BAB I
PENDAHULUAN
A. Latar Belakang
Matematika adalah salah satu dari ilmu pengetahuan yang mempunyai
peranan penting dalam kehidupan manusia dan mengalami perkembangan seiring
dengan berkembangnya zaman. Oleh karena bidang cakupan persoalan
matematika itu beraneka ragam bentuknya, maka metematika dikelompokkan
dalam berbagai cabang ilmu matematika.
Salah satu cabang ilmu matematika yang cukup penting dan merupakan
matematika terapan yaitu mengenai teori antrian (garis tunggu). Antri atau
menunggu untuk mendapatkan pelayanan adalah salah satu masalah klasik yang
dihadapi oleh kehidupan bermasyarakat maupun dalam suatu kegiatan produksi. 1
Adapun ayat yang berkaitan dengan menunggu terdapat dalam Q.S. Yunus/10:
102., sebagai berikut:
Terjemahnya:
Mereka tidak menunggu-nunggu kecuali (kejadian-kejadian) yang sama
dengan kejadian-kejadian (yang menimpa) orang-orang yang Telah terdahulu
sebelum mereka. Katakanlah: "Maka tunggulah, Sesungguhnya akupun
termasuk orang-orang yang menunggu bersama kamu".2
1
Eddy Hejanto, Sains Manajemen Analisis Kuantitatif untuk Pengambilan Keputusan, (Jakarta:
Grasindo), h. 99
2
Departemen Agama R,I., Al Quran dan Terjemahannya. (Jakarta: Yayasan Penyelenggara
Penterjemah/Pentafsir Al Quran, 1971), h. 322.
Maksud dari ayat tersebut terkait pernyataan di atas yaitu seseorang akan
menunggu untuk mendapatkan pelayanan seperti yang terjadi pada seorang yang telah
dilayani terlebih dahulu untuk mendapatkan pelayanan.
Antrian terjadi karena adanya ketidak-seimbangan antara kecepatan
kedatangan anggota masyarakat yang membutuhkan pelayanan yang diberikan oleh
pelayanan publik. Ketimpangan ini juga mungkin dapat dikarenakan adanya
keterbatasan fasilitas pelayanannya. Sistem ini dinamakan sistem antrian. Fenomena
seperti ini dapat terjadi di depan loket untuk mendapatkan tiket bioskop, pada pintu
jalan tol, bank, dan pada kasir supermarket. Antrian belum tentu orang tetapi juga
bisa barang, misalnya bahan mentah yang akan diproses untuk dijadikan produksi,
komuditi ekspor yang akan dimuat di kapal, data yang akan diperoleh di Pusat
Komputer, serta mobil yang akan diperbaiki di bengkel. 3
Masalah yang sering terjadi dalam sistem antrian adalah akibat dari adanya
perbedaan antara jumlah permintaan layanan dengan kapasitas pelayanannya, yaitu
munculnya efek waktu tunggu yang lama, antriannya yang panjang, dan utilitas
pelayan yang semakin tinggi dan terkadang tidak rasional. Hal ini dapat merugikan
kedua belah pihak, baik yang membutuhkan pelayanan (pelanggan) maupun sistem
pemberi layanan (pelayan). Semakin lama dan semakin panjang antriannya, akan
semakin banyak waktu pelanggan yang terbuang percuma, sehingga sangat mungkin
pelanggan akan pergi ke tempat lain yang mempunyai pelayanan untuk urusan yang
Keputusan, (Jakarta:Universitas
sama dan mempunyai cara layanan yang lebih baik. Disisi lain, kebijaksanaan
penambahan jumlah pelayan untuk memperkecil lama dan panjang antrian, berarti
pula menambah biaya pelayanan, terutama untuk membayar gaji pegawai yang tidak
selalu aktif di sepanjang waktu kerjanya. Dengan demikian pemberi pelayanan akan
cenderung memperkecil jumlah pelayan sehingga biaya operasionalnya dapat ditekan,
namun di pihak lain (pelanggan) harus menanggung resiko dengan lambatnya
pelayanan karena kurangnya kapasitas pelayanannya. Jadi, optimasi sistem antrian
yang diharapkan adalah bahwa sistem akan mempunyai keseimbangan ekonomis
antara jumlah permintaan layanan dengan kapasitas pelayan. 4
Pelopor penyusunan Teori tentang antrian adalah
insinyur dari Denmark pada tahun 1909. Beliau bekerja di perusahaan telepon dan
melakukan percobaan yang melibatkan fluktuasi permintaan sambungan telepon serta
pengaruhnya pada peralatan telepon switching.
Penelitian Beliau hanya memperlakukan perhitungan keterlambatan dari
seorang operator, kemudian pada tahun 1917 penelitian dilanjutkan untuk
menghitung kesibukan beberapa operator. Setelah perang dunia kedua, studi awal
sudah berkembang di lingkungan antrian yang lebih umum. 5
KUD Mina Sipurio merupakan salah satu Koperasi Unit Desa yang berada di
Kabupaten Barru. KUD ini melayani usaha dan pemodalan. Dalam rangka
pertumbuhan KUD Mina Sipurio, maka usaha yang diperhitungkan untuk
h.6-7
Nur Iriawan, Diktat Teori Antrian, (Surabaya: Institut Teknologi Sepuluh Nopember, 2003)
dilaksanakan dan dikembangkan untuk periode tahunan adalah unit usaha listrik,
simpan pinjam, dan perikanan. Sejak tahun 1999, Koperasi ini bekerja sama dengan
PLN untuk melayani pembayaran rekening listrik. Dalam hubungan ini dapat dilihat
Firman Allah SWT dalam Q.S. Al Hadiid /57:18:
Terjemahnya:
Sesungguhnya orang-orang yang membenarkan (Allah dan Rasul-Nya) baik lakilaki maupun perempuan dan meminjamkan kepada Allah pinjaman yang baik,
niscaya akan dilipatgandakan (pembayarannya) kepada mereka, dan bagi mereka
pahala yang banyak. 6
Maksud ayat tersebut terkait dengan pernyataan di atas barang siapa yang
membenarkan Allah dan Rasul-Nya dan meminjamkan kepada Allah pinjaman yang
baik, insya Allah akan dilipat-gandakan pembayaran dengan pahala yang banyak.
Salah satu cara yang dapat dilakukan adalah melayani pelanggan dalam pembayaran
rekening listrik.
Masalah yang sering timbul di KUD Mina Sipurio 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 waktuwaktu tertentu merupakan topik penting untuk dianalisis. Dalam hubungan ini dapat
dilihat Firman Allah SWT dalam Q.S. Al-Baqarah/2:123:
Terjemahnya:
Dan takutlah kamu kepada suatu hari di waktu seseorang tidak dapat menggantikan
seseorang lain sedikitpun dan tidak akan diterima suatu tebusan daripadanya dan
tidak akan memberi manfaat sesuatu syafa'at kepadanya dan tidak (pula) mereka
akan ditolong.7
Maksud ayat tersebut terkait dengan pernyataan di atas adalah ada suatu
waktu seseorang tidak dapat menggantikan orang lain, artinya dosa dan pahala
seseorang tidak dapat dipindah tangankan kepada orang lain, tidak akan diterima
suatu tebusan darinya , tidak akan memberi manfaat kepadanya dan tidak akan
ditolong. Kecuali seseorang menggunakan waktu dengan sebaik-baiknya sehingga
bermanfaat bagi dirinya sendiri dan orang lain.
