Professional Documents
Culture Documents
SKRIPSI
Disusun oleh :
Nama : Kurniawati
NIM : 4150403014
Program Studi : Matematika S1
Jurusan : Matematika
SKRIPSI
SIMULASI MODEL ANTRIAN
PADA PEMBAYARAN REKENING LISTRIK DENGAN ARENA 5.0
(Studi Kasus Pada PLN SEMARANG TENGAH)
Anggota Penguji,
Drs. Sugiman, M. Si
NIP. 131813673
ii
iii
PERNYATAAN
Dengan ini saya menyatakan bahwa skripsi ini tidak terdapat karya yang
dan sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang
pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis dirujuk
Kurniawati
NIM. 4150403014
iii
MOTTO DAN PERSEMBAHAN
MOTTO
PERSEMBAHAN
iv
ABSTRAK
v
KATA PENGANTAR
“Simulasi Model Antrian Pada Pembayaran Rekening Listrik dengan Arena 5.0
(Studi Kasus Pada PLN Semarang Tengah)” ini dapat selesai dengan baik.
membantu dalam terselesaikannya skripsi ini. Untuk itu, pada kesempatan ini
Semarang.
Semarang.
6. M. Heru Sunarto, Kepala PLN Semarang Tengah yang telah memberikan ijin
Penulis
vi
DAFTAR ISI
Halaman
PENGESAHAN .............................................................................................. ii
ABSTRAK ...................................................................................................... v
BAB I PENDAHULUAN
B. Permasalahan ............................................................................ 3
vii
D. Distribusi Probabiltas kontinu ................................................... 8
BAB V PENUTUP
A. Simpulan ................................................................................... 52
B. Saran .......................................................................................... 54
LAMPIRAN-LAMPIRAN
viii
DAFTAR TABEL
Halaman
10. Tabel 5.3 Waktu Tunggu dan Panjang Antrian Maksimum ..................... 53
ix
DAFTAR GAMBAR
Halaman
x
DAFTAR LAMPIRAN
Halaman
1. Lampiran 1 Data Penelitian Antrian Pelanggan ....................................... 56
xi
BAB I
PENDAHULUAN
A. Latar Belakang
pelayanan itu. Hal ini dapat dilihat ketika terjadi baris tunggu dari konsumen,
saat itu bagian pelayanan sedang melayani yang lainnya, sehingga tidak
tentang antrian, baik skala kecil maupun skala besar yang membutuhkan
penyelesaian serta solusi yang optimal. Antrian dapat ditemui pada beberapa
pembayaran.
1
juga kegiatan-kegiatn lain yang terkait dengan hal tersebut dalam bidang jasa
terdapat hal yang cukup menarik perhatian yaitu disaat terjadi antrian yang
listrik dan beberapa hari sesudahnya. Hal tersebut juga terjadi di PLN
Semarang Tengah. Masalah yang sering timbul dari keadaan tersebut adalah
pelanggan dan lain-lain. Oleh karena itu waktu merupakan sumber daya yang
Dewasa ini, simulasi telah menjadi suatu hal yang sangat penting.
simulasi sebagai salah satu teknik untuk memecahkan masalah. Salah satu
Arena 5.0 merupakan alat yang fleksibel dalam analisis untuk membuat
2
banyak sistem. Arena merupakan solusi yang unggul untuk keputusan bisnis
antrian pada loket pembayaran rekening listrik dengan menggunakan arena 5.0
B. Permasalahan
sebagai berikut :
rekening listrik ?
C. Batasan masalah
Semarang, selama 3 hari yang dipilih secara random pada periode sibuk.
pelanggan.
3
D. Tujuan Penelitian
rekening listrik.
E. Manfaat Penelitian
untuk:
model antrian.
kepada masyarakat.
F. Sistematika Skripsi
Secara garis besar sistematika skripsi ini dibagi menjadi 3 bagian, yaiu
halaman motto dan persembahan, kata pengantar, daftar isi dan abstrak.
4
Bagian isi dibagi menjadi 5 bab, yaitu sebagai berikut :
1. Bab I Pendahuluan
sistematika skripsi.
Pada bab ini berisi metode penelitian, metode pengumpulan data dan
pengolahan data.
Bab ini berisi tentang hasil penelitian dan pembahasan, sebagai jawaban
dari permasalahan.
5. Bab V Penutup
Penutup berisi simpulan yang diperoleh dari hasil penelitian dan saran.
Bagian akhir dari skripsi ini adalah daftar pustaka dan lampiran-lampiran.
5
BAB II
LANDASAN TEORI
A. Teori Probabilitas
berikut.
yang pasti.
yang mungkin dari suatu eksperimen acak, disebut ruang sampel (Djauhari,
(Djauhari, 1990:4).
Bila probabilitas suatu kejadian bernilai 0, maka kejadian tersebut tidak akan
6
kejadian tersebut pasti terjadi. Probabilitas suatu peristiwa atau kejadian adalah
suatu atau beberapa kemungkinan hasil dari suatu tindakan. (Dimyati, dkk,
1999: 301)
B. Peubah Acak
Definisi 2.1
Peubah acak X dikatakan diskrit, bila ruang dari X terbilang. Jika ruang
Definisi 2.2
a. f ( x) ≥ 0 untuk setiap x di S
b. ∑ f (x ) = 1
x∈S
7
Jika peubah acak X diskrit dengan f.k.p. f ( x) , maka probabilitas suatu
Definisi 2.3
a. f ( x) ≥ 0 untuk setiap x di S
b. ∫ f ( x) = 1
x∈S
Jika Peubah acak X kontinu dengan f.k.p. f ( x), maka probabilitas suatu
berikut.
1. Distribusi Eksponensial
Definisi 2.4
berikut.
⎧ μ e − μ x ; x > 0, μ > 0
⎪
f ( x) = ⎨
⎪0
⎩ ; x yang lain
8
1 1
dengan mean dan varians .
μ μ2
(Taha, 1997:14)
⎛1⎞
X ~ EXP⎜⎜ ⎟⎟ .
⎝μ⎠
2. Distribusi Beta
Definisi 2.5
⎧ Γ (α + β ) α −1
⎪⎪ Γ (α ) Γ(β ) x (1 − x )
β −1
; 0 < x <1
f ( x) = ⎨
⎪
⎪⎩ 0 ; x yang lain
α αβ
dengan mean dan varians .
