Anda di halaman 1dari 88

SIMULASI MODEL ANTRIAN

PADA PEMBAYARAN REKENING LISTRIK DENGAN ARENA 5.0

(Studi Kasus Pada PLN SEMARANG TENGAH)

SKRIPSI

Diajukan dalam Rangka Penyelesaian Studi Strata 1


untuk Memperoleh Gelar Sarjana Sains

Disusun oleh :
Nama : Kurniawati
NIM : 4150403014
Program Studi : Matematika S1
Jurusan : Matematika

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM


UNIVERSITAS NEGERI SEMARANG
2007
PENGESAHAN

SKRIPSI
SIMULASI MODEL ANTRIAN
PADA PEMBAYARAN REKENING LISTRIK DENGAN ARENA 5.0
(Studi Kasus Pada PLN SEMARANG TENGAH)

Telah dipertahankan di hadapan sidang Panitia Ujian Skripsi


Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Semarang
pada:
Hari : Selasa
Tanggal : 28 Agustus 2007
Panitia Ujian
Ketua, Sekretaris,

Drs. Kasmadi Imam S., M.Si Drs. Supriyono, M.Si


NIP. 130781011 NIP. 130815345

Pembimbing Utama, Ketua Penguji,

Drs. Arief Agustanto, M. Si Drs. Supriyono, M.Si


NIP. 132046855 NIP. 130815345

Pembimbing Pendamping, Anggota Penguji,

Drs. Sugiman, M. Si Drs. Arief Agustanto, M. Si


NIP. 131813673 NIP. 132046855

Anggota Penguji,

Drs. Sugiman, M. Si
NIP. 131813673

ii
iii
PERNYATAAN

Dengan ini saya menyatakan bahwa skripsi ini tidak terdapat karya yang

pernah diajukan untuk memperoleh gelar kesarjanaan di suatu Perguruan Tinggi

dan sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang

pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis dirujuk

dalam skripsi ini dan disebutkan dalam Daftar Pustaka.

Semarang, 28 Agustus 2007

Kurniawati
NIM. 4150403014

iii
MOTTO DAN PERSEMBAHAN

MOTTO

Allah Membuat Indah Semua pada waktunya


Smile from u’r heart
Ujian dan cobaan yang lebih besar adalah kegagalan menghadapi cobaan
Manusia yang baik bukan mereka yang tidak pernah berbuat salah

PERSEMBAHAN

Ibu dan Bapak, terima kasih untuk doanya.


Kakak-kakak dan adikku, terima kasih untuk dukungannya.
Teman-teman Matematika Angkatan ’03.
Anak-anak kos Oryza 3, terima kasih untuk semangatnya.

iv
ABSTRAK

Kurniawati, 2007, Simulasi model antrian pada pembayaran rekening listrik


dengan Arena 5.0 (Studi kasus pada PLN Semarang Tengah),
Matematika S1, FMIPA Universitas Negeri Semarang

Antrian yang cukup panjang pada loket pembayaran rekening listrik


menimbulkan ketidaknyamanan para pelanggan. Oleh karena itu efisiensi dalam
waktu pelayanan merupakan hal yang menarik untuk dikaji. Simulasi merupakan
salah satu cara yang lebih baik dalam memecahkan masalah antrian dimana
distribusi waktu kedatangan dan waktu pelayanan terdistribusi secara random.
Permasalahan yang dikaji adalah mengenai sistem antrian di PLN
Semarang Tengah, bagaimana distribusi model antrian di PLN Semarang Tengah
dan bagaimana menganalisis output dari model simulasi antrian pembayaran
rekening listrik. Sedangkan tujuan dari penelitian ini adalah untuk menjawab
permasalahan di atas.
Metode penelitian yang digunakan adalah metode simulasi dengan
menggunakan Arena 5.0. Data primer diambil selama 3 hari yang dipilih secara
random dari tanggal 17-21 Mei 2007.
Hasil penelitian yang diperoleh, sistem antrian pada PLN Semarang
Tengah menggunakan disiplin antrian FIFO dengan 3 pelayanan paralel yang
tersedia (loket1, loket 2 dan loket 3). Distribusi probabilitas waktu antar
kedatangannya adalah distribusi eksponensial, hal ini disebabkan karena
kedatangan bersifat independen, sedangkan distribusi waktu pelayanan di setiap
loketnya berdistribusi kontinu. Rata-rata waktu tunggu pelanggan di semua loket
pada hari penelitian adalah 1 menit, waktu tunggu terlama mencapai 5 menit yaitu
terjadi pada tanggal 19 Mei 2007. Rata-rata panjang antrian di setiap loket
sebanyak 1 orang, antrian terpanjang juga terjadi pada tanggal 19 Mei 2007 yaitu
mencapai 4 orang. Waktu tunggu dan panjang antrian berbanding lurus dengan
utilitas terjadwal. Jadi semakin lama waktu tunggu pelanggan dan semakin
panjang antrian maka semakin kecil pula waktu menganggur pelayan. Pada
tanggal 19 Mei 2007 waktu menganggur pelayan lebih kecil dibanding hari-hari
lainnya (pada hari penelitian), karena waktu tunggu terlama dan antrian
terpanjang terjadi pada hari tersebut. Rata-rata waktu total yang dihabiskan
pelanggan di dalam sistem antrian pada hari penelitian masing-masing sebesar
1,2307956 menit, 1,2838638 menit dan 1,07448 menit. Waktu total yang paling
lama pelanggan habiskan di dalam sistem antrian mencapai 6 menit yang terjadi
pada tanggal 19 Mei 2007.
Simpulan yang dapat diambil dari hasil penelitian adalah ketiga loket yang
ada dalam pembayaran rekening listrik di PLN Semarang Tengah sudah cukup
efektif , terbukti dari waktu tunggu yang tidak terlalu lama dan antrian yang tidak
terlalu panjang. Saran yang dapat diberikan adalah agar PLN Semarang Tengah
tetap mempertahankan sistem antrian yang sudah ada.

