Simulasi Listrik

SIMULASI MODEL ANTRIAN
PADA PEMBAYARAN REKENING LISTRIK DENGAN ARENA 5.0
(Studi Kasus Pada PLN SEMARANG TENGAH)
SKRIPSI
Diajukan dalam Rangka Penyelesaian Studi Strata 1

untuk Memperoleh Gelar Sarjana Sains
Disusun oleh :
Nama : Kurniawati
NIM : 4150403014
Program Studi : Matematika S1
Jurusan : Matematika
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI SEMARANG
2007
PENGESAHAN
SKRIPSI
SIMULASI MODEL ANTRIAN
PADA PEMBAYARAN REKENING LISTRIK DENGAN ARENA 5.0
(Studi Kasus Pada PLN SEMARANG TENGAH)
Telah dipertahankan di hadapan sidang Panitia Ujian Skripsi

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Semarang
pada:
Hari : Selasa
Tanggal : 28 Agustus 2007
Panitia Ujian
Ketua, Sekretaris,
Drs. Kasmadi Imam S., M.Si Drs. Supriyono, M.Si

NIP. 130781011 NIP. 130815345
Pembimbing Utama, Ketua Penguji,
Drs. Arief Agustanto, M. Si Drs. Supriyono, M.Si

NIP. 132046855 NIP. 130815345
Pembimbing Pendamping, Anggota Penguji,
Drs. Sugiman, M. Si Drs. Arief Agustanto, M. Si

NIP. 131813673 NIP. 132046855
Anggota Penguji,
Drs. Sugiman, M. Si
NIP. 131813673
ii
iii
PERNYATAAN
Dengan ini saya menyatakan bahwa skripsi ini tidak terdapat karya yang
pernah diajukan untuk memperoleh gelar kesarjanaan di suatu Perguruan Tinggi
dan sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang
pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis dirujuk
dalam skripsi ini dan disebutkan dalam Daftar Pustaka.
Semarang, 28 Agustus 2007
Kurniawati
NIM. 4150403014
iii
MOTTO DAN PERSEMBAHAN
MOTTO
Allah Membuat Indah Semua pada waktunya

Smile from u’r heart
Ujian dan cobaan yang lebih besar adalah kegagalan menghadapi cobaan
Manusia yang baik bukan mereka yang tidak pernah berbuat salah
PERSEMBAHAN
Ibu dan Bapak, terima kasih untuk doanya.

Kakak-kakak dan adikku, terima kasih untuk dukungannya.
Teman-teman Matematika Angkatan ’03.
Anak-anak kos Oryza 3, terima kasih untuk semangatnya.
iv
ABSTRAK
Kurniawati, 2007, Simulasi model antrian pada pembayaran rekening listrik

dengan Arena 5.0 (Studi kasus pada PLN Semarang Tengah),
Matematika S1, FMIPA Universitas Negeri Semarang
Antrian yang cukup panjang pada loket pembayaran rekening listrik

