TINJAUAN PUSTAKA
Bila sistem mempunyai fasilitas pelayanan lebih dari optimal, ini berarti
membutuhkan investasi modal yang berlebihan, tetapi apabila jumlah kurang dari optimal
maka hasilnya adalah tertundanya pelayanan (P. Siagian, 1987, hal. 390). Teori antrian
merupakan peralatan yang penting untuk sistem pengelolaan yang menguntungkan
dengan meminimumkan jumlah antrian.
1. Satu jalur dan satu stasiun pelayanan (Single Channel Single Phase)
Single channel artinya hanya ada satu jalur untuk memasuki sistem pelayanan
atau ada satu fasilitas pelayanan, sedangkan single phase menunjukkan hanya ada
satu stasiun pelayanan.
antrian
yang
digunakan untuk
Come First Served (FCFS), Last Come First Served (LCFS), Service In Random
Order (SIRO) dan Priority Service (PS).
4. Kepanjangan Antrian
Banyak sistem antrian dapat menampung jumlah individu individu yang relatif
besar, tetapi ada beberapa sistem yang mempunyai kapasitas yang terbatas. Secara
umum model antrian terbatas lebih kompleks daripada sistem antrian tak terbatas.
5. 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.
6. Keluar (exit)
Sesudah individu individu telah selesai dilayani, dia keluar dari sistem. Sesudah
keluar, mungkin bergabung pada satu diantara kategori populasi. Dia bergabung
dengan populasi asal dan mempunyai probabilitas yang sama untuk memasuki sistem
kembali, atau dia mungkin bergabung dengan pupulasi lain yang mempunyai
probabilitas lebih kecil dalam hal kebutuhan pelayanan tersebut kembali.
Ada 3 (tiga) aspek yang harus diperhatikan dalam mekanisme pelayanan, (P. Siagian,
1987, hal. 392 - 393), yaitu :
1. Tersedianya Pelayanan
Mekanisme pelayanan tidak selalu tersedia untuk setiap saat. Misalnya dalam
pertunjukan bioskop, loket penjualan karcis masuk hanya dibuka pada waktu tertentu
antara satu pertunjukan berikutnya. Sehingga pada saat loket ditutup, mekanisme
pelayanan terhenti dan petugas pelayanan (pelayan) istirahat.
2. Kapasitas Pelayanan
Kapasitas dari mekanisme pelayanan diukur berdasarkan jumlah konsumen (satuan)
yang dapat dilayani secara bersama-sama. Kapasitas pelayanan tidak selalu sama
untuk setiap saat, ada yang tetap, tetapi juga ada yang berubah-ubah. Karena itu,
fasilitas pelayanan dapat memiliki satu atau lebih saluran tunggal atau sistem
pelayanan tunggal disebut saluran ganda atau pelayanan ganda.
3. Lamanya Pelayanan
Lamanya pelayanan adalah waktu yang dibutuhkan untuk melayani seorang
konsumen atau satu-satuan. Ini harus dinyatakan secara pasti. Oleh karena itu, waktu
pelayanan boleh tetap dari waktu ke waktu untuk semua konsumen atau boleh juga
berupa variabel acak. Umumnya dan untuk keperluan analisis, waktu pelayanan
dianggap sebagai variabel acak yang terpencar secara bebas dan sama dan tidak
tegantung pada waktu pertibaan.
Kebiasaan ataupun kebijakan dimana para konsumen dipilih dari antrian untuk
dilayani, disebut disiplin pelayanan.
Ada 4 (empat) bentuk disiplin pelayanan yang biasa digunakan dalam praktek, (P.
Siagian, 1987, hal. 395 - 396), yaitu :
1. First-come first-served (FCFS) atau first-in first-out (FIFO)
Artinya, lebih dulu datang (sampai) lebih dulu dilayani. Misalnya, antri beli tiket
bioskop.
2. Last-come first-served (LCFS) atau last-in first-out (LIFO)
Artinya, yang tiba terakhir yang lebih dulu keluar. Misalnya, sistem antrian dalam
elevator (lift) untuk lantai yang sama.
3. Service in random order (SIRO)
Artinya, panggilan didasarkan pada peluang secara random, tidak soal siapa yang
lebih dulu tiba.
