Abstrak
Abstrak - Penelitian sistem antrian yang ada pada PT Sarana Sumatera Barat Ventura “SSBV” untuk
pembayaran kredit Nasabah didasarkan pada waktu pelayanan yang lama sehingga Nasabah merasa
kurang nyaman saat menunggu antrian. Penelitian ini bertujuan untuk membantu pihak perusahaan
terutama pelayanan PT SSBV agar proses antrian tidak membutuhkan waktu yang lama, sehingga
mampu memberikan waktu pelayanan yang efektif, efisien dan pelayanan menjadi lebih cepat, dengan
menggunakan pemodelan dan simulasi dengan metode Monte Carlo jenis Multi Channel Single Phase
untuk antrian pelayanan Nasabah PT Sarana Sumatera Barat Ventura “SSBV”. Penelitian ini dikerjakan
dengan cara datang langsung kelapangan, dengan melakukan riset perpustakaan dan penelitian di
laboratorium, dimana hasil yang ditampilkan berbentuk simulasi menggunakan software promodel pada
pc atau laptop. Kesimpulan penelitian, yaitu dengan analisa sistem antrian menggunakan metode Monte
Carlo mampu mengetahui lamanya waktu pelayanan dan dapat mengurangi antrian dengan menggunakan
bilangan random, sehingga waktu pelayanan yang lama menjadi lebih cepat serta memberikan kemudahan
bagi Perusahaan dan Nasabah.
Kata Kunci : Antrian, Promodel, Monte Carlo, Multi Channel single Phase
1. Pendahuluan
Dalam kehidupan sehari-hari, banyak ditemukan masalah antrian. permasalahan antrian
dapat menimbulkan kerugian yang besar. Penelitian ini dilakukan sebagai aplikasi dari
mata kuliah permodelan dan simulasi pada antrian. Tujuan dari tulisan ini adalah untuk
mempelajari kinerja sistem dengan cara memodelkan simulasi antrian ganda dengan
berbagai alternatif jumlah teller dengan menggunakan metode Monte Carlo.
Pada saat ini sistem antrian pada PT Sarana Sumatera Barat Ventura (SSBV) masih
menggunakan antrian manual yaitu dengan mengantri satu persatu dan berbaris tidak
begitu efektif dalam sistem antriannya. Maka dari itu sistem yang dibuat ini dapat
mempercepat antrian tanpa menghabiskan waktu dan membuat nasabah menunggu pada
loket yang ada dikantor tersebut dengan menggunakan metode Monte Carlo.
Antrian sudah menjadi bagian dalam proses atau pelayanan, dalam hal mengantri waktu
merupakan komponen atau aspek yang sangat penting dan berharga, oleh karena itu
sistem yang ada dapat mereduksi penggunaan waktu yang berlebihan, agar lebih efektif
dan efisien dalam hal penggunaan waktu tersebut.
Waktu mengantri juga menjadi komponen yang lebih penting, hal ini dikarenakan
hubungan dengan peningkatan kualitas dari pelayanan itu sendiri.
2. Landasan Teori
2.1 Dasar Pemodelan dan Simulasi
Pemodelan dan simulasi didasari oleh pengetahuan komputer, matematika serta probabilitas dan
statistik, walaupun tidak dapat disangkal bahwa prosesnya sering masih dilakukan sebagai
proses yang instingtif. Karena untuk membangun suatu model dari sistem dan melakukan
simulasi tidak ada rumus-rumus yang eksak,maka yang dapat diberikan hanyalah petunjuk-
116
UPI YPTK Jurnal KomTekInfo Vol. 4, No. 1, Juni 2017, Hal. 116-128 ISSN :2356-0010
Copyright©2017 by LPPM UPI YPTK Padang
petunjuk secara garis besar dalam bidang tersebut.(Pemodelan dan Simulasi Sistem
Teori,Aplikasi Dan Contoh Program Dalam Bahasa C, Bambang Sridadi, 2009, Hal : 3).
2.2 Model
Model adalah representasi dari suatu objek, benda atau ide-ide dalam bentuk yang lain dengan
entitasnya. Model berisi sebuah informasi tentang suatu sistem yang dibuat dengan tujuan untuk
mempelajari prilaku sistem yang sebenarnya. Tujuan dari studi pemodelan adalah menentukan
informasi (variabel dan parameter) yang dianggap penting untuk dikumpulkan, sehingga tidak
ada model yang unik (Pemodelan dan Simulasi Sistem Teori Aplikasi Dan Contoh Program
Dalam Bahasa C, Bambang Sridadi, 2009, Hal : 42).