menimbulkan ketidaknyamanan para pelanggan. Oleh karena itu efisiensi dalam
waktu pelayanan merupakan hal yang menarik untuk dikaji. Simulasi merupakan
salah satu cara yang lebih baik dalam memecahkan masalah antrian dimana
distribusi waktu kedatangan dan waktu pelayanan terdistribusi secara random.
Permasalahan yang dikaji adalah mengenai sistem antrian di PLN
Semarang Tengah, bagaimana distribusi model antrian di PLN Semarang Tengah
dan bagaimana menganalisis output dari model simulasi antrian pembayaran
rekening listrik. Sedangkan tujuan dari penelitian ini adalah untuk menjawab
permasalahan di atas.
Metode penelitian yang digunakan adalah metode simulasi dengan
menggunakan Arena 5.0. Data primer diambil selama 3 hari yang dipilih secara
random dari tanggal 17-21 Mei 2007.
Hasil penelitian yang diperoleh, sistem antrian pada PLN Semarang
Tengah menggunakan disiplin antrian FIFO dengan 3 pelayanan paralel yang
tersedia (loket1, loket 2 dan loket 3). Distribusi probabilitas waktu antar
kedatangannya adalah distribusi eksponensial, hal ini disebabkan karena
kedatangan bersifat independen, sedangkan distribusi waktu pelayanan di setiap
loketnya berdistribusi kontinu. Rata-rata waktu tunggu pelanggan di semua loket
pada hari penelitian adalah 1 menit, waktu tunggu terlama mencapai 5 menit yaitu
terjadi pada tanggal 19 Mei 2007. Rata-rata panjang antrian di setiap loket
sebanyak 1 orang, antrian terpanjang juga terjadi pada tanggal 19 Mei 2007 yaitu
mencapai 4 orang. Waktu tunggu dan panjang antrian berbanding lurus dengan
utilitas terjadwal. Jadi semakin lama waktu tunggu pelanggan dan semakin
panjang antrian maka semakin kecil pula waktu menganggur pelayan. Pada
tanggal 19 Mei 2007 waktu menganggur pelayan lebih kecil dibanding hari-hari
lainnya (pada hari penelitian), karena waktu tunggu terlama dan antrian
terpanjang terjadi pada hari tersebut. Rata-rata waktu total yang dihabiskan
pelanggan di dalam sistem antrian pada hari penelitian masing-masing sebesar
1,2307956 menit, 1,2838638 menit dan 1,07448 menit. Waktu total yang paling
lama pelanggan habiskan di dalam sistem antrian mencapai 6 menit yang terjadi
pada tanggal 19 Mei 2007.
Simpulan yang dapat diambil dari hasil penelitian adalah ketiga loket yang
ada dalam pembayaran rekening listrik di PLN Semarang Tengah sudah cukup
efektif , terbukti dari waktu tunggu yang tidak terlalu lama dan antrian yang tidak
terlalu panjang. Saran yang dapat diberikan adalah agar PLN Semarang Tengah
tetap mempertahankan sistem antrian yang sudah ada.
v
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Allah SWT yang telah
melimpahkan rahmat, taufik dan hidayahNya sehingga skripsi dengan judul
“Simulasi Model Antrian Pada Pembayaran Rekening Listrik dengan Arena 5.0
(Studi Kasus Pada PLN Semarang Tengah)” ini dapat selesai dengan baik.
Ucapan terima kasih penulis haturkan kepada pihak-pihak yang telah
membantu dalam terselesaikannya skripsi ini. Untuk itu, pada kesempatan ini
perkenankan penulis menyampaikan terima kasih kepada :
1. Prof. Dr. H. Sudijono Sastroatmodjo, M. Si, Rektor Universitas Negeri
Semarang.
2. Drs. Kasmadi Imam S, M. Si, Dekan FMIPA Universitas Negeri Semarang.
3. Drs. Supriyono, M. Si, Ketua Jurusan Matematika FMIPA Universitas Negeri
Semarang.
4. Drs. Arief Agustanto, M. Si, Dosen Pembimbing yang telah membimbing
dalam pembuatan skripsi ini.
5. Drs. Sugiman, M. Si, Dosen Pembimbing yang telah membimbing dalam
pembuatan skripsi ini.
6. M. Heru Sunarto, Kepala PLN Semarang Tengah yang telah memberikan ijin
kepada penulis untuk melaksanakan penelitian ini.
7. Semua pihak telah membantu hingga selesainya penyusunan skripsi ini.
Akhirnya penulis berharap semoga skripsi ini bermanfaat bagi pembaca.
Penulis
vi
DAFTAR ISI
Halaman
HALAMAN JUDUL ....................................................................................... i
PENGESAHAN .............................................................................................. ii
PERNYATAAN .............................................................................................. iii
MOTTO DAN PERSEMBAHAN .................................................................. iv
ABSTRAK ...................................................................................................... v
KATA PENGANTAR .................................................................................... vi
DAFTAR ISI ................................................................................................... vii
DAFTAR TABEL ........................................................................................... ix
DAFTAR GAMBAR ...................................................................................... x
DAFTAR LAMPIRAN ................................................................................... xi
BAB I PENDAHULUAN
A. Latar Belakang ......................................................................... 1
B. Permasalahan ............................................................................ 3
C. Batasan Masalah ....................................................................... 3
D. Tujuan Penelitian ...................................................................... 4
E. Manfaat Penelitian .................................................................... 4
F. Sistematika Skripsi .................................................................... 4
BAB II LANDASAN TOERI
A. Teori Probabilitas ...................................................................... 6
B. Peubah Acak ............................................................................. 7
C. Fungsi Kepadatan Probabilitas .................................................. 7
vii
D. Distribusi Probabiltas kontinu ................................................... 8
E. Uji Goodness Of Fit .................................................................. 11
F. Konsep Antrian ......................................................................... 14
G. Terminologi dan Notasi ............................................................ 20
H. Model-model Antrian ................................................................ 22
I. Solusi Steady-State .................................................................... 23
J. Model Simulasi ......................................................................... 25
BAB III METODE PENELITIAN
A. Metode Penelitian ..................................................................... 30
B. Metode Pengumpulan Data ....................................................... 30
C. Pengolahan Data ....................................................................... 30
D. Penarikan Simpulan .................................................................. 31
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
A. Sistem Antrian Pelanggan di PLN Semarang Tengah .............. 32
B. Deskripsi Data ........................................................................... 33
C. Analisis Data ............................................................................. 34
D. Diagram Alir Model Simulasi ................................................... 38
E. Pembahasan Output Model Simulasi ........................................ 46
BAB V PENUTUP
A. Simpulan ................................................................................... 52
B. Saran .......................................................................................... 54
DAFTAR PUSTAKA ..................................................................................... 55
LAMPIRAN-LAMPIRAN
viii
DAFTAR TABEL
Halaman
1. Tabel 2.1 Ciri Sistem Antrian ................................................................... 19
2. Tabel 4.1 Uji Kolmogorov Smirnov Distribusi Probabilitas AIT ............. 35
3. Tabel 4.2 Uji Chi-square Distribusi Probabilitas untuk ST ..................... 36
4. Tabel 4.3 Output Utilitas Terjadwal .......................................................... 46
5. Tabel 4.4 Output Waktu Tunggu ............................................................. 48
6. Tabel 4.5 Output Panjang Antrian ........................................................... 49
7. Tabel 4.6 Output Waktu Total Pelanggan ................................................. 50
8. Tabel 5.1 Distribusi Probabilitas AIT ....................................................... 52
9. Tabel 5.2 Distribusi Probabilitas ST ......................................................... 53
10. Tabel 5.3 Waktu Tunggu dan Panjang Antrian Maksimum ..................... 53
11. Tabel 5.4 Waktu Total ............................................................................... 54
ix
DAFTAR GAMBAR
Halaman
1. Gambar 2.1 Struktur Dasar Proses Antrian .............................................. 18
2. Gambar 2.2 Layar Utama Arena 5.0 ......................................................... 27
3. Gambar 2.3 Project Bar ............................................................................. 27
4. Gambar 2.4 Model Window-Flowchart View ........................................... 28
5. Gambar 2.5 Model Window- Spreadsheet View ...................................... 29
6. Gambar 4.1 Sistem Antrian di PLN Semarang Tengah ............................ 33
7. Gambar 4.2 Diagram Alir Model Simulasi ............................................... 38
x
DAFTAR LAMPIRAN
Halaman
1. Lampiran 1 Data Penelitian Antrian Pelanggan ....................................... 56
2. Lampiran 2 Rekapitulasi Kedatangan Pelanggan ..................................... 64
3. Lampiran 3 Data Waktu Pelayanan ........................................................... 67
4. Lampiran 4.1 Distribusi Probabilitas Rata-rata Waktu Antar Kedatangan .. 70
5. Lampiran 4.2 Distribusi Probabilitas Waktu Pelayanan .............................. 73
6. Lampiran 5 Usulan Pembimbing .............................................................. 82
7. Lampiran 6 Permohonan Ijin Penelitian .................................................. 83
xi
BAB I
PENDAHULUAN
A. Latar Belakang
Salah satu fenomena dalam kehidupan sehari-hari yang sering tejadi
adalah fenomena penungguan. Fenomena ini biasa terjadi apabila kebutuhan
akan suatu pelayanan melebihi kapasitas yang tersedia untuk penyelenggaraan
pelayanan itu. Hal ini dapat dilihat ketika terjadi baris tunggu dari konsumen,
komponen atau mesin-mesin yang sedang menunggu pelayanan, karena pada
saat itu bagian pelayanan sedang melayani yang lainnya, sehingga tidak
mampu melayani pada saat tersebut.
Menunggu di dalam matematika terapan dapat diidentikkan dengan suatu
proses antrian. Dalam kehidupan sehari-hari selalu dihadapkan pada persoalan
tentang antrian, baik skala kecil maupun skala besar yang membutuhkan
penyelesaian serta solusi yang optimal. Antrian dapat ditemui pada beberapa
fasilitas pelayanan umum dimana masyarakat atau barang akan mengalami
proses antrian dari kedatangan, memasuki antrian, menunggu, hingga proses
pelayanan berlangsung. Pada sebuah tempat pembayaran listrik misalnya,
pelanggan yang datang langsung dapat mengambil nomor antrian, kemudian
menunggu sampai nomor antriannya dipanggil untuk melakukan transaksi
pembayaran.
PT.PLN merupakan Perusahaan Perseroan (Persero) yang bergerak dalam
bisnis penyediaan tenaga listrik. Selain menyediakan tenaga listrik terdapat
1
juga kegiatan-kegiatn lain yang terkait dengan hal tersebut dalam bidang jasa
pelayanan, misalnya tempat pengaduan pelanggan, tempat pembayaran
rekening listrik dan lain sebagainya. Di loket pembayaran rekening listrik
terdapat hal yang cukup menarik perhatian yaitu disaat terjadi antrian yang
sangat panjang beberapa hari menjelang hari terakhir pembayaran rekening
listrik dan beberapa hari sesudahnya. Hal tersebut juga terjadi di PLN
Semarang Tengah. Masalah yang sering timbul dari keadaan tersebut adalah
ketidaknyamanan para pelanggan karena harus menghabiskan waktu yang
cukup lama untuk mengantri. Bahkan penolakan dan pembatalan sering
terjadi. Penolakan terjadi karena pada sistem antrian kapasitasnya sudah
penuh. Pembatalan terjadi karena pelanggan meninggalkan sistem akibat
alasan tertentu, seperti terlalu panjangnya antrian, kepentingan intern
pelanggan dan lain-lain. Oleh karena itu waktu merupakan sumber daya yang
sangat berharga, maka efesiensi dalam pelayanan pada waktu-waktu tertentu
merupakan topik penting untuk dianalisis.
Dewasa ini, simulasi telah menjadi suatu hal yang sangat penting.
Berbagai penelitian dan fenomena-fenomena penting menggunakan metode
simulasi sebagai salah satu teknik untuk memecahkan masalah. Salah satu
masalah yang dapat diselesaikan dengan menggunakan simulasi adalah
masalah antrian seperti yang terjadi dalam pembayaran rekening listrik.
Arena 5.0 merupakan alat yang fleksibel dalam analisis untuk membuat
model simulasi animasi yang secara akurat merepresentasikan secara virtual
2
banyak sistem. Arena merupakan solusi yang unggul untuk keputusan bisnis
yang lebih baik dengan simulasi.
Berdasarkan hal tersebut penulis tertarik untuk memecahkan masalah
yang dihadapi PLN Semarang Tengah dengan membuat simulasi model
antrian pada loket pembayaran rekening listrik dengan menggunakan arena 5.0
agar pelayanan yang diberikan lebih efektif.
B. Permasalahan
Berdasarkan latar belakang di atas, dapat dirumuskan beberapa masalah
sebagai berikut :
1. Bagaimana sistem antrian di PLN Semarang Tengah?
2. Bagaimana distribusi model antrian di PLN Semarang Tengah?
3. Bagaimana analisis output dari model simulasi antrian pembayaran
rekening listrik ?
C. Batasan masalah
1. Penelitian dilakukan pada PLN Semarang Tengah Jl. Pemuda No. 93
Semarang, selama 3 hari yang dipilih secara random pada periode sibuk.
2. Tidak terjadi penolakan dan pembatalan terhadap kedatangan para
pelanggan.
3
D. Tujuan Penelitian
Berdasarkan permasalahan di atas maka tujuan dari penelitian ini adalah:
1. Mengetahui sistem antrian di PLN Semarang Tengah.
2. Mengetahui distribusi model antrian di PLN Semarang Tengah.
3. Mengetahui hasil analisis output dari model simulasi antrian pembayaran
rekening listrik.
E. Manfaat Penelitian
Sesuai tujuan tersebut di atas penelitian ini diharapkan bermanfaat
untuk:
1. Pembaca, diharapkan bagi pembaca untuk lebih mengetahui dan
memahami tentang sistem antrian, model-model antrian dan simulasi dari
model antrian.
2. PLN Semarang Tengah, memberikan informasi yang dapat membantu
dalam pengambilan kebijakan dalam peningkatan efektifitas pelayanan
kepada masyarakat.
F. Sistematika Skripsi
Secara garis besar sistematika skripsi ini dibagi menjadi 3 bagian, yaiu
bagian pendahuluan, bagian isi dan bagian akhir.
Bagian pendahuluan skripsi memuat halaman judul, halaman pengesahan,
halaman motto dan persembahan, kata pengantar, daftar isi dan abstrak.
4
Bagian isi dibagi menjadi 5 bab, yaitu sebagai berikut :
1. Bab I Pendahuluan
Pada bab pendahuluan ini dikemukakan tentang alasan pemilihan judul,
permasalahan, batasan masalah, tujuan penelitian, manfaat penelitian dan
sistematika skripsi.
2. Bab II Landasan Teori
Landasan teori berisi tentang teori-teori yang digunakan sebagai
pedoman dalam memecahkan permasalahan dalam skripsi ini.
3. Bab III Metode Penelitian
Pada bab ini berisi metode penelitian, metode pengumpulan data dan
pengolahan data.
4. Bab IV Hasil Penelitian dan Pembahasan
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
1. Ruang Sampel dan Peristiwa
Di dalam suatu kegiatan, seringkali dilakukan berbagai percobaan
atau eksperimen. Menurut Djauhari (1990:3), hasil eksperimen akan
memberikan informasi tentang masalah yang sedang dihadapi dalam kegiatan
tersebut. Eksperimen-eksperimen tersebut mempunyai karakteristik sebagai
berikut.
a. Hasil eksperimen tidak dapat diduga sebelumnya dengan tingkat keyakinan
yang pasti.
b. Semua hasil yang mungkin dapat diberikan.
c. Eksperimen dapat dilakukan berulang-ulang dalam kondisi yang sama.
Eksperimen yang memiliki karakteristik tersebut, selanjutnya disebut
eksperimen acak (random eksperiment). Kemudian, himpunan semua hasil
yang mungkin dari suatu eksperimen acak, disebut ruang sampel (Djauhari,
1990:3). Sedangkan peristiwa adalah himpunan bagian dari ruang sampel
(Djauhari, 1990:4).
2. Probabilitas Suatu Peristiwa
Teori probabilitas mempelajari tentang peluang terjadinya suatu hal
atau peristiwa. Probabilitas dinyatakan dalam pecahan desimal antara 0 dan 1.
Bila probabilitas suatu kejadian bernilai 0, maka kejadian tersebut tidak akan
terjadi. Sedangkan bila suatu kejadian mempunyai probabilitas 1, maka
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
Misal S merupakan ruang sampel, dan S himpunan bagian dari ℜ.
Fungsi X dari S ke dalam ℜ dinamakan peubah acak. Jelajah (range) dari X
yakni Ax = {x x = X (c), c di S } dinamakan ruang peubah acak X atau ruang dari
X . (Djauhari, 1990: 28)
Peubah acak X dikatakan diskrit, bila ruang dari X terbilang. Jika ruang
X berupa interval maka peubah acak X dikatakan kontinu.
C. Fungsi Kepadatan Probabilitas
1. Fungsi Kepadatan Probabilitas dari Peubah Acak Diskrit
Definisi 2.2
Misalkan S ruang sampel dari peubah acak diskrit X . Fungsi f dari S
ke dalam ℜ yang memenuhi:
a. f ( x) ≥ 0 untuk setiap x di S
b. ∑ f (x ) = 1
x∈S
dinamakan fungsi kepadatan probabilitas (fkp) dari peubah acak diskrit.
(Djauhari, 1990: 41)
7
Jika peubah acak X diskrit dengan f.k.p. f ( x) , maka probabilitas suatu
peristiwa A diberikan oleh P ( A) = ∑ f ( x) .