4. Priority service (PS)
Artinya, prioritas pelayanan diberikan kepada mereka yang mempunyai prioritas lebih
tinggi dibandingkan dengan mereka yang mempunyai prioritas lebih rendah,
meskipun yang terakhir ini kemungkinan sudah lebih dahulu tiba dalam garis tunggu.
Kejadian seperti ini kemungkinan disebabkan oleh beberapa hal, misalnya seseorang
yang keadaan penyakitnya lebih berat dibandingkan dengan orang lain dalam suatu
tempat praktek dokter. Mungkin juga, karena kedudukan atau jabatan seseorang
menyebabkan dia dipanggil terlebih dahulu atau diberi prioritas lebih tinggi.
Demikian juga bagi seseorang yang menggunakan waktu pelayanan yang lebih sedikit
diberi prioritas dibanding dengan mereka yang memerlukan pelayanan lebih lama,
tidak soal siapa yang lebih dahulu masuk dalalm garis tunggu. Contoh-contoh diatas
merupakan sebagian kecil dari priority service yang sering kita lihat dalam keadaan
sesungguhnya.
= Menyatakan bilangan bulat positif yang lebih besar atau sama dengan satu.
Ws = Rata rata waktu tunggu dalam sistem (termasuk waktu pelayanan) bagi setiap
pelanggan
n
= Rata rata tingkat kedatangan (jumlah pelanggan yang datang per satuan waktu)
= Rata rata tingkat pelayanan (jumlah pelanggan yang dilayani per satuan waktu)
1/ = Waktu antar kedatangan rata rata (satuan waktu per jumlah pelanggan)
1/ = Waktu pelayanan rata rata (satuan waktu per jumlah pelanggan)
GD /
//
= Sumber kedatangan
Dari solusi steady state (< ) diperoleh (Hamdy A. Taha, 1976, hal. 614):
1
P0 =
1 /
P0 = 1 /
Untuk n > 0
Pn = P0 ( / )
Jumlah pelanggan rata-rata dalam sistem
Li =
Lq =
2
1
L
1
1
= i =
(1 )
Wq =
=
=
( )
(1 )
Keterangan :
P0
Pn
Ls
Lq
Karakteristik dari model ini adalah pelayan atau saluran ganda, masukan Poisson,
waktu pelayanan eksponensial dan antrian tak berhingga. Rumus yang digunakan sebagai
berikut (Hamdy A. Taha, 1976, hal.622):
C
C 1 ( / )n
(
/ )
P0 =
+
( )
n = 0 n !
C! 1
( / )n
P
n!
Pn =
c
( / )
c ( / )
Lq =
P0
2
c
Jumlah rata-rata pelanggan
adalah :
dalam
sistem
Ls = Lq +
Wq =
Lq
Keterangan :
P0
Pn
Ls
Lq
Model ini memperlihatkan situasi di mana terdapat ruang tunggu buat langganan
terbatas jumlahnya dengan jumlah pelayanan lebih dari satu (P.Siagian, 1987, hal. 430).
Misalkan : c
= Jumlah pelayanan
N = Jumlah maksimum langganan yang muat dalam ruangan
1
1 n 1 n
( ) + ( )
c!
n = 0 n!
c
n = c + 1 c
N
Untuk n c maka :
Pn =
1
( )n P0
n!
1
( )n P0
n c
C! C
n c
Lq =
c P0
c
1
2
c
c! 1
c
N c
( N c )
c
N c
Ls = Lq + c (c n ) Pn
n 0
Lq
eff
c 1
dan eff = c (c n ) Pn
n =0
Ls
L eff
Keterangan :
P0
Pn
Ls
Lq
Ws
Wq
1
c
Arti dari model di atas menunjukkan elemen dasar yang terkandung dalam model
antrian yaitu :
M/M
/c
NPRP /
//
= Sumber kedatangan
Model diatas adalah model disiplin prioritas, yaitu model antrian yang disiplin
dan
= /
i =1
Wk
Wq
= rata-rata waktu tunggu dalam antrian (tidak termasuk waktu pelayanan) bagi
setiap pelanggan di tiap-tiap kelas prioritas
Lk
Lq
Dalam kondisi steady state, jumlah anggota dari kelas prioritas ke-k dalam sistem antrian
(termasuk yang sedang dilayani) adalah :
Lk = k . Wk
Untuk menentukan waktu menunggu di luar pelayanan untuk kelas prioritas ke-k maka :
Wq = Wk 1 /
Sehingga panjang antriannya diperoleh dengan cara :
Lq = Wq . k
Jika S = 1 maka didapat :
Wk =
1/
Bk 1 . Bk
Untuk menduga distribusi data diskrit, maka dicari Lexis Ratio ( Lr ) dengan
rumus (Law dkk, 1991, hal. 282 289) :
Lr(n)
S2
X (n)
Poisson, sedangkan jika Lr(n) > 1, maka data diduga berdistribusi Binomial, dan bila Lr(n)
< 1, maka data diduga berdistribusi Binomial Negatif.
