Validitas merupakan proses dalam menentukan apakah model dapat direpresentasikan seperti sistem nyata atau tidak (Hoover dan Perry, 1990). Sedangkan menurut Law dan Kelton (2000) validitas merupakan proses dalam menentukan apakah model simualsi merepresentasikan sistem secara akurat untuk tujuan tertentu atau tidak. Model dikatakan valid jika model tersebut dibangun berdasarkan informasi yang akurat dan diverifikasi seperti yang diharapkan (Harrel dkk, 2000). Adapun beberapa teknik yang dapat digunakan dalam validitas model adalah sebagai berikut:
1. Melihat animasi model
Animasi tentang bagaimana visual model bekerja dapat dibandingkan dengan bagaimana sistem nyata berjalan dengan bantuan dari ahlinya.
Ghea Novani, 2014
Simulasi Proses Poisson Nonhomogen Pada Pelayanan Permintaan Darah Di Bank Darah RSUP Dr. Hasan Sadikin Bandung
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Validitas dilakukan dengan membandingkan model simulasi dengan sistem nyata dengan cara memberi input dan kondisi yang sama.
3. Membandingkan dengan model lain
Jika model valid lain telah dibentuk dari proses seperti dari teknik analytics models, dan model simulasi valid lainnya, hasil simulasi dapat dibandingkan. 4. Memeriksa validitas
5. Menguji dengan data historis
Jika terdapat data historis operasi dan kinerja sistem, maka model dapat diuji dengan menggunakan data historis kinerja sistem.
belum Mulai
Pengelompokan Data dengan Ms. Excel
Pengujian model dengan SPSS
Uji Verifikasi Model
Apakah model Pengujian Asumsi
44
Ghea Novani, 2014
Simulasi Proses Poisson Nonhomogen Pada Pelayanan Permintaan Darah Di Bank Darah RSUP Dr. Hasan Sadikin Bandung
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Gambar 3.4 Skema Alur Penelitian dengan Simulasi untuk Analisis Sistem Pelayanan Permintaan Darah
Ghea Novani, 2014
Simulasi Proses Poisson Nonhomogen Pada Pelayanan Permintaan Darah Di Bank Darah RSUP Dr. Hasan Sadikin Bandung
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
5.1 Kesimpulan
1. Pelayanan Permintaan Darah selama sembilan hari di Bank Darah RSUP Dr. Hasan Sadikin Bandung telah mampu dimodelkan dengan menggunakan Matlab, di mana model permintaan darah merupakan proses Poisson Nonhomogen. Selain itu, ukuran banyaknya permintaan darah mengikuti distribusi Lognormal dengan rerata 4,5 unit kantong darah untuk keperluan operasi (ICU, Bedah) dan 2 unit kantong darah untuk keperluan rawat inap dan rawat jalan.
2. Dengan membandingkan hasil simulasi dengan data historis, dapat dikatakan bahwa data permintaan darah hasil simulasi cukup merepresentasikan data historis permintaan darah minggu kedua di Bulan Juni 2014. Dengan demikian, Bank Darah RSUP Dr. Hasan Sadikin Bandung dapat menggunakan hasil simulasi yaitu tingkat permintaan darah tertinggi yang diperoleh sebagai salah satu referensi dalam hal mengantisipasi banyaknya permintaan darah yang datang.
5.2 Saran
1. Bank Darah RSUP Dr. Hasan Sadikin dapat menggunakan hasil simulasi sebagai salah satu referensi untuk mengantisipasi tingkat permintaan darah sehingga pelayanan yang terbaik bisa terpenuhi.
2. Saran yang dapat penulis berikan untuk penelitian selanjutnya adalah mempunyai kemampuan dalam menganalisis sistem dengan baik dan dapat mengimplementasikannya dalam sebuah algortitma pemrograman di Matlab. Selain itu pula, dari penelitian ini, dapat dikembangkan untuk
Ghea Novani, 2014
Simulasi Proses Poisson Nonhomogen Pada Pelayanan Permintaan Darah Di Bank Darah RSUP Dr. Hasan Sadikin Bandung
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
mencari estimasi fungsi intensitas dari Proses Poisson Nonhomogen dengan metode-metode yang sesuai.
