PENGUMPULAN DAN PENGOLAHAN DATA
5.2. Pengolahan Data 1. Formulasi Masalah
5.2.4. Menerjemahkan Model
5.2.4.2. Hasil Simulasi
5.2.4.2.3. Hasil Simulasi Total Profit Produk Ikan Tuna, Udang, dan Kepah
5.2.4.2.3.1.Hasil Simulasi Total Profit Produk Ikan Tuna
Hasil simulasi total profit produk ikan tuna terdiri atas 5 profit, dimana masing-masing total profit mewakili masing-masing perencanaan terhadap
pembelian. Adapun hasil simulasi total profit produk ikan tuna ditampilkan dalam bentuk time table dengan formulasi 'Profit Produk Ikan Tuna'+'Total Pendapatan Frozen Ikan Tuna'. Rekapitulasi nilai hasil simulasi total profit produk ikan tuna dapat dilihat pada Tabel 5.12.
Tabel 5.12. Time Table Simulasi Total Profit Produk Ikan Tuna
Profit Rencana Ke- Total Profit (Rp/Bulan)
1 Rp275.797.529
2 Rp305.887.650
3 Rp237.807.665
4 Rp179.728.934
5 Rp124.180.392
Sumber: Pengolahan Data dengan Menggunakan Software Powersim Studio 2005
5.2.4.2.3.2.Hasil Simulasi Total Profit Produk Udang
Hasil simulasi total profit produk udang terdiri atas 5 profit, dimana masing-masing total profit mewakili masing-masing perencanaan terhadap pembelian. Adapun hasil simulasi total profit produk udang ditampilkan dalam bentuk time table dengan formulasi 'Profit Produk Udang'+'Total Pendapatan Frozen Udang'. Rekapitulasi nilai hasil simulasi total profit produk udang dapat dilihat pada Tabel 5.13.
Tabel 5.13. Time Table Simulasi Total Profit Produk Udang
Profit Rencana Ke- Total Profit (Rp/Bulan)
1 Rp749.981.471
2 Rp847.598.000
3 Rp847.598.000
4 Rp669.121.239
5 Rp504.227.471
5.2.4.2.3.3.Hasil Simulasi Total Profit Produk Kepah
Hasil simulasi total profit produk kepah terdiri atas 5 profit, dimana masing-masing total profit mewakili masing-masing perencanaan terhadap pembelian. Adapun hasil simulasi total profit produk kepah ditampilkan dalam bentuk time table dengan formulasi 'Profit Produk Kepah'+'Total Pendapatan Frozen Kepah'. Rekapitulasi nilai hasil simulasi total profit produk kepah dapat dilihat pada Tabel 5.14.
Tabel 5.14. Time Table Simulasi Total Profit Produk Kepah
Profit Rencana Ke- Total Profit (Rp/Bulan)
1 Rp515.728.860
2 Rp1.259.218.913
3 Rp1.321.059.441
4 Rp1.137.936.790
5 Rp895.925.261
Sumber: Pengolahan Data dengan Menggunakan Software Powersim Studio 2005
5.2.5. Verifikasi
Langkah ini dilakukan untuk mengetahui apakah program simulasi yang dibuat berjalan sesuai dengan maksud yang diharapkan. Verifikasi model dapat dilakukan dengan pengujian verifikasi struktur model. Adapun langkah-langkah uji verifikasi struktur model adalah sebagai berikut:
1. Verifikasi Teoritis
Verifikasi teoritis dilakukan dengan membandingkan causal loop yang dibuat dengan sistem nyata yang ada. Pada sistem nyata, semakin besar pola tangkapan tentu akan membuat pembelian bahan semakin besar. Pada causal loop,
hubungan pembelian bahan dan persediaan produk makanan kaleng baik itu ikan tuna, udang maupun kepah adalah similar atau berbanding lurus artinya semakin besar penerimaan pembelian bahan maka persediaan produk juga akan makin besar. Oleh karena itu, verifikasi teoritis menunjukkan hubungan antara pembelian bahan, permintaan produk dan persediaan produk pada sistem nyata dengan causal loop yang dibuat telah sesuai dan benar. Hubungan komponen antara kapasitas maksimum reguler dengan jumlah bahan yang berlebih adalah
opposite atau berbanding terbalik artinya semakin besar kapasitas maksimum reguler yang diberikan pada proses tersebut maka jumlah bahan yang berlebih yang dapat diolah pada proses tersebut akan semakin kecil. Oleh karena itu, verifikasi teoritis menunjukkan hubungan antara perencanaan antara pembelian dengan permintaan produk pada sistem nyata dengan causal loop yang dibuat telah sesuai dan benar. Demikian pula, verifikasi teoritis untuk komponen-komponen lain.