117
UPI YPTK Jurnal KomTekInfo Vol. 4, No. 1, Juni 2017, Hal. 116-128 ISSN :2356-0010
Copyright©2017 by LPPM UPI YPTK Padang
proses merancang model dari suatu sistem yang sebenarnya, mengadakan percobaan-percobaan
tersebut dan mengevaluasi hasil percobaan tersebut(Pemodelan dan Simulasi Sistem Teori
Aplikasi Dan Contoh Program Dalam Bahasa C, Bambang Sridadi, 2009, Hal : 65).
Berdasarkan teknik atau metodologi simulasi, maka ada beberapa jenis simulasi antara lain
(Pemodelan dan Simulasi Sistem Teori Aplikasi Dan Contoh Program Dalam Bahasa C,
Bambang Sridadi, 2009, Hal : 67):
1. Simulasi Monte Carlo, tidak ada elemen waktu, digunakan untuk mengevaluasi ekspresi
non- probabilistik (misalnya integral) menggunakan metode probabilistik, melibatkan
banyak persoalan matematika.
2. Simulasi kemudi-jejak, secara ekstensif digunakan misalnya pada evaluasi unjuk kerja
sistem komputer, misalnya algoritma penghalaman (paging).
3. Simulasi kejadian diskret, suatu simulasi yang menggunakan model sistem kejadian diskret
(discrete event), misalnya pada studi unjuk kerja sistem komputer digital, studi sistem
antrian bank, dan lain-lain.
4. Simulasi dinamis kontinu, menggunakan model keadaan perubahan kontinu terhadap waktu,
misalnya pada studi proses reaksi kimia, gerakan dinamis suatu kendaraan ( vehicle) baik
darat, laut ataupun udara.
118
UPI YPTK Jurnal KomTekInfo Vol. 4, No. 1, Juni 2017, Hal. 116-128 ISSN :2356-0010
Copyright©2017 by LPPM UPI YPTK Padang
Sistem / Rekayasa
Informasi
119
UPI YPTK Jurnal KomTekInfo Vol. 4, No. 1, Juni 2017, Hal. 116-128 ISSN :2356-0010
Copyright©2017 by LPPM UPI YPTK Padang
120
UPI YPTK Jurnal KomTekInfo Vol. 4, No. 1, Juni 2017, Hal. 116-128 ISSN :2356-0010
Copyright©2017 by LPPM UPI YPTK Padang
dikerjakan degan alat bantu yaitu perangkat lunak dari komputer berupa lembar kerja
(Spreadsheet) yang di program untuk membangkitkan bilangan random sesuai dengan yang
dibutuhkan. Memunculkan nilai bilangan acak seperti: tabel bilangan acak, prosedur atau
subrutin di dalam program (Simulasi Sistem Industri, Miftahol Arifin, 2008, Hal: 101).
Langkah-Langkah Simulasi Monte Carlo. Teknik simulasi Monte Carlo terbagi atas lima
langkah sederhana yaitu sebagai berikut :
1. Menetapkan sebuah distribusi probabilitas bagi variabel penting. Ide dasar simulasi Monte
Carlo adalah untuk membangkitkan nilai untuk variabel pada model yang sedang diuji.
Dalam sistem dunia nyata, sebagai besar variabel memilik probabilitas alami. Diantaranya
adalah :
a. Permintaan persediaan.
b. Waktu tenggang pesanan untuk tiba.
c. Waktu diantara mesin rusak.
d. Waktu diantara kedatangan pelanggan pada suatu fasilitas pelayanan.
e. Waktu pelayanan.
f. Waktu yang diperlukan untuk menyelesaikan aktivitas proyek, dan jumlah karyawan
yang tidak hadir setiap hari.
2. Membuat distribusi probabilitas kumulatif bagi setiap variabel. Untuk mengubah distribusi
probabilitas biasa menjadi sebuah distribusi probabilitas kumulatif (cumulative probability
distribution) merupakan pekerjaan yang mudah.
3. Menetapkan sebuah interval angka acak bagi setiap variabel. Setelah distribusi probabilitas
kumulatif bagi setiap varibel yang digunakan dalam simulasi sudah diterapkan, maka
diberikan serangkaian angka yang mewakili setiap nilai atau ouput yang mungkin, angka
ini disebut sebagai interval angka acak (random-number interval).
4. Membangkitkan angka acak yang sedang diteliti melibatkan banyak percobaan simulasi,
maka digunakan program komputer untuk membangkitkan angka acak. Jika simulasi
dilakukan dengan perhitungan tangan, angka acak dapat diambil dari sebuah tabel angka
acak.
