YAYASAN LEMBAGA PENDIDIKAN ISLAM DAERAH RIAU

UNIVERSITAS ISLAM RIAU

FAKULTAS TEKNIK

SAINS KOMPUTASI PEMODELAN DAN SIMULASI

TUGAS 2
Diajukan Untuk Memenuhi Salah Satu Syarat
Nilai Akhir Sains Komputasu Pada Fakultas
Teknik Universitas Islam Riau Pekanbaru

Eni Mariani
163510610

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS ISLAM RIAU
PEKANBARU
2019
 KATA PENGANTAR

Puji syukur kami ucapkan kehadirat Tuhan yang Maha Esa karena atas
limpahan rahmat dan hidayah-Nya lah sehinggga penulis dapat menyelesaikan
makalah SAINS KOMPUTSI ini tepat pada waktunya dalam bentuk yang
sederhana.

Seiring dengan terselesaikannya laporan ini, maka kami penulis selaku

penyusun mengucapkan banyak terimakasih kepada semua pihak yang telah
memberikan bantuannya, serta partisipasi dan antusias dari teman – teman
kelompok dalam bentuk apapun dalam proses penyusunan. Terkhusus kepada
Dosen yang selalu memberikan bimbingan dan dorongan kepada penulis sehingga
penulis dapat menyelesaikan laporan ini.
Penulis sadar akan kekurangan dan kelemahan dari pembuatan laporan ini,
untuk itu penulis mengharapkan kritik dan saran yang sifatnya membangun guna
memperbaiki laporan ini sehingga bisa menjadi lebih sempurna.
Akhir kata penulis mengucapkan banyak terimakasih atas semuanya, semoga
laporan ini dapat bermanfaat bagi pembaca, terutama penulis.
Pekanbaru, November 2019

Penulis

1
 DAFTAR ISI

KATA PENGANTAR...............................................................................................i
DAFTAR ISI............................................................................................................ii
BAB I PENDAHULUAN........................................................................................1
1.1 Latar Belakang..........................................................................................1
1.2 Rumusan masalah......................................................................................2
1.3 Tujuan........................................................................................................2
1.4 Manfaat......................................................................................................2
BAB II PEMBAHASAN.........................................................................................3
2.1 Karakteristik Sistem Antrian.....................................................................3
2.1.1 Fasiltas Pelayanan..............................................................................3
2.2 Model Simulasi..........................................................................................5
2.2.1 Definisi Simulasi................................................................................5
2.2.2 Mekanisme kenaikan waktu...............................................................6
2.2.3 Klasifikasi Model Simulasi................................................................7
2.2.4 Tujuan Simulasi.................................................................................8
2.2.5 Langkah-langkah dalam studi simulasi..............................................8
2.3 Pengumpulan Data..................................................................................10
2.3.1 Data Primer......................................................................................10
2.3.2 Data Sekunder..................................................................................10
2.4 Queueing Simulation Result....................................................................11
BAB III PENUTUP...............................................................................................23
3.1 Kesimpulan..............................................................................................23
3.2 Saran........................................................................................................23

2
3
 BAB I PENDAHULUAN

1.1 Latar Belakang

Antrian adalah suatu garis tunggu dari pelanggan (satuan) yang memerlukan
layanan dari satu atau lebih pelayanan (fasilitas layanan). Studi matematika dari
kejadian atau gejala garis tunggu ini disebut teori antrian. Kejadian garis tunggu
yang terjadi disebabkan oleh kebutuhan layanan melebihi kemampuan (kapasitas)
pelayanan atau fasilitas layanan, sehingga pelanggan yang tiba tidak bisa segera
mendapat layanan disebabkan kesibukan pelayanan (J Liberman, 1994).

Pada antrian biasanya pelanggan tiba dengan laju tetap atau tidak tetap untuk
memperoleh pelayanan pada fasilitas pelayanan. Bila langganan yang tiba dapat
masuk ke dalam fasilitas pelayanan, maka hal tersebut akan segera ia lakukan.
Tetapi jika ia harus menunggu, maka mereka akan membentuk suatu antrian
hingga tiba waktunya untuk dilayani. Mereka akan dilayani dengan laju tetap atau
tidak tetap. Setelah selesai, mereka meninggalkan sistem (J Lieberman,1994).

