Ringkasan Materi
Pada pertemuan pertama, mahasiswa dikenalkan pada prinsip dasar pemodelan dan simulasi, termasuk definisi, tujuan, serta manfaat dari penerapan teknik ini dalam dunia nyata. Pemodelan didefinisikan sebagai proses abstraksi sistem nyata ke dalam representasi matematis atau konseptual, sedangkan simulasi adalah eksekusi model tersebut untuk menganalisis perilaku sistem dalam berbagai kondisi.
Materi juga mencakup klasifikasi model berdasarkan karakteristiknya:
- Model Statis vs Dinamis: Model statis tidak mempertimbangkan perubahan waktu, sedangkan model dinamis menganalisis sistem yang berubah seiring waktu.
- Model Deterministik vs Stokastik: Model deterministik menghasilkan output yang pasti untuk input tertentu, sementara model stokastik melibatkan elemen acak dan probabilitas.
- Simulasi Kontinu vs Diskrit: Simulasi kontinu menggunakan persamaan diferensial untuk sistem yang berubah secara terus-menerus, sedangkan simulasi diskrit menganalisis sistem yang berubah pada titik waktu tertentu (event-driven).
Penugasan: Studi Kasus Sistem Antrian di Branda Cafe
1. Deskripsi Sistem
Branda Cafe merupakan tempat usaha kuliner yang menyajikan minuman dan makanan ringan dengan sistem pelayanan sebagai berikut:
Komponen sistem:
- Entitas: Pelanggan yang datang, memesan, dan menerima pesanan
- Server: 2 kasir dan 2 barista
- Kapasitas: Area tunggu untuk 15 pelanggan, 10 meja tempat duduk
- Variabilitas: Jumlah pelanggan berfluktuasi berdasarkan waktu (jam sibuk: 12.00-14.00 dan 18.00-20.00), hari (weekday vs weekend), dan faktor eksternal (cuaca, event khusus)
2. Karakteristik Sistem yang Layak Disimulasikan
Sistem antrian di Branda Cafe memenuhi kriteria sistem yang layak disimulasikan karena:
- Kompleksitas Tinggi: Melibatkan multiple servers (kasir dan barista), variabilitas input, dan interaksi antar komponen yang sulit diprediksi secara analitik.
- Sifat Stokastik: Kedatangan pelanggan mengikuti distribusi probabilitas (kemungkinan Poisson), waktu pelayanan bervariasi (kemungkinan Exponential atau Normal), menciptakan ketidakpastian yang tidak bisa diselesaikan dengan perhitungan deterministik.
- Sistem Dinamis: Kondisi sistem berubah seiring waktu dengan event-driven process (kedatangan, mulai layanan, selesai layanan).
- Eksperimen Berisiko: Mengubah jumlah kasir, barista, atau tata letak dalam sistem nyata memerlukan biaya dan dapat mengganggu operasional. Simulasi memungkinkan pengujian tanpa risiko.
- Dapat Diidentifikasi Bottleneck: Sistem memiliki potensi kemacetan di kasir (saat peak hour), barista (untuk pesanan kompleks), atau area tunggu (kapasitas terbatas).