x∈S
2. Fungsi Kepadatan Probabilitas dari Peubah Acak Kontinu
Definisi 2.3
Misalkan S ruang sampel dari peubah acak kontinu X . Fungsi f dari S
ke dalam ℜ yang memenuhi:
a. f ( x) ≥ 0 untuk setiap x di S
b. ∫ f ( x) = 1
x∈S
dinamakan fungsi kepadatan probabilitas (f.k.p) dari peubah acak kontinu.
(Djauhari, 1990: 43)
Jika Peubah acak X kontinu dengan f.k.p. f ( x), maka probabilitas suatu
peristiwa A diberikan oleh P ( A) =

x∈S
∫ f (x ) .
D. Distribusi Probabilitas Kontinu
Distribusi probabilitas kontinu yang diaplikasikan pada skripsi ini sebagai
berikut.
1. Distribusi Eksponensial
Definisi 2.4
Distribusi Eksponensial mempunyai fungsi kepadatan probabilitas sebagai
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)
Peubah acak X yang memiliki distribusi Eksponensial dapat ditulis
⎛1⎞
X ~ EXP⎜⎜ ⎟⎟ .
⎝μ⎠
2. Distribusi Beta
Definisi 2.5
Distribusi Beta mempunyai fungsi kepadatan probabilitas sebagai berikut.
⎧ 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)
Peubah acak X yang memiliki distribusi Beta dapat ditulis
X ~ BETA(α , β ) .
3. Distribusi Triangular
Definisi 2.6
Distribusi Triangular mempunyai fungsi kepadatan probabilitas sebagai
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
dengan parameter a, b, c , dimana a ≤ b ≤ c . Mean dan variansinya adalah
a+b+c a 2 + b 2 + c 2 − ab − ac − bc
dan .
3 18
(Taha, 1997:18)
Peubah acak X yang memiliki distribusi Triangular dapat ditulis
X ~ TRIA(a, b, c) .
4. Distribusi Weibull
Definisi 2.7
Distribusi Weibull mempunyai fungsi kepadatan probabilitas sebagai
berikut.
⎧α μ (μ x )α −1 e − ( μ x ) ; x > 0, α > 0, μ > 0

α
⎪
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)
Peubah acak X yang memiliki distribusi Weibull dapat ditulis
X ~ WEIB(α , 1 ) .
μ
10
5. Distribusi Erlang
Definisi 2.8
Distribusi Erlang mempunyai fungsi kepadatan probabilitas sebagai
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)
Peubah acak X yang memiliki distribusi Erlang dapat ditulis
X ~ ERLA(α , 1 ) .
μ
E. Uji Goodness of Fit
Satu cara yang cepat untuk memeriksa apakah satu himpunan data mentah
tertentu sesuai dengan distribusi teoritis tertentu adalah membandingkan secara
grafik distribusi empiris kumulatif dengan fungsi kepadatan kumulatif yang
bersesuain dari distribusi teoritis yang bersangkutan. Jika kedua fungsi tersebut
tidak memperlihatkan deviasi yang berlebihan, terdapat kemungkinan yang cukup
besar bahwa distribusi teoritis itu sesuai dengan data mentah tersebut.
Uji Goodness of Fit adalah uji yang dilakukan untuk menentukan
distribusi probabilitas dari data yang diperoleh dengan membandingkan frekuensi
teoritis atau frekuensi yang diharapkan (Guttman, 1982 : 287).
11
Gagasan untuk membandingkan distribusi empiris dan distribusi teoritis
adalah dasar untuk uji Kolmogorov-Smirnov (K-S). Uji ini, hanya dapat
diterapkan untuk variabel kontinu, memanfaatkan sebuah statistik untuk
menerima atau menolak distribusi yang dihipotesiskan dengan tingkat signifikansi
tertentu.
Uji statistik lainnya, yang berlaku baik untuk variabel acak diskrit
maupun kontinu adalah uji chi- square. Uji ini didasari oleh perbandingan fungsi
kepadatan probabilitas, daripada fungsi kepadatan kumulatif seperti uji K-S.
1. Uji Chi-square
Uji chi- square didasari oleh pengukuran ”jumlah” deviasi antara fungsi
kepadatan empiris dan teoritis. Misal [I i −1 , I i ] mewakili batas-batas interval i
dan asumsikan bahwa f (t ) adalah fungsi kepadatan teoritis yang
dihipotesiskan. Dengan diketahui sampel data mentah dengan ukuran n , maka
frekuensi teoritis yang berkaitan dengan interval i dihitung sebagai
Ii
f e = n ∫ f (t ) dt , i = 1,2,..., m
I i −1
dimana m adalah jumlah sel yang dipergunakan dalam mengembangkan fungsi
kepadatan empiris. Dengan diketahui f e sebagaimana dihitung di atas dan
asumsi bahwa f 0 adalah frekuensi empiris yang diamati di sel i, sebuah ukuran
devasi antara frekuensi empiris dan yang diamati dihitung sebagai
m
( f 0 − f e )2
χ =∑
2
x =0 fe
dan prosedur uji hipotesisnya dijelaskan sebagai berikut.
12
a. H0 : Sampel yang diambil berasal dari populasi berdistribusi θ ,
dengan θ adalah distribusi kontinu tertentu.
H1 : H0 tidak benar.
b. Menentukan daerah kritis pada tingkat signifikansi α . Pada skripsi ini nilai
α yang dipilih adalah 0,01 (1%).
c. Menghitung nilai statistik uji χ 2 . H0 ditolak jika χ 2 ≥ χ 2 ( m − k −1)(1−α ) , dengan
derajat bebas m-k-1, dimana k adalah jumlah parameter yang diestimasi dari
data mentah untuk dipergunakan dalam mendefinisikan disribusi teoritis
yang bersangkutan.. Peran statistik uji χ 2 dapat diganti dengan nilai
asimptotik signifikan p (sig), sedemikian sehingga H0 ditolak jika p < α .
2. Uji Kolmogorov-Smirnov
Misalkan F(x) merupakan fungsi distribusi kontinu yang tidak diketahui,
sedangkan F∗ (x) adalah fungsi distribusi kontinu yang dihipotesiskan, maka
prosedur uji Kolmogorov-Smirnov dijelaskan sebagai berikut.
a. H0 : F(x) = F∗ (x) , untuk semua x, − ∞ < x < ∞ .
Dapat diartikan bahwa data yang diambil dapat didekati oleh distribusi
kontinu yang memiliki fungsi distribusi F∗ (x) .
H1 : F(x) ≠ F∗ (x) , untuk sekurang-kurangnya satu harga x.
b. Menentukan daerah kritis pada tingkat signifikansi α . Pada skripsi ini nilai
α yang dipilih adalah 0,01 (1%).
c. Menentukan statistik uji Kolmogorov-Smirnov yaitu D = sup F∗ (x) − S(x) ,

