84 249 1 PB PDF
84 249 1 PB PDF
1. PENDAHULUAN
UB merupakan salah satu universitas negeri terkemuka di Indonesia. Universitas Brawijaya
memiliki 52.376 mahasiswa dan 1.850 dosen pada tahun 2012, yang menggunakan alat transportasi
menuju ke kampus dan mayoritas adalah kendaraan milik pribadi.
Antrian di pintu masuk dan keluar gedung maupun instansi adalah permasalahan yang sering
terjadi. Model antrian yang diterapkan oleh suatu sistem berpengaruh pada karakteristik antrian itu
sendiri.
Kendaraan masuk melalui pintu gerbang UB menggunakan tanda pengenal berupa stiker. Bagi
kendaraan yang tidak memiliki stiker, diwajibkan membayar Rp 1.000,00 untuk tarif sepeda motor dan
Rp 2.000,00 untuk tarif kendaraan roda empat. Pada pintu keluar, semua kendaraan wajib
menunjukkan STNK pada petugas. Hal ini menyebabkan terjadinya antrian kendaraan yang
didominasi sepeda motor di pintu keluar pada saat jam istirahat dan jam pulang kerja selain karena
tingkat kedatangan yang lebih besar daripada tingkat pelayanan.
Artikel ini bertujuanmembahas sistem antriandi pintu keluar Watugong UB dan memberikan
alternatif model antrian jika sistem antrian yang sudah diterapkan belum optimal.
2. METODOLOGI
Langkah pengerjaan dimulai dengan melakukan pengamatan sistem antrian dan pengumpulan
data berupa data kedatangan dan data lama pelayanan. Data tersebut diuji menggunakan uji Chi
Kuadrat untuk menguji apakah data kedatangan berdistribusi Poisson dan data lama pelayanan
berdistribusi Eksponensial. Langkah selanjutnya adalah menghitung karakteristik sistem antrian.
Langkah terakhir adalah memberikan alternatif model antrian.
3. HASIL DAN PEMBAHASAN
3.1 Karakteristik Sistem Antrian
Menurut Aalto (2005), notasi Kendall dapat digunakan untuk menggambarkan karakteristik dari
antrian secara umum yang dibakukan dengan format sebagai berikut:
(x / y / z ) : (u / v / w)
di mana
x menyatakan distribusi kedatangan,
y menyatakan distribusi waktu pelayanan,
z menyatakan jumlah fasilitas pelayanan,
u menyatakan disiplin antrian,
v menyatakan jumlah maksimum pelanggan dalam sistem,
w menyatakan ukuran dari populasi atau sumber.
Menurut Taha (1997), model (M/M/c):(FCFS//) para pelanggan tiba dengan laju konstan
dan maksimum c pelanggan dapat dilayani secara bersamaan. Laju pelayanan per pelayan juga konstan
dan sama dengan . Pengaruh dari penggunaan c pelayan yang paralel adalah mempercepat laju
304
Probabilitas bahwa seseorang konsumen memasuki sistem dan harus menunggu untuk dilayani adalah
( ) (
) (
=
Rata-rata waktu antrian dan rata-rata waktu dalam sistem masing-masing adalah
=
=
3.2 Uji Distribusi Data
Menurut Siegel (1990), data yang diperoleh dari penelitian harus dilakukan uji distribusi.
Pengujian distribusi data dilakukan untuk mengetahui jenis distribusi data yang diperoleh. Uji
distribusi data menggunakan uji distribusi Chi Kuadrat dengan
Ho : sampel yang diambil dari sebuah populasi yang mengikuti suatu distribusi yang ditentukan.
H1 : sampel bukan berasal dari populasi dengan distribusi yang telah ditetapkan.
1. Untuk waktu kedatangan (berdistribusi Poisson)
Ho : waktu kedatangan berdistribusi Poisson
H1 : waktu kedatangan tidak berdistribusi Poisson
dengan Oi merupakan frekuensi pengamatan ke-i dan Xi menyatakan banyaknya kedatangan ke-i.
Probabilitas x adalah
( )
Frekuensi yang diharapkan adalah
[
] ( )
305
dengan Oi menyatakan frekuensi pengamatan ke-i dan Xi menyatakan titik tengah interval.
