Bab III MODEL

3.1 Kasus A (Defect Sorting Decide Module) Pada praktikum modul 4 kali ini, merupakan kelanjutan dari modul-modul sebelumnya dan mengintrepetasikan simulasi yang sebelumnya juga, namun pada modul kali ini merupakan pengembangan kasus dengan permasalahan-permasalahan yang semakin komplek. Oleh karena itu, pada modul kali ini ditambahkan atribut gender pada model. Sehingga dari 2 tipe sepatu sebelumnya di breakdown menjadi 4 jenis sepatu berdasarkan gender, yaitu TI JOSS COWOK, TI JOSS CEWEK, TI PRUTT COWOK, dan TI PRUTT CEWEK. Karena terdapat 4 jenis sepatu tersebut dan diketahui bahwa terdapat defect pada masing-masing maka hal pertama yang dilakukan adalah perlu ditambahkan modul sort decide untuk membedakan keempat tipe sepatu tersebut, dengan peluang antara sepatu cowok atau cewek adalah sama, yaitu 50%. Pada kasus A, setelah ditambahkan sort decide modul selanjutnya ditambahkan sub model, hal ini dilakukan bertujuan untuk mengelompokkan model tersebut kedalam sub model sehingga terlihat rapi. Sub model tersebut disusun seperti pada gambar dibawah ini:

Gambar 3.1 Model pada kasus A Untuk isi tiap sub model sebagai berikut: 1. Joss Logo Process berisi model dari modul Ti Joss Arrival sampai proses pembuatan logo pada sepatu TI Joss.

Gambar 3.1 Sub model Joss Logo Process 2. Prutts Logo Process berisi Ti Prutt Arrival sampai dengan proses pembuatan logo pada sepatu PRUTT

Gambar 3.2 Sub model Prutts Logo Process 3. EXIT PROSES EYELET berisi proses eyelet proses sort decide untuk setiap jenis sepatu, sampai dengan dispose sepatu TI.

Gambar 3.3 Sub model EXIT PROSES EYELET Untuk sub model Joss Logo Process dan Prutts Logo Process, pembuatannya hampir sama, ditambahkan modul decide untuk kedua jenis gender pada masing-masing sepatu diantara create TI Joss Arrival dengan Ti Joss Arrival Station dan TI Prutt Arrival dengan Ti Prutt Arrival Station. Pengisian nilai modul decide seperti gambar berikut:

Gambar3.4 modul decide

Pada setiap ujung dari decide tersebut di hubungkan pada modul assign, penambahan modul tersebut modul assign dilakukan untuk kedua jenis gender pada kedua submodel. Sehingga terlihat seperti gambar sebagai berikut:

Gambar 3,5 Penambahan model Assign pada TI JOSS

Gambar 3.6 Penambahan model Assign pada TI PRUTT

Setelah model decide dan assign ditambahkan, kemudian model yang telah dijelaskan tadi di masukkan dalam sub model. Untuk pengisian sub model, hal yang dilakukan adalah klik menu objek --> sub model --> add submodel. Sedangkan untuk mengganti nama sub model hanya klik kanan kemudin klik properties dan kemudian ganti nama pada submodel name. seperti gambar berikut:

Gambar 3.7 sub model properties untuk PROSE LOGO JOSS dan PRUTT

Setelah kedua submodel tersebut jadi, selanjutnya kita akan membuat submodel ketiga, yaitu EXIT PROSES EYELET. Pada submodel ini berisi penentuan rate cacat untuk masing-masing sepatu tersebut dengan menambahkan model sort decide setelah modul EYELET STATION seperti gambar dibawah ini:

Gambar 3.8 Modul decide rate cacat untuk masing-masing sepatu

Kemudian ditambahkan Modul assign untuk masing-masig rate cacat. tahapan secara mendetail dapat dilihat pada gambar berikut:

Untuk

Gambar 3.9 Modul assign untuk rate cacat 1 (TI PRUTT GENDER CEWEK)

Gambar 3.10 Modul assign untuk rate cacat 2 (TI JOSS GENDER CEWEK)

Gambar 3.11 Modul assign untuk rate cacat 3 (TI PRUTT GENDER COWOK)

Gambar 3.12 Modul assign untuk rate cacat 4 (TI JOSS GENDER COWOK)

Untuk modul selanjutnya sama dengan pada modul 3 praktiku SSI, yaitu modul decide, record dan dispose. Dan kemudian model tersebut kita masukkan kedalam submodel EXIT

PROSES EYELET.