Penelitian ini dimaksudkan untuk mensimulasikan sistem antrian sehingga

diperoleh jumlah kasir yang tepat di KFC Arifin Ahmad. Pada penelitian ini
digunakan metode simulasi untuk memberikan solusi bagi pihak swalayan dalam
menentukan jumlah kasir. Model analitis terbatas kemampuannya, hanya dapat
memecahkan permasalahan yang tidak terlalu komplek. Model analitik hanya
dapat digunakan untuk hubungan antar komponen yang sederhana.

Pada bagian kasir KFC terdapat tiga kasir yang digunakan. Kadang ada
pelanggan yang mengantri terlalu lama tetapi pada saat tertentu terdapat kasir
yang mengangur karena pelanggan sedang sepi misalnya untuk hari-hari biasa
yaitu hari sabtu-minggu rata rata lama kasir menggagur sebesar 9 menit 23 detik
ini menunjukkan pelanggan yang datang lebih sedikit dibandingkan dengan pada
hari senin-jumat yang rata-rata lama kasir menganggur hanya 2 menit 56 detik.

1
1.2 Rumusan masalah
Dari latar belakang diatas, maka perumusan masalah pada penelitian yang
akan dilakukan adalah bagaimana menentukan jumlah kasir yang tepat di KFC
Arifin Ahmad sehingga biaya total yang dikeluarkan oleh perusahaan menjadi
minimal.

1.3 Tujuan

Tujuan dari penelitian imi adalah untuk mencari berbagai alternatif pengaruh
jumlah kasir terhadap panjang antrian dan memilih jumlah kasir yang tepat untuk
tiap shift kerja.

1.4 Manfaat
Adapun manfaat yang bisa diambil dari pemiliha kerja kasir di Swalayan
Luwes ini adalah:

1. Mendapatkan usulan jumlah kasir yang tepat sehingga biaya opersional

dapat ditekan

2
2. Pelanggan tidak mengantri terlalu lama dan kasir tidak menggagur
terlalu banyak.

3
 BAB II PEMBAHASAN

2.1 Karakteristik Sistem Antrian

Ada tiga komponen dalam sistim antrian yaitu :

1. Kedatangan, populasi yang akan dilayani (calling population)

2. Antrian

3. Fasilitas pelayanan Masing-masing komponen dalam sistim antrian

tersebut mempunyai karakteristik sendiri-sendiri. Karakteristik dari masing-
masing komponen tersebut adalah :

2.1.1 Fasiltas Pelayanan

Karakteristik fasilitas pelayanan dapat dilihat dari tiga hal, yaitu tata letak
(lay out) secara fisik dari sistem antrian, disiplin antrian, waktu pelayanan. Tata
letak fisik dari sistem antrian digambarkan dengan jumlah saluran, juga disebut
sebagai jumlah pelayan. Sistem antrian jalur tunggal (single channel, single
server) berarti bahwa dalam sistem antrian tersebut hanya terdapat satu pemberi
layanan serta satu jenis layanan yang diberikan. Sementara sistem antrian jalur
tunggal tahapan berganda (single channel multi server) berarti II - 20 dalam
sistem antrian tersebut terdapat lebih dari satu jenis layanan yang diberikan, tetapi
dalam setiap jenis layanan hanya terdapat satu pemberi layanan. Sistem antrian
jalur berganda satu tahap (multi channel single server) adalah terdapat satu jenis
layanan dalam sistem antrian tersebut , namun terdapat lebih dari satu pemberi
layanan. Sedangkan sistem antrian jalur berganda dengan tahapan berganda (multi
channel, multi server) adalah sistem antrian dimana terdapat lebih dari satu jenis
layanan dan terdapat lebih dari satu pemberi layanan dalam setiap jenis layanan.

4
5
2.2 Model Simulasi

2.2.1 Definisi Simulasi

Simulasi merupakan suatu teknik meniru operasi-operasi atau
prosesproses yang terjadi dalam suatu sistem dengan bantuan perangkat
komputer dan dilandasi oleh beberapa asumsi tertentu schingga sistcm
tcrsebut bisa dipelajari secara ilmiah (Law and Kelton, 1991).

