registrasi
Probability Density Function
Histogram Gamma
x
1600 1400 1200 1000 800 600 400 200
f
(
x
)
0.44
0.4
0.36
0.32
0.28
0.24
0.2
0.16
0.12
0.08
0.04
0
Gamma
= 1.3718
= 377.01
Institut Teknologi Sepuluh Nopember
Probability Density Function
Histogram Rayleigh (2P)
x
180 160 140 120 100 80
f
(
x
)
0.36
0.32
0.28
0.24
0.2
0.16
0.12
0.08
0.04
0
Probability Density Function
Histogram Log-Logistic (3P)
x
900 800 700 600 500 400 300 200 100
f
(
x
)
0.48
0.44
0.4
0.36
0.32
0.28
0.24
0.2
0.16
0.12
0.08
0.04
0
pemeriksaan dokter
rujukan
682 . 59
265 . 53
=
=
,
o
Rayleigh
(2P)
98 . 229
26 . 648
0222 . 6
=
=
=
,
|
o
Log-
logistik
(3P)
Institut Teknologi Sepuluh Nopember
kegiatan pelayanan
penumpukan
kartu
registrasi
pemeriksaan
dokter
rujukan
pengambilan
obat
Nilai P 0.6 0.234 0.927 0.917 0.661
uji
2 sampel
independent
Institut Teknologi Sepuluh Nopember
uji kesesuaian distribusi
Institut Teknologi Sepuluh Nopember
uji validasi simulator
Institut Teknologi Sepuluh Nopember
rata-rata pelayanan telah menuju ke
suatu nilai (konvergen)
iterasi
lama rata-rata pelayanan simulator
uji perbandingan dua rata-rata
t-test for Equality of Means
t df
Sig. (2-
tailed)
Mean
Difference
Std. Error
Difference
95% Confidence
Interval
Lower Upper
data
gabungan
Equal
variances
assumed
-.984 108 .327 -15.05750 15.30193 -45.38858 15.27358
Equal
variances
not
assumed
-.605 29.223 .550 -15.05750 24.88628 -65.93877 35.82377
Institut Teknologi Sepuluh Nopember
Kesimpulan
1. Pengujian validasi distribusi data asli pada
setiap tahap memiliki distribusi yang sama
dengan data bangkitan extend
2. Model simulator yang sesuai dengan
sistem antrian Puskesmas Klampis
Ngasem dapat dilihat padan Gambar 5.7
Institut Teknologi Sepuluh Nopember
Saran
Pada penelitian selanjutnya alangkah baiknya jika
dilakukan analisis optimasi sehingga dapat diketahui
jumlah server yang optimum untuk tahap yang dianggap
krusial. Selain itu juga perlu mensimulasikan sistem secara
keselurahan berdasarkan dimensi waktu (berkelanjutan).
Institut Teknologi Sepuluh Nopember