α +β (α + β ) (α + β + 1)
2
(Taha, 1997:17)
X ~ BETA(α , β ) .
3. Distribusi Triangular
Definisi 2.6
berikut.
9
⎧ 2( x − a )
⎪ (b − a)(c − a) ' ; a≤ x≤b
⎪
⎪
⎪
f ( x) = ⎨ 2(c − x)
⎪ (c − b)(c − a) ' ; b< x≤c
⎪
⎪
⎪⎩ 0 ; x yang lain
a+b+c a 2 + b 2 + c 2 − ab − ac − bc
dan .
3 18
(Taha, 1997:18)
X ~ TRIA(a, b, c) .
4. Distribusi Weibull
Definisi 2.7
berikut.
⎪
f ( x) = ⎨
⎪0
⎩ ; x yang lain
1⎛1⎞ 1 ⎡ ⎛ 2 ⎞ 1 2 ⎛ 1 ⎞⎤
dengan mean Γ⎜ ⎟ dan variansi
αμ ⎝α ⎠ αμ2 ⎢2Γ⎜ α ⎟ − α Γ ⎜ α ⎟⎥ .
⎣ ⎝ ⎠ ⎝ ⎠⎦
(Taha, 1997:17)
X ~ WEIB(α , 1 ) .
μ
10
5. Distribusi Erlang
Definisi 2.8
berikut.
⎧ μ
⎪⎪ Γ(α ) (μ x ) e ; x > 0, α > 0, μ > 0
α −1 − μ x
f ( x) = ⎨
⎪
⎪⎩0 ; x yang lain
α α
dengan mean dan variansi 2 .
μ μ
(Taha, 1997:15)
X ~ ERLA(α , 1 ) .
μ
Satu cara yang cepat untuk memeriksa apakah satu himpunan data mentah
bersesuain dari distribusi teoritis yang bersangkutan. Jika kedua fungsi tersebut
besar bahwa distribusi teoritis itu sesuai dengan data mentah tersebut.
11
Gagasan untuk membandingkan distribusi empiris dan distribusi teoritis
adalah dasar untuk uji Kolmogorov-Smirnov (K-S). Uji ini, hanya dapat
tertentu.
Uji statistik lainnya, yang berlaku baik untuk variabel acak diskrit
maupun kontinu adalah uji chi- square. Uji ini didasari oleh perbandingan fungsi
1. Uji Chi-square
Uji chi- square didasari oleh pengukuran ”jumlah” deviasi antara fungsi
Ii
f e = n ∫ f (t ) dt , i = 1,2,..., m
I i −1
asumsi bahwa f 0 adalah frekuensi empiris yang diamati di sel i, sebuah ukuran
m
( f 0 − f e )2
χ =∑
2
x =0 fe
12
a. H0 : Sampel yang diambil berasal dari populasi berdistribusi θ ,
H1 : H0 tidak benar.
b. Menentukan daerah kritis pada tingkat signifikansi α . Pada skripsi ini nilai
derajat bebas m-k-1, dimana k adalah jumlah parameter yang diestimasi dari
2. Uji Kolmogorov-Smirnov
Dapat diartikan bahwa data yang diambil dapat didekati oleh distribusi
b. Menentukan daerah kritis pada tingkat signifikansi α . Pada skripsi ini nilai
dengan S(x) merupakan banyaknya nilai observasi yang kurang dari atau
13
sama dengan x, dibagi n, n adalah banyaknya seluruh observasi. Peran
F. Konsep Antrian
1. Sistem Antrian
antrian adalah suatu proses kelahiran kematian dengan suatu populasi yang
atau yang sedang dilayani. Suatu kelahiran terjadi apabila seorang pelanggan
terlalu panjang yang lebih dikenal dengan istilah balking. Menurut Mulyono
(2002) pelanggan yang tak sabar dan memutuskan untuk meninggalkan sistem
a. Kedatangan
yakni waktu antara kedatangan dua pelanggan yang berurutan pada suatu
14
fasilitas pelayanan. Pola ini dapat deterministik (yakni, diketahui secara
dianggap telah diketahui. Pola ini dapat bergantung pada jumlah pelanggan
yang berada dalam sistem, atau tidak bergantung pada keadaan sistem
antrian ini.
Para pelanggan datang satu per satu atau secara berombongan. Bila tidak
b. Pelayanan
Pola pelayanan dicirikan oleh waktu pelayanan (service time), yakni waktu
pelayanan dapat bersifat deterministik, atau berupa suatu variabel acak yang
Para pelanggan dapat dilayani oleh satu pelayan atau membutuhkan suatu
dasarnya adalah bahwa satu pelayan saja dapat melayani secara tuntas
c. Fasilitas pelayanan
2) Bentuk paralel, dalam beberapa garis lurus yang antara yang satu dengan
15
d. Disiplin Antrian
Disiplin antrian adalah aturan dimana para pelanggan dilayani, atau disiplin
didasarkan pada :
FIFO (First In First Out) merupakan suatu peraturan di mana yang akan
kereta api
LIFO (Last In First Out) merupakan antrian dimana yang datang paling
akhir adalah yang dilayani paling awal. Contohnya adalah pada sistem
bongkar muat barang di dalam truk, dimana barang yang masuk terakhir
16
e. Kapasitas Sistem
sedang dilayani dan yang berada dalam antrian, yang dapat ditampung oleh
fasilitas pelayanan pada saat yang sama. Sebuah sistem yang tidak
f. Sumber Pemanggil
berupa mesin maupun manusia. Bila ada sejumlah mesin yang rusak maka
17
Antrian Pelayan
Antrian Pelayan
Antrian Pelayan
Antrian Pelayan
jumlah pelayan satu orang disebut sistem saluran tunggal. Sedangkan antrian
pelayanan sebanyak k pelayan dipasang secara paralel dan barisan antrian bisa
18
4. Notasi Kendall
Notasi kendall merupakan notasi untuk merinci ciri dari suatu antrian.
D Deterministik
Waktu antar kedatangan
M Terdistribusi secara eksponensial
Atau
Ek Distribusi Erlang, tipe k (k=12,...)
Waktu pelayanan
G Distribusi yang lain
19
G. Terminologi dan Notasi
sistem antrian.
dalam sistem.