x
dengan S(x) merupakan banyaknya nilai observasi yang kurang dari atau
13
sama dengan x, dibagi n, n adalah banyaknya seluruh observasi. Peran
statistik uji D dapat diganti dengan nilai asimptotik signifikan p (sig),
sedemikian sehingga H0 ditolak jika p < α .
F. Konsep Antrian
1. Sistem Antrian
Sistem antrian adalah suatu himpunan pelanggan, pelayan dan suatu
aturan yang mengatur kedatangan para pelanggan dan pemrosesan
masalahnya. Unit yang memerlukan pelayanan disebut pelanggan
(customer) dan yang melayani disebut pelayan (server). Sebuah sistem
antrian adalah suatu proses kelahiran kematian dengan suatu populasi yang
terdiri atas para pelanggan yang sedang menunggu mendapatkan pelayanan
atau yang sedang dilayani. Suatu kelahiran terjadi apabila seorang pelanggan
tiba disuatu fasilitas pelayanan, sedangkan apabila pelanggannya meninggalkan
fasilitas tersebut maka terjadi suatu kematian (Bronson, 1993 : 308)
Menurut Dimyati (1999) dalam sistem antrian terdapat unit-unit yang
memerlukan pelayanan menolak memasuki sistem antrian jika antrian itu
terlalu panjang yang lebih dikenal dengan istilah balking. Menurut Mulyono
(2002) pelanggan yang tak sabar dan memutuskan untuk meninggalkan sistem
sebelum dilayani dinamakan reneging.
2. Komponen Sistem Antrian
a. Kedatangan
Pola kedatangan para pelanggan dicirikan oleh waktu antar kedatangan,
yakni waktu antara kedatangan dua pelanggan yang berurutan pada suatu
14
fasilitas pelayanan. Pola ini dapat deterministik (yakni, diketahui secara
pasti) atau berupa suatu variabel acak yang distribusi probabilitasnya
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
disebutkan secara khusus, maka anggapan standarnya adalah bahwa semua
pelanggan tiba satu per satu.
b. Pelayanan
Pola pelayanan dicirikan oleh waktu pelayanan (service time), yakni waktu
yang dibutuhkan seorang pelayan untuk melayani seorang pelanggan. Waktu
pelayanan dapat bersifat deterministik, atau berupa suatu variabel acak yang
distribusi probabilitasnya dianggap telah diketahui.
Para pelanggan dapat dilayani oleh satu pelayan atau membutuhkan suatu
barisan pelayan. Bila tidak disebutkan secara khusus, maka anggapan
dasarnya adalah bahwa satu pelayan saja dapat melayani secara tuntas
urusan seorang pelanggan.
c. Fasilitas pelayanan
Fasilitas pelayanan berkaitan erat dengan bentuk baris antrian, yaitu :
1) Bentuk series, dalam satu garis lurus ataupun garis melingkar
2) Bentuk paralel, dalam beberapa garis lurus yang antara yang satu dengan
yang lain paralel
15
d. Disiplin Antrian
Disiplin antrian adalah aturan dimana para pelanggan dilayani, atau disiplin
pelayanan (service discipline) yang memuat urutan (order) para pelanggan
menerima layanan. Aturan pelayanan menurut urutan kedatangan dapat
didasarkan pada :
1) Pertama Masuk Pertama Keluar (FIFO)
FIFO (First In First Out) merupakan suatu peraturan di mana yang akan
dilayani terlebih dahulu adalah pelanggan yang datang terlebih dahulu.
Contohnya dapat dilihat pada antrian di loket-loket penjualan karcis
kereta api
2) Yang Terakhir Masuk Pertama Keluar (LIFO)
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
justru akan keluar terlebih dahulu
3) Pelayanan Dalam Urutan Acak (SIRO)
SIRO (Service In Random Order) dimana pelayanan dilakukan secara
acak. Contohnya pada arisan, dimana pelayanan atau service dilakukan
berdasarkan undian (random)
4) Pelayanan Berdasarkan Prioritas (PRI)
Pelayanan didasarkan pada prioritas khusus. Contohnya dalam suatu pesta
di mana tamu-tamu yang dikategorikan VIP akan dilayani lebih dahulu
16
e. Kapasitas Sistem
Kapasitas sistem adalah jumlah maksimum pelanggan, mencakup yang
sedang dilayani dan yang berada dalam antrian, yang dapat ditampung oleh
fasilitas pelayanan pada saat yang sama. Sebuah sistem yang tidak
membatasi jumlah pelanggan di dalam fasilitas pelayanannya memiliki
kapasitas tak terhingga, sedangkan suatu sistem yang membatasi jumlah
pelanggan memiliki kapasitas berhingga.
f. Sumber Pemanggil
Dalam fasilitas pelayanan, yang berperan sebagai sumber pemanggilan dapat
berupa mesin maupun manusia. Bila ada sejumlah mesin yang rusak maka
sumber pemanggilan akan berkurang dan tidak dapat melayani pelanggan.
Jadi masalahnya adalah apakah
1) Sumber pemanggilan terbatas (finite calling source)
2) Sumber pemanggilan tidak terbatas (infinite calling source)
3. Struktur Dasar Proses Antrian
Proses antrian pada umumnya dikelompokkan kedalam empat struktur
dasar menurut sifat-sifat fasilitas pelayanan, yaitu :
a. Satu saluran satu tahap
b. Banyak saluran satu tahap
c. Satu saluran banyak tahap
d. Banyak saluran banyak tahap
Keempat kelompok ini ditunjukkan pada gambar 2.1.
17
Antrian Pelayan
Antrian Pelayan
Antrian Pelayan
Antrian Pelayan
Gambar 2.1. Struktur Dasar Proses Antrian
Banyaknya saluran dalam proses antrian adalah jumlah pelayanan paralel
yang tersedia. Banyaknya tahap menunjukkan jumlah pelayanan berurutan
yang harus dilalui oleh setiap kedatangan.
Sistem saluran dimana antrian mempunyai satu tempat pelayanan dengan
jumlah pelayan satu orang disebut sistem saluran tunggal. Sedangkan antrian
dengan saluran ganda adalah antrian yang mempunyai beberapa tempat
pelayanan sebanyak k pelayan dipasang secara paralel dan barisan antrian bisa
tunggal ataupun sebanyak k antrian pelanggan.
18
4. Notasi Kendall
Notasi kendall merupakan notasi untuk merinci ciri dari suatu antrian.
Notasinya adalah v/w/x/y/z, dimana :
v : menunjukkan pola kedatangan
w : menunjukkan pola pelayanan
x : menyatakan jumlah pelayanan yang ada
y : menyatakan kapasitas sistem
z : menandakan disiplin antrian
Jika y dan z tidak ditentukan maka y tak terhingga ( ∞ ) dan z FIFO.
Berikut diberikan tabel ciri sistem antrian.
Tabel 2.1 Ciri Sistem Antrian
Ciri Antrian Simbol Arti
D Deterministik
Waktu antar kedatangan
M Terdistribusi secara eksponensial
Atau
Ek Distribusi Erlang, tipe k (k=12,...)
Waktu pelayanan
G Distribusi yang lain
FIFO Pertama masuk, pertama keluar
LIFO Terakhir masuk, pertama keluar
Disiplin antrian SIRO Pelayanan dalam urutan acak
PRI Urutan prioritas
GD Urutan khusus yang lain
19
G. Terminologi dan Notasi
Terminologi dan notasi yang digunakan adalah sebagai berikut:
Keadaan sistem : jumlah pelanggan pada sistem antrian.
Panjang antrian : jumlah pelanggan yang menunggu pelayanan
En : keadaan di mana ada n pelanggan pada sistem antrian.
Pn (t) : kemungkinan bahwa tepat ada n pelanggan pada sistem
antrian pada saat t.
s : jumlah pelayan (untuk saluran pelayanan paralel) pada
sistem antrian.
λn : tingkat kedatangan rata-rata (ekspektasi jumlah
kedatangan per satuan waktu) dari calling unit
(pelanggan) baru jika ada n unit dalam sistem.
μn : tingkat pelayanan rata-rata (ekspektasi jumlah unit yang
dapat selesai dilayani per satuan waktu) jika ada n unit
dalam sistem.
Jika λ n adalah konstan untuk semua n, maka dapat ditulis sebagai λ .
Jika μ n konstan untuk semua n ≥ 1, maka dapat ditulis sebagai μ . Di sini μ n =
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
ekspektasi waktu pelayanan.
20
λ
ρ= adalah faktor penggunaan (utilisasi) untuk fasilitas pelayanan,
sμ
yaitu ekspektasi perbandingan dari waktu sibuk para pelayan.
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
kondisi transien. Tetapi, lama-kelamaan keadaan sistem akan independen
terhadap state awal tersebut, dan juga terhadap waktu yang dilaluinya. Keadaan
sistem seperti ini dikatakan berada dalam kondisi steady state.
Notasi-notasi berikut ini digunakan untuk sistem dalam kondisi steady
state.
Pn : kemungkinan bahwa tepat ada n pelanggan dalam sistem antrian
L : jumlah pelanggan rata-rata dalam sistem
Lq : panjang rata-rata dari antian
W : waktu rata-rata yang dihabiskan seorang pelanggan dalam sistem
Wq : waktu rata-rata yang dihabiskan seorang pelanggan dalam antrian
Berikut ini akan di uraikan hubungan antara L dan W.
Asumsikan bahwa λ n adalah konstan untuk semua n sehingga cukup
ditulis λ . Maka dalam proses antrian yang steady state diperoleh L = λ W dan
Lq = λ (Wq ) . Selanjutnya diasumsikan bahwa waktu pelayanan rata-rata adalah
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
Sistem M/M/I adalah sebuah sistem yang waktu pola kedatangannya
memiliki distribusi probabilitas Poisson; pola pelayanannya berdistribusi
Eksponensial; seorang pelayan; kapasitas sistem tak terbatas; dan disiplin
antriannya adalah FIFO.
2. Sistem M/M/s
Sistem M/M/s adalah suatu proses antrian yang memiliki suatu pola
kedatangan Poisson dengan ciri-ciri sebagai berikut : jumlah pelayan sebanyak
s yang tidak saling bergantung tetapi waktu pelayanan dari masing-masingnya
adalah identik mengikuti pola distribusi Eksponensial (yang mana tidak
bergantung pada keadaan sistem), kapasitasnya berhingga dan disiplin
antriannya adalah FIFO.
3. Sistem M/M/1/K
Sistem M/M/I/K dapat menampung paling banyak K pelanggan dalam
fasilitas pelayanannya pada saat yang sama. Apabila fasilitas pelayanan ini
penuh maka para pelanggan yang datang kemudian akan ditolak dan tidak
diperkenankan untuk menunggu di luar.
4. Sistem M/M/s/K
Sistem M/M/s/K adalah suatu sistem dengan ciri-ciri jumlah
pelayanannya sebanyak s, dan masing-masing memiliki waktu-waktu
pelayanan identik tetapi tidak saling bergantung yang terdistribusi secara
Eksponensial (yang mana tak bergantung pada keadaan sistem), kapasitas
sistemnya berhingga.
22
5. Sistem Prioritas Pelayanan
Sistem prioritas pelayanan adalah sistem antrian yang disiplin
pelayanannya didasarkan atas suatu sistem prioritas. Dalam kenyataan sehari-
hari, banyak sekali situasi yang memenuhi sistem seperti ini, misalnya pada
antrian paralel, dalam antrian ini antrian yang pertama mempunyai prioritas
yang pertama untuk dilayani, sedangkan antrian yang kedua mempunyai
prioritas yang lebih rendah.
6. Sistem Swalayan
Pada sistem ini jumlah pelayan menjadi tidak terbatas karena setiap
pelanggan melayani dirinya sendiri.
7. Antrian Non-Poisson
Model-model antrian di mana proses kedatangan dan/atau keberangkatan
tidak mengikuti asumsi Poisson mengarah pada hasil analisis yang sangat
kompleks dan kemungkinan lebih sulit ditelusuri. Secara umum, penggunaan
simulasi sebagai alat analisis dalam kasus-kasus seperti ini sangat disarankan.
I. Solusi Steady-State
Kondisi steady-state dalam suatu sistem antrian dapat tercapai apabila
sistem antrian tersebut independent terhadap keadaan awal, dan juga terhadap
waktu yang telah dilaluinya. Ukuran-ukuran kinerja yang terpenting dari situasi
antrian setelah tercapai kondisi steady-state yang dipergunakan untuk
menganalisis situasi antrian adalah rata-rata banyaknya pelanggan yang
menunggu dalam antrian dan rata-rata waktu menunggu yang diperkirakan
dalam antrian (Wq ) .
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
Dengan mempertimbangkan sarana pelayanan sebanyak s pelayan
paralel, maka dari definisi Pn diperoleh:
∞
L = ∑ nPn
n=0
∞
Lq = ∑ (n − s )Pn
n= s
24
Terdapat hubungan yang kuat antara L dengan W, juga antara Lq
dengan Wq, sehingga diperoleh:
L Lq
W = dan Wq =
λ λ
Solusi steady-state ini diturunkan dengan asumsi bahwa parameter-
parameter λn dan μ n adalah sedemikian sehingga kondisi steady-state
λ
dapat tercapai. Asumsi ini berlaku jika ρ = < 1.
sμ
J. Model Simulasi
Model simulasi atau sering disebut simulasi komputer berfungsi untuk
mempelajari kondisi sistem sesungguhnya (real time system) dengan ruang
lingkup luas menggunakan desain tiruan yang dihasilkan oleh suatu software
simulasi.(Law dan Kelton, 1991)
Pada model simulasi menggunakan software Arena 5.0, terdapat beberapa
komponen yang dijelaskan sebagai berikut :
1. Sistem
Sistem merupakan sekumpulan entitas yang bergerak atau berinteraksi untuk
mencapai tujuan berdasarkan alur logika tertentu.
2. Entitas
Entitas merupakan objek yang dikenai bergerak atau berinteraksi berdasarkan
alur logika tertentu.
3. Atribut
Atribut merupakan karakteristik umum dari suatu entitas.
25
4. Variabel
Variabel merupakan suatu komponen sistem yang mengandung informasi dan
nilainya diperoleh dari eksekusi model simulasi.
5. Resources
Resources merupakan wadah untuk menampung entitas dalam jumlah tertentu.
Entitas yang berasal dari suatu Resources dapat bergerak di dalam sistem jika
resources tersebut bersifat seize-delay-relase (tampung-berhenti sejenak-
keluarkan).
6. Queue (antrian)
Ketika entitas tidak dapat bergerak, dapat dimungkinkan sedang terdapat
entitas lain yang sedang berproses dalam sistem, sehingga entitas yang tidak
dapat bergerak tersebut dapat ditampung dalam suatu wadah sampai entitas
lain yang menghambat selesai berproses. Wadah tersebut disebut queue
(antrian).
7. Events (kejadian)
Pada skripsi ini terdapat 3 kejadian yaitu kedatangan, pelayanan dan selesai.
8. Statistical accumulators
Komponen ini berfungsi untuk melihat kondisi sistem sesungguhnya
berdasarkan variabel-variabel yang telah ditentukan sebelumnya. Pada
penelitian ini komponen ini terdiri dari waktu tunggu, panjang antrian, utilitas
fasilitas, dan waktu total entitas di dalam sistem.
26
Untuk membuat model simulasi dalam Arena 5.0 terdapat 3 daerah utama
jendela aplikasi, dapat dilihat pada gambar 2.2.
Gambar 2.2 Layar utama Arena 5.0
1. Project Bar
Gambar 2.3 Project Bar

