1, Maret 2017
e-ISSN 2540-7902 dan p-ISSN 2541-366X
ABSTRAK
Antrian merupakan suatu garis tunggu dari orang/satuan yang memerlukan pelayanan dari satu atau lebih
fasilitas layanan, misalnya antrian pada teller di bank. Pada bank dengan jumlah teller yang sedikit atau tingkat
pelayanan yang rendah seringkali mengakibatkan antrian yang panjang sehingga nasabah yang akan dilayani
menunggu dalam jangka waktu yang lama. Penelitian ini bertujuan untuk memodelkan sistem antrian pada Bank
Negara Indonesia Kantor Cabang Pembantu Universitas Mulawarman Samarinda menggunakan metode sistem
antrian Multiple Channel Single Phase. Hasil penelitian menunjukkan bahwa total rata – rata waktu pelayanan 2
teller 28,32 menit/nasabah, 3 teller 7,66 menit/nasabah, dan 4 teller 5,98 menit/nasabah. Rekomendasi hasil
penelitian menggunakan 3 teller karena total rata – rata waktu pelayanan dari 2 teller ke 3 teller mengalami
penurunan secara drastis, sedangkan total rata – rata waktu pelayanan dari 3 teller ke 4 teller mengalami
penurunan tidak terlalu signifikan.
Kata Kunci : Sistem Antrian, Model Sistem Antrian, BNI KCP Unmul, teller
model antrian memiliki komponen lain. Adapun dan jumlah tahapan (contoh : jumlah perhentian).
komponen lainnya adalah (Aminudin, 2005) : Desain dasar sistem antrian dapat dikelompokkan
ke dalam empat jenis, yaitu :
a. Single Channel Single Phase yaitu sebuah sistem
pelayanan yang melayani dengan satu jalur antrian
dan satu pelayanan.
b. Single Channel Multiple Phase yaitu sebuah
sistem pelayanan yang melayani dengan beberapa
Gambar 1. Struktur Umum Model Antrian jalur antrian dan satu pelayanan.
(Sumber : Aminudin, 2005) c. Multiple Channel Single Phase yaitu sebuah
sistem pelayanan yang melayani dengan satu jalur
2.2.1 Karakteristik Kedatangan antrian dan beberapa pelayanan.
Menurut (Jay and Barry, 2005), sumber input d. Multiple Channel Multiple Phase yaitu sebuah
yang menghadirkan kedatangan pelanggan bagi sistem pelayanan yang melayani dengan beberapa
sebuah pelayanan memiliki tiga karekteristik utama, jalur antrian dan beberapa pelayanan.
yaitu, 1). Ukuran populasi, 2). Perilaku kedatangan,
dan 3). Pola kedatangan (distribusi statistik).
Ukuran populasi kedatangan dilihat sebagai
terbatas atau tidak terbatas. Sebuah populasi
dinyatakan sebagai populasi terbatas jika antrian
yang terjadi hanya terdapat pengguna pelayanan
potensial dengan jumlah terbatas. Sementara
populasi yang tidak terbatas terjadi ketika dalam
antrian pengguna pelayanan yang jumlahnya tidak
terbatas dapat datang dan meminta pelayanan.
Kedatangan dianggap sebagai kedatangan acak bila
kedatangan tersebut tidak terikat satu sama lain dan
kejadian tersebut tidak dapat diramalkan secara
Gambar 2. Struktur Dasar Antrian
tepat. Sering dalam permasalahan antrian, (Sumber: Aminudin, 2005)
kedatangan pada setiap unit waktu dapat
diperkirakan oleh sebuah distribusi peluang yang
2.3 Uji Kesesuaian
disebut distribusi poisson.