Dari uraian tersebut, Penulis mengangkat judul yang berkaitan dengan hal itu
yaitu Implementasi Model Antrian pada Pembayaran Rekening Listrik dalam
Peningkatan Kualitas Layanan (Studi Kasus pada KUD Mina Sipurio di Barru).
B. Rumusan Masalah
Berdasarkan latar belakang tersebut, dapat dirumuskan masalah yaitu:
Bagaimana mengimplementasikan model antrian pada pembayaran rekening listrik
yang terdapat di KUD Mina Sipurio di Barru?
C. Tujuan Penelitian
Berdasarkan permasalahan tersebut, maka tujuan dari penelitian ini adalah
untuk mengetahui implementasi model antrian pada pembayaran rekening listrik
yang terdapat di KUD Mina Sipurio di Barru.
D. Batasan Masalah
1. Penelitian dilakukan pada KUD Mina Sipurio yang terdapat di Barru selama 3
hari tanggal pembayaran rekening listrik.
2. Ruang lingkup penelitian hanya mencakup kedatangan, pelayanan, disiplin
antrian, dan jumlah fasilitas pelayanan yang tersedia.
3. Model antrian yang digunakan adalah model antrian tunggal.
E. Manfaat Penelitian
Sesuai tujuan tersebut, penelitian ini diharapkan dapat bermanfaat:
1. Bagi Penulis
Membantu penulis dalam menerapkan ilmu yang telah didapat dalam bangku
perkuliahan dan mempersiapkan diri agar dapat bersaing di dunia kerja.
2. Bagi Jurusan
Dapat dijadikan sebagai bahan studi kasus bagi pembaca dan acuan bagi
mahasiswa, serta dapat dijadikan bahan referensi bagi pihak perpustakaan
sebagai bahan bacaan dan dapat menambah ilmu pengetahuan bagi pembaca.
3. Bagi KUD Mina Sipurio
Sebagai masukan dan memberikan informasi yang dapat membantu dalam
pengambilan kebijakan dalam peningkatan efektifitas pelayanan kepada
masyarakat.
4. Bagi Universitas Islam Negeri (UIN) Alauddin Makassar
Hasil penelitian ini akan menambah pembendaharaan skripsi perpustakaan
UIN Alauddin Makassar, sehingga dapat bermanfaat bagi mahasiswa UIN
Alauddin Makassar dan umum.
F. Sistematika Penulisan
Secara umum, komposisi penulisan skripsi terdiri atas tiga bagian, yaitu
bagian awal, bagian pokok atau isi, dan bagian akhir. Bagian awal skripsi memuat
halaman sampul, halaman judul, abstrak, halaman persetujuan pembimbing,
halaman motto dan persembahan, halaman pengantar, dan daftar isi.
Bagian pokok atau isi dibagi menjadi 5 bab, yaitu sebagai berikut :
1. Bab I Pendahuluan
Pada bab pendahuluan ini dikemukakan tentang latar belakang, rumusan masalah,
tujuan penelitian, batasan masalah, manfaat penelitian dan sistematika skripsi.
A. Kadir Gassing dan Halim Wahyuddin, Pedoman Penulisan Karya Tulis Ilmiah, Makalah,
Skripsi, Tesis, dan Disertasi, (Makassar: Alauddin Press, 2009) h. 16-17
BAB II
LANDASAN TEORI
A. Distribusi Probabilitas
Distribusi probabilitas mewakili suatu model teoritis mengenai frekuensi
relatif variabel acak. Hubungan antara distribusi probabilitas dengan variabel
acak yang diwakili memberi kesempatan untuk mengklasifikasi distribusi
sebagai tersendiri (diskrit) atau berkelanjutan (kontinu). 9
Berdasarkan data yang diperoleh, salah satu distribusi probabilitas yang
diskrit adalah distribusi Poisson, sedangkan salah satu distribusi probabilitas
kontinu adalah distribusi Chi-Kuadrat dan distribusi Eksponensial. 10
1. Distribusi Poisson
Distribusi Poisson termasuk salah satu distribusi probabilitas dengan
variable random diskrit. Distribusi ini digunakan pada n yang kecil. Oleh
karena itu sering disebut sebagai hukum nilai kecil.
Distribusi Poisson mula-mula ditemukan oleh seorang ahli
matematika berkebangsaan Perancis bernama Simeon Denis Poisson (17811840).
Distribusi Poisson sering digunakan pada penelitian operasional
untuk menentukan probabilitas peristiwa yang jarang terjadi dalam periode
9
Evans dan Lindsay, An Introduction to Six Sigma & Process Improvement Pengantar Six Sigma,
(Jakarta: Salemba Empat, 2007), h. 163.
10
Eko Budiarto, Biostatistika untuk Kedokteran dan Kesehatan Masyarakat, (Jakarta: Buku
Kedokteran EGC, 2001) h. 116.
10
yang pendek. 11 Misalnya, banyak orang yang lewat di depan pasar setiap
hari, tetapi jarang terjadi seseorang yang menemukan barang hilang dan
mengembalikan kepada pemiliknya atau melaporkannya kepada polisi.
Contoh lain, operator telepon banyak menerima permintaan nomor untuk
disambungkan, diharapkan jarang terjadi salah sambung tiap menit. Banyak
kendaraan yang lewat pada salah satu persimpangan jalan, namun
diharapkan bahwa jarang terjadi kecelakaan dalam pengamatan tiap hari.
Cara menguji bentuk distribusi Poisson dapat menggunakan uji chikuadrat.12
Untuk menentukan probabilitas dengan menggunakan distribusi Poisson harus
mengikuti beberapa syarat berikut:
1) Terjadinya peristiwa sangat jarang terjadi dalam periode pendek.
2) Probabilitas setiap periode selalu konstan.
3) Untuk terjadinya beberapa peristiwa dalam periode yang sangat pendek hampir
mendekati nol.
4) Merupakan peristiwa yang independen.13
Distribusi Poisson diasumsikan dengan kedatangan pelanggan bersifat acak
dan kedatangan pelanggan antar interval waktu saling tidak mempengaruhi. 14
11
Eko Budiarto, Biostatistika untuk Kedokteran dan Kesehatan Masyarakat, (Jakarta: Buku
Kedokteran EGC, 2001) h. 127.
12
Muhammad Arif Tiro, Statistika Sebaran Bebas Edisi Kedua, (Makassar:Andira Publisher,
2004) h. 119-120.
13
Eko Budiarto, Biostatistika untuk Kedokteran dan Kesehatan Masyarakat, (Jakarta: Buku
Kedokteran EGC, 2001) h. 127.
11
= ! Dengan = 0,1,2,3,....