1
s μ jika n ≥ s sehingga seluruh pelayan (sejumlah s sibuk). Dalam hal ini
λ
1
menyatakan ekspektasi waktu di antara kedatangan, sedangkan menyatakan
μ
20
λ
ρ= adalah faktor penggunaan (utilisasi) untuk fasilitas pelayanan,
sμ
Jika suatu sistem antrian telah mulai berjalan, keadaan sistem (jumlah
pelanggan dalam sistem) akan sangat dipengaruhi oleh state (keadaan) awal dan
waktu yang telah dilalui. Dalam keadaan seperti ini, sistem dikatakan dalam
terhadap state awal tersebut, dan juga terhadap waktu yang dilaluinya. Keadaan
state.
ditulis λ . Maka dalam proses antrian yang steady state diperoleh L = λ W dan
1
konstan untuk semua n ≥ 1 sehingga cukup ditulis sebagai , maka diperoleh
μ
1
W = Wq + . (Dimyati, dkk, 1999 : 354)
μ
21
H. Model-Model Antrian
1. Sistem M/M/1
2. Sistem M/M/s
Sistem M/M/s adalah suatu proses antrian yang memiliki suatu pola
3. Sistem M/M/1/K
fasilitas pelayanannya pada saat yang sama. Apabila fasilitas pelayanan ini
penuh maka para pelanggan yang datang kemudian akan ditolak dan tidak
4. Sistem M/M/s/K
sistemnya berhingga.
22
5. Sistem Prioritas Pelayanan
hari, banyak sekali situasi yang memenuhi sistem seperti ini, misalnya pada
antrian paralel, dalam antrian ini antrian yang pertama mempunyai prioritas
6. Sistem Swalayan
Pada sistem ini jumlah pelayan menjadi tidak terbatas karena setiap
7. Antrian Non-Poisson
tidak mengikuti asumsi Poisson mengarah pada hasil analisis yang sangat
simulasi sebagai alat analisis dalam kasus-kasus seperti ini sangat disarankan.
I. Solusi Steady-State
sistem antrian tersebut independent terhadap keadaan awal, dan juga terhadap
waktu yang telah dilaluinya. Ukuran-ukuran kinerja yang terpenting dari situasi
23
Dari persamaan Kolmogorov diperoleh:
λn −1λn − 2 ...λ0
Pn = P0
μ n μ n −1...μ1
λn −1λn − 2 ...λ0
Misalkan Cn = untuk n = 1,2,3,.... , maka probabilitas steady-
μ n μ n −1...μ1
statenya adalah:
Pn = Cn P0 , untuk n = 1,2,3,...
∞
Diketahui ∑P
n=0
n = 1 , maka dari persamaan diperoleh:
∞ ∞
∑ Pn = ∑ Cn P0
n=0 n=0
∞
⇔ 1 = C0 P0 + ∑ Cn P0
n =1
∞
⇔ 1 = P0 + ∑ Cn P0
n =1
⎡ ∞
⎤
⇔ ⎢1 + ∑ Cn ⎥ P0 = 1
⎣ n =1 ⎦
1
⇔ P0 = ∞
1 + ∑ Cn
n =1
∞
L = ∑ nPn
n=0
∞
Lq = ∑ (n − s )Pn
n= s
24
Terdapat hubungan yang kuat antara L dengan W, juga antara Lq
L Lq
W = dan Wq =
λ λ
λ
dapat tercapai. Asumsi ini berlaku jika ρ = < 1.
sμ
J. Model Simulasi
lingkup luas menggunakan desain tiruan yang dihasilkan oleh suatu software
1. Sistem
2. Entitas
3. Atribut
25
4. Variabel
5. Resources
Entitas yang berasal dari suatu Resources dapat bergerak di dalam sistem jika
keluarkan).
6. Queue (antrian)
entitas lain yang sedang berproses dalam sistem, sehingga entitas yang tidak
dapat bergerak tersebut dapat ditampung dalam suatu wadah sampai entitas
(antrian).
7. Events (kejadian)
Pada skripsi ini terdapat 3 kejadian yaitu kedatangan, pelayanan dan selesai.
8. Statistical accumulators
penelitian ini komponen ini terdiri dari waktu tunggu, panjang antrian, utilitas
26
Untuk membuat model simulasi dalam Arena 5.0 terdapat 3 daerah utama
1. Project Bar
27
Ada 2 jenis modul di basic process panel ini :
1) Flowchart modul
dispose.
2) Data modul
c. Navigate
lainnya.
28
3. Model window – spreadsheet view
Di dalam jendela ini akan ditampilkan model data seperti waktu, biaya
29
BAB III
METODE PENELITIAN
A. Metode Penelitian
1. Studi Pustaka
Studi pustaka adalah menelaah sumber pustaka yang relefan tentang teori
2. Studi Kasus
observasi. Data diambil secara langsung pada sistem antrian yang ada pada
penelitian dilaksanakan pada periode sibuk, yaitu tanggal 17, 19 dan 21 Mei
2007.
C. Pengolahan Data
sebagai berikut :
30
Data primer diambil selama 3 hari yang dipilih secara random, berupa data
Pada tahap analisis data digunakan Uji Goodness of Fit yaitu dengan uji
simulasi.
D. Penarikan Simpulan
31
BAB IV
Teknik simulasi merupakan salah satu cara yang lebih baik dalam
suatu antrian atau baris tunggu. Baris tunggu ini terjadi di setiap loket yang
ada, diwakili oleh nomor antrian yang dikeluarkan oleh mesin antrian
32
ini merupakan waktu yang diperhitungkan sebagai waktu tunggu pelanggan
di dalam sistem.
6. Tahap selanjutnya adalah proses transaksi. Pada tahap ini dicatat waktu
gambar 4.1.
Kedatangan
Loket 1 Selesai
Loket 3
Selesai
B. Deskripsi Data
terlalu besar dalam antrian. Data AIT dapat dilihat pada Lampiran 2.
33
2. Waktu Pelayanan Pelanggan (ST)
seorang pelanggan pada setiap loket yang ada. Waktu pelayanan pelanggan
C. Analisis Data
berdasar output Arena 5.0 seperti pada Lampiran 4 dengan uji Kolmogorov-
34
a. Hipotesis :
H1 : H0 tidak benar.