Ghea Novani, 2014
Simulasi Proses Poisson Nonhomogen Pada Pelayanan Permintaan Darah Di Bank Darah RSUP Dr. Hasan Sadikin Bandung
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Cohen, M.A., dan Pierskalla, W.P. (1974). Perishable Inventory Theory and Its Application to Blood Bank Management, National Center for Health Services Research and Development.
Cohen, M.A., dan Pierskalla, W.P. (1979). Simulation of Blood bank System, National Center for HealthServices Research and Development.
Cohen, M.A., dan Pierskalla, W.P. (1979). Target Inventory for a Hospital Blood Bank or Decentralized Regional Blood Banking System, Transfusion 9(4). Depkes RI, 2008a. Pelatihan Cash Program Petugas Teknis Transfusi Darah
Bagi Petugas UTDRS Modul 1.Jakarta: Departemen Kesehatan RI.
Depkes RI, 2008b. Pelatihan Cash Program Petugas Teknis Transfusi Darah Bagi Petugas UTDRS Modul 2.Jakarta: Departemen Kesehatan RI.
Harrel, C. Ghosh, B.K., dan Bowden, R.O. (2004). Simulation Using Promodel Second Edition. New York: McGraw-Hill.
Hoog, V. R dan Craig, A. T. (1978). Introduction to Mathematical Statistics. New York: Macmillan Publishing Co., Inc.
Hoog, V. R dan Craig, A. T. (2004). Introduction to Mathematical Statistics. China: Pearson Education Asia.
Herryanto, Nar. dan Gantini, Tuti. (2009). Pengantar Statistika Matematis.
Bandung: Yrama Widya.
Hoover, S. dan Perry, R. (1990). Simulation: A Problem Solving Approach. Reading-MA: Addison-Wesley.
Katsaliaki, K. dan Brailsford, S.C. (2007). Using simulation to improve the blood supply chain, Journal of Operational Research Society (2007) 5, hlm. 219-227.
Kurniawan, D (2008). Regresi Linear [Online]. Tersedia:
http://ineddeni.files.wordpress.com/2008/07/regresi_linier.pdf [10 Mei 2014].
65
Ghea Novani, 2014
Simulasi Proses Poisson Nonhomogen Pada Pelayanan Permintaan Darah Di Bank Darah RSUP Dr. Hasan Sadikin Bandung
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Law, M.A dan Kelton, D.W. (2004). Simulation Modeling and Analysis Third Edition. New York: McGraw-Hill.
Leemis, M.L. (1991). Nonparametric Estimation of the Cumulative Intensity Function for a Nonhomogeneous Poisson Process. Management Science, Vol. 37, No. 7. (Jul., 1991), hlm. 886-900.
Munir, Rinaldi. (2010) . Pembangkit Bilangan Acak Semu [Online]. Tersedia:
http://informatika.stei.itb.ac.id/~rinaldi.munir/Kriptografi/2010-2011/Pembangkit%20Bilangan%20Acak.ppt [26 Maret 2014]
Lelono Djati, Bonett Satya. (2007). Simulasi: Teori dan Aplikasinya. Yogjakarta: Penerbit Andi.
Pierskalla, W.P. (2004). Supply Chain Management Of Blood Banks. Operations Research And Health Care, hlm. 104-145.
Ross, M.S. (2004). Simulation: Fourth Edition. New York: Elsevier Academic Press.
Ross, M.S. (2009). Introduction to Probability Models. Massachusetts: Academic Press.
Terzi, S., dan Cavalieri, S. 2004, Simulation in the supply chain context: A survey, Compt Ind 53, hlm: 3-16.
Thompson, J.R. (2000). Simulation, A Modeler Approach. New York : John Wiley & Son, Inc.