(2.1)
2. Distribusi Eksponensial
Distribusi Eksponensial banyak digunakan dalam teori realibitas yang
menghipotesiskan bahwa laju kegagalan adalah konstan terhadap keseluruhan
waktu suatu item. Distribusi ini juga digunakan pada peubah acak waktu tunggu
dari teori antrian. 16 Rumus distribusi Eksponensial sebagai berikut:
=
(2.2)
14
12
dimana: 2
(())
()
(2.3)
Harinaldi, Prinsip-Prinsip untuk Teknik dan Sains, (Jakarta: Erlangga, 2005), h. 105
Muhammad Arif Tiro dan Baharuddin Ilyas, Statistika Terapan untuk Ilmu Ekonomi dan Ilmu
Sosial Edisi Kedua, (Makassar:Andira Publisher, 2007) h. 215.
18
13
1 + 2 + +
.
(2.4)
19
( )
=1
(2.5)
Muhammad Arif Tiro dan Baharuddin Ilyas, Statistika Terapan untuk Ilmu Ekonomi dan Ilmu
Sosial Edisi Kedua, (Makassar:Andira Publisher, 2007) h. 219-220.
14
1 (1)
1 (1)
dan menerima 0
.20
B. Pengujian Hipotesis
Hipotesis adalah pernyataan yang diterima sementara dan masih perlu
diuji. Hipotesis dinyatakan sebagai suatu kebenaran sementara, dan merupakan
dasar kerja serta panduan dalam analisis data. Kedudukan hipotesis sangat penting
dalam banyak penelitian, karena dengan hipotesis, peneliti memiliki arah yang
jelas untuk mengumpulkan dan menganalisis data, serta menginterpretasi hasil
analisis. Hipotesis sebagai jawaban sementara yang dibangun berdasarkan kajian
konsep dan teori, hasil penelitian terdahulu, atau pengamatan sementara peneliti
pada gejala lapangan yang akan diteliti21.
Langkah-langkah pengujian hipotesis sebagai berikut:
1. Merumuskan 0 dan 1 dengan jelas sesuai dengan persoalan yang dihadapi.
Pasangan hipotesis harus dapat teruji dengan data yang akan dikumpulkan
atau data yang sudah dimiliki.
20
Muhammad Arif Tiro, Statistika Sebaran Bebas Edisi Kedua, (Makassar:Andira Publisher,
2004) h. 122
21
Muhammad Arif Tiro, Dasar-Dasar Statistika, (Makassar: State University of Makassar Press,
2004) h. 220
15
2. Memilih uji statistik yang sesuai dengan asumsi sebaran populasi dan skala
pengukuran data. Berdasarkan ini, uji statistik yang dipilih harus yang terkuat
untuk mengurangi peluang terjadinya kesalahan dalam pengambilan keputusan.
3. Menetapkan taraf kesignifikanan . Nilai yang biasa digunakan yaitu = 0.01
atau = 0.05. Pengertian, misalnya = 0.01 atau 1%, dalam bahasa peluang
berarti kira-kira 1 diantara setiap 100 kesimpulan bahwa kita akan menolak 0
yang sebenarnya harus diterima. Berarti
16
di luar daerah kritis, maka 0 diterima. Cara menentukan nilai kritis biasanya
merajuk kepada tabel khusus yang sesuai dengan statistik uji yang digunakan. 22
C. Pengertian Antrian
Teori antrian dikenal dalam dunia ilmiah sebagai queueing theory atau
waiting line theory, yaitu teori yang membahas tentang seluk beluk antri yang
dilakukan oleh orang atau barang atas kehendak manusia.23
Ada dua fungsi dasar model antrian, yaitu meminimumkan biaya langsung
dengan biaya tak langsung. Biaya langsung adalah biaya yang timbul akibat
lamanya waktu pelayanan yang secara langsung membebani pihak perusahaan.
Contoh pembengkakan biaya akibat waktu ini adalah pekerja yang dibayar per
jam dan diharuskan melayani sejumlah pelanggan, perusahaan harus membayar
pekerja tersebut per satuan waktu. Hal ini tentu membebani perusahaan.
Sementara biaya tak langsung terjadi apabila pelanggan harus menunggu lama
sehingga mungkin membatalkan niat memakai jasa perusahaan tersebut.
Perusahaan mungkin tidak bisa membuka fasilitas pelayanan yang besar untuk
pelayanan tertentu karena investasi untuk itu akan terlalu besar. Rata-rata lama
waktu menunggu sangat tergantung kepada rata-rata tingkat kecepatan
pelayanan.24
22
Muhammad Arif Tiro, Dasar-Dasar Statistika, (Makassar: State University of Makassar Press,
2004) h. 225-228.
23
Suyadi Prawirosentono. Riset Operasi dan Ekonofisika. (Jakarta: Bumi Aksara. 2005) h. 148.
24
Hendri Bustani, Fundamental Operation Research, (Jakarta: Gramedia Pustaka Utama, 2005)
h. 144.
17
18
mendapat pelayanan secara simultan pada saat yang sama. Sehingga menurut
banyaknya pelayan, maka sistem antrian dapat dikelompokkaan dalam dua hal
yang berbeda, yaitu sistem antrian dengan jumlah pelayan tertentu (terbatas)
dan sistem antrian dengan jumlah pelayanan tak terbatas.
Ada 3 aspek yang harus diperhatikan dalam mekanisme pelayanan, 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 dengan 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
langganan yang dapat dilayani secara bersamasama. Kapasitas pelayanan tidak
selalu sama untuk setiap saat, ada yang tetap, tapi ada juga yang berubahubah.
Karena itu, fasilitas pelayanan dapat memiliki satu atau lebih saluran.
3)
Lamanya pelayanan
Lamanya pelayanan adalah waktu yang dibutuhkan untuk melayani
seorang pelanggan atau satu-satuan. Ini harus dinyatakan secara pasti. Oleh
karena itu, waktu pelayanan boleh tetap dari waktu ke waktu untuk semua
pelanggana atau boleh juga berupa variabel acak. Umumnya dan untuk keperluan
19
analisis, waktu pelayanan dianggap sebagai variabel acak yang terpencar secara
bebas dan sama serta tidak tergantung pada waktu kedatangan.
3. Komponen Pola Kedatangan Pelanggan
Pola kedatangan pelanggan akan dapat menggambarkan pola proses
kedatangan aksi ke dalam sistem antrian. Proses ini mempunyai satuan
pengamatan banyaknya kedatangan dalam satuan waktu tertentu, misalnya 5
orang per lima menit. Biasanya pola kedatangan direalisasikan dengan
menggunakan fungsi distribusi statistik tertentu, seperti Poisson jika interes
diberikan pada jumlahan aksi yang terjadi dalam satu periode waktu dan
sebaliknya Eksponensial jika interes diberikan pada interval waktu untuk satu
kedatangan aksi.
Beberapa asumsi yang sering digunakan dalam proses ini, antara lain:
a. Pada setiap saat, rata-rata terdapat k pelanggan yang datang membawa aksi
ke dalam sistem antrian.
b. Rata-rata kecepatan kedatangan pelanggan ke dalam sistem antrian tidak
berubah seiring dengan berubahnya
4. Komponen Pola Pelayanan
Pola pelayanan akan dapat menggambarkan pola kecepatan suatu
interaksi diberikan oleh pelayan dalam sistem antrian. Semakin pola pelayanan
ini memberikan gambaran kecepatan pelayanan, semakin kecil akan terjadi
antrian pelanggan di dalam sistem antrian. Proses ini mempunyai satuan
20
pengamatan seperti dalam komponen pola kedatangan. Seperti halnya pada pola
kedatangan asumsi-asumsi terjadi juga pada pola pelayanan.
