video simulasi pendistribusian televisi

video ini berdasarkan penjelasan studi kasus dari sharing mengenai studi kasus perusahaan Miller, Inc sebelumnya :-D
ittelkom.ac.id

simulasi proses pendistribusian televisi

SAATNYA! :-D

Kali ini kita akan membahas lebih dalam mengenai model building dan lain-lainnya dengan berdasarkan studi kasus dan menerapkannya pada software service model. Service model merupakan software yang berfungsi seperti promodel, namun digunakan untuk simulasi dari kegiatan jasa atau distribusi. Nah, kali ini kita akan mengetahui bagaimana cara mensimulasikan kegiatan penjualan televisi di daerah Jakarta dan Bandung. Check it out! :-D

Perusahaan Miller, Inc merupakan sebuah perusahaan yang memproduksi produk televisi. Perusahaan yang menempatkan cabang di kota Bogor untuk wilayah Indonesia ini membutuhkan pendistribusian yang baik di dalam memasarkan produknya. Berikut ini adalah jalur pendistribusian televisi yang diproduksi oleh Miller, Inc.

Proses pendistribusian dimulai dari kedatangan televisi di tempat kedatangan televisi dengan distribusi waktu N(7,15).

Televise tersebut selanjutnya dibawa ke Distribution Center Bogor dengan diangkut fork truck. Dalam Distribution Center Bogor, terdapat waktu tunggu selama 15 menit, televise akan didistribusikan kembali ke Wholesaler kota Bandung dan Wholesaler kota Jakarta (asumsikan pengiriman menggunakan pesawat). Proporsi probabilitas pengiriman menuju Wholesaler kota Bandung sebesar 0.75 dan menuju Wholesaler kota Jakarta sebesar 0.25. Pada pengiriman ini, diketahui distribusi waktu menuju kota Bandung dengan U(15,3) jam dan menuju kota Jakarta dengan U(20,3) jam. (Televisi dibedakan dengan atribut, misalnya : televisi_warna)

Selanjutnya, televisi yang berada di kota Bandung akan didistribusikan kembali ke toko BEC dengan diangkut oleh Truck Bandung. Begitu pula televisi yang berada di kota Jakarta akan didistribusikan kembali menuju toko Glodok dengan diangkut oleh truck Jakarta.

Pada toko BEC, customer BEC datang dari tempat kedatangan customer BEC dengan tiap 60 menit, yang selanjutnya akan menuju Retailer toko BEC dengan melalui antrian customer BEC. Di toko BEC, customer  membeli televisi yang akan dilayani oleh seorang karyawan toko BEC selama 30 menit, sehingga televisi tersebut menjadi televisi customer BEC. Selanjutnya televisi customer BEC tersebut menuju rumah customer BEC dengan melalui Net rumah customer BEC.

Pada toko Glodok, customer Glodok datang dari tempat kedatangan customer Glodok tiap 65 menit, yang selanjutnya akan menuju Retailer kota Glodok dengan melalui antrian customer Glodok. Di toko Glodok, customer membeli televisi yang akan dilayani oleh seorang karyawan toko Glodok selama 25 menit, sehingga televisi tersebut menjadi televisi customer Glodok. Selanjutnya televisi customer Glodok tersebut menuju rumah customer Glodok dengan melalui Net rumah customer Glodok.

Biaya :

Harga 1 netbook di BEC = Rp. 2.000.000

Harga 1 netbook di Glodok = Rp. 2.700.000

(asumsi : harga tersebut merupakan harga kumulatif dari biaya dasar produk (Rp. 1.000.000) ditambah keuntungan dan biaya transportasi dari Distribution Center hingga ke toko tiap kotanya)

Waktu operasional karyawan :

Jam operasional pegawai pada toko BEC dan Glodok adalah dari hari senin-minggu selama 12 jam yaitu pada pukul 08.00 - 20.00 dengan 2 kali waktu istirahat selama 1 jam yaitu pada pukul 12.00 – 13.00 dan pada pukul 18.00 – 19.00.

Dari kasus di atas, ada beberapa komponen model building, yaitu sebagai berikut :

Location

Pada lokasi, kita menentukan dari studi kasus di atas, mana saja yang termasuk lokasi untuk kasus ini.

Entities

Dari kasus di atas, kita bisa menentukan apa saja entitas dari kasus ini.

Path

Path adalah jalur yang akan digunakan selama proses pendistribusian dari tempat kedatangan televisi hingga sampai ke rumah dari pelanggan akhir.

Resources

Resources adalah orang atau alat yang digunakan untuk melakukan proses ini.