 Eksperimen dengan sistem aktual vs eksperimen dengan

model sistem.
Jika suatu sistem secara fisik memungkinkan dan tidak
memakan biaa yang besar untuk dioperasikan sesuai dengan
kondisi (skenario) yang kita inginkan maka cara ini merupakan
cara yang terbaik karena hasil dari eksperimen ini benar-benar
sesuai dengan sistem yang dikaji. Namun sistem seperti itu
jarang sekali ada dan penghentian operasi sistem untuk
keperluan eksperimen akan memakan biaya yang sangat besar.
Selain itu untuk sistem yang belum ada atau sistem yang masih
dalam rancangan maka eksperimen dengan sistem aktual jelas
tidak bisa dilakukan sehingga satu-satunya cara adalah dengan
menggunakan model sebagi representasi dan sistem aktual.
Sistem Eksperimen dengan menggunakan system actual Eksperimen
dengan menggunakan model dari system Model fisik Model matematis
Solusi analitis Simulasi
 Model fisik vs Model Matematis.
Model fisik mengambil dari sebagian sifat fisik dan hal-hal
yang diwakilinya, sehingga menyerupai sistem yang sebenarnya

6
 namun dalam skala yang berbeda. Walaupun jarang dipakai,
model ini cukup berguna dalam rekayasa sistem. Dalam
penelitian, model matematis lebih sering dipakai jika
dibandingkan dengan model fisik. Pada model matematis, sistem
direpresentasikan sebagai hubungan logika dan hubungan
kuantitatif untuk kemudian dimanipulasi supaya dapat dilihat
bagairnana sistem bereaksi.
 Solusi Analitis vs Simulasi.
Setelah model matematis berhasil dirumuskan, model
tersebut dipelajari kembali apakah model yang telah
dikembangkan dapat menjawab pertanyaan yang berkaitan
dengan tujuan mempelajari sistem. Jika model yang dibentuk
cukup sederhana maka relasi-relasi matematisnya dapat
digunakan untuk mencari solusi analitis. Jika solusi analitis bisa
diperoleh dengan cukup mudah dan efisien, maka sebaiknya
diigunaknn solusi analitis karena metode mi mampu
memberikan solusi yang optimal terhadap masalah yang
dihadapi. Tetapi seringkali model terlalu kompleks sehingga
sangat sulit untuk diselesaikan dengan metoda-metoda analitis,
maka model tersebut dapat dipelajari dengan simulasi. Simulasi
tidak menjamin memberikan hasil yang optimal melainkan
dijamin bahwa hasilnya mendekati optimal.

2.2.2 Mekanisme kenaikan waktu

Dengan pendekatan next-event time-advance, waktu simulasi
diinisialkan nol sehingga waktu kejadian masa depan dapat ditentukan. Waktu
simulasi kemudian ditambahkan ke waktu kejadian yang akan terjadi
( pertama), di mana titik status dari sistem dibaharui untuk mengetahui fakta
bahwa suatu peristiwa telah terjadi, dan pengetahuan menyangkut waktu
kejadian masa depan juga diperbaharui. Kemudian waktu simulasi dinaikan
ke waktu (baru) peristiwa yang akan terjadi, sehingga peristiwa masa depan
dapat ditentukan, proses Ini mempercepat waktu simulasi dari satu peristiwa
ke waktu peristiwa yang lain berlanjut sampai beberapa tempat dan berhenti
hingga kondisi dicukupi. Karena semua perubahan status terjadi hanya pada
kejadian waktu diskret model simulasi, IV-25 periode ketidakaktifan

7
dilampaui dengan melompat dari waktu peristiwa ke waktu peristiwa yang
lain. Haruslah di catat bahwa lompatan jam simulasi yang berurutan biasanya
variabelnya dalam ukuran.

ti = time of arrival of ith customers(t0 = 0).

Ai = ti – ti-1 = Interarrival time between (i – 1)st and ith arrivals of

costumers.

Si = time that server actually spends serving ith costumers (exclusive of

costumer’s delay in queue.

Di = delay in queue of ith costumers.

ci = ti + Di + Si = time that ith costumers completes service and depart

bi = Time the costumer begin to service.

dimana:

ti = Waktu kedatangan konsumen

Ai = Waktu antar kedatangan konsumen

Si = Waktu dimana server melayani konsumen

Di = Lama mengantri bagi konsumen

ci = Waktu dimana konsumen selesai dilayani

bi = Waktu dimana pelanggan mulai dilayani

2.2.3 Klasifikasi Model Simulasi.

Pada dasarnya model simulasi dikelompokkan dalam tiga dimensi yaitu
[Law and Kelton, 1991]

a. Model Simulasi Statis dengan Model Simulasi Dinamis.