5. Komponen Sumber Input
Komponen ini menyatakan ukuran dan dari mana populasi pelanggan
sistem antrian tersebut berasal. Berdasarkan pada ukurannya, sumber input ini
dapat dibedakan menjadi dua macam, yaitu populasi terbatas dan populasi tidak
terbatas. Populasi terbatas adalah bahwa tidak semua pelanggan yang
mempunyai aksi yang sama dapat masuk ke sistem antrian ini untuk memperoleh
pelayanan dari sistem ini. Hal ini karena adanya batasan-batasan sistem yang
secara khusus diberikan. Biasanya apabila dalam suatu kasus tidak ada
spesifikasi yang diberikan, maka dianggap bahwa sumber inputnya adalah tidak
terbatas.
Terkait dengan populasi sebagai sumber input sistem antrian yang tidak
terbatas, secara logika akan memungkinkan muncul pemikiran kemampuan daya
tampung sistem antrian tersebut menyediakan tempat antri yang tak terbatas pula.
Hal ini biasanya sangat jarang terpenuhi. Sehingga dari sudut pandang
kemampuan ini, maka sistem antrian dengan daya tampung pelanggan yang antri
terbatas dan daya tampung tak terbatas.
Inti dari analisa antrian adalah antri itu sendiri. Timbulnya antrian
terutama tergantung dari sifat kedatangan dan proses pelayanan. Jika tak ada
antrian berarti terdapat pelayan yang menganggur atau kelebihan fasilitas
pelayanan.
21
22
23
Pelanggan Datang
Populasi
Mekanisme
Keluar
Antrian
Pelayanan
25
24
individu-individu
antri
fasilitas
individu-individu
pelayanan
Sumber
Populasi
Phase 1
Phase 2
keluar
25
S
M
Sumber populasi
keluar
S
26
155-156.
26
S
Sumber populasi
keluar
S
Phase 1
Phase 2
27
antrian, tetapi juga asumsi-asumsi yang harus dipenuhi. Dua parameter utama
model antrian adalah tingkat kedatangan dengan notasi dan tingkat pelayanan
dengan notasi , rata-rata kedatangan pelanggan diasumsikan mengikuti distribusi
Poisson, sedangkan rata-rata pelayanan diasumsikan mengikuti distribusi
Eksponensial. 28
Sistem antrian adalah suatu proses pelayanan/produksi yang menimbulkan
adanya antrian. Dalam sistem antrian, proses kedatangan maupun proses kepergian
pelanggan karena telah selesainya pelayanan akan mengikuti aturan dan kaidah
proses kelahiran dan kematian (birth-death process). Antara kejadian kedatangan dan
kejadian kepergian pelanggan tidak harus berurutan, ketidak-pastian ini selalu
dijamin oleh sistem antrian ini.
Karena adanya proses ketidakpastian tersebut, maka proses kedatangan dan
pelayanan secara probabilistik akan memberikan gambaran bahwa perubahan ukuran
banyaknya pelanggan di dalam sistem antrian sebagai fungsi dari peubah waktu.
Secara umum, kedatangan maupun pelayanan seorang pelanggan ke dan dari dalam
sistem antrian terjadi secara acak. Banyaknya kedatangan maupun banyaknya
pelayanan dalam proses selama sistem berjalan tergantung pada ukuran banyaknya
pelanggan di dalam sistem antrian pada saat tertentu. Dengan demikian laju
pertambahan maupun laju pengurangan pelanggan ke dan dari dalam sistem sangat
28
28
tergantung pada ukuran banyaknya pelanggan yang berasal dari sumber input dan
pelanggan yang sedang berada dalam sistem tersebut pada saat tertentu.29
Untuk memudahkan dalam memahami karaktristik suatu sistem antrian
digunakan notasi Kendall Lee yaitu format umum, (a/b/c);(d/e/f). Notasi ini
dikenalkan pertama kali oleh DG Kendall dalam bentuk (a/b/c) dan selanjutnya AM.
Lee menambah simbol d, e, dan f pada notasi Kendall.
Notasi tersebut mempunyai arti sebagai berikut, di mana :
a = distribusi kedatangan, yaitu jumlah kedatangan pertambahan waktu.
b = distribusi waktu pelayanan, yaitu selang waktu antara satuansatuan yang
dilayani.
c = jumlah saluran pelayanan paralel dalam sistem.
d = disiplin pelayanan.
e = jumlah maksimum yang diperkenankan berada dalam sistem dalam
pelayanan ditambah garis tunggu).
f = besarnya populasi masukan.
Keterangan :
1. Untuk huruf a menggambarkan pola data proses kedatangan pelanggan, bagian ini
dapat berupaa simbol:
M = waktu antar kedatangan pelanggan merupakan peubah acak yang bebas
stokastik identik yang menuruti distribusi kedatangan Poisson atau distribusi
29
29
eksponensial
D = Antar kedatangan atau waktu pelayanan tetap
Ek = waktu antar kedatangan pelanggan merupakan peubah acak yang
bebas stokastik identik yang memiliki pola distribusi Erlang
G = waktu antar kedatangan pelanggan memiliki distribusi tertentu
2. Untuk huruf b menggambarkan pola data proses kecepatan pelayanan, yang dapat
berupa simbol:
M = waktu antar pelayanan merupakan peubah acak yang bebas stokastik
identik yang menuruti distribusi Poisson atau distribusi eksponensial
D = lama waktu pelayanan tetap
Ek = lama waktu pelayanan merupakan peubah acak yang bebas
stokastik identik yang memiliki pola distribusi Erlang
GI = lama waktu pelayanan memiliki distribusi tertentu
3. Untuk huruf c menggambarkan banyaknya pelayan yang bekerja secara paralel.
4. Untuk huruf d menggambarkan disiplin antrian yang digunakan sebagai berikut:
FIFO atau FCFS = First In First Out atau First Come First Served.
LIFO atau LCFS = Last In First Out atau Last Come First Served.
SIRO = Service In Random Order.
G D = General Service Disciplint
30
30
= , untuk = 0, 1, 2,....
(2.6)
31
(2.8)
f (b)
(2.9)
32
1
=0
0 =
=
1
=0
=1
=1
(2.10)
(2.11)
q0 P0 P1
(1 ) (1 )
1
(2.12)
33
qn Pn1
n1 (1 )
(2.13)
=
=
( )
(2.14)
( )
2
= ()
31
(2.15)
34
Ls
padahal Ls
Jadi, Ws
(2.16)
La
Jadi, Wa
32
padahal La
2
( )
1
2
x
( )
( )
(2.17)
Vidyadhar G. Kulnarni, Modeling, Analysis, Design, and Control of Stochastic System, (USA:
Springer, 1999) h. 268.
33
Nur Iriawan, op. cit. h. 45-48.
35
BAB III
METODE PENELITIAN
A. Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian
deskriptif yaitu penelitian yang dilakukan oleh seorang peneliti untuk
memberikan gambaran secermat mungkin mengenai suatu individu, keadaan,
gejala atau kelompok tertentu. Dalam penelitian ini gambaran yang dimaksud
adalah model antrian tunggal.