Uji kesesuaian atau kecocokan dari suatu
empirik terhadap sebaran teoritis dilakukan dengan
2.2.2 Karekteristik Antrian 2
Terdapat beberapa aturan antrian yang biasa uji Chi-Kuadrat ( x ). Uji ini membandingkan
digunakan, yaitu : kelompok frekuensi yang diamati dengan kelompok
a. First In First Out (FIFO) atau First Come First frekuensi yang diharapkan. Frekuensi yang
Served (FCFS), yaitu pelayanan dimana yang diharapkan ternyata timbul dari suatu dugaan atau
pertama masuk maka lebih dahulu keluar atau yang 2
hipotesis. Teknik ( x ) menguji apakah frekuensi
lebih dahulu datang maka lebih dahulu dilayani. yang diamati cukup mendekati frekuensi yang
b. Last In First Out (LIFO) atau Last Come First diharapkan, maka pengujian Chi-Kuadrat diawali
Served (LCFS), yaitu pelayanan dimana terakhir dengan hipotesis sebagai berikut:
masuk maka lebih dahulu keluar atau yang terakhir
H 0 : data menyebar poisson atau exponensial
datang maka lebih dahulu dilayani.
c. Priority service (PS), yaitu pelayanan dimana H1 : tidak menyebar poisson atau exponensial
prioritas pelayanan diberikan kepada yang Statistik uji yang digunakan adalah
mempunyai prioritas lebih tinggi dibandingkan (Pangestu,dkk.2000) :
dengan prioritas yang lebih rendah, meskipun telah
B K
lebih dahulu datang.
d. Service In Random Order (SIRO), yaitu
i 1 j 1(O ij Eij ) 2
pelayanan dimana panggilan berdasarkan pada x2 (1)
peluang secara acak, tidak masalah dengan yang
Eij
datang lebih awal. Nilai Eij didapat dari persamaan :
e. General Service Diciplint (GD), yaitu pelayanan
yang mempunyai aturan dan tata tertib yang berlaku Bi .K j
umum dan ditaati bersama.
Eij (2)
N
Dimana:
2.2.3 Karakteristik Waktu Pelayanan
Pelayanan umumnya digolongkan menurut Oij : banyaknya Pelanggan yang diamati pada
jumlah saluran yang ada (contoh : jumlah teller) baris i kolom j
118
Prosiding Seminar Ilmu Komputer dan Teknologi Informasi Vol. 2, No. 1, Maret 2017
e-ISSN 2540-7902 dan p-ISSN 2541-366X
2.4 Formula Model Sistem Antrian Lq : jumlah rata-rata pelanggan dalam antrian
Langkah I penunjukan variabel kedua jenis λ : tingkat kedatangan pelanggan
data, dengan :
Langkah VI menentukan Ws , yaitu waktu rata
1
(3) - rata pelanggan dalam sistem.
(T 1 / N )
1 1
(4) Ws Wq (9)
(T 2 / N )
Dimana :
: tingkat kedatangan pelanggan Dimana :
: tingkat pelayanan Ws : waktu rata-rata pelanggan dalam sistem
T1 : total waktu antar kedatangan Wq : waktu rata-rata pelanggan dalam antrian
T2 : total waktu pelayanan pelanggan
N : total pelanggan µ : tingkat pelayanan
Langkah II menentukan nilai peluang masa
2.5 Notasi dalam Sistem Antrian
menganggur ( P0 ).
Notasi berikut ini merupakan notasi yang akan
c 1 ( / ) n ( / ) c digunakan dalam menggambarkan sistem antrian
P0 ( ) 1 (5) yaitu :
n 0 n! c!(1 ( / c. ) n : jumlah pelanggan dalam sistem
Dimana : λ : tingkat kedatangan pelanggan
P0 : peluang masa menganggur µ : tingkat pelayanan
λ : tingkat kedatangan pelanggan Lq : jumlah rata - rata pelanggan dalam
µ : tingkat pelayanan antrian
c : jumlah fasilitas pelayanan Ls : jumlah rata - rata pelanggan dalam sistem
Langkah III menentukan Lq , yaitu jumlah rata
P0 : probabilitas tidak ada pelanggan dalam
- rata pelanggan dalam antrian.
