan Pendaftaran Ujian teori Tidak Lulus? Ya Ujian praktek Tidak Lulus? Ya Tes kesehatan Registrasi Pembayaran Pengisian formulir Input data, Foto, Tandatangan, Cetak SIM Terima SIM Penyerahan SIM Selesai

Input Data kedatangan pemohon Waktu proses pelayanan di tiap loket Proses Dibagi kedalam 10 submodel Output Pembuatan model komputasi menggunakan Arena Waktu total dalam sistem Jumlah SIM yang diproduksi

Sistem dibagi menjadi 10 submodel sebagai berikut. Submodel kedatangan pemohon Submodel pendaftaran Submodel ujian teori Submodel ujian praktek Submodel tes kesehatan Submodel registrasi Submodel pembayaran Submodel pengisian formulir Submodel foto Submodel pengambilan SIM

Submodel kedatangan pemohon

Submodel pendaftaran

Submodel ujian teori

Submodel ujian praktek

Submodel tes kesehatan

Submodel registrasi

Submodel pembayaran

Submodel pengisian formulir

Submodel foto

Submodel pengambilan SIM

Pengukuran Sampel Data yang diperoleh diketahui jumlah pemohon sim rata-rata per hari selama 5 bulan adalah 284 orang. Jika margin error 5%, maka: n = = 166 Jadi jumlah sampel yang harus diambil adalah sebanyak 166.

Validasi Apakah sesuai dengan kondisi real system atau tidak? Jika error rate kurang dari 5%, maka model sudah dikatakan valid. ErrorRate 177 172 172 0.025551 2.56%

Replikasi Rata-rata = 177 Standard deviasi = 10.05 Nilai half-width interval (digunakan selang kepercayaan (P) = 95%, sehingga α = 5% atau 0,05): halfwidth : t s t n1, / 2 n 9,0.025 3.16 s 2.267x10.05 7.21 3.16 Sehingga nilai n : n' 2 Z s / 2 1.96 10.05 7.21 2 7.46 8

Uji Coba dan Analisis Rancangan proses simulasi Replication length: 8 hours Time unit: hours Number of replication: 10 Rancangan proses simulasi Perangkat keras Prosesor Intel Core Duo CPU T2250 @ 1.73GHz 1.73GHz Memori: 2.49 GB RAM Perangkat lunak: Sistem operasi: Microsoft Windows XP Professional Version 2002 Service Pack 2 Perangkat lunak: Arena 5.0

Skenario percobaan Perubahan ukuran batch 20/batch 25/batch 30/batch Penambahan resource 2 ruang ujian teori 3 ruang ujian teori Jumlah gelombang: 6, 8, 9, 10

Perubahan ukuran batch

Penambahan resource 2 ruangan

Penambahan resource 3 ruangan

Hasil existing system

Hasil skenario tanpa menambah resource Hasil Skenario

Skenario Jumlah pemohon Jumlah SIM jadi Total Waktu (hour) Average time Max time existing 430 176 1.5715 4.9496 10 420 165 1.061 3.7263 11 424 174 1.1868 3.6251 12 424 174 1.2363 3.7868 13 425 182 1.313 4.5334 14 430 172 1.1959 3.6935 15 430 177 1.3206 4.1128 16 430 182 1.4036 4.5733 17 430 188 1.4681 4.6378 18 427 172 1.2879 4.4093 19 424 180 1.429 4.4356 20 424 183 1.4755 4.5846 21 424 184 1.4865 4.5951 max min min 188 1.061 3.6251 Hasil skenario dengan menambah resource menjadi 2 ruang ujian

Hasil skenario dengan menambah resource menjadi 3 ruang ujian

Existing vs Skenario

Kesimpulan Simulasi dapat digunakan untuk memodelkan suatu sistem yang kompleks. Dengan simulasi dapat dilakukan eksperimen tanpa resiko mengganggu sistem nyata yang sedang berlangsung. Dengan simulasi dapat dilakukan uji coba berbagai skenario dengan input yang bervariasi sesuai dengan tujuan yang ingin dicapai. Simulasi yang dilakukan dalam penelitian ini bertujuan untuk mempelajari perilaku (behaviour) dari sistem nyata. Menurut kejadian perubahan sistem yang berlangsung, sistem antrian pembuatan SIM di SATPAS Polres Jember merupakan sistem statis. Menurut kepastian dari probabilitasnya, sistem pada studi kasus ini termasuk sistem stokastik yang memiliki komponen random atau acak terutama pada input datanya. Sedangkan menurut sifat perubahannya, sistem yang dikaji pada penelitian ini termasuk sistem diskrit.

Berkaitan dengan analisis outputnya, jenis simulasi yang digunakan pada penelitian ini adalah model simulasi terminating atau terminating simulation model, karena sistem antrian pembuatan SIM di SATPAS Polres Jember memiliki waktu terminasi yang alami. Sistem antrian pembuatan SIM dalam penelitian ini dimodelkan menggunakan software Arena 5.0. Simulasi dibagi kedalam sepuluh submodel, yaitu submodel kedatangan pemohon, submodel pendaftaran, submodel ujian teori, submodel ujian praktek, submodel tes kesehatan, submodel registrasi, submodel pembayaran, submodel formulir, submodel foto, dan submodel pengambilaan SIM.

Kinerja sistem pembuatan SIM di SATPAS Polres Jember saat ini masih terbentur pada antrian ujian teori karena jumlah peserta ujian teori tidak sebanding dengan resource ujian teori yang ada, dalam hal ini yaitu ukuran batch 20 dan hanya terdapat satu ruangan ujian. Akibatnya, pemohon SIM yang mendapatkan gelombang ujian teori paling akhir waktu tunggunya akan semakin lama, sehingga total waktu yang dibutuhkan juga semakin lama. Berdasarkan hasil simulasi dari existing system, ratarata waktu yang dibutuhkan pemohon SIM untuk membuat SIM baru adalah sekitar 95 menit. Akan tetapi tidak sedikit pemohon yang membutuhkan waktu hingga lima jam untuk membuat SIM baru.

Berdasarkan hasil yang diperoleh dari uji coba dan analisis dalam penelitian ini, alternatif solusi yang dapat ditawarkan untuk mengurangi total waktu dalam sistem adalah menambah resource menjadi dua ruangan dan jumlah gelombang ujian teori maksimal enam gelombang. Total waktu rata-rata 1.061 jam atau 64 menit, dengan waktu maksimum 3.7263 jam atau 224 menit Total waktu rata-rata berkurang 30 menit dan total waktu maksimum berkurang 73 menit

Saran Memperhitungkan tipe atau jenis SIM (SIM A, SIM B, SIM C, dan sebagainya). Memperhitungkan faktor biaya operasional atau operational cost. Memperhitungkan perbedaan tingkat kedatangan pemohon SIM setiap harinya antara hari yang cenderung ramai dengan hari biasa. Melakukan lebih banyak skenario untuk uji coba, misalnya dengan melakukan perubahan resource di tiap loket. Menggunakan software untuk optimasi agar hasil yang diperoleh lebih optimal.