Model simulasi statis digunakan untuk mempresentasikan sistem
pada saat tertentu atau sistem yang tidak terpengaruh oleh

8
 perubahan waktu. Sedangkan model simulasi dinamis digunakan
jika sistem yang dikaji dipengaruhi oleh perubahan waktu.
b. Model Simulasi Deterministik dengan Model Simulasi Stokastik.
Jika model simulasi yang akan dibcntuk tidak mengandung variabel
yang bersifat random, maka model simulasi tersebut dikatakan
sebagi simulasi deterrninistik. Pada umumnya sistem yang
dimodelkan dalam simulasi mengandung beberapa input yang
bcrsifat random, maka pada sistem seperti ini model simulasi yang
dibangun disebut model simulasi stokastik.
c. Model simulasi Kontinu dengan Model Simulasi Diskret.
Untuk mengelompokkan suatu model simulasi apakah diskret atau
kontinyu, sangat ditentukan oleh sistem yang dikaji. Suatu sistem
dikatakan diskret jika variabel sistem yang mencerminkan status
sistem berubah pada titik waktu tertentu, sedangkan sistem
dikatakan kontinyu jika perubahan variabel sistem berlangsung
secara berkelanjutan seiring dengan perubahan waktu.

2.2.4 Tujuan Simulasi.

Simulasi biasanya dilakukan dengan dua tujuan yaitu (Law and Kelton,
1991):
1. Menentukan karakteristik (rata-rata, nilai minimal, nilai maksimal,
variansi dan lain-lain) variabel berdasarkan kondisi input, nilai
parameter, dan konfigurasi model yang bcrbeda- beda sehingga dapat
dilakukan analisis terhadap sistem dan diketahui perilakunya.
2. Membandingkan karakteristik (rata-rata, nilai minimal, nilai
maksimal, variansi, dan lain-lain) variabel berdasarkan kondisi input,
nilai parameter, dan konfigurasi model yang berbeda-beda sehingga
dapat diketahui performansi masing- masing skenario dan memilih
alternatif yang mempunyai performansi terbaik.

2.2.5 Langkah-langkah dalam studi simulasi

Studi simulasi bukanlah suatu urutan proses yang sederhana. Adapun
langkah-langkah dalam studi simulasi adalah sebagai berikut :

9
1. Memformulasikan masalah dan membuat rencana studi Setiap studi harus
dimulai dengan pernyataan yang jelas mengenai cakupan obyek yang akan
dipelajari dan untuk siapa hasilnya, tanpa kejelasan pernyataan ini maka
sedikit kemungkinan studi ini akan berhasil. Rancangan sistem alternatif
yang dipelajari sebaiknya digambarkan (jika memungkinkan), dan kriteria
untuk mengevaluasi kebaikan alternatif ini harus ditentukan. Cakupan
studi harus direncanakan mengenai jumlah orang, biaya, dan waktu yang
dibutuhkan dari setiap elemen studi.
2. Mengumpulkan data dan membuat model Informasi dan data seharusnya
dikumpulkan dari sistem nyata (jika ada) dan digunakan untuk
menentukan prosedur operasi dan kemungkinan distribusi untuk variabel
random yang digunakan pada model. Misalnya dalam model perbankan,
seseorang seharusnya mengumpulkan waktu antar kedatangan dan waktu
pelayanan serta menggunkan data tersebut untuk menentukan distribusi
waktu antar kedatangan dan waktu pelayanan bagi model. Jika
memungkinkan, data performansi sistem seperti, waktu antrian, waktu
server menganggur, seharusnya dikumpulkan untuk alat validasi. Susunan
model matematik dan model logika dari sistem nyata untuk tujuan tertentu
masih merupakan sebuah seni dalam ilmu pengetahuan. Walaupun hanya
sedikit peraturan tentang bagaimana bagaimana memodelkan proses, satu
hal yang perlu diperhatikan bahwa selalu ada gagasan untuk memulai
dengan model yang hanya mendetail secara bebas, yang selanjutnya dapat
dibuat
3. dengan cerdas. Sebuah model seharusnya hanya berisi hal-hal yang detail
dan penting dari sebuah sistem untuk mencapai tujuan untuk apa model itu
dibuat, tidak begitu penting mengenai hubungan antar element dalam
model dan elemen dalam sistem. Model dengan terlalu banyak detail bisa
jadi akan terlalu mahal untuk diterjemahkan ke dalam program.
4. Validasi
Meskipun kita menyetujui bahwa validasi adalah sesuatu yang harus
dikerjakan dalam sebuah studi simulasi, ada beberapa hal dalam studi
dimana validasi hanya sebagian yang sesuai. Dalam membangun model,
penting sekali melibatkan seseorang yang sudah terbiasa dengan operasi
pada sistem nyata. Sangat dianjuran pula untuk berinteraksi denga

10
 pembuat keputusan . hal ini akan meningkatkan kebenaran dari validasi
model, dan kredibilitas model dimata pembuat keputusan akan meningkat.
5. Menyusun program komputer.
Pembuat model harus memutuskan program apa yang akan dipakai.