Untuk menduga distribusi data kontinyu, maka mula mula dicari koefisien
variansinya ( cv ) dengan menggunakan rumus (Law dkk, 1991,
hal. 282289)
S2 (n )
X(n )
n
(X
dimana S
(n)
Xn
i =1
n -1
, dan X ( n ) =
i =1
S2(n) dan X ( n ) adalah varian dan mean dari data yang terkumpul. Untuk beberapa variabel
random kontinyu, jika :
cv(n) mendekati 1 atau cv < 1, maka distribusi data tersebut adalah eksponensial.
cv(n) < 1 dan < 1, maka data dianggap berdistribusi weibull atau gamma
cv(n) = 1 dan = 1 atau < 1, maka data juga dianggap berdistribusi weibull atau
gamma.
P(x) =
e .
, dengan x = 0,1,2,3,......n
x!
[O1 E1 ]2
i =1
E1
Dengan x2 merupakan nilai perubahan acak x2 yang berdistribusi sampelnya sangat dekat
dengan distribusi Chi Square dan O1 dan E1 masing masing menyatakan frekuensi
amatan dan frekuensi harapan dalam sel ke i
Bila frekuensi amatan dekat dengan frekuensi harapan padanannya maka nilai
x2 akan kecil, yang berarti menunjukkan kesesuaian yang baik. Bila frekuensi amatan
berbeda dengan frekuensi harapan, maka nilai x2 akan besar dan kesesuaian jelek (tidak
mencerminkan penyimpangan yang wajar mengenai hasil pengamatan yang teoritik).
Untuk mengatasinya dilakukan penggabungan antara kategori yang mempunyai E1 kecil
dengan kategori yang berdekatan sehingga hasil gabungan dianggap cukup besar.
Kesesuaian yang baik mendukung penerimaan H0, sedangkan kesesuaian yang
jelek mendukung penolakannya. Daerah kritis akan terjadi pada ujung kanan distribusi
chi square. Untuk tingkat kepercayaan 95 %, digunakan nilai kritis X20,95 sehingga X2 >
X20,95 menyatakan daerah kritis. Untuk melakukan uji ini akan dibandingkan dengan
dengan frekuensi hasil yang sebenarnya diamati dengan frekuensi yang diharapkan
berdasarkan bentuk uji yang dimisalkan dengan menggunakan rumus diatas. Untuk
menguji kecocokan distribusi Poisson, Distribusi Chi Square yang digunakan akan
mempunyai dk = ( k 1 ). (Sudjana, 1992, hal. 273).
Pengertian
umum
tentang
simulasi
adalah
suatu
metodologi
untuk
melaksanakan suatu percobaan dengan menggunakan model dari suatu sistem nyata.
Sedangkan ide dasarnya adalah menggunakan beberapa perangkat untuk meniru sistem
nyata guna mempelajari serta memahami sifat-sifat, tingkah laku (perangai) dari sistem
nyata untuk maksud perancangan sistem atau perubahan tingkah laku (perangai) sistem.
Telah lama metode simulasi digunakan dalam membantu memecahkan
persoalan-persoalan dalam berbagai bidang kehidupan. Pada ilmu murni, simulasi sering
digunakan dalam mengestimasikan luas area suatu kurva, studi perpindahan partikel,
invers matriks dan lain sebagainya. Selain itu simulasi juga digunakan secara luas pada
Eksperimen
Dengan sistem
Sebenarnya
Eksperimen dengan
menggunakan model
sistem
Model Fisik
Model Matematik
Analitik
Simulasi
Semua simulasi yang baik memerlukan perencanaan dan organisasi yang baik.