a. Basic process panel : berisi modeling bentuk, disebut modul yang akan
digunakan untuk menggambarkan proses yang kita punya.
27
Ada 2 jenis modul di basic process panel ini :
1) Flowchart modul
Contohnya : create, process, decide, assign, batch, separate, record,
dispose.
2) Data modul
Contohnya : entity, queue, resource, schedule, set, variable.
b. Reports : berisi laporan hasil dari simulasi.
c. Navigate
2. Model window – flowchart view
Di dalam jendela ini akan ditampilkan flowchart, animasi dan gambar
lainnya.
Gambar 2. 4. Model window-flowchart view
28
3. Model window – spreadsheet view
Di dalam jendela ini akan ditampilkan model data seperti waktu, biaya
dan parameter lainnya.
Gambar 2.5. Model window-spreadsheet view
29
BAB III
METODE PENELITIAN
A. Metode Penelitian
Metode penelitian yang digunakan dalam penyusunan skripsi ini
adalah sebagai berikut.
1. Studi Pustaka
Studi pustaka adalah menelaah sumber pustaka yang relefan tentang teori
antrian dan model simulasi.
2. Studi Kasus
Studi kasus merupakan aplikasi model simulasi berdasarkan langkah-
langkah pemodelan sistem.
B. Metode Pengumpulan Data
Pengumpulan data dalam penelitian ini menggunakan metode
observasi. Data diambil secara langsung pada sistem antrian yang ada pada
loket pembayaran rekening listrik di PLN Semarang Tengah. Waktu
penelitian dilaksanakan pada periode sibuk, yaitu tanggal 17, 19 dan 21 Mei
2007.
C. Pengolahan Data
Langkah-langkah yang digunakan dalam menganalisis data adalah
sebagai berikut :
1. Deskripsi sistem antrian pelanggan di dalam sistem.
2. Deskripsi data yang diperoleh.
30
Data primer diambil selama 3 hari yang dipilih secara random, berupa data
rata-rata waktu antar kedatangan (AIT) dan waktu pelayanan (ST).
Pengambilan data AIT dilakukan dengan mengelompokkan banyaknya
pelanggan yang datang ke dalam interval waktu dengan lebar kelas 5
menit. Untuk pengambilan data ST digunakan alat bantu jam digital.
3. Analisis data untuk mengetahui distribusi probabilitas waktu antar
kedatangan dan waktu pelayanan.
Pada tahap analisis data digunakan Uji Goodness of Fit yaitu dengan uji
chi-square dan uji kolmogorov smirnov.
4. Diagram alir model simulasi
5. Analisis output model simulasi
Analisis output model merupakan tahap interpretasi output model
simulasi.
D. Penarikan Simpulan
Penarikan simpulan merupakan jawaban dari permasalahan dan tujuan,
yang disimpulkan berdasar hasil analisis output yang diperoleh.
31
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
Teknik simulasi merupakan salah satu cara yang lebih baik dalam
memecahkan masalah antrian dengan ditribusi waktu kedatangan dan waktu
pelayanan yang random. Simulasi dapat menirukan semirip mungkin keadaan
yang sebenarnya terjadi dalam sistem antrian.
Berdasarkan analisis data menggunakan metode simulasi dengan Arena 5.0,
diperoleh hasil penelitian dan pembahasan sebagai berikut.
A. Sistem Antrian Pelanggan di PLN Semarang Tengah
Secara umum sistem antrian pada pembayaran rekening listrik di PLN
Semarang Tengah dapat digambarkan sebagai berikut.
1. Mempunyai 3 pelayan, karena terdapat 3 loket yang melayani transaksi
pembayaran rekening listrik.
2. Kapasitas antriannya tak terbatas.
3. Sistem antriannya menggunakan disiplin antrian FIFO (first in first out).
4. Pelanggan yang datang langsung dapat mengambil nomor antrian di mesin
antrian. Disinilah mulai diperhitungkan waktu kedatangan pelanggan
(pelanggan masuk ke sistem antrian).
5. Setelah pelanggan memasuki ruang pembayaran, pelanggan membentuk
suatu antrian atau baris tunggu. Baris tunggu ini terjadi di setiap loket yang
ada, diwakili oleh nomor antrian yang dikeluarkan oleh mesin antrian
otomatis dari pihak PLN Semarang Tengah. Pelanggan menunggu sampai
nomor antriannya dipanggil untuk melakukan transaksi pembayaran. Tahap
32
ini merupakan waktu yang diperhitungkan sebagai waktu tunggu pelanggan
di dalam sistem.
6. Tahap selanjutnya adalah proses transaksi. Pada tahap ini dicatat waktu
yang dibutuhkan seorang pelayan dalam melayani setiap pelanggan.
7. Setelah proses transaksi selesai, pelanggan meninggalkan ruangan (sistem).
Berdasarkan pengamatan yang telah dilakukan sistem antrian pada
pembayaran rekening listrik di PLN Semarang Tengah dapat dilihat pada
gambar 4.1.
Kedatangan
Loket 1 Selesai
Pengambilan Antri Loket 2