B. Lokasi Penelitian
Dalam rangka mendapatkan data dalam penulisan ini, maka penulis
memilih KUD Mina Sipurio yang terletak di Kabupaten Barru sebagai tempat
untuk melakukan penelitian.
C. Jenis dan Sumber Data
Jenis dan sumber data yang digunakan dalam penelitian ini adalah data
primer, yaitu data yang diperoleh dari pengamatan langsung pada KUD Mina
Sipurio. Pengamatan dilakukan selama tiga hari, yaitu pada hari Rabu, tanggal 05,
12, dan 19 Oktober 2011.
D. Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data kuantitatif, yaitu
jumlah kedatangan dan rata-rata waktu pelayanan. Pencatatan lama waktu
berdasarkan perhitungan dengan memakai stopwatch yaitu mulai dari pelanggan
36
34
37
3. Menganalisis
waktu
pelayanan
dengan
uji
kesesuaian
Eksponensial
1 (1)
jumlah parameter yang diestimasi dari data mentah untuk dipergunakan dalam
mendefinisikan distribusi teoritis yang bersangkutan.
5. Menggunakan teori antrian untuk menganalisis tingkat kedatangan rata-rata ,
kecepatan pelayanan rata-rata (), menentukan peluang pelayanan dalam keadaan
sibuk (), menentukan peluang semua pelayanan menganggur (0 ), rata-rata
banyaknya pelanggan di sistem ( ), rata-rata banyaknya pelanggan di antrian
( ), rata-rata waktu menunggu dalam sistem ( ), Rata-rata waktu menunggu
dalam antrian .
38
BAB IV
HASIL DAN PEMBAHASAN
A. Hasil Penelitian
1. Data Kedatangan Pelanggan dan Data Rata-rata Waktu Pelayanan
Tabel 4.1. Kedatangan Pelanggan dan Rata-rata Waktu Pelayanan Pada
Hari Rabu, 05 Oktober 2011 Per-Interval Waktu Sepuluh Menit
No.
Interval Kedatangan
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
08:26:00 - 08:36:00
08:36:01 - 08:46:00
08:46:01 - 08:56:00
08:56:01 - 09:06:00
09:06:01 - 09:16:00
09:16:01 - 09:26:00
09:26:01 - 09:36:00
09:36:01 - 09:46:00
09:46:01 - 09:56:00
09:56:01 - 10:06:00
10:06:01 - 10:16:00
10:16:01 - 10:26:00
10:26:01 - 10:36:00
10:36:01 - 10:46:00
10:46:01 - 10:56:00
Jumlah
1
Jumlah
Kedatangan
8
5
3
7
5
5
7
9
6
7
6
7
6
1
8
90
6
Waktu
Pelayanan
12.946
7.917
19.667
25.384
10.050
7.416
14.550
31.232
13.400
11.933
19.450
17.583
6.883
2.283
17.501
209.195
2.324
Rata-rata Waktu
Pelayanan
1.618
1.583
5.556
3.626
2.010
1.483
2.079
3.470
2.233
1.705
3.242
2.512
1.147
2.283
2.188
36.735
2.449
39
Interval Kedatangan
1
2
3
4
5
6
7
8
9
10
11
12
13
08:47:00 - 08:57:00
08:57:01 - 09:07:00
09:07:01 - 09:17:00
09:17:01 - 09:27:00
09:27:01 - 09:37:00
09:37:01 - 09:47:00
09:47:01 - 09:57:00
09:57:01 - 10:07:00
10:07:01 - 10:17:00
10:17:01 - 10:27:00
10:27:01 - 10:37:00
10:37:01 - 10:47:00
10:47:01 - 10:57:00
Jumlah
2
Jumlah
Kedatangan
8
4
1
9
5
4
5
3
2
6
4
4
9
64
4.923
Waktu
Pelayanan
12.066
11.850
1.433
27.000
14.666
5.549
9.317
9.383
5.267
16.983
11.783
10.167
26.867
162.331
2.536
Rata-rata Waktu
Pelayanan
1.508
2.963
1.433
3.000
2.933
1.387
1.863
3.128
2.634
2.831
2.946
2.542
2.985
32.153
2.473
Interval Kedatangan
1
2
3
4
5
6
7
8
9
10
11
12
08:26:00 - 08:36:00
08:36:01 - 08:46:00
08:46:01 - 08:56:00
08:56:01 - 09:06:00
09:06:01 - 09:16:00
09:16:01 - 09:26:00
09:26:01 - 09:36:00
09:36:01 - 09:46:00
09:46:01 - 09:56:00
09:56:01 - 10:06:00
10:06:01 - 10:16:00
10:16:01 - 10:26:00
Jumlah
Kedatangan
5
4
12
5
5
5
4
6
3
7
4
10
Waktu
Pelayanan
8.616
3.616
14.567
6.117
16.884
13.017
6.484
9.204
3.933
9.284
6.834
16.933
Rata-rata Waktu
Pelayanan
1.723
0.904
1.214
1.223
3.377
2.603
1.621
1.534
1.311
1.326
1.709
1.693
40
No.
Interval Kedatangan
13
14
15
16
10:26:01 - 10:36:00
10:36:01 - 10:46:00
10:46:01 - 10:56:00
10:56:01 - 11:06:00
Jumlah
3
Jumlah
Kedatangan
5
5
5
5
90
5.625
Waktu
Pelayanan
11.450
13.283
7.583
7,100
154.905
1.721
Rata-rata Waktu
Pelayanan
2.290
2.657
1.517
1.420
28.122
1.758
= 8+5+3+7+5+5+7+9+6+7+6+7+6+1+8
15
=6
Berdasarkan Probabilitas tepat terjadinya kedatangan dalam distribusi
Poisson dapat diketahui dengan rumus:
P =
41
P 0 =
2.718282 6 60
0!
2.718282 6 61
1!
2.718282 6 62
2!
2.718282 6 63
3!
2.718282 6 64
4!
2.718282 6 65
5!
2.718282 6 66
6!
2.718282 6 67
7!
2.718282 6 6
8!
42
P 9 =
2.718282 6 69
9!
2.718282 6 610
10 !
2.7182 82 6 611
11 !
2.718282 6 612
12 !
2.718282 6 613
13 !
2.718282 6 614
14 !
8+4+1+9+5+4+5+3+2+6+4+4+9
13
43
= 4.923
Berdasarkan Probabilitas tepat terjadinya kedatangan dalam distribusi
Poisson dapat diketahui dengan rumus:
P =
Berdasarkan rata-rata tingkat kedatangan yaitu 4,923, fungsi massa peluang sebaran
Poisson sama dengan:
P =
!