Pada umumnya terdapat 5 langkah pokok yang diperlukan dalam menggunakan simulasi
(P. Siagian, 1987 , hal. 449 450), yaitu :
1. Tentukan sistem atau persoalan yang hendak disimulasi .
Ini mencakup penentuan :
lingkungan
tujuan
karakteristik
Perubahan ini, contoh dari model simulasi yang statik adalah line balancing dan
plant layout. Dalam perencanaan layout tentu saja diperlukan syarat syarat keadaan
keadaan lain bersifat statik sedang contoh dari model dinamik adalah inventory
sistem, job shop model dan sebagainya.
4. Model Simulasi Heuristik
Model yang heuristik adalah model yang dilakukan dengan cara coba coba, kalau
dilandasi suatu teori masih bersifat ringan, langkah perubahannya dilakukan berulang
ulang dan pemilihan langkahnya bebas, sampai diperoleh hasil yang lebih baik,
tetapi belum tentu optimal.
Model stokhastik adalah kebalikan dari model deterministik, dan model statik
kebalikan dari model dinamik.
Meskipun model analitik sangat kuat dan berguna, tetapi masih terdapat beberapa
keterbatasan (P. Siagian, 1987, hal. 448 449), antara lain :
1. Model analitik tidak mampu menelusuri perangai suatu sistem pada masa lalu dan
masa mendatang melalui pembagian waktu.
2. Model matematis yang konvensional sering tidak mampu menyajikan sistem nyata
yang lebih besar dan rumit (kompleks).
3. Model analitik terbatas pemakaiannya dalam hal hal yang tidak pasti dan aspek
dinamis (faktor waktu) dari persoalan manajemen.
Berdasarkan hal tersebut diatas, maka konsep simulasi dan penggunaan model
simulasi merupakan jawaban dan ketidakmampuan dari model analitik.
dipuncak dan lembah. Model antrian dapat menghitung rata-rata panjang antrian,
rata-rata waktu pelayanan dan sebagainya tetapi hanya untuk keadaan steady
state.
2.
Model antrian, pada keadaan terpaksa didasari atas sejumlah asumsi tentang
kedatangan, pola pelayanan dan sebagainya. Batasan ini digunakan untuk
menjaga keadaan tidak berubah ke keadaan yang lebih kompleks. Simulasi
memungkinkan lebih banyak kemungkinan untuk lebih fleksibel (mudah
disesuaikan) didalam menentukan asumsi-asumsi.
3.
Simulasi dapat digunakan untuk aplikasi lain dari analisa waithing line atau
antrian.
Variabel variabel sistem dapat ditentukan setelah sub sistem diamati dan
ditentukan. Variabel sistem dapat bersifat deterministik atau stokastik, aktivitasnya
bersifat random dan akan terdapat variabel yang berasal dari suatu sistem distribusi
probabilitas tertentu. Variabel ini dapat diperoleh dengan cara membangkitkan bilangan
random dan menggunakannya dalam proses penentuan nilai suatu variabel.
Untuk mendapatkan bilangan random dapat digunakan beberapa metode yaitu :
1. Memakai fungsi bilangan random komputer yang telah tersedia pada komputer,
misalnya R = RND (Z), dimana R adalah bilangan random yang dibangkitkan
sedangkan Z adalah konstanta.
2. Metode Midsquare.
Metode ini mengambil n digit yang diinginkan ditengah tengah hasil kuadrat
bilangan random sebelumnya. Kelemahan dari cara ini adalah waktu siklusnya yang
pendek.
3. Metode Linier Congruential.
Zi = (aZi-1 + c)(mod m) .(2.17)
Ui =
Zi
.(2.18)
m
Dimana :
Ui = bilangan random
a = faktor pengali
c = kenaikan
m = modus
Zo = bilangan awal
Untuk mengkonversikan bilangan random menjadi variasi random maka ada
beberapa metode yang digunakan yaitu :
1. Metode Transformasi Invers.
U = f (x)
x = F-1 (U) .(2.19)
dimana :
F (x)
F-1 (U)
= bilangan random
= variabel random
2. Metode Rejection.
Software ini menganut sistem drag & drop dan memiliki kemampuan animasi 2
dimensi. ARENA juga memiliki tingkat kompatibilitas yang baik. Kemampuan
animasinya dapat ditunjang oleh file-file dari AutoCad. ARENA di spesialisasikan untuk
menyelesaikan masalah-masalah Simulasi Sistem Diskret. Kelebihan lain dari ARENA
adalah memiliki kemampuan pengolahan data statistik, walaupun tidak begitu lengkap.