6. Running
pertama program Running ini dilakukan untuk kepentingan validasi.
7. Validasi.
Running pertama dapat digunakan untuk mengetes sensitivitas output
model dari input yang diberikan. Jika output banyak berubah, estimasi
parameter input harus ditentukan (Law & Kelton, 1991).

2.3 Pengumpulan Data

2.3.1 Data Primer

Data primer didapatkan dengan melakukan pengamatan secara langsung
di lokasi penelitian. Pengambilan data ini dilakuan pada hari kamis jam
tersibuk untuk setiap shift kerja yaitu jam 20.00 sampai dengan 23.00. Data
yang diambil berupa:

 data waktu saat pelangan ke-i datang untuk selanjutnya dinotasikan

dengan ti,
 waktu saat pelanggan ke-i mulai dilayani untuk selanjutnya dinotasikan
dengan bi
 data waktu saat pelanggan ke-i selesai dilayani untuk selanjutnya
dinotasikan dengan ci, untuk i = 1,2,3…n, n = jumlah pelanggan yang
datang. Data-data ini kemudian diolah pada pengolahan data awal.

2.3.2 Data Sekunder

Data sekunder adalah data pendukung yang didapatkan dari keterangan
pihak Swalayan Luwes. Adapun data sekunder yang didapatkan adalah:
 Jumlah loket kasir, jumlah loket kasir keseluruhan yang ada di KFC
adalah tiga loket kasir.
a. Dokumentasi

11
 (Minutes) system customer in Time
(Minutes) of Server Iddle Time

(TCS)

5 0
a. Kasir 1 (50 Data)
6 0

7 0
2.4 Queueing Simulation Result

17 0

24 0

29 0

32 0

31 0

43 0

47 0

51 0

54 0

57 0

12
 Begin Service Times (Minutes) End Service Time (Minutes) Queue Time in Witing

(TSB) (TSE) (WTQ)

0 5 0

5 9 2

9 13 3

13 20 10

20 26 18

26 32 23

32 35 29

35 38 28

38 45 36

45 52 40

52 54 49

54 56 52

56 61 52

13
 (Minutes) Time Interval (Minutes) Time Arrival (Minutes) Time Services (Minutes)

(IT) (AT) (ST)

0 0 5

1 3 4

3 6 4

3 3 7

1 2 6

1 3 6

0 3 3

4 7 3

5 2 7

3 5 7

2 3 2

1 2 2

2 4 5

14
 4 2 61 63 57 59 0

6 5 63 68 57 62 0 Customer

3 3 68 71 65 68 0

1
2 3 71 74 69 72 0
2
7 7 74 81 67 74 0
3
7 4 81 85 74 78 0 4

4 4 85 89 81 85 0 5

6
2 6 89 95 87 93 0
7
2 6 95 101 93 99 0
8
8 2 101 103 93 95 2 9

10
3 2 105 107 102 104 0
11
5 5 107 112 102 107 0
12
8 5 112 117 104 109 0

15
13
 117 125 115 123 0 14 0

125 133 118 126 0 15 2

133 135 128 130 0 16 3

135 140 132 137 0 17 1

140 143 137 140 0 18 5

143 147 137 141 0 19 0

147 151 142 146 0 20 3

151 158 149 156 0 21 2

158 160 151 153 0 22 0

160 162 153 155 0 23 6

162 170 159 167 0 24 5

170 173 165 168 0 25 2

173 179 169 175 0 26 3

16
 6 179 185 173 179 2 27 6 2 8

4 187 191 185 189 0 28 5 7 8

8 191 199 183 191 0 29 2 5 2

2 199 201 196 198 0 30 2 3 5

4 201 205 193 197 0 31 0 3 3

4 205 209 200 204 0 32 3 6 4

7 209 216 204 211 0 33 1 5 4

3 216 219 214 217 0 34 3 2 7

5 219 224 216 221 0 35 5 7 2

3 224 227 221 224 0 36 0 7 2

6 227 233 222 228 0 37 4 3 8

229 5455 5684 4 38 2 5 3

39 1 4 6

17
 6

123
2

Total
40

41

42

43

44

45

46

47

48

49

50
1. Hasil Perhitungan Menggunaan Microsoft Excel K1

2. Ketentuan K1

3. Garfik Rata-Rata Waktu Tunggu K1

18
 1
customer in Time
(Minutes) of Server Iddle Time

2
(TCS)