Tanggal p Ekspresi
17 Mei 2007 0,0274 0,11 + EXPO (1,13)
19 Mei 2007 0,0771 0,2 + EXPO (0,541)
21 Mei 2007 0,0819 0,25 + EXPO (0,676)
d. Kesimpulan :
Dari Tabel 4.1 terlihat nilai p > α = 0,01 untuk semua hari yang
35
seorang pelanggan (Lampiran 3). Verifikasi ini dilakukan pada setiap loket .
Arena 5.0 seperti pada Lampiran 4 dengan uji chi square sebagai berikut.
a. Hipotesis :
H1 : H0 tidak benar.
berikut.
36
d. Kesimpulan :
Pada Arena 5.0 nilai statistik uji χ 2 diganti dengan nilai asimptotik,
Tengah, jadi peneliti akan melihat kinerja dari masing-masing loket yang
pada tanggal 17 Mei 2007 berdistribusi Erlang. Dari output Arena 5.0
diamati, H0 yang akan diuji adalah distribusi yang tercantum pada kolom
ketiga di Tabel 4.2, karena nilai p > α = 0,01 untuk semua loket yang
dilihat pada kolom ekspresi pada tabel 4.2. Untuk distribusi waktu
37
distribusi Erlang, walaupun nilai p kurang dari 0,01. Hal ini disebabkan
karena hasil plot yang diperoleh lebih mendekati distribusi Erlang daripada
Loket 1
0
K edatangan
0
Masuk Loket?
33
33
Els e
S elesai
Loket 2
Loket 3
modul create. Modul ini digunakan sebagai titik awal masuknya entitas
38
Name : Kedatangan
Type : Expression
Units : Minutes
keputusan yang akan diambil dalam sistem. Atribut dalam modul decide
proses utama dalam simulasi. Process dalam model simulasi ini ada 3,
1) Process 1
Name : Loket 1
Type : Standard
Resources : 1 rows
39
Delay Type : Expression
Units : Minutes
2) Process 2
Name : Loket 2
Type : Standard
Resources : 1 rows
Units : Minutes
3) Process 3
Name : Loket 3
Type : Standard
Resources : 1 rows
Units : Minutes
40
Expression : 0,42 + EXPO (0,674)
titik akhir entitas dalam model simulasi. Atribut dalam modul dispose ini
sebagai berikut.
Name : Selesai
berikut.
Name : Kedatangan
Type : Expression
Units : Minutes
b. Langkah kedua digunakan modul decide. Atribut dalam modul decide ini
sebagai berikut.
41
c. Langkah ketiga digunakan modul process. Atribut dalam modul process
1) Process 1
Name : Loket 1
Type : Standard
Resources : 1 rows
Units : Minutes
2) Process 2
Name : Loket 2
Type : Standard
Resources : 1 rows
Units : Minutes
42
3) Process 3
Name : Loket 3
Type : Standard
Resources : 1 rows
Units : Minutes
Name : Selesai
Name : Kedatangan
Type : Expression
Units : Minutes
43
Max Arrivals : infinite
b. Langkah kedua digunakan modul decide. Atribut dalam modul decide ini
sebagai berikut.
1) Process 1
Name : Loket 1
Type : Standard
Resources : 1 rows
Units : Minutes
Minimum : 0,02
Value : 0,603
Maximum : 2,35
2) Process 2
Name : Loket 2
Type : Standard
44
Action : Seize Delay Release
Resources : 1 rows
Units : Minutes
Minimum : 0,19
Value : 0,713
Maximum : 2,28
3) Process 3
Name : Loket 3
Type : Standard
Resources : 1 rows
Units : Minutes
Name : Selesai
45
Untuk menjalankan model simulasi yang telah dibuat, klik
λ
waktu sibuk para pelayan, ρ = . Dalam sistem ini nilai ρ harus kurang
sμ
dari satu, karena sistem ini sistem tak terbatas. Nilai utilitas terjadwal
46
Dari Tabel 4.3, rata-rata utilitas tejadwal yang paling besar pada
tanggal 17 Mei 2007 terjadi di loket 2 yaitu sebesar 0,2769 atau mencapai
28%. Utilitas terjadwal di loket 1 dan 3 sebesar 22% dan 25%. Dengan
demikian, di ketiga loket tidak terjadi kepadatan yang terlalu besar. Rata-
rata utilitas tejadwal yang paling besar pada tanggal 19 Mei 2007 terjadi di
loket 2 yaitu mencapai 44%. Utilitas terjadwal di loket 1 dan 3 sebesar 42%
dan 35%. Dengan demikian, di ketiga loket juga tidak terjadi kepadatan
yang terlalu besar. Rata-rata utilitas tejadwal yang paling besar pada tanggal
loket 1 dan 3 sebesar 32% dan 24%. Dengan demikian, di ketiga loket juga
Dari Tabel 4.3 terlihat bahwa nilai rata-rata utilitas terbesar terjadi
pada tanggal 19 Mei 2007, hal ini sebanding dengan laju rata-rata
kedatangan pelanggan pada hari tersebut yang cukup besar. Jadi semakin
Dari Tabel 4.4, untuk tanggal 17 dan 21 Mei 2007 terlihat rata-rata
waktu tunggu terlama terjadi pada loket 2, pada Tabel 4.5 rata-rata antrian
terpanjang terjadi pada loket 2 begitu pula utilitas terjadwal yang paling
padat terjadi pada loket 2. Hal ini disebabkan karena waktu tunggu dan
lama waktu tunggu pelanggan dan semakin panjang antrian maka semakin
47
2. Waktu Tunggu Pelanggan di Masing-Masing Loket
yang ada pada PLN Semarang Tengah adalah ketika pelanggan berada
dalam baris tunggu setelah mengambil nomor antrian hingga mulai dilayani
tanggal 17 Mei 2007 terjadi di loket 2 yaitu sebesar 0,3143766 menit. Pada
tanggal 19 Mei 2007 waktu tunggu terlama terjadi di loket 1 yaitu sebesar
0,51021 menit dan pada kondisi tertentu waktu tunggu mencapai 4,460337
menit. Waktu tunggu terlama pada tanggal 21 Mei 2007 terjadi di loket 2
1,7381226 menit.