No.Antrian Selesai
Loket 3
Selesai
Gambar 4.1 Sistem Antrian di PLN Semarang Tengah
B. Deskripsi Data
1. Rata-Rata Waktu Antar Kedatangan (AIT)
Pengambilan data AIT dilakukan dengan mengelompokkan
banyaknya pelanggan yang datang ke dalam kelas interval dengan lebar
kelas 5 menit. Pengelompokkan ini didasarkan dari observasi yang telah
dilakukan sebelumnya, yang bertujuan agar tidak terjadi penumpukkan yang
terlalu besar dalam antrian. Data AIT dapat dilihat pada Lampiran 2.
33
2. Waktu Pelayanan Pelanggan (ST)
Pengambilan data ST dilakukan di setiap loket, jadi waktu yang
dicatat adalah waktu yang dibutuhkan seorang pelayan untuk melayani
seorang pelanggan pada setiap loket yang ada. Waktu pelayanan pelanggan
(ST) dikategorikan sebagai berikut.
a. Waktu pelayanan di loket 1
b. Waktu pelayanan di loket 2
c. Waktu pelayanan di loket 3
Data waktu pelayanan pelanggan dapat dilihat pada Lampiran 3.
C. Analisis Data
Tahap ini merupakan identifikasi distribusi probabilitas dari pola
kedatangan dan pelayanan dengan menggunakan Goodness of fit test.
Distribusi probabilitas ini akan digunakan sebagai atribut dari model
simulasi yang akan dibuat.
1. Distribusi Probabilitas Rata-Rata Waktu Antar Kedatangan (AIT)
Kedatangan bersifat independen, jadi pendekatan distribusi AIT
menggunakan distribusi eksponensial. Berdasarkan Lampiran 2
(rekapitulasi kedatangan pelanggan), dilakukan pengujian dari distribusi
probabilitas AIT dengan Arena 5.0. Distribusi probabilitas ini didekati
berdasar output Arena 5.0 seperti pada Lampiran 4 dengan uji Kolmogorov-
smirnov sebagai berikut.
34
a. Hipotesis :
H0 : Sampel AIT dapat didekati oleh distribusi eksponensial.
b. Kriteria yang digunakan :
H0 ditolak jika p < α = 0,01 .
c. Dari output Arena 5.0 diperoleh distribusi rata-rata waktu antar
kedatangan sebagai berikut.
Tabel 4.1 Uji Kolmogorov Smirnov Distribusi Probabilitas AIT
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 :
H0 yang diuji adalah rata-rata waktu antar kedatangan (AIT)
pelanggan berdistribusi eksponensial. Pada Arena 5.0, statistik uji
kolmogorov-smirnov (D) diganti dengan nilai asimptotik signifikan, p
(sig), sedemikian hingga H0 ditolak jika p < α = 0,01 .
Dari Tabel 4.1 terlihat nilai p > α = 0,01 untuk semua hari yang
diamati, jadi H0 diterima. Dengan demikian distribusi probabilitas untuk
rata-rata waktu antar kedatangan pelanggan berdistribusi eksponensial.
2. Distribusi Probabilitas Waktu Pelayanan (ST)
Dalam verifikasi distribusi probabilitas waktu pelayanan digunakan
data waktu pelayanan yang dibutuhkan seorang pelayan untuk melayani
35
seorang pelanggan (Lampiran 3). Verifikasi ini dilakukan pada setiap loket .
Pendekatan distribusi probabilitas waktu pelayanan didekati berdasar output
Arena 5.0 seperti pada Lampiran 4 dengan uji chi square sebagai berikut.
a. Hipotesis :
H0 : Sampel ST dapat didekati oleh distribusi θ , dengan θ adalah
distribusi kontinu tertentu.
b. Kriteria yang digunakan :
H0 ditolak jika p < α = 0,01 .
c. Dari output Arena 5.0 diperoleh distribusi waktu pelayanan sebagai
berikut.
Tabel 4.2 Uji Chi-square Distribusi Probabilitas untuk ST
Tanggal Fasilitas θ p Ekspresi

0,29 + ERLA (0,211 ,3)
Loket 1 Erlang 0,426
17 Mei 0,16 +2,43*BETA(2,17 ,3,32)
Loket 2 Beta 0,451
2007
0,42 + EXPO(0,674)
Loket 3 Eksponensial 0,307
0,16 + EXPO(0,746)
Loket 1 Eksponensial 0,0171
19 Mei 0,29+3,11*BETA(0,834 ,2,47)
Loket 2 Beta 0,00658
2007
0,14 + ERLA(0,168 ,4)
Loket 3 Erlang <0,005
TRIA(0,02 ,0,603 ,2,35)
Loket 1 Triangular 0,0802
21 Mei TRIA(0,19 ,0,713 ,2,28)
Loket 2 Triangular 0,499
2007
0,1 + WEIB(0,84 ,1,94)
Loket 3 Weibull 0,0365
36
d. Kesimpulan :
H0 yang diuji adalah waktu pelayanan berdistribusi kontinu tertentu.
Pada Arena 5.0 nilai statistik uji χ 2 diganti dengan nilai asimptotik,
p (sig), sedemikian hingga H0 ditolak jika p < α = 0,01 .
Simulasi yang dibuat peneliti pada skripsi ini bertujuan untuk
mengetahui efektifitas dari sistem antrian yang ada di PLN Semarang
Tengah, jadi peneliti akan melihat kinerja dari masing-masing loket yang
ada pada PLN Semarang Tengah. Dengan demikian peneliti akan
menguji terlebih dahulu distribusi pobabilitas dari waktu pelayanan dari
masing-masing loket (pelayan).
Berdasarkan Tabel 4.2, 17 Mei 2007, pada loket 1 H0 yang diuji
adalah waktu pelayanan berdistribusi Erlang, karena
p = 0,426 > α = 0,01 maka H0 diterima. Jadi waktu pelayanan di loket 1
pada tanggal 17 Mei 2007 berdistribusi Erlang. Dari output Arena 5.0
pada Lampiran 4, distribusi Erlang tersebut diekspresikan dengan 0,29 +
ERLA (0,211, 3).
Untuk distribusi waktu pelayanan di setiap loket pada hari yang
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
diamati, maka H0 diterima, kecuali loket 3 pada tanggal 19 Mei 2007.
Ekspresi dari distribusi waktu pelayanan untuk masing-masing loket dapat
dilihat pada kolom ekspresi pada tabel 4.2. Untuk distribusi waktu
pelayanan di loket 3 pada tanggal 19 Mei 2007 dapat didekati oleh
37
distribusi Erlang, walaupun nilai p kurang dari 0,01. Hal ini disebabkan
karena hasil plot yang diperoleh lebih mendekati distribusi Erlang daripada
beberapa distribusi yang ada.
D. Diagram Alir Model Simulasi
Diagram alir model simulasi menggunakan software Arena 5.0
ditunjukkan pada gambar 4.2.
Loket 1
0
K edatangan
0
Masuk Loket?
33
33
Els e
S elesai
Loket 2
Loket 3
Gambar 4.2 Diagram Alir Model Simulasi
1. Prosedur model simulasi antrian, 17 Mei 2007
a. Langkah pertama dalam pembuatan simulasi model antrian ini digunakan
modul create. Modul ini digunakan sebagai titik awal masuknya entitas
dalam model simulasi. Entitas dalam model simulasi ini adalah
pelanggan yang akan membayar rekening listrik. Atribut dalam modul
create ini sebagai berikut.
38
Name : Kedatangan
Entity Type : Customer
Type : Expression
Expression : 0,11 + EXPO (1,13)
Units : Minutes
Entities Per Arrival : 1
Max Arrivals : infinite
First Creation : 0,0
b. Langkah kedua digunakan modul decide, modul ini mempertimbangkan
keputusan yang akan diambil dalam sistem. Atribut dalam modul decide
ini sebagai berikut.
Name : Masuk loket ?
Type : N-way by chance
c. Langkah ketiga digunakan modul process, di dalam modul ini terjadi
proses utama dalam simulasi. Process dalam model simulasi ini ada 3,
karena banyaknya pelayan dalam sistem terdiri dari 3 loket. Atribut
dalam modul process ini sebagai berikut.
1) Process 1
Name : Loket 1
Type : Standard
Action : Seize Delay Release
Priority : Medium (2)
Resources : 1 rows
39
Delay Type : Expression
Units : Minutes
Allocations : Value added
Expression : 0,29 + ERLA (0,211 , 3)
2) Process 2
Name : Loket 2
Type : Standard
Resources : 1 rows
Units : Minutes
Expression : 0,16 + 2,43*BETA (2,17 , 3,32)
3) Process 3
Name : Loket 3
Type : Standard
Resources : 1 rows
Units : Minutes
40
d. Langkah terakhir digunakan modul dispose, modul ini digunakan sebagai
titik akhir entitas dalam model simulasi. Atribut dalam modul dispose ini
sebagai berikut.
Name : Selesai
Record Entity Statistics : Yes
a. Langkah pertama dalam pembuatan simulasi model antrian ini juga
menggunakan modul create. Atribut dalam modul create ini sebagai
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
Expression : 0,29 + 3,11*BETA (0,834 , 2,47)
42
3) Process 3
Name : Loket 3
Type : Standard
Resources : 1 rows
Units : Minutes
Expression : 0,14 + ERLA (0,168 , 4)
d. Langkah terakhir digunakan modul dispose. Atribut dalam modul dispose
Name : Selesai
a. Langkah pertama dalam pembuatan simulasi model antrian ini digunakan
modul create. Atribut dalam modul create ini sebagai berikut.
Name : Kedatangan
Type : Expression
Units : Minutes
43
b. Langkah kedua digunakan modul decide. Atribut dalam modul decide ini
sebagai berikut.
c. Langkah ketiga digunakan modul process. Atribut dalam modul process
1) Process 1
Name : Loket 1
Type : Standard
Resources : 1 rows
Delay Type : Triangular
Units : Minutes
Minimum : 0,02
Value : 0,603
Maximum : 2,35
2) Process 2
Name : Loket 2
Type : Standard
44
Resources : 1 rows
Delay Type : Triangular
Units : Minutes
Minimum : 0,19
Value : 0,713
Maximum : 2,28
3) Process 3
Name : Loket 3
Type : Standard
Resources : 1 rows
Units : Minutes
Expression : 0,1 + WEIB (0,84 , 1,94)
d. Langkah terakhir digunakan modul dispose. Atribut dalam modul dispose
Name : Selesai
45
Untuk menjalankan model simulasi yang telah dibuat, klik
pada toolbar standard atau F5.
E. Pembahasan Output Model Simulasi
1. Utilitas Terjadwal di Masing-Masing Loket
Utilitas (faktor penggunaan) adalah ekspektasi perbandingan dari
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
terletak di antara 0% (tidak padat) dan 100% (padat). Utilitas terjadwal
untuk masing-masing loket dapat di lihat dalam Tabel 4.3.
Tabel 4.3 Output Utilitas Terjadwal
Tanggal Antrian Rata-rata Nilai Minimum Nilai Maksimum