3
7 0

b. Kasir 2 (50 Data)

9 0

4
9 0
5
9 0
16 0
6

20 0
25 0
7

29 0
39 0
40 0
42 2
42 0
Average Waiting time

19
46 0
 (Minutes) End Service Time (Minutes) Queue Time in Witing (Minutes) system

(TSE) (WTQ)

7 0

11 5
13 7
14 8
18 12
23 15
26 22
32 23
40 31
41 39
45 40
46 41

20
48 44
 (Minutes) Time Arrival (Minutes) Time Services (Minutes) Begin Service Times

(AT) (ST) (TSB)

0 7 0

2 4 7
4 2 11
5 1 13
2 4 14
3 5 18
1 3 23
3 6 26
1 8 32
1 1 40
3 2 43
4 1 45

21
2 2 46
 48 50 46 48 0
(Minutes) Time Interval
50 53 46 49 0 Customer

53 57 48 52 0 (IT)

1 0
57 60 51 54 0
2 2
60 65 57 62 0
3 2
65 68 63 66 0 4 1

68 70 63 65 0 5 3
6 1
70 74 64 68 0
7 2
74 77 72 75 0
8 2
77 79 73 75 0 9 2

79 84 77 82 0 10 0
11 2
84 85 79 80 0
12 1
85 90 83 88 0

22
13 2
 93 96 87 90 3 14 0 2 2

96 101 89 94 0 15 2 4 3

101 104 98 101 0 16 1 5 4

104 106 96 98 0 17 1 6 3

106 111 102 107 0 18 3 3 5

111 113 108 110 0 19 1 2 3

113 118 108 113 0 20 3 5 2

118 120 112 114 0 21 1 6 4

120 125 118 123 0 22 4 2 3

125 131 122 128 0 23 2 4 2

131 135 130 134 0 24 2 2 5

135 136 131 132 0 25 3 5 1

136 140 130 134 0 26 3 2 5

23
 140 145 136 141 0 27 4 6 3

147 149 139 141 2 28 1 7 5

149 154 147 152 0 29 4 3 3

154 156 149 151 0 30 5 8 2

156 160 152 156 0 31 4 4 5

160 166 155 161 0 32 1 3 2

166 168 163 165 0 33 2 5 5

168 174 166 172 0 34 1 6 2

174 178 173 177 0 35 4 2 5

178 185 174 181 0 36 1 3 6

185 186 181 182 0 37 2 1 4

4275 4454 7 38 3 4 1

39 2 6 4

24
 2.
1.
40 2 4 5

41 4 8 2

42 6 2 5

Ketentuan K2
43 3 5 2

44 1 4 4

45 1 5 6

46 2 3 2

47 1 2 6

48 1 1 4
Hasil Perhitungan Menggunaan Microsoft Excel K2
49 3 4 7

50 0 4 1

Total 104 179

25
3. Garfik Rata-Rata Waktu Tunggu K2

Average Waiting time

1 2 3 4 5 6 7

26
 BAB III PENUTUP

3.1 Kesimpulan
Dari hasil pengolahan dapat disimpulkan bahwa peluangan pelanggan
mengantri dalam sistem diperoleh nilai sebesar 60% hal ini mengindikasikan
harus dilakukan pembenahan dalam sistem untuk mengefektifkan antrian.

3.2 Saran
Dari penelitian yang telah dilakukan hingga akhirnya diperoleh kesimpulan,
maka saran dimaksudkan sebagai masukan untuk kebijakan perusahaan demi
tercapainya suatu kerja dengan tingkat produktivitas terus meningkat antara lain:

1. Menambah jumlah kasir pada swalayan dan untuk dipindahkan ke

bagian kerja yang lain.
2. Membuat kasir khusus untuk pesanan yang banyak.

27
 3. DAFTAR PUSTAKA

Husna Ainu Syukri, Siti dan Farihah, Tutik. 2010, Buku panduan praktikum
komputasi industri. Yoyakarta. UIN Sunan Kalijaga.

Supranto, Johanes, 1988, Riset Operasi Untuk Pengambilan Kepututusan,

Penerbit Universitas Indonesia (UI Press), Jakarta.

Toha, Hamdy A.,1996, Riset Operasi Jilid I, Binarupa Aksara, Jakarta.

Law, M.A; Kelton, D.W. 1991. Simulation Modeling And Analysis, Second
Edition. McGraw Hill, Inc., New York.

28