sistem
( / ) c .[( / c. )]
Lq ( P0 (6) Wq : waktu rata - rata pelanggan dalam antrian
c!(1 ( / c. )) 2
Dimana :
Ws : waktu rata - rata pelanggan dalam sistem
Lq : jumlah rata-rata pelanggan dalam antrian c : jumlah fasilitas pelayanan
Dalam mengelompokkan model-model antrian
λ : tingkat kedatangan pelanggan yang berbeda-beda akan digunakan suatu notasi
µ : tingkat pelayanan yang disebut Kendall’s Notation. Hampir semua
P0 : peluang masa menganggur buku (literature) yang membahas teori antrian
c : jumlah fasilitas pelayanan menggunakan notasi ini :
A. Notasi dasar Sistem Antrian
Langkah IV menentukan Ls , yaitu jumlah rata Model dasar sistem antrian adalah (a/b/c/d/e)
- rata pelanggan dalam sistem. a : distribusi kedatangan
b : distribusi pelayanan
119
Prosiding Seminar Ilmu Komputer dan Teknologi Informasi Vol. 2, No. 1, Maret 2017
e-ISSN 2540-7902 dan p-ISSN 2541-366X
Tanda pertama notasi selalu menunjukkan Data hasil pengamatan selama lima hari dapat
distribusi tingkat kedatangan. Dalam hal ini, M diketahui hasil variabel yang dibutuhkan yaitu,
menunjukkan tingkat kedatangan mengikuti suatu tingkat kedatangan nasabah (λ), tingkat pelayanan
distribusi probabilitas poisson. Tanda kedua teller (µ). Data dapat dilihat di tabel 3 :
menunjukkan distribusi tingkat pelayanan. Lagi, M
menunjukkan bahwa tingkat pelayanan mengikuti Tabel 3. Data Hasil Variabel
distribusi probabilitas exponensial. Tanda ketiga Hari / Tanggal λ µ
menunjukkan jumlah fasilitas pelayanan (channel) Senin, 07 Maret 2016 0,29 0,17
dalam sistem. Tanda keempat dan kelima Selasa, 08 Maret 2016 0,27 0,18
ditambahkan menunjukkan apakah sumber populasi Rabu, 09 Maret 2016 0,29 0,18
dan kepanjangan antrian tak-terbatas (~). Model Kamis, 10 Maret 2016 0,30 0,18
diatas, baik sumber populasi dan kepanjangan Jum’at, 11 Maret 2016 0,29 0,18
antrian adalah tak-terbatas. Dengan tanda-tanda Hasil 0,29 0,18
tersebut empat model yang berbeda yang akan
dirumuskan dan dipecahkan dalam sistem model Pengolahan data untuk pemecahan masalah
antrian adalah : dilakukan melalui beberapa tahap. Setelah data –
1. (M/M/1/~/~) data yang dibutuhkan diperoleh , maka pengolahan
2. (M/M/S/~/~) data dilakukan berdasarkan metedologi yang telah
3. (M/M/1/N/~) dikemukakan sebelumnya.
4. (M/M/1/~/N)
3.2 Uji Hipotesis
3. HASIL DAN PEMBAHASAN 3.2.1 Pola Kedatangan
3.1 Data Observasi Untuk melihat distribusi pola kedatangan
Data antrian yang diperoleh adalah merupakan nasabah di BNI KCP Unmul, maka dilakukan uji
data antrian yang terjadi pada sistem pelayanan hipotesis distribusi kedatangan nasabah. Data
Bank Negara Indonesia Kantor Cabang Pembantu kedatangan pemohon akan diuji dengan uji Chi
Unmul (BNI KCP Unmul) Samarinda, dengan Kuadrat dengan tingkat ketelitian α = 5%. Berikut
model sistem antrian yang diterapkan yaitu antrian adalah data kedatangan nasabah selama lima hari
paralel, dimana nasabah yang datang dilayani pada dalam interval satu jam, dan nilai kedatangan
dua teller dengan mengacuh pada disiplin antrian nasabah yang diharapkan Eij yang dihitung
FIFO. Dua teller yang ada bertugas untuk melayani mengggunakan persamaan (2).
setiap nasabah yang melakukan transaksi tunai.