Model Building

Keuntungan Yang Diperoleh

 

Ini adalah hasil yang diperoleh dari proses penjualan televisi selama 1 minggu.

ittelkom.ac.id

 Model Building

Model adalah rencana, representasi, atau deskripsi yang menjelaskan suatu objek, sistem, atau konsep, yang seringkali berupa penyederhanaan atau idealisasi. Dengan kata lain, model adalah perwakilan dari sistem nyata. Sedangkan model building adalah sebuah proses untuk mengubah model konseptual menjadi model simulasi yang terdiri dari elemen struktural dan elemen operasional. Model building dapat disimulasikan pada software promodel. Pada software promodel, kita dapat memodelkan kegiatan yang terjadi di dalam sebuah sistem nyata.

Model Building terdiri dari beberapa klasifikasi, yaitu:

• Entities

Entitas adalah segala sesuatu yang diproses di dalam sistem. Entitas dapat dikatakan sebagai objek di dalam model building.

• Location

Lokasi yang dimaksud disini adalah tempat dimana entitas atau objek diproses.

• Resources

Resources adalah segala sesuatu yang melakukan proses di dalam sistem. Resources dapat dikatakan sebagai pelaku atau subjek dalam model building.

• Paths

Path adalah jalur untuk tempat berlangsungnya kegiatan antara entitas dan resources. Sebagai contoh dalam sistem nyata, path bisa dianalogikan sebagai jalan raya yang digunakan untuk tempat berlangsungnya kegiatan lalu lintas kendaraan.

Ada lagi beberapa istilah lainnya yang sering kita temui di Model Building, yaitu:

 Routing

Routing memiliki  fungsi untuk menentukan urutan aliran entitas dari satu lokasi ke lokasi berikutnya. Dalam penggunaannya, aturan yang biasa digunakan untuk memilih lokasi dalam satu keputusan routing antara lain :

o Probabilistic

o First available 

o By turn

o Most available capacity 

o Until full

o Random 

o User condition 

 Entity Operations

Entity operations digunakan untuk menentukan apa yang terjadi pada sebuah entitas saat memasuki satu lokasi. Hal ini seperti waktu yang diperlukan , resource yang digunakan , Logik lain yang berpengaruh terhadap kinerja sistem dan lain-lain.

Verifikasi dan Validasi

Setelah kita mencoba mengubah model konseptual menjadi model simulasi dengan model building, kita pasti berharap bahwa model yang kita buat akan mampu digunakan pada sistem nyata. Kemudian bagaimana kita bisa mengetahui apakah model yang telah kita bangun tersebut sudah bagus atau belum? Kita bisa mengetahui apakah model kita sudah bagus atau belum dengan melakukan verifikasi dan validasi terhadap model yang sudah kita bangun. Verifikasi dan Validasi sebenarnya memiliki dua arti yang berbeda namun hampir sama.

Verifikasi adalah proses menentukan apakah model simulasi sudah merefleksikan model konseptual dengan tepat. Dengan kata lain, verifikasi adalah proses yang mengecek apakah imajinasi kita sudah sesuai dengan model yang kita buat.

Sedangkan validasi adalah proses menentukan apakah model konseptual merefleksikan sistem nyata dengan tepat. Dengan kata lain, verifikasi adalah proses untuk mengecek apakah model yang kita buat sudah sesuai dengan sistem nyata yang ada. Jadi, antara verifikasi dan validasi saling berkesinambungan satu sama lain.

Alasan dasar mengapa orang mengabaikan penggunaan verifikasi dan validasi antara lain :

• Tekanan waktu dan biaya

Seringkali penelitian dilakukan dengan waktu yang sedikit sehingga orang suka memilih tidak menggunakan verifikasi dan validasi dengan memberi asumsi bahwa penelitian yang dia kerjakan sudah bagus untuk diterapkan di sistem nyata. Selain itu, banyaknya biaya yang dikeluarkan untuk melakukan verifikasi dan validasi juga menjadi penyebab orang untuk memilih mengabaikan keduanya karena dinilai lebih ekonomis.

• Malas

Malas juga menjadi penyebab utama mengapa banyak orang yang tidak melakukan verifikasi dan validasi.

• Terlalu percaya diri

Seringkali orang sudah terlalu percaya diri dengan model yang dia bangun dan memiliki anggapan bahwa modelnya pasti sudah benar sehingga tidak perlu melakukan verifikasi dan validasi lagi.

• Ketidaktahuan

Banyak orang juga belum mengetahui betapa pentingnya verifikasi dan validasi sehingga melewatkan proses ini dalam penelitian yang mereka lakukan.