48
Dari output waktu tunggu ini terlihat bahwa rata-rata waktu tunggu
dan waktu tunggu maksimum yang paling lama terjadi pada tanggal 19 Mei
2007, waktu tunggu maksimum bisa mencapai 5 menit. Hal ini disebabkan
akan dikenakan denda, oleh karena itu banyak pelanggan yang memilih
49
Berdasarkan Tabel 4.5, rata-rata panjang antrian di setiap loket
sebanyak 1 orang dan pada kondisi tertentu panjang antrian dapat mencapai
antrian yang panjang. Dari Tabel 4.4, waktu tunggu maksimum pada
tanggal 17 Mei 2007 terjadi di loket 2 yaitu mencapai 4 menit, hal ini
loket 1 dan loket 3 yaitu sebanyak 3 orang. Begitu pula yang terjadi pada
mencapai 5 menit, hal ini sejalan dengan antrian terpanjang yang terjadi di
loket 1 yaitu sebanyak 4 orang. Panjang antrian yang terjadi pada tanggal 21
50
Berdasarkan Tabel 4.6, rata-rata waktu total yang dihabiskan
Semarang Tengah pada tanggal 17 Mei 2007 sebesar 1,2307956 menit, pada
tanggal 19 Mei 2007 sebesar 1,2838638 menit dan pada tanggal 21 Mei
2007 sebesar 1,07448. Pada kondisi tertentu, waktu total yang dihabiskan
menit pada tanggal 19 Mei 2007, dan 3,4190304 menit pada tanggal 21
Mei 2007. Waktu total yang paling lama dihabiskan pelanggan dalam
pada tanggal 19 Mei 2007, hal ini disebabkan karena adanya penumpukan
51
BAB V
PENUTUP
A. Simpulan
Semarang Tengah yang telah dibuat dapat ditarik simpulan sebagai berikut.
pelayan dan selesai, keluar dari sistem ketika pelayanan berakhir. Banyaknya
pelayan dalam sistem antrian ini sebanyak 3 pelayan (loket). Baris tunggu
2. Dalam membuat simulasi model antrian ini terlebih dahulu peneliti harus
Tanggal Ekspresi
17 Mei 2007 0,11 + EXPO (1,13)
19 Mei 2007 0,2 + EXPO (0,541)
21 Mei 2007 0,25 + EXPO (0,676)
52
Tabel 5.2 Distribusi Probabilitas ST
sebagai berikut.
53
4. Waktu yang dihabiskan pelanggan dalam sistem pembayaran rekening listrik
B. Saran
bahwa sistem antrian yang ada di PLN Semarang Tengah sudah cukup baik
terlihat dari waktu tunggu yang relatif singkat dan antrian yang tidak terlalu
antrian. Begitu pula kinerja dari masing-masing loket yang relatif sama
keefektifannya. Oleh karena itu sistem antrian yang sudah ada perlu
dipertahankan.
54
Lampiran 1
Waktu Kedatangan Waktu mulai dilayani Waktu selesai Lama Pelayanan Lama Dalam Lama Dalam
No.
Pelanggan Loket 1 Loket 2 Loket 3 dilayani (menit) Antrian (m) Sistem (m)
1 9:15:20 9:18:15 9:19:10 0,917 2,917 3,833
2 9:16:17 9:19:20 9:19:43 0,383 3,050 3,433
3 9:16:28 9:19:25 9:20:20 0,917 2,950 3,867
4 9:17:46 9:19:49 9:20:23 0,567 2,050 2,617
5 9:17:56 9:20:24 9:20:58 0,567 2,467 3,033
6 9:18:01 9:20:26 9:21:11 0,750 2,417 3,167
7 9:20:56 9:21:59 9:22:27 0,467 1,050 1,517
8 9:22:03 9:22:10 9:23:30 1,333 0,117 1,450
9 9:23:37 9:23:48 9:24:15 0,450 0,183 0,633
10 9:25:14 9:25:28 9:26:11 0,717 0,233 0,950
11 9:25:46 9:26:16 9:26:58 0,700 0,500 1,200
12 9:26:49 9:26:55 9:27:40 0,750 0,100 0,850
13 9:27:06 9:27:59 9:28:41 0,700 0,883 1,583
14 9:28:10 9:29:03 9:29:52 0,817 0,883 1,700
15 9:28:38 9:29:58 9:30:15 0,283 1,333 1,617
16 9:29:09 9:30:26 9:32:31 2,083 1,283 3,367
17 9:30:37 9:31:20 9:32:25 1,083 0,717 1,800
18 9:32:17 9:32:30 9:33:12 0,700 0,217 0,917
19 9:32:40 9:33:14 9:35:20 2,100 0,567 2,667
20 9:33:30 9:34:13 9:34:39 0,433 0,717 1,150
21 9:33:45 9:34:25 9:35:02 0,617 0,667 1,283
22 9:34:16 9:35:18 9:35:31 0,217 1,033 1,250
23 9:35:15 9:35:28 9:36:08 0,667 0,217 0,883
24 9:35:19 9:37:24 9:38:03 0,650 2,083 2,733
25 9:36:24 9:36:32 9:37:17 0,750 0,133 0,883
26 9:37:27 9:37:56 9:38:38 0,700 0,483 1,183
27 9:39:20 9:39:35 9:41:27 1,867 0,250 2,117
28 9:40:00 9:42:09 9:43:05 0,933 2,150 3,083
29 9:41:30 9:43:13 9:44:09 0,933 1,717 2,650
30 9:43:07 9:43:13 9:43:59 0,767 0,100 0,867
31 9:43:26 9:43:55 9:44:51 0,933 0,483 1,417
32 9:43:37 9:44:14 9:45:12 0,967 0,617 1,583
33 9:43:54 9:44:58 9:46:11 1,217 1,067 2,283
34 9:46:02 9:46:25 9:47:15 0,833 0,383 1,217
35 9:48:46 9:48:50 9:49:35 0,750 0,067 0,817
36 9:50:00 9:50:06 9:50:38 0,533 0,100 0,633
37 9:50:43 9:50:47 9:52:24 1,617 0,067 1,683
38 9:51:01 9:52:31 9:53:24 0,883 1,500 2,383
39 9:51:24 9:52:33 9:52:59 0,433 1,150 1,583
40 9:51:31 9:52:40 9:53:23 0,717 1,150 1,867
41 9:52:14 9:53:24 9:54:00 0,600 1,167 1,767
42 9:53:10 9:53:41 9:54:15 0,567 0,517 1,083