Gambar 3.13 sub model properties untuk submodel EXIT PROSES EYELET

Gambar 3.14 Model saat dijalankan

3.2 Kasus B (HOLD dan SIGNAL) Kasus ini merupakan pengembangan dari kasus sebelumnya, dengan dilakukan penambahan dua submodel baru, yaitu TI JOSS dan TI PRUTT ARRIVAL. Dan penambahan modul hold didalamnya. Untuk keterangan lebih lanjut dapat dilihat seperti gambar berikut:

Gambar 3.15 gambar model kasus B

Untuk kedua sub model tambahan tersebut, yaitu TI JOSS dan TI PRUTT ARRIVAL, berisi model create dan model hold. Seperti gambar berikut:

Gambar 3.16 sub model TI JOSS dan TI PRUTT ARRIVAL

Ditambahkan modul HOLD setelah modul create dan menambah modul signal diantara create dan dispose. Langkah-langkah untuk membuat submodel tersebut bisa langsung dipraktekkan.

Gambar 3.17 Modul Hold

Setelah modul hold ditambahkan, maka selanjutnya dibuat model signal untuk masing-masng submodel.

Gambar 3.18 modul signal pada submodel ARRIVAL

Dengan modul create,signal dan dispose yang dapat dilihat pada gambar berikut.

Gambar 3.19 modul create pada model signal

Gambar 3.20 modul dispose pada model signal

Selanjutnya kedua model tersebut dimasukkan kedalam sub model TI JOSS dan TI PRUTT ARRIVAL dengan ketentuan sebagai berikut.

Gambar 3.21 sub model properties pada sub model ARRIVAL

Sub model berikutnya adalah sub model PROSES LOGO JOSS dan PRUTT. Submodel ini hampir sama dengan submodel pada kasus A. hanya saja pada submodel ini modul create telah dipindahkan pada sub model ARRIVAL.

Gambar 3.23 Sub model PROSES LOGO JOSS

Gambar 3.24 Sub model PROSES LOGO PRUTT

Untuk submodel selanjutnya sama dengan pada kasus A.

BAB IV ANALISIS OUTPUT

4.1. KASUS A (DEFECT SORTING DECIDE MODUL)

Gambar 4.4.62 Gambar output category overview

Analisis : Berdasarkan hasil output category overview di atas maka dapat disimpulkan bahwa nilai number out sebesar 3.832,00 unit sepatu.

Gambar 4.4.63 Gambar output category by replication

Analisis : Berdasarkan hasil output category by replication di atas maka dapat disimpulkan bahwa total time untuk average pada TI Josss sebesar 13,2485 menit dan TI Pruttt sebesar 6,5890 menit. Nilai VA time pada TI Josss sebesar 4,6970 menit dan TI Pruttt sebesar 3,6377 menit. Nilai wait time pada TI Josss sebesar 7,5515 menit dan pada TI Pruttt sebesar 1,9513 menit.

Gambar 4.4.64 Gambar output entities

Analisis : Berdasarkan hasil output entities di atas maka dapat disimpulkan bahwa Nilai number in pada TI Josss sebesar 3,560 menit dan TI Pruttt sebesar 283 menit sehingga totalnya sebesar 3,843 menit. Nilai number out pada TI Josss sebesar 3,550 menit dan TI Pruttt sebesar 282 menit sehingga totalnya sebesar 3,832 menit.

Gambar 4.4.65 Gambar output queue

Analisis : Berdasarkan hasil output queue di atas maka dapat disimpulkan bahwa waiting time pada Eyelet Station Queue sebesar 1,94 menit, TI Josss Logo Queue sebesar 5,61 menit, TI Pruttt Logo Queue sebesar 0,01 menit sehingga total waiting time sebesar 0,43 menit. Nilai number waiting pada Eyelet Station Queue sebesar 2,58, TI Josss Logo Queue sebesar 6,92, TI Pruttt Logo Queue sebesar 0,00 menit sehingga total waiting time sebesar 9,50.