120
Prosiding Seminar Ilmu Komputer dan Teknologi Informasi Vol. 2, No. 1, Maret 2017
e-ISSN 2540-7902 dan p-ISSN 2541-366X
kedatangan nasabah BNI KCP Unmul : 94, 101, 104, 100, 99,9 95,5 96, 693,0
Senin
68 87 19 60 7 3 16 0
H0 : Pola kedatangan nasabah berdistribusi Selasa
84, 90,8 92,9 89,7 89,1 85,1 85, 618,0
44 4 2 1 5 9 75 0
poisson Rabu
88, 94,9 97,1 93,7 93,1 89,0 89, 646,0
26 6 3 8 9 5 64 0
H1 : Pola kedatangan nasabah tidak
Kamis
89, 96,1 98,3 94,9 94,3 90,1 90, 654,0
35 4 3 4 4 5 75 0
berdistribusi poisson 91, 98,1 100, 96,9 96,3 92,0 92, 668,0
Jum'at
27 9 43 7 6 8 69 0
2 448 482, 493, 476, 473, 452, 455 3279,
Tabel 6. Nilai Chi Kuadrat hitung ( x hitung ) Total
,00 00 00 00 00 00 ,00 00
distribusi poisson
Hari Nilai Total Berdasarkan Tabel 7 dan Tabel 8, diperoleh
2
Senin
0,0 0,0 0,2 0,4 0,2 0,0 0,1
1,12
nilai Chi Kuadrat ( x hitung ) waktu pelayanan
1 3 9 5 1 2 0
0,7 0,2 0,0 0,1 0,3 0,2 0,2 nasabah yang ditunjukkan pada Tabel 9. Sebelum
Selasa 2,13
6 0 9 6 6 5 9 dilakukan uji Chi Kuadrat untuk pola waktu
0,5 0,6 0,0 0,6 0,0 0,5 0,0
Rabu
2 1 0 6 1 6 0
2,37 pelayanan nasabah BNI KCP Unmul, diberikan
Kamis
0,1 0,0 0,0 1,4 2,0 0,0 0,1
3,95
hipotesis untuk proporsi waktu pelayanan nasabah.
3 9 9 9 3 2 0 Berikut hipotesis waktu pelayanan nasabah BNI
0,1 0,0 0,2 0,0 0,0 0,0 0,0
Jum'at
2 5 5 2 9 0 1
0,53 KCP Unmul :
1,5 0,9 0,7 2,7 2,7 0,8 0,5
Total
3 9 2 9 0 6 1
10,10 H0 : waktu pelayanan nasabah berdistribusi
exponensial
Pada Tabel 6 dapat dilihat bahwa nilai total Chi H1 : waktu pelayanan nasabah tidak
2
Kuadrat ( x hitung ) adalah 10,10. Dengan derajat berdistribusi exponensial
kebebasan (dk) adalah 24 dan taraf kesalahan yang
telah ditetapkan 5% maka harga Chi Kuadrat tabel
121
Prosiding Seminar Ilmu Komputer dan Teknologi Informasi Vol. 2, No. 1, Maret 2017
e-ISSN 2540-7902 dan p-ISSN 2541-366X
122
Prosiding Seminar Ilmu Komputer dan Teknologi Informasi Vol. 2, No. 1, Maret 2017
e-ISSN 2540-7902 dan p-ISSN 2541-366X
123
Prosiding Seminar Ilmu Komputer dan Teknologi Informasi Vol. 2, No. 1, Maret 2017
e-ISSN 2540-7902 dan p-ISSN 2541-366X
5. DAFTAR PUSTAKA
[1]. Aminudin. 2005. Prinsip – prinsip Riset
Operasi. Jakarta: Erlangga.
[2]. Djati, B. S. L. (2007). Simulasi, Teori Dan
Aplikasinya. Yogyakarta : Penerbit ANDI.
[3]. Faradhika, F. (2014). Analisis dan Simulasi
Sistem Antrian Pada Bank ABC. Saintia
Matematika. 2(2) Maret.
[4]. Gordon, G. (1989). System Simulation. New
Delhi : Prentice Hall Of India.
[5]. Gusti Vero W., Sahmanbanta S., Fachrosi F.
(2012). Perancangan Sistem Simulasi Antrian
124