3. Parameter dan Asumsi Sistem
| Parameter | Nilai/Distribusi | Keterangan |
|---|---|---|
| Arrival Rate (λ) | 20 pelanggan/jam (normal) 40 pelanggan/jam (peak) |
Distribusi Poisson |
| Service Time Kasir | μ₁ = 2-3 menit | Distribusi Normal (μ=2.5, σ=0.5) |
| Service Time Barista | μ₂ = 3-5 menit | Distribusi Normal (μ=4, σ=1) |
| Jumlah Server | 2 kasir, 2 barista | Multi-server system (M/M/c) |
| Queue Discipline | FIFO (First In First Out) | Standar antrian |
| Kapasitas Sistem | Max 15 di antrian | Pelanggan dapat balk jika penuh |
- Pelanggan tidak meninggalkan antrian setelah bergabung (no reneging)
- Tidak ada prioritas khusus dalam pelayanan
- Waktu perpindahan dari kasir ke barista diabaikan (negligible)
- Server tidak mengalami breakdown selama simulasi
4. Model Matematis
Sistem ini dapat dimodelkan menggunakan Queueing Theory dengan notasi Kendall: M/M/c/K
M/M/2/∞ untuk barista
Di mana:
- M pertama: Arrival distribution (Markovian/Poisson)
- M kedua: Service distribution (Markovian/Exponential)
- c: Jumlah server (2)
- K: Kapasitas sistem (15 untuk kasir, unlimited untuk barista)
5. Metrik Kinerja (Performance Metrics)
L (Average Queue Length)
Rata-rata jumlah pelanggan dalam antrian
Lq (Queue Length)
Rata-rata pelanggan yang menunggu dilayani
W (Average Time in System)
Rata-rata waktu pelanggan dari datang hingga selesai
Wq (Waiting Time)
Rata-rata waktu tunggu dalam antrian
ρ (Utilization Rate)
Tingkat kesibukan server (kasir/barista)
Pb (Balking Probability)
Probabilitas pelanggan pergi karena sistem penuh
6. Tujuan Simulasi
Simulasi sistem antrian di Branda Cafe dilakukan dengan tujuan spesifik:
| No | Tujuan | Target Metrik |
|---|---|---|
| 1 | Mengurangi waktu tunggu pelanggan | Wq < 5 menit (target industri F&B) |
| 2 | Mengoptimalkan jumlah server | Utilization rate 70-85% (efisien tanpa overload) |
| 3 | Meminimalkan balking | Pb < 5% (pelanggan pergi karena penuh) |
| 4 | Menganalisis kapasitas optimal | Menentukan jumlah meja dan area tunggu ideal |
| 5 | Menguji skenario operasional | Membandingkan 2 vs 3 kasir, 2 vs 3 barista |
7. Metodologi dan Tools Simulasi
Pendekatan Simulasi: Discrete Event Simulation (DES)
- Arena/Simul8: Software simulasi visual dengan drag-and-drop interface
- Python (SimPy): Library untuk discrete-event simulation dengan kontrol penuh
- Excel/Manual: Monte Carlo simulation untuk pembelajaran konsep dasar
- AnyLogic: Multi-method simulation platform untuk analisis kompleks
Langkah Eksekusi:
- Pengumpulan data empiris dari observasi lapangan (2 minggu)
- Analisis distribusi probabilitas menggunakan goodness-of-fit test
- Membangun model simulasi dengan parameter yang validated
- Verifikasi model (debugging) dan validasi (membandingkan dengan data nyata)
- Running simulasi dengan replikasi minimum 30 kali untuk confidence interval 95%
- Analisis sensitivitas terhadap perubahan parameter
- Rekomendasi kebijakan operasional berdasarkan hasil simulasi
8. Skenario Eksperimen
| Skenario | Konfigurasi | Hipotesis |
|---|---|---|
| Baseline (Current) | 2 kasir, 2 barista | Kondisi eksisting sebagai pembanding |
| Skenario 1 | 3 kasir, 2 barista | Mengurangi bottleneck di kasir saat peak hour |
| Skenario 2 | 2 kasir, 3 barista | Mempercepat pembuatan pesanan kompleks |
| Skenario 3 | 3 kasir, 3 barista | Optimasi maksimal (dengan analisis cost-benefit) |
| Skenario 4 | 2 kasir, 2 barista + Pre-order system | Mengurangi arrival rate dengan sistem pemesanan online |
9. Expected Outcomes
Hasil yang diharapkan dari simulasi ini:
- Identifikasi konfigurasi optimal untuk menurunkan Wq hingga < 5 menit
- Rekomendasi penambahan server dengan ROI analysis
- Pemahaman dampak variabilitas (weekend vs weekday, peak vs normal hours)
- Trade-off analysis antara biaya operasional dan customer satisfaction
- Kebijakan operasional berbasis data untuk meningkatkan throughput sistem
Simulasi ini akan memberikan dasar pengambilan keputusan yang obyektif bagi manajemen Branda Cafe untuk investasi SDM, optimasi layout, dan peningkatan kualitas layanan tanpa melakukan trial-and-error yang mahal di sistem nyata.