Gambar 4.4.66 Gambar output resources

Analisis : Berdasarkan hasil output resources di atas maka dapat disimpulkan bahwa number busy pada Eyelet sebesar 2,20, TI Josss Logo sebesar 3,70 dan pada TI Pruttt Logo sebesar 0,25. Nilai number scheduled pada Eyelet sebesar 3,60, TI Josss Logo sebesar 4,94, dan TI Pruttt Logo sebesar 5. Nilai utilization pada Eyelet sebesar 0,55 menit, TI Josss Logo sebesar 0,76 menit, dan TI Pruttt Logo sebesar 0,06 menit. Pada number time used pada Eyelet operator sebesar 3832.00 menit, TI Josss Logo sebesar 3555.00 menit dan pada TI Pruttt Logo sebesar 283.00 menit. Pada scheduled utilization pada Eyelet operator sebesar 0.61 menit, TI Josss Logo sebesar 0.75 unit dan pada TI Pruttt Logo sebesar 0.05 unit.

Gambar 4.4.67 Gambar output user specified

Analisis : Berdasarkan hasil output user specified di atas maka dapat disimpulkan bahwa value pada record bagus sebesar 3.668.00 unit dan padda record buruk sebesar 164.0000 unit.

3.2. KASUS B (HOLD AND SIGNAL)

Gambar 4.4.68 Gambar output category overview

Analisis : Berdasarkan hasil output category overview di atas maka dapat disimpulkan bahwa nilai number out sebesar 57.0000 unit sepatu.

Gambar 4.4.69 Gambar output category by replication

Analisis : Berdasarkan hasil output category by replication di atas maka dapat disimpulkan bahwa total time pada TI Josss sebesar 18,4072 menit dan TI Pruttt sebesar 29,6971 menit. Nilai VA time pada TI Josss sebesar 1,3970 dan TI Pruttt sebesar 1,8538. Nilai wait time pada TI Josss sebesar 16,7047 menit dan pada TI Pruttt sebesar 27,3194.

Gambar 4.4.70 Gambar output entities

Analisis : Berdasarkan hasil output entities di atas maka dapat disimpulkan bahwa Nilai number in pada TI Josss sebesar 36 unit dan TI Pruttt sebesar 22 unit sehingga totalnya sebesar 58 unit. Nilai number out pada TI Josss sebesar 36 unit dan TI Pruttt sebesar 21 unit sehingga totalnya sebesar 57 unit.

Gambar 4.4.71 Gambar output queue

Analisis : Berdasarkan hasil output queue di atas maka dapat disimpulkan bahwa waiting time pada Eyelet Station Queue sebesar 1,05 menit, TI Josss Hold Arrival.Queue sebesar 53,62 menit, TI Josss Logo queue sebesar 0 menit, TI Pruttt Hold Arrival Queue sebesar 51,62 dan TI Pruttt logo queue sebesar 0,00 menit, sehingga total waiting time sebesar 106,30. Nilai number waiting pada Eyelet Station Queue sebesar 0,01, TI Josss Hold Arrival.Queue sebesar 0,20, TI Josss Logo queue sebesar 0,00, TI Pruttt Hold Arrival.Queue sebesar 0,22, TI Prutt Logo.Queue sebesar 0,00 sehingga total waiting time sebesar 0,43.

Gambar 4.4.72 Gambar output resources

Analisis : Berdasarkan hasil output resources di atas maka dapat disimpulkan bahwa number busy pada Eyelet sebesar 0,01 menit, TI Josss Logo sebesar 0,01 menit dan pada TI Pruttt Logo sebesar 0,01 menit. Nilai number scheduled pada Eyelet sebesar 3,63, TI Josss Logo sebesar 5,00, dan TI Pruttt Logo sebesar 5,00. Nilai utilization pada Eyelet sebesar 0,00 menit, TI Josss Logo sebesar 0,00, dan TI Pruttt Logo sebesar 0,00. Pada number time used pada Eyelet operator sebesar 22,00 menit, TI Josss Logo sebesar 11,00 menit dan pada TI Pruttt Logo sebesar 11,00 menit. Pada scheduled utilization pada Eyelet operator sebesar 0,00, TI Josss Logo sebesar 0,00 dan pada TI Pruttt Logo sebesar 0,00.

Gambar 4.4.73 Gambar output user specified

Analisis : Berdasarkan hasil output user specified di atas maka dapat disimpulkan bahwa value pada record bagus sebesar 21,000 unit dan pada record buruk sebesar 1,0000 unit.

DAFTAR PUSTAKA http://www.scribd.com/doc/51214070/V-Simulasi-dgn-ARENA-REV-S1 diakses tanggal 7 Mei 2012 jam 12.35 http://kamusindustri.blogspot.com/2012/03/model-simulasi-dengan-arena.htmldiakses tanggal 8 Mei 2012 jam 11.00