P 0 =
0,007
sehingga
diharapkan
64x(0,007)=0,048
= 0.036,
sehingga
diharapkan
64x(0.036)=2.304
= 0.088,
sehingga
diharapkan
64x(0.088)=5.632
= 0.145,
sehingga
diharapkan
64x(0.145)=9.28
= 0.178,
sehingga
diharapkan
64x(0.178)=11.392
44
P 5 =
= 0.175,
sehingga
diharapkan
64x(0.175)=11.2
= 0.144,
sehingga
diharapkan
64x(0.144)=9.216
= 0.101,
sehingga
diharapkan
64x(0.101)=6.464
= 0.062,
sehingga
diharapkan
64x(0.062)=3.968
= 0,034,
sehingga
diharapkan
64x(0,034)=2.176
= 0.017,
sehingga
diharapkan
64x(0.017)=1.088
= 0.008,
sehingga
diharapkan
64x(0.008)=0.512
= 0.003,
sehingga
diharapkan
64x(0.003)=0.192
= 0.001,
sehingga
diharapkan
64x(0.001)=0.064
45
Pada Lampiran I memuat frekuensi harapan 0.064 dan 0,192 (kurang dari 5).
Frekuensi harapan yang terlalu kecil akan mengakibatkan nilai chi-kuadrat terlalu
besar, sehingga tidak mencerminkan penyimpangan yang wajar antara frekuensi
tingkat kedatangan dan frekuensi harapan.
Rata-rata tingkat kedatangan pelanggan pada Tanggal 19 Oktober 2011,
yaitu:
= 5+4+12+5+5+5+4+6+3+7+4+10+5+5+5+5
16
= 5.625
Berdasarkan Probabilitas tepat terjadinya kedatangan dalam distribusi
Poisson dapat diketahui dengan rumus:
P
(4.1)
Berdasarkan rata-rata tingkat kedatangan yaitu 5.625, fungsi massa peluang sebaran
Poisson sama dengan:
P =
!
P 0 =
46
P 2 =
= 0.057,
sehingga
diharapkan
90x(0.057)=
5.13
90x(0.107)=
9.63
90x(0.150)=
13.5
= 0.107,
sehingga
diharapkan
= 0.150,
sehingga
diharapkan
= 0.169,
sehingga
diharapkan
90x(0.169)=
15.21
90x(0.159)=
14.31
90x(0.128)=
11.52
= 0.159
sehingga
diharapkan
= 0.128,
sehingga
diharapkan
= 0.056,
sehingga
diharapkan
90x(0.056)=
5.04
90x(0.032)=
2.88
= 0.032,
sehingga
diharapkan
47
P 11 =
= 0.016,
sehingga
diharapkan
90x(0.016)=
1.44
90x(0.008)=
0.72
90x(0.003)=
0.27
90x(0.001)=
0.09
= 0.008,
sehingga
diharapkan
= 0.003,
sehingga
diharapkan
= 0.001,
sehingga
diharapkan
f (t ) e t
(4.2)
48
f (t ) e t
1 = 1.618x2.718281.618
= 0,321
1 = 1.583x2.718281.583
= 0,325
1 = 5.556x2.718285.556
= 0,021
1 = 3.626x2.718283.626
= 0,097
1 = 2.01x2.718282.01
= 0,269
1 = 1.483x2.718281.483
= 0,337
1 = 2.079x2.718282.079
= 0,260
1 = 3.470x2.718283.470
= 0,108
49
1 = 2.233x2.718282.233
= 0,239
1 = 1.705x2.718281.705
= 0,310
1 = 3.242x2.718283.242
= 0,128
1 = 2.512x2.718282.512
= 0,204
1 = 1.147x2.718281.147
= 0,364
1 = 2.200x2.718282.200
= 0,233
1 = 2.108x2.718282.108
= 0,245
Rata-rata waktu pelayanan pada Tanggal 12 Oktober 2011 terlebih dahulu
ditentukan
nilai
kemungkinan
waktu
pelayanan
yang
diharapkan
dengan
f (t ) e t
50
1 = 1.508x2.718281.508
= 0,334
1 = 2.963x2.718282.963
= 0,153
1 = 1.433x2.718281.433
= 0,342
1 = 3x2.718283
= 0,149
1 = 2.933x2.718282.933
= 0,156
1 = 1.387x2.718281.387
= 0,347
1 = 1.863x2.718281.863
= 0,289
1 = 3.128x2.718283.128
= 0,0.137
1 = 2.634x2.718282.634
= 0,189
1 = 2.831x2.718282.831
= 0,167
51
1 = 2.946x2.718282.946
= 0,155
1 = 2.542x2.718282.542
= 0,200
1 = 2.985 x 2.718282.985
= 0,151
Rata-rata waktu pelayanan pada Tanggal 19 Oktober 2011 terlebih dahulu
ditentukan
nilai
kemungkinan
waktu
pelayanan
yang
diharapkan
dengan
f (t ) e t
1 = 1.723x2.718281.723
= 0,308
1 = 0.904x2.718280.904
= 0,366
1 = 1.214x2.718281.214
= 0,361
1 = 1.223x2.718281.223
= 0,360
52
1 = 3.377x2.718283.377
= 0,115
1 = 2.603x2.718282.603
= 0,193
1 = 1.621x2.718281.621
= 0,320
1 = 1.534x2.718281.534
= 0,331
1 = 1.311x2.718281.311
= 0,353
1 = 1.326x2.718281.326
= 0,352
1 = 1.709x2.718281.709
= 0,309
1 = 1.693x2.718281.693
= 0,302
1 = 2.29x2.718282.29
= 0,232
1 = 2.657x2.718282.657
= 0,186
53
1 = 1.517x2.718281.517
= 0,333
1 = 1.42x2.718281.42
= 0,343
4. Uji Chi-Kuadrat
Kedatangan bersifat independen, jadi tingkat kedatangan pelanggan
menggunakan distribusi Poisson. Untuk menentukan nilai 2 dari tingkat
kedatangan pelanggan pada tanggal 05 Oktober 2011, maka digunakan rumus:
2
=
=
(xi x)2
x
2
(36)
(76)
(56)
(56)
+ (56)
+
+
+
+
+
6
6
6
6
6
+ (66)
+ (76)
+ (66)
+ (76)
+ (66)
+ (16)
+
6
6
6
6
6
6
(86)
6
(96)
6
(76)
6
(86)
6
= 9,67
dan prosedur uji hipotesisnya dijelaskan sebagai berikut:
a. H0 : rata-rata tingkat kedatangan pelanggan berdistribusi Poisson.
H1 : rata-rata tingkat kedatangan pelanggan tidak berdistribusi Poisson.
b. Menentukan daerah kritis pada tingkat signifikansi . Pada skripsi ini nilai
yang dipilih adalah 0.05 (5%).