5. Membangkitkan serangkaian percobaan Hasil dari eksperimen dapat disimulasikan secara
sederhana dengan memilih angka acak dari tabel angka acak.
3. Metodologi Penelitian
Kerangka penelitian adalah konsep atau tahapan-tahapan yang dilakukan dalam
penelitian yang akan diuraikan pada gambar berikut ini:
121
UPI YPTK Jurnal KomTekInfo Vol. 4, No. 1, Juni 2017, Hal. 116-128 ISSN :2356-0010
Copyright©2017 by LPPM UPI YPTK Padang
Jumlah 50 orang
Nasabah
Waktu 0-3 menit
Kedatangan
Waktu 1-4 menit
Pelayanan
b. Interval waktu selisih dari sebuah kedatangan dimana dari pembagian banyak
bilangan random dibagi dengan banyak interval / selisih waktu kedatangan
jumlah bilangan random 50
Pembagian bialangan random = = = 12 nilai
jumlah interval 4
Banyak bilangan random yang didapatkan dari banyaknya kemungkinan yang
terjadi, nilai interval didapat dari banyak nya interval yang dapat dilihat pada tabel
berikut ini :
Tabel 2 : Data Input Selisih Waktu Kedatangan
Iterval Random
0 0-12
1 13-24
2 25-36
3 37-49
Interval mulai dari nol karena kedatangan pada nasabah dimulai dari nol dan selisih
kedatanganya 4 menit. Interval waktu pelayanan didapatkan dari pembagian banyak bilangan
random dibagi banyak interval.
1 0-12
2 13-24
3 25-36
4 37-49
Untuk mementukan angka random yang digunakan pada penentuan selisih waktu kedatangan
dengan nilai waktu pelayanan dilakukan dengan menggunakan rumus LCM (Linear Congruent
Method). Pada penarikan angka random untuk nilai IAT berikut ini penerapan simulasinya :
122
UPI YPTK Jurnal KomTekInfo Vol. 4, No. 1, Juni 2017, Hal. 116-128 ISSN :2356-0010
Copyright©2017 by LPPM UPI YPTK Padang
Dikarenakan hasil dari pencarian LCM yang berulang, pada nilai 31 maka pencarian bilangan
acak dihentikan. Sehingga 50 bilangan acak yang terbentuk tampak seperti tabel 4 di bawah ini:
123
UPI YPTK Jurnal KomTekInfo Vol. 4, No. 1, Juni 2017, Hal. 116-128 ISSN :2356-0010
Copyright©2017 by LPPM UPI YPTK Padang
Untuk sebuah pengujian maka diambil 50 angka random yang digunakan untuk mendapatkan
nilai Waktu Pelayanan. Sehingga 50 bilangan acak yang terbentuk tampak seperti tabel 5 di
bawah ini:
Sistem antrian yang akan disimulasikan sesuai dengan keadaan sebenarnya pada PT Sarana
Sumatera Barat Ventura (SSBV) Padang yaitu Single channel single phase (satu saluran dan
satu tahapan) pada loket pembayaran. Adapun simulasi monte carlo yang dilakukan tampak
seperti tabel 6 dibawah ini:
Tabel 6 Ilustrasi Simulasi Single Channel Single Phase
124
UPI YPTK Jurnal KomTekInfo Vol. 4, No. 1, Juni 2017, Hal. 116-128 ISSN :2356-0010
Copyright©2017 by LPPM UPI YPTK Padang
Dari data diatas maka dapat dilakukan perhitungan untuk mengetahui waktu rata-rata pelanggan
menunggu, dan juga waktu yang berjalan pada sistem seperti tabel 7 di bawah ini:
b. Interval waktu selisih dari sebuah kedatangan dimana dari pembagian banyak
bilangan random dibagi dengan banyak interval / selisih waktu kedatangan
jumlah bilangan random 50
Pembagian bialangan random = = = 12 nilai
jumlah interval 4
Banyak bilangan random yang didapatkan dari banyaknya kemungkinan yang
terjadi, nilai interval didapat dari banyak nya interval yang dapat dilihat pada tabel
4.5 berikut ini :
125
UPI YPTK Jurnal KomTekInfo Vol. 4, No. 1, Juni 2017, Hal. 116-128 ISSN :2356-0010
Copyright©2017 by LPPM UPI YPTK Padang
0 0-12
1 13-24
2 25-36
3 37-49
Interval mulai dari nol karena kedatangan pada nasabah dimulai dari nol dan selisih
kedatanganya 4 menit. Interval waktu pelayanan didapatkan dari pembagian banyak bilangan
random dibagi banyak interval.