43 9:53:40 9:54:24 9:54:56 0,533 0,733 1,267
44 9:55:34 9:55:48 9:56:41 0,883 0,233 1,117
45 9:56:23 9:56:34 9:57:18 0,733 0,183 0,917
46 9:56:31 9:56:53 9:58:34 1,683 0,367 2,050
47 9:56:40 9:57:22 9:57:46 0,400 0,700 1,100
48 9:57:56 9:58:30 9:59:00 0,500 0,567 1,067
49 10:01:03 10:01:41 10:02:30 0,817 0,633 1,450
50 10:01:40 10:02:05 10:03:38 1,550 0,417 1,967
51 10:02:30 10:02:48 10:04:18 1,500 0,300 1,800
52 10:02:46 10:03:07 10:03:28 0,350 0,350 0,700
53 10:03:06 10:03:48 10:04:41 0,883 0,700 1,583
54 10:04:17 10:04:26 10:05:45 1,317 0,150 1,467
55 10:04:36 10:04:59 10:06:04 1,083 0,383 1,467
56 10:05:30 10:05:58 10:06:42 0,733 0,467 1,200
57 10:05:57 10:06:04 10:06:51 0,783 0,117 0,900
58 10:06:20 10:07:11 10:08:08 0,950 0,850 1,800
59 10:06:58 10:07:20 10:08:00 0,667 0,367 1,033
60 10:07:15 10:07:40 10:08:56 1,267 0,417 1,683
61 10:07:27 10:08:01 10:08:21 0,333 0,567 0,900
62 10:07:49 10:08:12 10:09:08 0,933 0,383 1,317
63 10:07:50 10:08:37 10:09:20 0,717 0,783 1,500
64 10:08:28 10:09:11 10:10:03 0,867 0,717 1,583
65 10:09:15 10:09:21 10:10:10 0,817 0,100 0,917
66 10:10:00 10:10:14 10:11:14 1,000 0,233 1,233
67 10:11:45 10:11:56 10:13:58 2,033 0,183 2,217
68 10:12:08 10:12:11 10:14:20 2,150 0,050 2,200
69 10:13:06 10:13:18 10:14:09 0,850 0,200 1,050
70 10:13:15 10:14:02 10:14:24 0,367 0,783 1,150
71 10:13:35 10:14:20 10:14:57 0,617 0,750 1,367
72 10:14:11 10:14:36 10:15:56 1,333 0,417 1,750
73 10:14:43 10:14:45 10:15:26 0,683 0,033 0,717
74 10:17:17 10:17:30 10:18:11 0,683 0,217 0,900
75 10:17:50 10:18:15 10:19:20 1,083 0,417 1,500
76 10:17:51 10:18:53 10:19:26 0,550 1,033 1,583
77 10:18:40 10:19:28 10:20:09 0,683 0,800 1,483
78 10:19:15 10:19:37 10:20:41 1,067 0,367 1,433
79 10:19:17 10:19:55 10:20:30 0,583 0,633 1,217
80 10:19:53 10:20:45 10:21:35 0,833 0,867 1,700
81 10:20:10 10:20:45 10:21:53 1,133 0,583 1,717
82 10:20:19 10:21:26 10:22:02 0,600 1,117 1,717
83 10:20:41 10:22:05 10:23:49 1,733 1,400 3,133
84 10:22:10 10:22:40 10:23:37 0,950 0,500 1,450
85 10:23:10 10:23:42 10:24:14 0,533 0,533 1,067
86 10:23:19 10:23:51 10:25:12 1,350 0,533 1,883
87 10:23:47 10:24:22 10:26:28 2,100 0,583 2,683
88 10:24:47 10:25:33 10:26:31 0,967 0,767 1,733
89 10:25:27 10:26:30 10:27:06 0,600 1,050 1,650
90 10:25:50 10:27:16 10:28:53 1,617 1,433 3,050
91 10:27:05 10:28:20 10:28:50 0,500 1,250 1,750
92 10:27:59 10:28:54 10:29:36 0,700 0,917 1,617
93 10:28:55 10:29:15 10:29:45 0,500 0,333 0,833
94 10:29:10 10:29:52 10:31:05 1,217 0,700 1,917
95 10:29:28 10:29:53 10:30:29 0,600 0,417 1,017
96 10:30:54 10:30:57 10:32:27 1,500 0,050 1,550
97 10:32:17 10:32:36 10:33:45 1,150 0,317 1,467
98 10:34:11 10:34:20 10:35:07 0,783 0,150 0,933
99 10:34:23 10:34:43 10:36:08 1,417 0,333 1,750
100 10:35:47 10:36:00 10:37:20 1,333 0,217 1,550
101 10:36:03 10:36:21 10:37:19 0,967 0,300 1,267
102 10:36:10 10:37:24 10:38:42 1,300 1,233 2,533
103 10:36:25 10:37:45 10:38:17 0,533 1,333 1,867
104 10:36:37 10:37:47 10:38:43 0,933 1,167 2,100
105 10:37:18 10:38:18 10:38:57 0,650 1,000 1,650
106 10:37:35 10:38:51 10:39:29 0,633 1,267 1,900
107 10:37:38 10:39:35 10:40:07 0,533 1,950 2,483
108 10:38:00 10:40:02 10:41:20 1,300 2,033 3,333
109 10:38:09 10:40:15 10:40:41 0,433 2,100 2,533
110 10:39:29 10:40:56 10:41:43 0,783 1,450 2,233
111 10:40:06 10:41:30 10:42:45 1,250 1,400 2,650
112 10:41:02 10:42:44 10:43:42 0,967 1,700 2,667
113 10:41:20 10:42:51 10:43:30 0,650 1,517 2,167
114 10:42:07 10:43:45 10:44:52 1,117 1,633 2,750
115 10:42:28 10:43:59 10:44:20 0,350 1,517 1,867
116 10:44:02 10:44:28 10:45:21 0,883 0,433 1,317
117 10:44:05 10:44:29 10:45:23 0,900 0,400 1,300
118 10:44:23 10:45:04 10:46:15 1,183 0,683 1,867
119 10:45:09 10:45:37 10:46:10 0,550 0,467 1,017
120 10:45:15 10:45:30 10:46:15 0,750 0,250 1,000
121 10:46:57 10:47:12 10:49:07 1,917 0,250 2,167
122 10:47:09 10:47:42 10:48:40 0,967 0,550 1,517
123 10:47:26 10:47:50 10:48:59 1,150 0,400 1,550
124 10:47:40 10:49:10 10:50:31 1,350 1,500 2,850
125 10:48:17 10:49:42 10:50:29 0,783 1,417 2,200
126 10:48:50 10:49:39 10:50:21 0,700 0,817 1,517
127 10:49:09 10:50:39 10:51:18 0,650 1,500 2,150
128 10:49:27 10:50:41 10:51:16 0,583 1,233 1,817
129 10:50:37 10:51:35 10:52:03 0,467 0,967 1,433
130 10:50:44 10:52:10 10:52:51 0,683 1,433 2,117
64