Arena sebagai sofware simulasi yang berfungsi melindungi model dengan cara
meramalkan dampak dari kondisi-kondisi yang baru, aturan-aturan dan strategi sebelum
pelaksanaan yang akan dilakukan.
2.14.1.2
dapat digunakan dalam situasi di mana suatu aktivitas terjadi dalam tahap berurutan
dan mempunyai distribusi yang bersifat exponen. Distribusi Erlang sering digunakan
untuk menghadirkan waktu dan untuk menyelesaikan suatu tugas.
2. Exponential
Distribusi Exponential adalah distribusi yang sering digunakan untuk model
inteverent pada suatu proses kedatangan acak, tetapi umumnya hanya untuk
memproses penundaan waktu.
3. Gamma
Distribisi Gamma adalah distribusi yang digunakan untuk menghadirkan waktu dan
untuk menyelesaikan beberapa tugas (sebagai contoh, suatu pengerjaan dengan mesin
waktu atau pada waktu memperbaiki mesin).
Ddistribusi Gamma digunakan untuk bilangan bulat yang membentuk parameter,
distribusi gamma menjadi sama lainnya dengan distribusi Erlang.
4. Lognormal
Lognormal digunakan pada situasi dimana kuantitas menjadi suatu produk yang
berjumlah acak. Distribusi ini berhubungan dengan bilangan normal.
5. Normal
Distribusi normal adalah distribusi yang digunakan dalam situasi dimana batas pusat
digunakan untuk menerapkan penjumlahan yang lain. Distribusi ini juga digunakan
untuk pengalaman yang banyak pada suatu proses yang nampak akan mempunyai
suatu distribusi symmetric, sebab distribusi ini tidak digunakan untuk penjumlahan
positive seperti waktu proses.
6. Poisson
Distribusi Poisson adalah distribusi yang sering digunakan untuk banyaknya model
pada peristiwa acak yang terjadi di dalam suatu interval waktu yang telah ditetapkan.
Jika waktu antara peristiwa secara berurutan yang bersifat exponen disebarkan,
kemudian banyaknya peristiwa yang terjadi di dalam suatu waktu, yang interval
mempunyai suatu distribusi poisson. Distribusi ini juga digunakan untuk model
ukuran batch acak.
7. Triangular
Distribusi Triangular ini biasanya digunakan di dalam situasi di mana format tepat
dari distribusi tidaklah dapat dikenal, yaitu untuk perkiraan yang minimum dan
maksimum, dan nilai-nilai hampir bisa dipastikan ada tersedia. Pada distribusi
triangular ini akan lebih mudah untuk menggunakan dan menjelaskan dibandingkan
distribusi lain yang mungkin digunakan di dalam situasi ini (distribusi beta).
8. Uniform
Distribusi Uniform adalah distribusi yang digunakan ketika semua nulai-nilai atas
suatu cakupan terbatas mungkin dianggap sama. Kadang-kadang tidak digunakan
ketika informasi selain dari cakupan sudah tersedia. Distribusi seragam mempunyai
suatu perbedaan lebih besar dibandingkan distribusi lain yang digunakan ketika
sedang kekurangan informasi (distribusi triangular).
9. Weibul
Distribusi Weibul secara luas digunakan di dalam model keandalan untuk
menghadirkan suatu alat. Jika sutu sistem terdiri dari sejumlah besar komponen yang
gagal dengan bebas, dan jika dibanding waktu antara kegagalan berurutan dapat
didekati oleh distribusi weibul. Distribusi ini juga digunakan untuk menghadirkan
bukan suatu tugas yang negatif adalah kepada yang ditinggalkan.
10. Beta
Distribusi Beta ini mempunyai kemampuan untuk menerima sutu bentuk yang luas,
distribusi ini sering digunakan untuk membuat konsep dasar model untuk
ketidakhadiran data.
Pada menu start windows dipilih program Rockwell Software dan kemudian
dipilih Arena setelah dijalankan maka akan muncul tampilan software Arena seperti
berikut ini.
Toolbars
Menu bar
Project bar
Model window
(Flowchart view)
Model window
(spreadsheet view)
Status bar
a.
Menu bar
Menu bar yang ada di dalam Arena secara umum terdiri dari menu-menu yang
identik pada kebanyakan aplikasi untuk windows, seperti menu file (untuk
manajemen file pengguna), menu edit, view. Dan tentunya terdapat beberapa menu
bar yang disediakan Arena untuk membantu pengerjaan modeling system (seperti
tools, arrange, object, dan run ).
b.