2. Konsistensi Unit Analisis
Konsistensi unit analisis dilakukan dengan membandingkan formulasi secara manual dengan formulasi powersim pada equation window powersim. Formulasi pada powersim harus dibuat sesuai dengan konsep formulasi secara manual. Satuan yang terdapat pada formulasi powersim juga harus sesuai dengan satuan yang terdapat pada formulasi secara manual. Adapun perbandingan formulasi beberapa komponen secara manual dengan formulasi pada powersim dapat dilihat pada Tabel 5.15.
Tabel 5.15. Perbandingan Formulasi Komponen Manual dengan Powersim
No Komponen Formulasi secara
Manual
Formulasi pada Powersim
1 Pola Tangkapan
Ikan Tuna 1,1–23,15 Ton/hari RANDOM(1.1,23.15)*1<<Ton/da>> 2 Persentase yang
Layak Dijual 90%–100% RANDOM(90,100)*1<<%>> 3 Jumlah Permintaan Produk Kepah 216.000 – 288.000 Kaleng/bulan INTEGER(RANDOM(216000,288000))* 1<<Kaleng/mo>>
Verifikasi dilakukan pula dengan melakukan test run untuk melihat apakah ada masalah yang terjadi. Test run dilakukan dengan menginput nilai minimum yakni 0. Dengan logika, seharusnya jika input nilai adalah 0 maka output juga haruslah bernilai 0. Pada model yang dibuat, jika pola tangkapan dibuat 0 ton/hari maka pembelian bahan juga 0 ton/hari lalu produksi harian juga 0 ton/hari sampai dengan jumlah makanan kaleng yang masuk ke persediaan juga 0 kaleng/hari. Dari hasil test run, terlihat bahwa tidak terjadi masalah, yang berarti model telah terverifikasi.
5.2.6. Validasi
Setelah selesai melakuan verifikasi, barulah dilakukan validasi model untuk menilai kesahihan alat yang digunakan untuk melakukan simulasi yakni software powersim studio. Validasi model simulasi dilakukan dengan mengecek akurasi hasil program simulasi dan worksheet aplikasi yang lolos verifikasi.
Untuk memperoleh hasil simulasi yang mendekati hasil operasi sistem riil, pengulangan simulasi perlu dilakukan dengan menggunakan data tiruan yang bervariasi. Penggunaan data input tiruan yang bervariasi akan memberikan hasil yang bervariasi pada setiap pengulangan simulasi. Dengan demikian, maka pengulangan simulasi dalam siklus operasi yang sama perlu dilakukan untuk memperoleh nilai rata-rata yang representatif. Pengulangan juga perlu dilakukan karena dengan hasil simulasi yang bervariasi tidak dapat menentukan hasil simulasi yang terpakai.
Perolehan hasil simulasi yang berubah pada setiap ulangan tanpa pernah mencapai keadaan stabil, pengambilan keputusan akan dihadapkan dengan pemilihan nilai yang tepat mewakili nilai-nilai yang bervariasi. Untuk itu, validasi pada penelitian ini menggunakan nilai rata-rata sebagai nilai yang mewakili hasil simulasi. Namun nilai rata-rata juga mengalami perubahan dengan jumlah ulangan yang berbeda. Nilai rata-rata dapat bergerak turun-naik mendekati atau menjauhi nilai tengah dan cenderung mendekati nilai tengah dengan jumlah ulangan yang sama besar. Nilai rata-rata dan simpangan baku dari sejumlah nilai dapat ditentukan dengan menggunakan rumus-rumus sebagai berikut:
3. Nilai rata-rata
Selang kepercayaan adalah suatu rentang nilai yang mana di dalamnya terdapat tingkat kepercayaan atas kehadiran nilai tengah yang sebenarnya. Rentang nilai kepercayaan berbentuk simetris untuk 0, dimana jarak dari titik-titik ujung rentang nilai dengan nilai 0 adalah separuh lebar rentang yang diberi kode hw. Peluang kehadiran nilai tengah yang tidak diketahui di antara (0-hw) dan (0+hw) disebut tingkat kepercayaan. Adapun rumus perhitungan hw adalah sebagai berikut:
Nilai hw dapat digunakan pada penaksiran ukuran sampel atau ukuran data output simulasi yang memenuhi rentang selisih nilai rata-rata dengan nilai tengah yang ditentukan yaitu (0 ± µ).
Rentang selisih nilai rata-rata sampel dengan nilai tengah µ yang tidak diketahui adalah sebesar deviasi (d), dimana d = hw pada tingkat error relatif (er). Adapun rumus perhitungan standar deviasi (d) adalah sebagai berikut:
Untuk menaksir ukuran data yang diperlukan berdasarkan nilai hasil simulasi yang berukuran n yaitu n’, nilai tn-1, α/2 perlu digantikan dengan nilai Zα/2 dari tebl berdistribusi normal. Adapun perhitungan n’ adalah sebagai berikut:
Nilai Zα/2 pada tabel students t dapat diperoleh untuk t∞,α/2 dimana untuk α = 0,05 diperoleh t∞,α/2 = 1,96.