Lampiran 2
Jumlah
No Interval Kedatangan AIT
Kedatangan
1 09:30:00 - 09:35:00 8 0.625
2 09:35:01 - 09:40:00 5 1.000
3 09:40:01 - 09:45:00 3 1.667
4 09:45:01 - 09:50:00 6 0.833
5 09:50:01 - 09:55:00 6 0.833
6 09:55:01 - 10:00:00 5 1.000
7 10:00:01 - 10:05:00 5 1.000
8 10:05:01 - 10:10:00 6 0.833
9 10:10:01 - 10:15:00 4 1.250
10 10:15:01 - 10:20:00 6 0.833
11 10:20:01 - 10:25:00 4 1.250
12 10:25:01 - 10:30:00 4 1.250
13 10:30:01 - 10:35:00 7 0.714
14 10:35:01 - 10:40:00 2 2.500
15 10:40:01 - 10:45:00 7 0.714
16 10:45:01 - 10:50:00 9 0.556
17 10:50:01 - 10:55:00 1 5.000
18 10:55:01 - 11:00:00 5 1.000
19 11:00:01 - 11:05:00 7 0.714
20 11:05:01 - 11:10:00 0 0.000
65
Jumlah
No Interval Kedatangan AIT
Kedatangan
1 10:30:00 - 10:35:00 11 0.455
2 10:35:01 - 10:40:00 9 0.556
3 10:40:01 - 10:45:00 8 0.625
4 10:45:01 - 10:50:00 12 0.417
5 10:50:01 - 10:55:00 4 1.250
6 10:55:01 - 11:00:00 7 0.714
7 11:00:01 - 11:05:00 7 0.714
8 11:05:01 - 11:10:00 12 0.417
9 11:10:01 - 11:15:00 7 0.714
10 11:15:01 - 11:20:00 12 0.417
11 11:20:01 - 11:25:00 12 0.417
12 11:25:01 - 11:30:00 9 0.556
13 11:30:01 - 11:35:00 8 0.625
14 11:35:01 - 11:40:00 2 2.500
66
Jumlah
No Interval Kedatangan AIT
Kedatangan
1 09:15:00 - 09:20:00 6 0.833
2 09:20:01 - 09:25:00 3 1.667
3 09:25:01 - 09:30:00 7 0.714
4 09:30:01 - 09:35:00 6 0.833
5 09:35:01 - 09:40:00 6 0.833
6 09:40:01 - 09:45:00 5 1.000
7 09:45:01 - 09:50:00 3 1.667
8 09:50:01 - 09:55:00 7 0.714
9 09:55:01 - 10:00:00 5 1.000
10 10:00:01 - 10:05:00 7 0.714
11 10:05:01 - 10:10:00 11 0.455
12 10:10:01 - 10:15:00 7 0.714
13 10:15:01 - 10:20:00 7 0.714
14 10:20:01 - 10:25:00 8 0.625
15 10:25:01 - 10:30:00 7 0.714
16 10:30:01 - 10:35:00 4 1.250
17 10:35:01 - 10:40:00 11 0.455
18 10:40:01 - 10:45:00 8 0.625
19 10:45:00 - 10:50:00 10 0.500
20 10:50:01 - 10:55:00 2 2.500
67
Lampiran 3
Loket 1
Loket 2
Loket 3
17 Mei 2007 19 Mei 2007 21 Mei 2007
0.650 0.533 0.383
0.917 0.950 0.567
0.817 0.750 0.467
1.000 1.250 0.717
0.633 0.417 0.700
0.717 0.683 0.817
0.783 0.650 0.283
0.600 0.433 2.083
0.867 0.717 0.617
0.950 0.550 0.667
0.783 1.317 0.750
0.833 0.750 0.933
0.867 2.417 1.217
0.883 0.583 0.833
1.967 0.500 0.433
1.550 0.483 0.567
0.883 0.883 0.533
1.533 0.767 0.733
0.800 0.867 0.400
0.850 0.500 0.350
2.400 0.600 0.883
2.233 0.683 0.733
0.650 0.750 0.950
1.000 0.733 0.933
1.267 0.500 0.867
0.833 0.600 1.000
0.650 1.083 0.850
1.900 0.433 0.617
2.050 0.350 0.683
0.967 0.967 1.083
0.817 0.683
0.567 0.833
1.683 0.950
0.583 0.533
1.300 2.100
0.967 1.617
1.100 0.500
0.600 1.217
1.517 1.417
0.633 0.967
0.867 1.300
0.783 0.633
0.667 0.533
1.167 0.433
0.550 0.783
0.900 0.883
0.767 0.550
1.917
0.700
70
70
Lampiran 4
Output Arena 5.0
Distribution Summary
Distribution : Exponential
Expression : 0.11 + EXPO (1.13)
Square Error : 0.017719
Kolmogorov-Smirnov Test
Test Statistic = 0.326
Corresponding p-value = 0.0274
Data Summary
Number of Data Points = 19
Min Data Value = 0.556
Max Data Value =5
Sample Mean = 1.24
Sample Std Dev = 1.01
Histogram Summary
Histogram Range = 0.11 to 5
Number of Intervals =5
71
Distribution Summary
Distribution : Exponential
Expression : 0.2 + EXPO (0.541)
Square Error : 0.007230
Kolmogorov-Smirnov Test
Test Statistic = 0.33
Corresponding p-value = 0.0771
Data Summary
Number of Data Points = 14
Min Data Value = 0.417
Max Data Value = 2.5
Sample Mean = 0.741
Sample Std Dev = 0.551
Histogram Summary
Histogram Range = 0.2 to 2.71
Number of Intervals =5
72
Distribution Summary
Distribution : Exponential
Expression : 0.25 + EXPO(0.676)
Square Error : 0.005835
Chi Square Test
Number of intervals = 2
Degrees of freedom =0
Test Statistic = 0.092
Corresponding p-value< 0.005
Kolmogorov-Smirnov Test
Test Statistic = 0.276
Corresponding p-value = 0.0819
Data Summary
Number of Data Points = 20
Min Data Value = 0.455
Max Data Value = 2.5
Sample Mean = 0.926
Sample Std Dev = 0.502
Histogram Summary
Histogram Range = 0.25 to 2.71
Number of Intervals =5
73
Distribution Summary
Distribution : Erlang
Expression : 0.29 + ERLA (0.211, 3)
Square Error : 0.003437
Chi Square Test
Number of intervals =4
Degrees of freedom =1
Test Statistic = 0.711
Corresponding p-value = 0.426
Kolmogorov-Smirnov Test
Test Statistic = 0.0704
Corresponding p-value > 0.15