Loket 1 0,2174 0 1
17 Mei
Loket 2 0,2769 0 1
2007
Loket 3 0,2528 0 1
Loket 1 0,4200 0 1
19 Mei
Loket 2 0,4387 0 1
2007
Loket 3 0,3549 0 1
Loket 1 0,3235 0 1
21 Mei
Loket 2 0,3357 0 1
2007
Loket 3 0,2409 0 1
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
21 Mei 2007 terjadi di loket 2 yaitu mencapai 34%. Utilitas terjadwal di
loket 1 dan 3 sebesar 32% dan 24%. Dengan demikian, di ketiga loket juga
tidak terjadi kepadatan yang terlalu besar.
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
besar laju kedatangan pelanggan semakin besar pula nilai utilitasnya.
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
panjang antrian berbanding lurus dengan utilitas terjadwal. Jadi semakin
lama waktu tunggu pelanggan dan semakin panjang antrian maka semakin
kecil pula waktu menganggur pelayan.
47
2. Waktu Tunggu Pelanggan di Masing-Masing Loket
Waktu tunggu yang dihabiskan pelanggan dalam sistem antrian
yang ada pada PLN Semarang Tengah adalah ketika pelanggan berada
dalam baris tunggu setelah mengambil nomor antrian hingga mulai dilayani
oleh pelayan. Waktu tunggu di masing-masing loket yang diperoleh dari
hasil simulasi di tunjukkan pada Tabel 4.4.
Tabel 4.4 Output Waktu Tunggu (Satuan menit)

Loket 1 0,108567 0 1,8831384
17 Mei
Loket 2 0,3143766 0 3,7540566
2007
Loket 3 0,1940736 0 3,0962268
Loket 1 0,51021 0 4,460337
19 Mei
Loket 2 0,4016316 0 3,86622
2007
Loket 3 0,1930092 0 1,6699854
Loket 1 0,1546164 0 1,5648318
21 Mei
Loket 2 0,1704786 0 1,7381226
2007
Loket 3 0,111351 0 1,5108714
Berdasarkan Tabel 4.4, rata-rata waktu tunggu terlama pada
tanggal 17 Mei 2007 terjadi di loket 2 yaitu sebesar 0,3143766 menit. Pada
kondisi tertentu, waktu tunggu di loket 2 mencapai 3,7540566 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
sebesar 0,1704786 menit dan waktu tunggu maksimumnya mencapai
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
karena pada tanggal tersebut terjadi penumpukkan pelanggan yang cukup
padat. Satu hari sebelum tanggal pembayaran terakhir (tanggal 20 setiap
bulannya) menjadi pilihan pelanggan dalam melakukan transaksi
pembayaran rekening listrik karena menghindari antrian yang lebih panjang
lagi. Pembayaran rekening lisrik yang melebihi tanggal 20 tiap bulannya
akan dikenakan denda, oleh karena itu banyak pelanggan yang memilih
pembayaran sebelum tanggal 20 tiap bulannya.
3. Panjang Antrian di Masing-Masing Loket
Panjang antrian di masing-masing loket pembayaran rekening
listrik pada PLN Semarang Tengah di tunjukkan pada Tabel 4.5.
Tabel 4.5 Output Panjang Antrian (Satuan orang)

Loket 1 0,02593543 0 2
17 Mei
Loket 2 0,08034061 0 3
2007
Loket 3 0,04582290 0 2
Loket 1 0,2324 0 4
19 Mei
Loket 2 0,1796 0 3
2007
Loket 3 0,08310129 0 2
Loket 1 0,05325667 0 2
21 Mei
Loket 2 0,05682627 0 2
2007
Loket 3 0,03278674 0 2
49
Berdasarkan Tabel 4.5, rata-rata panjang antrian di setiap loket
sebanyak 1 orang dan pada kondisi tertentu panjang antrian dapat mencapai
2 sampai 4 orang. Waktu tunggu yang cukup lama disebabkan terjadinya
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
disebabkan karena di loket 2 terjadi antrian yang paling panjang dibanding
loket 1 dan loket 3 yaitu sebanyak 3 orang. Begitu pula yang terjadi pada
tanggal 19 Mei 2007, waktu tunggu maksimum terjadi di loket 1 yaitu
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
Mei 2007 hampir sama di setiap loketnya, yaitu mencapai 2 orang.
4. Waktu Total di Dalam Sistem
Waktu total adalah waktu keseluruhan yang dihabiskan pelanggan
di dalam sistem antrian. Waktu total yang dihabiskan pelanggan di dalam
sistem antrian pembayaran rekening listrik di PLN Semarang Tengah
dihitung sejak pelanggan mengambil nomor antrian, menunggu dalam baris
tunggu sampai selesai dilayani oleh pelayan.
Waktu total yang dihabiskan pelanggan di dalam sistem antrian
yang diperoleh dari hasil simulasi di tunjukkan pada Tabel 4.6.
Tabel 4.6 Output Waktu Total Pelanggan (Satuan menit)
Tanggal Entitas Rata-rata Nilai Minimum Nilai Maksimum

17 Mei 2007 Pelanggan 1,2307956 0,1714554 4,828956
19 Mei 2007 Pelanggan 1,2838638 0,1626048 5,694
21 Mei 2007 Pelanggan 1,07448 0,0888126 3,4190304
50
Berdasarkan Tabel 4.6, rata-rata waktu total yang dihabiskan
pelanggan di dalam sistem antrian pembayaran rekening listrik di PLN
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
pelanggan mencapai 4,828956 menit pada tanggal 17 Mei 2007 , 5,694
menit pada tanggal 19 Mei 2007, dan 3,4190304 menit pada tanggal 21
Mei 2007. Waktu total yang paling lama dihabiskan pelanggan dalam
sistem antrian pembayaran rekening listrik di PLN Semarang Tengah terjadi
pada tanggal 19 Mei 2007, hal ini disebabkan karena adanya penumpukan
pelanggan yang cukup padat dibandingkan hari-hari lainnya.
51
BAB V
PENUTUP
A. Simpulan
Berdasarkan simulasi antrian pada pembayaran rekening listrik di PLN
Semarang Tengah yang telah dibuat dapat ditarik simpulan sebagai berikut.
1. Sistem antrian bermula ketika pelanggan yang datang mengambil nomor
antrian di mesin antrian, menunggu sampai nomor antriannya dipanggil oleh
pelayan dan selesai, keluar dari sistem ketika pelayanan berakhir. Banyaknya
pelayan dalam sistem antrian ini sebanyak 3 pelayan (loket). Baris tunggu
terjadi di setiap loket yang ada.
2. Dalam membuat simulasi model antrian ini terlebih dahulu peneliti harus
mengetahui distribusi rata-rata waktu antar kedatangan dan distribusi
probabilitas waktu pelayanan. Berdasarkan output Arena 5.0 diperoleh :
a. Distribusi probabilitas rata-rata waktu antar kedatangan (AIT) dapat
didekati oleh distribusi eksponensial. Distribusi eksponensial tersebut
diekspresikan sebagai berikut.
Tabel 5.1 Distribusi Probabilitas AIT
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)
b. Distribusi probabilitas waktu pelayanan (ST) untuk semua loket dapat
didekati oleh distribusi kontinu yang diekspresikan sebagai berikut.
52
Tabel 5.2 Distribusi Probabilitas ST
Tanggal Fasilitas Ekspresi

Loket 1 0,29 + ERLA (0,211 ,3)
17 Mei 2007 Loket 2 0,16 +2,43*BETA(2,17 ,3,32)

Loket 3 0,42 + EXPO(0,674)
Loket 1 0,16 + EXPO(0,746)
19 Mei 2007 Loket 2 0,29+3,11*BETA(0,834 ,2,47)

Loket 3 0,14 + ERLA(0,168 ,4)
Loket 1 TRIA(0,02 ,0,603 ,2,35)
21 Mei 2007 Loket 2 TRIA(0,19 ,0,713 ,2,28)

Loket 3 0,1 + WEIB(0,84 ,1,94)
3. Dari output diperoleh waktu tunggu dan panjang antrian maksimum di
masing-masing loket pembayaran rekening listrik di PLN Semarang Tengah
sebagai berikut.
Tabel 5.3 Waktu Tunggu dan Panjang Antrian Maksimum
Tanggal Antrian Waktu Tunggu Panjang Antrian

Loket 1 1,8831384 2
17 Mei
Loket 2 3,7540566 3
2007
Loket 3 3,0962268 2
Loket 1 4,460337 4
19 Mei
Loket 2 3,86622 3
2007
Loket 3 1,6699854 2
Loket 1 1,5648318 2
21 Mei
Loket 2 1,7381226 2
2007
Loket 3 1,5108714 2
53
4. Waktu yang dihabiskan pelanggan dalam sistem pembayaran rekening listrik
di PLN Semarang Tengah sebagai berikut.
Tabel 5.4 Waktu Total
Tanggal Waktu Total Maksimum

17 Mei 2007 4,828956
19 Mei 2007 5,694
21 Mei 2007 3,4190304
B. Saran
Berdasarkan hasil penelitian dan analisis yang telah dilakukan diketahui
bahwa sistem antrian yang ada di PLN Semarang Tengah sudah cukup baik
terlihat dari waktu tunggu yang relatif singkat dan antrian yang tidak terlalu
panjang, sehingga pelanggan tidak banyak menghabiskan waktu dalam sistem
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
Hari / Tanggal : Senin, 21 Mei 2007