Project bar
Project bar pada Arena terdiri dari dua hal, yaitu:
Flowchart module
Merupakan modul untuk membangun model simulasi dalam Arena, terdiri dari
modul basic process, modul advance process.
Spreadsheet module
Merupakan modul untuk status dari flowchart yang digunakan. Status yang ada
didapatkan secara otomatis atau diinput secara manual.
c.
Status bar
Merupakan suatu modul dalam Arena yang bertujuan untuk melihat status dari
pekerjaan (modul) kita saat ini. Contoh kondisi, Running = model simulasi kita
sedang dijalankan.
d.
Toolbar
Merupakan suatu window yang berisi daftar perintah yang sering digunakan dan
dipresentasikan dalam bentuk tombol.
e.
f.
a.
Create
Random (expo)
Schedule
Constant
Espresion
ditentukan.
Units : Satuan waktu yang digunakan.
Entity per arrival : Jumlah kedatangan entity pada setiap kali generate dilakukan.
Max arrivals : Jumlah maksimum generate entity kedalam simulasi.
First creation : waktu pertama kali generate entity kedalam simulasi.
b.
Dispose
Arena.
c.
Process
Action : jenis aktivitas yang dilakukan pada saat modul proses bertipe standard.
Priority : nilai prioritas dari beberapa jenis proses sltenatif
Resources : sumber daya yang digunakan dalam melakukan aktivitas proses
Delay type : waktu proses atau bisa juga diasumsikan sebagai waktu delay ketika
antara lain :
Value added : pada proses yang dilakukan terjadi penambahan nilai dari
Non value added : tidak terjadi proses penambahan nilai dari meterial input
d.
Other
Decide
2-way by chance
2-way by condition
Percent true (0-100) : nilai yang digunakan untuk menetapkan entity yang keluar, nilai
Assign
Modul ini digunakan untuk memasukkan nilai baru pada variable, entity atribut,
entity type,atau variable lain pada sistem.
Variabel : nama yang diberikan pada sebuah entity variable dengan nilai baru.
Atribute : nama yang diberikan pada sebuah entity atribut dengan nilai baru
New value : nilai baru pada atribut, variable, atau variable sistem lainnya. Tidak dapat
2.15. Validasi
Validasi simulasi mengandung elemen, rumus dan rangkaian logika dalam jumlah
yang banyak. Oleh karena itu walaupun komponen komponen individual menunjukkan
kesesuaian yang cukup baik, namun seringkali berbagai pengabaian atau pendekatan
kecil tetap berakumulasi sehingga menyebabkan distorsi pada output model secara
keseluruhan. Konsekuensinya setelah program dijalankan perlu dilakukan pengujian
validitas model untuk memprediksi kelakuan sistem secara terpadu.
Ada 3 cara yang dapat dipakai sebagai acuan dalam mengevaluasi validitas hasil
simulasi yaitu :
1. Validasi Kotak putih ( White Box Validation )
Pada validasi ini, diasumsikan bahwa model dan sistem nyata merupakan suatu
transparan sehingga struktur internal dari keduanya dapat diketahui. Sehingga
pengujian validasi dilakukan pada cara kerja model simulasi yang digunakan.
Penekanan White Box Validation adalah detail internal yang bekerja pada model.
2. Validasi Kotak Hitam ( Black Box Validation )
Pada validasi kotak hitam, diasumsikan bahwa model dari sistem nyata merupakan
suatu kotak hitam ( Black Box ). Strategi praktis yang dijalankan adalah mengamati
perilaku sistem nyata dan kemudian model dijalankan dibawah kondisi yang sesuai
dengan sistem nyata. Pengujian dilakukan dengan membandingkan rata rata waktu
kedatangan yang dihasilkan oleh simulasi dengan keadaan yang sebenarnya. Bila
hasil dari simulasi masih dalam batas toleransi sebesar 100 % dibandingkan dengan
sistem yang sebenarnya maka dapat disimpulkan bahwa simulasi valid (Law dkk,
1991, hal. 277 288).