54
1 (k1)
1 k1
= 2 0.95
14
2 yakni 9,67 < 23,7. Maka H0 diterima dengan asumsi bahwa pola
kritis
(xi x)2
x
2
(84,923)
4,923
(44,923)
4,923
(44,923)
4,923
(44,923)
4,923
(54,923)
4,923
(44,923)
4,923
(14,923)
4,923
(34,923)
4,923
(94,923)
4,923
94,923)
4,923
(24,923)
4,923
(54,923)
4,923
(64,923)
4,923
+
+
55
1 (k1)
1 k1
= 2 0.95
12
2 yakni 17,624 < 21,0. Maka H0 diterima dengan asumsi bahwa pola
(xi x)2
x
(55.625)2
5.625
(55.625)2
5.625
(45.625)2
5.625
+
+
+
(45.625)2
5.625
(45.625)2
5.625
+
+
(105.625)2
5.625
(125.625)2
5.625
(65.625)2
5.625
(55.625)2
5.625
(55.625)2
5.625
(35.625)2
5.625
(55.625)2
5.625
(55.625)2
5.625
(75.625)2
5.625
(55.625)2
5.625
(55.625)2
5.625
56
b. Menentukan daerah kritis pada tingkat signifikansi . Pada skripsi ini nilai yang
dipilih adalah 0.05 (5%).
c. Menghitung nilai statistik uji 2 , H0 ditolak jika 2 > 2
1 (k1)
1 k1
= 2 0.95
15
2 yakni 14.173 < 25,0. Maka H0 diterima dengan asumsi bahwa pola
nilai
kemungkinan
waktu
pelayanan
yang
diharapkan
dengan
(xi x)2
x
1,6182,324
2,324
2,0102,324
2,324
2,2332,324
2,324
1,1472,324
2,324
+
+
+
+
1,5832,324
2,324
1,4832,324
2,324
1,7052,324
2,324
2,2002,324
2,324
+
+
+
+
5,5562,324
2,324
2,0792,324
2,324
3,2422,324
2,324
2,1082,324
2,324
+
+
+
3,6262,324
2,324
3,4702,324
2,324
2,5122,324
2,324
+
+
+
57
b.
Menentukan daerah kritis pada tingkat signifikansi . Pada skripsi ini nilai
yang dipilih adalah 0.05 (5%).
1 (k1)
Berdasarkan nilai batas kritis 2 dengan taraf nyata = 0.05 dan k = 15,
maka 2
1 k1
= 2 0.95
14
kritis 2 yakni 17,949 < 23,7. Maka H0 diterima dengan asumsi bahwa rata-rata
waktu pelayanan berdistribusi Eksponensial.
Untuk menentukan nilai 2 dari rata-rata waktu pelayanan pada tanggal 12
Oktober 2011, maka digunakan rumus:
2
(xi x)2
x
58
1,508 2,536
2,536
2,933 2,536
2,536
2,634 2,536
2,536
2,985 2,536
2,536
2,963 2,536
2,536
1,387 2,536
2,536
2,831 2,536
2,536
1,433 2,536
2,536
1,863 2,536
2,536
2,946 2,536
2,536
3 2,536
2,536
3,128 2,536
2,536
2,542 2,536
2,536
b.
Menentukan daerah kritis pada tingkat signifikansi . Pada skripsi ini nilai
yang dipilih adalah 0.05 (5%).
c.
1 (k1)
Berdasarkan nilai batas kritis 2 dengan taraf nyata = 0.05 dan k = 13,
maka 2
1 k1
= 2 0.95
12
kritis 2 yakni 7,88 < 21,0. Maka H0 diterima dengan asumsi bahwa rata-rata
waktu pelayanan berdistribusi Eksponensial.
Untuk menentukan nilai 2 dari rata-rata waktu pelayanan pada tanggal 19
Oktober 2011, maka digunakan rumus:
59
2 =
(xi x)2
x
1.7231.721
1.721
3.3771.721
1.721
1.3111.721
1.721
2.2901.721
1.721
0.9041.721
1.721
2.6031.721
1.721
1.3261.721
1.721
2.6571.721
1.721
1.2141.721
1.721
1.6211.721
1.721
1.7091.721
1.721
1,5171.721
1.721
1.2231.721
1.721
1.5341.721
1.721
1.6931.721
1.721
1.4201.721
1.721
+
+
1 (k1)
Berdasarkan nilai batas kritis 2 dengan taraf nyata = 0.05 dan k = 16,
maka 2
1 k1
= 2 0.95
15
kritis 2 yakni 24,230 < 25,0. Maka H0 diterima dengan asumsi bahwa rata-rata
waktu pelayanan berdistribusi Eksponensial.
60
a
b
a
b
244
8
1
c
1
,
c
1
2,194
c=
61
0,508
0,456
Ls =
0,508
0,456 0,508
( )
0,5082
La =
0,456(0,456 0,508)
La = 10,883 pelanggan per menit
62
Ws =
1
0,456 0,508
Wa =
( )
0,508
0,456(0,456 0,508)
63
64
BAB V
PENUTUP
A. Kesimpulan
Berdasarkan hasil dan pembahasan, maka dapat disimpulkan bahwa
implementasi model antrian saluran tunggal dengan seorang pelayan pada KUD
Mina Sipurio kurang baik dilihat dari rata-rata banyaknya pelanggan di dalam
sistem yaitu 10 pelanggan per menit, rata-rata banyaknya pelanggan di dalam
antrian yaitu 4 pelanggan per menit, sedangkan rata-rata waktu menunggu dalam
sistem yaitu 19 pelanggan per menit, dan rata-rata waktu menunggu dalam antrian
yaitu 11 pelanggan per menit.
B. Saran
Tingkat kedatangan pelanggan dan kecepatan pelayanan untuk selalu di
analisa, sehingga dapat ditentukan kebijakan untuk mengantisipasi antrian yang
terjadi demi memberi pelayanan yang terbaik bagi pelanggan. Pada pelayanan
kedatangan sebaiknya diberikan nomor antrian dan diberitahukan interval waktu
untuk dilayani sehingga pelanggan tidak terlalu lama antri untuk menunggu dan
antrian pun tidak menumpuk.
65
DAFTAR PUSTAKA
Aminuddin, Prinsip-prinsip Riset Operasi. Jakarta: Erlangga, 2005
Eko Budiarto, Biostatistika untuk Kedokteran dan Kesehatan Masyarakat. Jakarta:
Buku Kedokteran EGC. 2001
Bustani, Hendri. Fundamental Operation Research. Jakarta: Gramedia Pustaka
Utama. 2005
Departemen Agama R.I., Al Quran dan Terjemahannya. Jakarta: Yayasan
Penyelenggara
Penterjemah/Pentafsir
Al
Quran.
1971
Evans dan Lindsay. An Introduction to Six Sigma & Process Improvement Pengantar
Six Sigma. Jakarta: Salemba Empat. 2007
Gassing, A. Kadir dan Halim Wahyuddin. Pedoman Penulisan Karya Tulis Ilmiah,
Makalah, Skripsi, Tesis, dan Disertasi. Makassar: Alauddin Press. 2009
Harinaldi. Prinsip-Prinsip untuk Teknik dan Sains. Jakarta: Erlangga. 2005
Hejanto, Eddy. Sains Manajemen Analisis Kuantitatif untuk Pengambilan Keputusan.
Jakarta: Grasindo.
Iriawan, Nur. Diktat Teori Antrian, Surabaya: Institut Teknologi Sepuluh Nopember.
2003
Kulnarni,Vidyadhar G. Modeling, Analysis, Design, and Control of Stochastic
System. USA: Springer. 1999
Myers, Raymon H. dan Walpole, Ronald E. Probability and Statistic for Engineer
and Scientists. Bandung: ITB. 1995
Prawirosentono, Suyadi. Riset Operasi dan Ekonofisika. Jakarta: Bumi Aksara. 2005.
Rasyad, Rasdiyan. Metode Statistik Deskriptif Untuk Umum. Jakarta: Grasindo.