Waktu Penelitian : 09:15:00 - 10:55:00
Data Penelitian Antrian Pelanggan
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
Rekapitulasi Kedatangan Pelanggan

Per-Interval Waktu Lima Menit
Hari/ Tanggal : Kamis, 17 Mei 2007

Waktu : 09:30:00 – 11:10:00
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

Hari/ Tanggal : Sabtu, 19 Mei 2007

Waktu : 10:30:00 – 11:40:00
Jumlah
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

Hari/ Tanggal : Senin, 21 Mei 2007

Waktu : 09:15:00 – 10:55:00
Jumlah
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
Data Waktu Pelayanan (Menit)
Loket 1
17 Mei 2007 19 Mei 2007 21 Mei 2007

0.883 0.933 0.750
0.833 2.183 0.450
1.467 0.833 0.700
0.583 0.500 0.700
1.017 1.033 0.433
0.600 1.083 0.217
0.600 1.017 0.650
0.983 0.383 1.867
0.650 0.567 0.933
0.883 0.650 0.767
1.300 0.483 0.533
0.633 0.533 0.883
1.217 0.500 0.883
0.433 0.750 1.683
0.800 0.883 0.817
0.683 0.967 1.500
1.217 0.533 1.317
1.383 1.117 0.783
0.683 1.400 0.667
1.517 0.817 0.333
0.883 0.750 0.717
0.500 0.783 2.150
0.833 2.600 0.683
0.750 0.383 0.550
0.867 0.917 1.067
0.667 1.267 0.600
1.017 1.150 1.733
0.883 1.567 1.350
0.983 1.417 0.967
1.050 0.450 0.500
0.700 0.633 0.700
0.667 0.600 1.500
1.850 0.683 0.783
0.550 0.500 1.333
1.683 0.833 0.933
1.417 0.967
0.483 0.350
0.900
0.750
0.967
0.783
0.650
0.467
0.683
68
Loket 2
17 Mei 2007 19 Mei 2007 21 Mei 2007

0.717 0.600 0.917
1.467 0.850 0.917
1.967 0.733 0.567
0.950 1.467 1.333
1.950 0.600 0.750
1.733 1.317 1.083
1.733 0.767 2.100
0.583 0.867 0.700
0.617 0.617 0.933
0.767 0.567 0.967
2.383 0.600 0.750
0.517 3.133 1.617
0.733 0.700 0.717
0.367 1.133 0.600
0.450 0.583 0.500
1.317 0.917 1.550
1.183 0.900 1.083
0.983 0.933 1.267
0.867 1.150 0.817
1.450 0.683 2.033
1.283 0.700 0.367
0.917 1.183 1.333
1.350 0.567 0.583
0.983 0.550 1.133
1.083 2.500 0.600
1.100 1.050 0.600
1.100 1.317 1.150
1.267 0.933 0.533
1.050 2.300 0.650
1.417 0.983 1.300
0.850 2.650 1.250
1.150 2.400 0.650
0.750 0.683 1.117
0.600 1.183
0.867 1.150
0.983 1.350
0.800 0.583
0.700
69
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
4.1 Distribusi Probabilitas Rata-Rata Waktu Antar Kedatangan
a. Distribusi Probabilitas AIT, Kamis 17 Mei 2007
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
b. Distribusi probabilitas AIT, Sabtu 19 Mei 2007
Data Summary
Max Data Value = 2.5
Sample Mean = 0.741
Histogram Summary
Histogram Range = 0.2 to 2.71
72
c. Distribusi probabilitas AIT, Senin 21 Mei 2007
Expression : 0.25 + EXPO(0.676)
Chi Square Test
Number of intervals = 2
Degrees of freedom =0
Corresponding p-value< 0.005
Data Summary
Sample Mean = 0.926
Histogram Summary
73
4.2 Distribusi Probabilitas Waktu Pelayanan (ST)
a. Distribusi Probabilitas ST, Kamis 17 Mei 2007

Loket 1
Distribution : Erlang
Expression : 0.29 + ERLA (0.211, 3)
Chi Square Test
Number of intervals =4
Corresponding p-value > 0.15
Data Summary
Sample Mean = 0.923
Histogram Summary
Histogram Range = 0.29 to 2
74
Loket 2
Distribution : Beta
Expression : 0.16 + 2.43 * BETA (2.17, 3.32)
Chi Square Test
Data Summary
Sample Mean = 1.12
Histogram Summary
75
Loket 3
Chi Square Test
Data Summary
Sample Mean = 1.09
Histogram Summary
76
b. Distribusi Probabilitas ST, Sabtu 19 Mei 2007

Loket 1
Chi Square Test
Data Summary
Sample Mean = 0.906
Histogram Summary
77
Loket 2
Distribution : Beta
Expression : 0.29 + 3.11 * BETA (0.834, 2.47)
Chi Square Test
Corresponding p-value < 0.01
Data Summary
Sample Mean = 1.08
Histogram Summary
78
Loket 3
Distribution : Erlang
Expression : 0.14 + ERLA (0.168, 4)
Chi Square Test
Corresponding p-value < 0.005
Data Summary
Sample Mean = 0.812
Histogram Summary
79
c. Distribusi Probabilitas ST, Senin 21 Mei 2007

Loket 1
Distribution : Triangular
Expression : TRIA (0.02, 0.603, 2.35)
Chi Square Test
Data Summary
Sample Mean = 0.885
Histogram Summary
80
Loket 2
Distribution : Triangular
Expression : TRIA (0.19, 0.713, 2.28)
Chi Square Test
Data Summary
Sample Mean = 0.993
Histogram Summary
81
Loket 3
Distribution : Weibull
Expression : 0.1 + WEIB (0.84, 1.94)
Chi Square Test
Data Summary
Sample Mean = 0.841
Histogram Summary

Simulasi Listrik

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Simulasi Listrik

Uploaded by

Copyright:

Available Formats

SIMULASI MODEL ANTRIAN

PADA PEMBAYARAN REKENING LISTRIK DENGAN ARENA 5.0

(Studi Kasus Pada PLN SEMARANG TENGAH)

Diajukan dalam Rangka Penyelesaian Studi Strata 1

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Telah dipertahankan di hadapan sidang Panitia Ujian Skripsi

Drs. Kasmadi Imam S., M.Si Drs. Supriyono, M.Si

Pembimbing Utama, Ketua Penguji,

Drs. Arief Agustanto, M. Si Drs. Supriyono, M.Si

Pembimbing Pendamping, Anggota Penguji,

Drs. Sugiman, M. Si Drs. Arief Agustanto, M. Si

pernah diajukan untuk memperoleh gelar kesarjanaan di suatu Perguruan Tinggi

dalam skripsi ini dan disebutkan dalam Daftar Pustaka.

Semarang, 28 Agustus 2007

Allah Membuat Indah Semua pada waktunya

Ibu dan Bapak, terima kasih untuk doanya.

Kurniawati, 2007, Simulasi model antrian pada pembayaran rekening listrik

Antrian yang cukup panjang pada loket pembayaran rekening listrik

Puji syukur penulis panjatkan kehadirat Allah SWT yang telah

melimpahkan rahmat, taufik dan hidayahNya sehingga skripsi dengan judul

Ucapan terima kasih penulis haturkan kepada pihak-pihak yang telah

perkenankan penulis menyampaikan terima kasih kepada :

1. Prof. Dr. H. Sudijono Sastroatmodjo, M. Si, Rektor Universitas Negeri

2. Drs. Kasmadi Imam S, M. Si, Dekan FMIPA Universitas Negeri Semarang.

3. Drs. Supriyono, M. Si, Ketua Jurusan Matematika FMIPA Universitas Negeri

4. Drs. Arief Agustanto, M. Si, Dosen Pembimbing yang telah membimbing

dalam pembuatan skripsi ini.

5. Drs. Sugiman, M. Si, Dosen Pembimbing yang telah membimbing dalam

pembuatan skripsi ini.

kepada penulis untuk melaksanakan penelitian ini.

7. Semua pihak telah membantu hingga selesainya penyusunan skripsi ini.

Akhirnya penulis berharap semoga skripsi ini bermanfaat bagi pembaca.

HALAMAN JUDUL ....................................................................................... i

PERNYATAAN .............................................................................................. iii

MOTTO DAN PERSEMBAHAN .................................................................. iv

KATA PENGANTAR .................................................................................... vi

DAFTAR ISI ................................................................................................... vii

DAFTAR TABEL ........................................................................................... ix

DAFTAR GAMBAR ...................................................................................... x

DAFTAR LAMPIRAN ................................................................................... xi

A. Latar Belakang ......................................................................... 1

C. Batasan Masalah ....................................................................... 3

D. Tujuan Penelitian ...................................................................... 4

E. Manfaat Penelitian .................................................................... 4

F. Sistematika Skripsi .................................................................... 4

BAB II LANDASAN TOERI

A. Teori Probabilitas ...................................................................... 6

B. Peubah Acak ............................................................................. 7

C. Fungsi Kepadatan Probabilitas .................................................. 7

E. Uji Goodness Of Fit .................................................................. 11

F. Konsep Antrian ......................................................................... 14

G. Terminologi dan Notasi ............................................................ 20

H. Model-model Antrian ................................................................ 22

I. Solusi Steady-State .................................................................... 23

J. Model Simulasi ......................................................................... 25

BAB III METODE PENELITIAN

A. Metode Penelitian ..................................................................... 30

B. Metode Pengumpulan Data ....................................................... 30

C. Pengolahan Data ....................................................................... 30

D. Penarikan Simpulan .................................................................. 31

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

A. Sistem Antrian Pelanggan di PLN Semarang Tengah .............. 32

B. Deskripsi Data ........................................................................... 33