 Analisis Output

Analisis output adalah pengolahan data yang dihasilkan oleh sebuah simulasi dan analisis output ini berguna untuk memprediksi performansi sebuah sistem atau untuk membandingkan performansi terhadap dua atau lebih rancangan sistem alternatif (Banks, et all., 2001). Dengan kata lain, analisis output adalah bagaimana kita membandingkan hasil dari suatu proses dengan hipotesa awal yang kita lakukan dalam proses input. Analisis statistik memiliki peranan penting dalam analisis output. Analisis statistik berguna untuk melakukan estimasi terhadap variansi suatu percobaan, atau untuk menentukan jumlah observasi yang diperlukan untuk mendapatkan tingkat presisi yang diinginkan. 

Tipe simulasi yang memenuhi analisis output ada dua, antara lain :

1. Terminating simulation (transient simulation)

Terminating simulation adalah simulasi yang dijalankan dalam durasi waktu tertentu saja karena adanya peristiwa atau kegiatan yang menghentikan simulasi. Sebagai contoh, sebuah mesin yang terdiri dari 4 komponen akan berhenti bekerja apabila komponen 1 rusak, atau komponen 4 rusak, atau kedua komponen nomor 2 dan 3 rusak. Berhentinya mesin tersebut tidak berdasarkan rentang waktu yang pasti, tetapi masih bersifat probabilistik. Dalam hal ini, tujuan simulasi mungkin ingin mengetahui waktu antar kerusakan mesin.

2. Nonterminating simulation (steady state simulation)

Nonterminating simulation adalah simulasi yang ditujukan untuk mengamati sistem dalam jangka waktu yang lama, atau melihat kondisi steady state suatu simulasi nonterminating. Sebagai contoh, sebuah perusahaan cloud computing menyediakan jasa cloud computing baik dalam skala jasa infrastruktur (penyedia hardware, OS, atau software) maupun platform (jasa OS). Berkaitan dengan adanya beban kerja, perusahaan mempertimbangkan adanya penambahan komputer server, harddisk dan berbagai konfigurasinya. Oleh karena itu, dibuat simulasi yang dijalankan dalam waktu yang lama untuk melihat kondisi steady state kebutuhan server dan konfigurasinya.

Comparing System

Comparing system membutuhkan analisis yang teliti untuk memastikan bahwa perbedaan yang diteliti disebabkan karena perbedaan actual dalam performansi dan bukan dari variasi statistik. Dengan kata lain, comparing system memiliki tujuan untuk mengetahui kinerja mana yang lebih baik dibandingkan yang lain. biasanya metode yang digunakan adalah metode hipotesa. Metode hipotesa atau yang lebih dikenal dengan uji hipotesis ini adalah sebuah hipotesis statistik yang biasanya berguna untuk membandingkan sebuah pernyataan atau dugaan terhadap satu atau lebih populasi, atau sebuah pernyataan tentang parameter-parameter dari sebuah distribusi, probabilitas atau parameter dari sebuah model. Dalam membandingkan dua alternatif system design, kita bisa menggunakan beberapa metode antara lain :

 Welch confidence interval

Welch confidence interval adalah metode yang menjelaskan bahwa pengamatan diambil dari tiap populasi (sistem simulasi) dengan menggunakan distribusi normal dan independen dalam sebuah populasi dan antar populasi.

 Paired-t confidence interval

Paired-t confidence interval adalah metode yang menjelaskan bahwa pengamatan diambil dari tiap populasi dengan menggunakan distribusi normal dan independen dalam sebuah populasi saja.

Dalam membandingkan lebih dari dua alternative system design, kita bisa menggunakan beberapa metode antara lain :

 Bonferroni approach

Bonferroni approach berguna ketika ada lebih dari dua alternatif system design membandingkan beberapa ukuran performansi.

 Advanced statistical model

Advanced statistical model memiliki manfaat dibandingkan bonferroni approach yaitu bahwa keseluruhan tingkat kepercayaan dari uji hipotesis tidak berkurang seperti jumlah kandidat system design yang bertambah. 

Optimizing Sistem

Optimization adalah proses mencoba kombinasi berbeda dari nilai untuk variabel yang dapat dikontrol untuk mencari kombinasi nilai yang memberikan hasil terbaik dari model simulasi. Optimizing system biasanya dilakukan dengan menggunakan software service model dengan tujuan untuk membandingkan model dari tiap scenario dengan melihat utilitas sebesar 80% sebagai sistem yang paling optimal.

http://ittelkom.ac.id/

fri.ittelkom.ac.id