1 0-12
2 13-24
3 25-36
4 37-49
Untuk mementukan angka random yang digunakan pada penentuan selisih waktu kedatangan
dengan nilai waktu pelayanan dilakukan dengan menggunakan rumus LCM (Linear Congruent
Method). Pada penarikan angka random untuk nilai IAT maka diambil dari bilangan random
pada tabel 4.7 sebelumnya. Untuk pengujian maka diambil 50 angka random yang digunakan
untuk mendapatkan nilai Waktu Pelayanan loket 2 seperti tabel 11 di bawah ini:
Tabel 12 Ilustrasi Simulasi Multi Channel Single Phase Loket Pembayaran Kredit Nasabah
126
UPI YPTK Jurnal KomTekInfo Vol. 4, No. 1, Juni 2017, Hal. 116-128 ISSN :2356-0010
Copyright©2017 by LPPM UPI YPTK Padang
Dari simulasi antrian pembayaran uang pinjaman nasabah pada PT Sarana Sumatera Barat
Ventura (SSBV) Padang dengan metode monte carlo menunjukkan bahwa perhitungan hasil
analisis dengan Multi Channel Single Phase (banyak saluran satu tahap) memiliki perbedaan
yang jauh dari kenyataannya.
Dari report diatas terlihat pada location, dimana Scheduled di running selama 2.4 jam, Avg
Time Per Entry nasabah dalam antrian pada Multi Channel 2.84. Dan Utilization adalah beban
kerja untuk setiap tugas pada antrian Multi Channel.
Entity Activity dari report dapat dilihatAvg Time Waiting(MIN) atau rata-rata waktu nasabah
menunggu diantrian adalah 1.05 dimana hasil tersebut sama dengan hasil pencarian manual
127
UPI YPTK Jurnal KomTekInfo Vol. 4, No. 1, Juni 2017, Hal. 116-128 ISSN :2356-0010
Copyright©2017 by LPPM UPI YPTK Padang
Dari report diatas terlihat pada location, dimana Scheduled di running selama 2.4 jam, Avg
Time Per Entry nasabah dalam antrian pada Multi Channel 27.09. Dan Utilization adalah beban
kerja untuk setiap tugas pada antrian Multi Channel berikut ini.
Entity Activity dari report dapat dilihatAvg Time Waiting (MIN) atau rata-rata waktu nasabah
menunggu diantrian adalah 23.82 dimana hasil tersebut sama dengan hasil pencarian manual
5. Kesimpulan
Setelah mengimplementasikan bentuk model simulasi dari data antrian pada PT SSBV.
Penelitian ini menghasilkan kesimpulan sebagai berikut :
1. Dari data yang dihasilkan maka waktu pelayanan antrian yang ada pada PT SSBV jauh
berbeda dengan waktu yang dihasilkan dengan metode Monte Carlo sistem antrian Multi
Channel Single Phase
2. Waktu pelayanan yang lama pada PT SSBV menjadi lebih singkat sehingga waktu tunggu
yang dihadapi nasabah juga dapat teratasi bila menggunakan metode Monte Carlo sistem
antrian Multi Channel Single Phase
3. Hasil penelitian dapat disimpulkan bahwa dengan menggunakan metode Monte Cerlo
dengan jenis antrian Multi Channel Single Phase, maka antrian yang panjang menjadi
berkurang dan juga kinerja pelayanan menjadi lebih efektif dan efesien.
Daftar Pustaka
[1] Arifin, Miftahol, 2008, Simulasi Sistem Industri, Bandung: INFORMATIKA.
[2] A.S, Rosa dan Shalahuddin M, 2013, Rekayasa Perangkat Lunak (Terstruktur dan Berorientasi
Objek), Bandung: INFORMATIKA.
[3] Farkhan, Feri, Hendikawati, Putriaji, dan Arifudin, Riza, 2013, Aplikasi Teori Antrian dan
Simulasi pada Pelayanan Teller Bank, UNNES Journal of Mathematics, ISSN : 2252-6943.
[4] Fauziah, Agustins, Ina, dan Andryana, Septi, 2012, Analisis Implementasi Random Number
Generate(RNG) pada Simulasi Antrian Menggunakan Aplikasi Berbasis. Net Framework, ISSN :
1979-2328.
[5] Kakiay, Thomas J, 2004, Dasar Teori Antrian Untuk Kehidupan Nyata, Yogyakarta: ANDI. .
[6] Sridadi, Bambang, 2009, Permodelan dan Simulasi Sistem (Teori Aplikasi dan Contoh Program
dalam Bahasa C, Bandung: INFORMATIKA.
128