Sigit Nugroho. Dasar-dasar Metode Statistika. Jakarta: Grasindo.
Siswanto. Operations Research Jilid 2. Jakarta: Erlangga. 2007
Subagyo, Pangestu, dkk.. DasarDasar Operations Research. Yogyakarta: BPFE.
2000.
66
Jakarta:
67
68
Lampiran 1
Data dan Frekuensi Harapan Kedatangan Pelanggan pada
Hari Rabu, 05 Oktober 2011 Per-Interval Waktu Sepuluh Menit
No.
Interval Kedatangan
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
08:26:00 - 08:36:00
08:36:01 - 08:46:00
08:46:01 - 08:56:00
08:56:01 - 09:06:00
09:06:01 - 09:16:00
09:16:01 - 09:26:00
09:26:01 - 09:36:00
09:36:01 - 09:46:00
09:46:01 - 09:56:00
09:56:01 - 10:06:00
10:06:01 - 10:16:00
10:16:01 - 10:26:00
10:26:01 - 10:36:00
10:36:01 - 10:46:00
10:46:01 - 10:56:00
Jumlah
8
5
3
7
5
5
7
9
6
7
6
7
6
1
8
90
0,18
1,35
4,05
8,01
12,06
14,49
14,49
12,42
9,27
6,21
3,69
2,07
0,99
0,45
0,18
89,91
69
Interval Kedatangan
1
2
3
4
5
6
7
8
9
10
11
12
13
08:47:00 - 08:57:00
08:57:01 - 09:07:00
09:07:01 - 09:17:00
09:17:01 - 09:27:00
09:27:01 - 09:37:00
09:37:01 - 09:47:00
09:47:01 - 09:57:00
09:57:01 - 10:07:00
10:07:01 - 10:17:00
10:17:01 - 10:27:00
10:27:01 - 10:37:00
10:37:01 - 10:47:00
10:47:01 - 10:57:00
Jumlah
8
4
1
9
5
4
5
3
2
6
4
4
9
64
2,304
5,632
9,28
11,392
11,2
9,216
6,464
3,968
2,176
1,088
0,512
0,192
0,064
63,936
70
Interval Kedatangan
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
08:26:00 - 08:36:00
08:36:01 - 08:46:00
08:46:01 - 08:56:00
08:56:01 - 09:06:00
09:06:01 - 09:16:00
09:16:01 - 09:26:00
09:26:01 - 09:36:00
09:36:01 - 09:46:00
09:46:01 - 09:56:00
09:56:01 - 10:06:00
10:06:01 - 10:16:00
10:16:01 - 10:26:00
10:26:01 - 10:36:00
10:36:01 - 10:46:00
10:46:01 - 10:56:00
10:56:01 - 11:06:00
Jumlah
5
4
12
5
5
5
4
6
3
7
4
10
5
5
5
5
90
0,36
1,8
5,13
9,63
13,5
15,21
14,31
11,52
8,1
5,04
2,88
1,44
0,72
0,27
0,09
0
90
71
Lampiran 2
Data dan Frekuensi Harapan Kecepatan Pelayanan pada
Hari Rabu, 05 Oktober 2011 Per-Interval Waktu Sepuluh Menit
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Interval Kedatangan
08:26:00 - 08:36:00
08:36:01 - 08:46:00
08:46:01 - 08:56:00
08:56:01 - 09:06:00
09:06:01 - 09:16:00
09:16:01 - 09:26:00
09:26:01 - 09:36:00
09:36:01 - 09:46:00
09:46:01 - 09:56:00
09:56:01 - 10:06:00
10:06:01 - 10:16:00
10:16:01 - 10:26:00
10:26:01 - 10:36:00
10:36:01 - 10:46:00
10:46:01 - 10:56:00
Jumlah
1.618
1.583
5.556
3.626
2.010
1.483
2.079
3.470
2.233
1.705
3.242
2.512
1.147
2.283
2.188
36.735
0,321
0,325
0,021
0,097
0,269
0,337
0,260
0,108
0,239
0,310
0,128
0,204
0,364
0,233
0,245
3,461
72
Interval Kedatangan
08:26:00 - 08:36:00
08:36:01 - 08:46:00
08:46:01 - 08:56:00
08:56:01 - 09:06:00
09:06:01 - 09:16:00
09:16:01 - 09:26:00
09:26:01 - 09:36:00
09:36:01 - 09:46:00
09:46:01 - 09:56:00
09:56:01 - 10:06:00
10:06:01 - 10:16:00
10:16:01 - 10:26:00
10:26:01 - 10:36:00
Jumlah
1.508
2.963
1.433
3.000
2.933
1.387
1.863
3.128
2.634
2.831
2.946
2.542
2.985
32.153
0,334
0,153
0,342
0,149
0,156
0,347
0,289
0,137
0,189
0,167
0,155
0,200
0,151
2.769
73
Interval Kedatangan
08:26:00 - 08:36:00
08:36:01 - 08:46:00
08:46:01 - 08:56:00
08:56:01 - 09:06:00
09:06:01 - 09:16:00
09:16:01 - 09:26:00
09:26:01 - 09:36:00
09:36:01 - 09:46:00
09:46:01 - 09:56:00
09:56:01 - 10:06:00
10:06:01 - 10:16:00
10:16:01 - 10:26:00
10:26:01 - 10:36:00
10:36:01 - 10:46:00
10:46:01 - 10:56:00
10:56:01 - 11:06:00
Jumlah
1.723
0.904
1.214
1.223
3.377
2.603
1.621
1.534
1.311
1.326
1.709
1.693
2.290
2.657
1.517
1.420
28.122
0,308
0,366
0,361
0,360
0,115
0,193
0,320
0,331
0,353
0,352
0,309
0,302
0,232
0,186
1,333
0,343
4.764
74
75
76
RIWAYAT HIDUP
Eka Mukarramah, Lahir pada tanggal 09 Feberuari
1989 di Kabupaten Barru, anak pertama dari lima bersaudara,
pasangan Syafruddin dengan Hj. St. Rosma.
RIWAYAT PENDIDIKAN
1. Sekolah Dasar Negeri (SDN) Mangempang Kel. Mangempang Kec. Barru Kab.
Barru tahun 1995 - 2001
2. Madrasah Ibtidaiyyah Negeri (MIN) Mangempang Kel. Mangempang Kec. Barru
Kab. Barru tahun 1997 - 2001
3. Madrasah Tsanawiyah Negeri (MTsN) Mangempang Kel. Mangempang Kec.
Barru Kab. Barru tahun 2001 - 2004
4. Sekolah Menengah Atas Negeri (SMAN) 1 Barru Kec. Barru Kab. Barru tahun
2004 2007
Pada tahun 2007 melanjutkan pendidikan pada Perguruan Tinggi Negeri yakni
Universitas Islam Negeri (UIN) Alauddin Makassar pada Fakultas Sains dan
Teknologi Jurusan Matematika.
Atas rahmat Allah SWT, penulis berhasil menyelesaikan studi dengan judul skripsi
Implementasi Model Antrian pada Pembayaran Rekening Listrik dalam
Peningkatan Kualitas Pelayanan (Studi Kasus Pada KUD Mina Sipurio di Barru)