08 ,
28 166,81
166,81 560,85
50 05
, 3
2 2
=
− =
N
Karena nilai N’ ≤ N, maka pengamatan pelayanan benda kerja untuk
ukuran small, medium, dan large sebanyaknya 50 kali sudah mencukupi dan tidak perlu melakukan pengamatan lagi.
5.2.3. Uji Kesesuaian Distribusi Data
Uji kesesuaian distribusi data dilakukan untuk mengetahui distribusi yang sesuai untuk data yang diamati. Penggunaan distribusi statistik
pada simulasi ini karena adanya fenomena acak dari sistem sehingga kedatangan dan pelayanan nantinya saat simulasi bersifat probabilistik namun masih
berbentuk suatu pola distribusi tertentu. Dalam hal ini uji kesesuaian distribusi yang digunakan adalah
Kolmogorov-Smirnov dan Chi Square Uji statistik Kolmogorov-Smirnov cocok digunakan untuk jumlah distribusi data kecil 30 yaitu data kedatangan 10
data dan Chi Square untuk data banyak ≥ 30 yaitu data pelayanan 50 data
.
Adapun pengujian kesesuian distribusi data dilakukan dengan menggunakan hipotesa awal bahwa populasi yang diambil telah berdistribusi
tertentu. Dimana untuk data selang kedatangan berhipotesa awal populasi berdistribusi uniform karena selang kedatangan telah dijadwalkan secara tetap,
jumlah kedatangan berdistribusi poisson karena tidak ada hubungan jumlah kedatangan antara yang sebelumnya dengan berikutnya dan terakhir waktu
Universitas Sumatera Utara
pelayanan hipotesa awal berdistribusi normal karena proses pencucian meski telah memiliki prosedur pengerjaan tetapi masih menggunakan tenaga manual dan
memiliki variasi waktu yang cukup besar tiap pengerjaannya tetapi tidak terlalu besar untuk dihipotesakan sebagai distribusi eksponensial. Dengan pengujian ini
dapat ditentukan apakah data kedatangan dan pelayanan mengikuti pola distribusi hipotesa atau tidak.
Contoh bentuk probability density function PDF dari data dibandingkan dengan distribusi hipotesa masing-masing terlihat pada selang kedatangan lini1,
jumlah kedatangan lini 1 dan waktu pelayanan ukuran S. Perbandingan distribusi selang kedatangan dengan distribusi uniform
terlihat pada gambar 5.5.
Gambar 5.5. PDF Selang Kedatangan Lini 1
Sedangkan perbandingan distribusi jumlah kedatangan dengan distribusi poisson terlihat pada gambar 5.6.
Universitas Sumatera Utara
Gambar 5.6. PDF Jumlah Kedatangan Lini 1
Sedangkan perbandingan distribusi waktu pelayanan dengan distribusi normal terlihat pada gambar 5.7.
Gambar 5.7. PDF Pelayanan Ukuran Small
Universitas Sumatera Utara
Adapun ringkasan bentuk uji kesesuaian data terlihat pada tabel 5.7 Tabel 5.7. Bentuk Pengujian Distribusi
No Nama
n Uji
Bentuk Data
Nilai Htung
Nilai Tabel
Distribusi Uji
1. Selang
kedatangan lini 1
10 Kolmogorov
Smirnov Real
0.2093 0.490
uniform usi
berdistrib tidak
data :
uniform usi
berdistrib data
:
1
H H
2. Jumlah
kedatangan lini 1
10 Kolmogorov-
Smirnov Integer
0.2507 0.490
poisson usi
berdistrib tidak
data :
poisson usi
berdistrib data
:
1
H H
3. Selang
kedatangan lini 2
10 Kolmogorov-
Smirnov Real
0.1795 0.490
uniform usi
berdistrib tidak
data :
uniform usi
berdistrib data
:
1
H H
4. Jumlah
kedatangan lini 2
10 Kolmogorov-
Smirnov Integer
0.2514 0.490
poisson usi
berdistrib tidak
data :
poisson usi
berdistrib data
:
1
H H
5. Selang
kedatangan lini 3
10 Kolmogorov-
Smirnov Real
0.2059 0.490
uniform usi
berdistrib tidak
data :
uniform usi
berdistrib data
:
1
H H
6. Jumlah
kedatangan lini 3
10 Kolmogorov-
Smirnov Integer
0.1903 0.490
poisson usi
berdistrib tidak
data :
poisson usi
berdistrib data
:
1
H H
7. Pelayanan
ukuran Small
50 Chi Square
Real 4.5312
9.21
normal usi
berdistrib tidak
data :
normal usi
berdistrib data
:
1
H H
8. Pelayanan
ukurn Medium
50 Chi Square
Real 0.6374
9.21
normal usi
berdistrib tidak
data :
normal usi
berdistrib data
:
1
H H
9. Pelayanan
ukuran Large
50 Chi Square
Real 3.3449
9.21
normal usi
berdistrib tidak
data :
normal usi
berdistrib data
:
1
H H
Pengujian bentuk distribusi data kedatangan dan pelayanan dapat dilihat pada lampiran 1 uji distribusi manual.
Selain itu juga di lakukan penyesuaian parameter distribusi data dimana dilakukan dengan bantuan software Easy Fit Standart 5,0 lampiran 2.
Penyesuaian ini dilakuakan karena pemakaian software akan membuat parameter distribusi yang akan dimasukkan ke dalam ProModel semakin sesuai dengan
bentuk distribusi data pengamatan.
Universitas Sumatera Utara
Rekapitulasi hasil pengujian pola distribusi kedatangan dan pelayanan departemen washing dapat dilihat padat Tabel 5.8 berikut:
Tabel 5.8. Pola Distribusi Data No
Nama Data Distribusi
Parameter
1. Selang kedatangan lini 1
Uniform
a=38.454 b=42.866
2. Jumlah kedatangan lini 1
Poisson
λ=233.5
3. Selang kedatangan lini 2
Uniform
a=38.66 b=43.238
4. Jumlah kedatangan lini 2
Poisson
λ=235.5
5. Selang kedatangan lini 3
Uniform
a=39.309 b=42.583
6. Jumlah kedatangan lini 3
Poisson
λ=227.3
7. Pelayanan ukuran Small
Normal
σ=0.29762 µ=3.3362
8. Pelayanan ukuran Medium
Normal
σ=0.24778 µ=3.7892
9. Pelayanan ukuran Large
Normal
σ=0.27738 µ=4.2386
5.2.4. Penyusunan Program Aplikasi Simulasi