Probabilitas x adalah
( )
di manaxaimenyatakan batas bawah interval dan xbi menyatakan batas atas interval.
Frekuensi yang diharapkan adalah
[
] ( )
dengan
(%)
99,995
72,222
48,148
36,111
28,889
(%)
0,005
16,129
22,439
23,398
23,557
(%)
99,995
60,574
21,737
6,643
1,736
1936,855
1,575
0,202
0,038
0,007
1937,860
3,019
1,646
1,482
1,452
(menit)
147,499
0,121
0,016
0,003
0,001
(menit)
147,611
0,232
0,127
0,114
0,112
306
(%)
99,995
70
46,667
35
28
(%)
0,005
17,647
23,599
24,488
24,633
(%)
99,995
57,647
20,236
6,030
1,533
1970,737
1,345
0,177
0,033
0,006
1971,742
2,745
1,577
1,433
1,406
(menit)
140,675
0,096
0,013
0,002
0,001
(menit)
140,776
0,196
0,113
0,102
0,100
Sistem antrian pada pukul 11.00-13.00 WIB dengan c=2 menghasilkan probabilitas semua
fasilitas pelayanan menganggur sebesar 16,129%dan probabilitas bahwa seorang konsumen memasuki
sistem dan harus menunggu untuk dilayani sebesar 60,574%. Jumlah sepeda motor yang mengantri
sebanyak 2 sepeda motor/menit dan jumlah sepeda motor dalam sistem sebanyak 3 sepeda
motor/menit. Rata-rata waktu dalam antrian sebesar 0,121 menit dan rata-rata waktu dalam sistem
sebesar 0,232 menit.
Sistem antrian pada pukul 15.00-17.00 WIB di pintu keluar Watugong UB apabila diubah untuk
c=2 menghasilkan probabilitas semua fasilitas pelayanan menganggur sebesar 17,647%dan
probabilitas bahwa seorang konsumen memasuki sistem dan harus menunggu untuk dilayani sebesar
57,647%. Ini berarti bahwa petugas jarang menganggur pada periode sibuk. Jumlah sepeda motor yang
mengantri sebanyak 1 sepeda motor/menit dan jumlah sepeda motor dalam sistem sebanyak 3 sepeda
motor/menit. Rata-rata waktu dalam antrian sebesar 0,096 menit dan rata-rata waktu dalam sistem
sebesar 0,196 menit.
4. KESIMPULAN
Berdasarkan penelitian yang telah dilakukan, dapat disimpulkan sebagai berikut:
1. Berdasarkan hasil perhitungan karakteristik sistem antrian dengan model (M/M/2):(FCFS//)
sudah efektif untuk diterapkan di pintu keluar Watugong UB pada periode sibuk. Dengan demikian
dibutuhkan penambahan satu pintu keluar kendaraan roda dua untuk mengurangi terjadinya antrian
panjang dengan masing-masing pintu cukup membutuhkan satu orang petugas.
2. Diperoleh usulan model antrian yang dapat digunakan di pintu keluar Watugong UB agar optimal
pada periode sibuk adalah dengan menambah satu pintu sehingga berjumlah dua pintu khusus
kendaraan roda dua dengan masing-masing satu orang petugas. Usulan model antrian adalah
(M/M/2):(FCFS//).
5.UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada Suryati dan Haryadi selaku orangtua atas
segala doa, kasih sayang dan didikannya selama ini, kepada Kwardiniya A. SSi, MSi selaku
dosen pembimbing serta Drs. Imam Nurhadi P., MT dan Dr. Sobri Abusini, MT selaku
reviewer atas segala waktu dan saran yang telah diberikan.
DAFTAR PUSTAKA
Aalto, S., (2005), Introduction to Teletraffic Theory, Helsinski University of Technology, Helsinski.
Siegel, S., (1990), Statistik Non Parametrik Untuk Ilmu-Ilmu Sosial, PT Gramedia, Jakarta.
Taha, H. A., (1997), Riset Operasi, Binarupa Aksara, Jakarta.
307