Data Summary
Number of Data Points = 37
Min Data Value = 0.433
Max Data Value = 1.85
Sample Mean = 0.923
Sample Std Dev = 0.354
Histogram Summary
Histogram Range = 0.29 to 2
Number of Intervals =6
74
Loket 2
Distribution Summary
Distribution : Beta
Expression : 0.16 + 2.43 * BETA (2.17, 3.32)
Square Error : 0.006488
Chi Square Test
Number of intervals =4
Degrees of freedom =1
Test Statistic = 0.625
Corresponding p-value = 0.451
Kolmogorov-Smirnov Test
Test Statistic = 0.103
Corresponding p-value > 0.15
Data Summary
Number of Data Points = 33
Min Data Value = 0.367
Max Data Value = 2.38
Sample Mean = 1.12
Sample Std Dev = 0.466
Histogram Summary
Histogram Range = 0.16 to 2.59
Number of Intervals =5
75
Loket 3
Distribution Summary
Distribution : Exponential
Expression : 0.42 + EXPO (0.674)
Square Error : 0.014683
Chi Square Test
Number of intervals =3
Degrees of freedom =1
Test Statistic = 1.12
Corresponding p-value = 0.307
Kolmogorov-Smirnov Test
Test Statistic = 0.237
Corresponding p-value = 0.059
Data Summary
Number of Data Points = 30
Min Data Value = 0.6
Max Data Value = 2.4
Sample Mean = 1.09
Sample Std Dev = 0.518
Histogram Summary
Histogram Range = 0.42 to 2.58
Number of Intervals =5
76
Distribution Summary
Distribution : Exponential
Expression : 0.16 + EXPO (0.746)
Square Error : 0.045365
Chi Square Test
Number of intervals =3
Degrees of freedom =1
Test Statistic = 5.87
Corresponding p-value = 0.0171
Kolmogorov-Smirnov Test
Test Statistic = 0.266
Corresponding p-value = 0.0119
Data Summary
Number of Data Points = 35
Min Data Value = 0.383
Max Data Value = 2.6
Sample Mean = 0.906
Sample Std Dev = 0.483
Histogram Summary
Histogram Range = 0.16 to 2.83
Number of Intervals =5
77
Loket 2
Distribution Summary
Distribution : Beta
Expression : 0.29 + 3.11 * BETA (0.834, 2.47)
Square Error : 0.043792
Chi Square Test
Number of intervals =4
Degrees of freedom =1
Test Statistic = 7.49
Corresponding p-value = 0.00658
Kolmogorov-Smirnov Test
Test Statistic = 0.272
Corresponding p-value < 0.01
Data Summary
Number of Data Points = 38
Min Data Value = 0.55
Max Data Value = 3.13
Sample Mean = 1.08
Sample Std Dev = 0.652
Histogram Summary
Histogram Range = 0.29 to 3.4
Number of Intervals =6
78
Loket 3
Distribution Summary
Distribution : Erlang
Expression : 0.14 + ERLA (0.168, 4)
Square Error : 0.014543
Chi Square Test
Number of intervals =3
Degrees of freedom =0
Test Statistic = 3.37
Corresponding p-value < 0.005
Kolmogorov-Smirnov Test
Test Statistic = 0.106
Corresponding p-value > 0.15
Data Summary
Number of Data Points = 47
Min Data Value = 0.35
Max Data Value = 2.42
Sample Mean = 0.812
Sample Std Dev = 0.379
Histogram Summary
Histogram Range = 0.14 to 2.63
Number of Intervals =6
79
Distribution Summary
Distribution : Triangular
Expression : TRIA (0.02, 0.603, 2.35)
Square Error : 0.051528
Chi Square Test
Number of intervals =4
Degrees of freedom =2
Test Statistic = 5.15
Corresponding p-value = 0.0802
Kolmogorov-Smirnov Test
Test Statistic = 0.2
Corresponding p-value = 0.0522
Data Summary
Number of Data Points = 44
Min Data Value = 0.217
Max Data Value = 2.15
Sample Mean = 0.885
Sample Std Dev = 0.428
Histogram Summary
Histogram Range = 0.02 to 2.35
Number of Intervals =6
80
Loket 2
Distribution Summary
Distribution : Triangular
Expression : TRIA (0.19, 0.713, 2.28)
Square Error : 0.012755
Chi Square Test
Number of intervals =4
Degrees of freedom =2
Test Statistic = 1.39
Corresponding p-value = 0.499
Kolmogorov-Smirnov Test
Test Statistic = 0.156
Corresponding p-value > 0.15
Data Summary
Number of Data Points = 37
Min Data Value = 0.367
Max Data Value = 2.1
Sample Mean = 0.993
Sample Std Dev = 0.413
Histogram Summary
Histogram Range = 0.19 to 2.28
Number of Intervals =6
81
Loket 3
Distribution Summary
Distribution : Weibull
Expression : 0.1 + WEIB (0.84, 1.94)
Square Error : 0.027628
Chi Square Test
Number of intervals =5
Degrees of freedom =2
Test Statistic = 6.74
Corresponding p-value = 0.0365
Kolmogorov-Smirnov Test
Test Statistic = 0.141
Corresponding p-value > 0.15
Data Summary
Number of Data Points = 49
Min Data Value = 0.283
Max Data Value = 2.1
Sample Mean = 0.841
Sample Std Dev = 0.414
Histogram Summary
Histogram Range = 0.1 to 2.29
Number of Intervals =7