1. Penelitian pertama
Penelitian yang dilakukan oleh Diah Ayu Sanggarwati dengan judul Penentuan
jumlah loket pelayanan pembayaran rekening listrik dalam upaya mengurangi antrian
pada PT. PLN (Persero) di Area Pelayanan Surabaya Barat. Dengan abstraksi : PT. PLN
(PERSERO)
sebagai penyedia
jasa
listrik
dalam
negeri
mempunyai
fungsi
menyelenggarakan dan secara terus menerus meningkatkan pelayanan jasa listrik pada
masyarakat. Melalui pelaksanaan percontohan pelayanan Publik Jawa Timur 2005, PT.
PLN (PERSERO) area pelayanan Surabaya Barat Bertekad Memberi Pelayanan Terbaik
.
Loket Pengendalian Pendapatan adalah salah satu tempat pembayaran listrik, yang
juga merupakan loket pembayaran pusat untuk wilayah area pelayanan Surabaya barat.
Sistem antrian terjadi pada akhir pembayaran periode I dan II, yaitu pada tanggal 7, 8, 9,
10 untuk periode I dan 17, 18, 19, 20 Untuk periode II memiliki pola tingkat kedatangan
berdistribusi poisson dengan rata-rata kedatangan ( ) 180,393 pelanggan/jam dan pola
tingkat pelayanan berdistribusi eksponensial dengan rata-rata pelayanan ( ) 95,7
pelanggan/jam. Adapun jumlah loket pelayanan sebelum dilakukan analisa perhitungan
adalah sebanyak 2 unit loket. Dan yang menjadi permasalahan disini adalah Berapa
penentuan jumlah loket pelayanan yang optimal digunakan metode Aspiration Level,
yang terlebih dahulu menentukan waktu perkiraan menunggu pelanggan dalam sistem
dan persentase waktu pelayanan yang menganggur sebagai batas batas pengambilan
keputusan sehingga jumlah loket pelayanan yang optimal dapat ditentukan.
Setelah melalui perhitungan dengan menggunakan metode antrian multi channel
single-phase, didapat bahwa loket untuk pelayanan pembayaran listrik yang seharusnya
disediakan yaitu berjumlah 3 unit loket guna mengurangi antrian yang panjang serta
waktu menunggu pelanggan yang harus dilayani. Dengan hasil perhitungan bahwa
dengan 3 unit loket maka jumlah pelanggan rata rata dalam sistem (L S ) yang semula
adalah sebesar 16,998 pelanggan menjadi 2,548 pelanggan dan waktu menunggu rata
rata dalam sistem (W S ) yang semula adalah sebesar 0,09423 jam menjadi 0,01412 jam.
2. Penelitian kedua
Penelitian yang dilakukan oleh Leli Krismarista Lina dengan judul Penentuan
jumlah teller yang optimal dengan model simulasi di bank mandiri cabang rungkut megah
raya Surabaya. Dengan abstraksi : Bank adalah badan usaha yang menghimpun dana dari
masyarakat dalam bentuk simpanan dan menyalurkannya kepada masyarakat dalam
rangka meningkatkan taraf hidup rakyat banyak. Dengan berbagai macam kiat bank-bank
yang ada berupaya agar menarik minat para nasabah dan tetap hidup dalam roda
perekonomian di Tanah Air.
Demikian pula Bank Mandiri Cabang Rungkut Mega Raya yang saat ini
memiliki 3 (tiga) teller sehingga menghadapi permasalahan. Masalah yang dihadapi oleh
Bank Mandiri bagaimana menentukan jumlah teller yang optimal, agar pada saat
terjadinya antrian teller mampu melayani nasabah dengan waktu tunggu yang lebih
kecil.Model simulasi komputer digunakan sebagai pendekatan penilaian sistem antrian
untuk mengantisipasi hal-hal terjadinya ketidakpuasan atau ketidak pastian yang tinggi.
Setelah diperoleh model sistem dilakukan penerjemahaan model pada software untuk
menggambarkan kerja sistem. Alur logika yang dibentuk perlu diuji agar diketahui bahwa
model simulasi komputer telah berjalan sesuai dengan sistem nyata yang dimodelkan.
Dari hasil simulasi sistem nyata yang ada, dapat diketahui bahwa ratarata
tingkat utilization 3 teller adalah sebesar 72% dan setelah dilakukan simulasi usulan
dengan cara trial and error didapat bahwa untuk teller diperoleh rata-rata tingkat
utilization sebesar 67%, sehingga tingkat pelayanan nasabah bisa lebih memuaskan.