v
KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT yang telah

melimpahkan rahmat, taufik dan hidayahNya sehingga skripsi dengan judul

“Simulasi Model Antrian Pada Pembayaran Rekening Listrik dengan Arena 5.0

(Studi Kasus Pada PLN Semarang Tengah)” ini dapat selesai dengan baik.

Ucapan terima kasih penulis haturkan kepada pihak-pihak yang telah

membantu dalam terselesaikannya skripsi ini. Untuk itu, pada kesempatan ini

perkenankan penulis menyampaikan terima kasih kepada :

1. Prof. Dr. H. Sudijono Sastroatmodjo, M. Si, Rektor Universitas Negeri

Semarang.

2. Drs. Kasmadi Imam S, M. Si, Dekan FMIPA Universitas Negeri Semarang.

3. Drs. Supriyono, M. Si, Ketua Jurusan Matematika FMIPA Universitas Negeri

Semarang.

4. Drs. Arief Agustanto, M. Si, Dosen Pembimbing yang telah membimbing

dalam pembuatan skripsi ini.

5. Drs. Sugiman, M. Si, Dosen Pembimbing yang telah membimbing dalam

pembuatan skripsi ini.

6. M. Heru Sunarto, Kepala PLN Semarang Tengah yang telah memberikan ijin

kepada penulis untuk melaksanakan penelitian ini.

7. Semua pihak telah membantu hingga selesainya penyusunan skripsi ini.

Akhirnya penulis berharap semoga skripsi ini bermanfaat bagi pembaca.

Penulis

vi
DAFTAR ISI

Halaman

HALAMAN JUDUL ....................................................................................... i

PENGESAHAN .............................................................................................. ii

PERNYATAAN .............................................................................................. iii

MOTTO DAN PERSEMBAHAN .................................................................. iv

ABSTRAK ...................................................................................................... v

KATA PENGANTAR .................................................................................... vi

DAFTAR ISI ................................................................................................... vii

DAFTAR TABEL ........................................................................................... ix

DAFTAR GAMBAR ...................................................................................... x

DAFTAR LAMPIRAN ................................................................................... xi

BAB I PENDAHULUAN

A. Latar Belakang ......................................................................... 1

B. Permasalahan ............................................................................ 3

C. Batasan Masalah ....................................................................... 3

D. Tujuan Penelitian ...................................................................... 4

E. Manfaat Penelitian .................................................................... 4

F. Sistematika Skripsi .................................................................... 4

BAB II LANDASAN TOERI

A. Teori Probabilitas ...................................................................... 6

B. Peubah Acak ............................................................................. 7

C. Fungsi Kepadatan Probabilitas .................................................. 7

vii
D. Distribusi Probabiltas kontinu ................................................... 8

E. Uji Goodness Of Fit .................................................................. 11

F. Konsep Antrian ......................................................................... 14

G. Terminologi dan Notasi ............................................................ 20

H. Model-model Antrian ................................................................ 22

I. Solusi Steady-State .................................................................... 23

J. Model Simulasi ......................................................................... 25

BAB III METODE PENELITIAN

A. Metode Penelitian ..................................................................... 30

B. Metode Pengumpulan Data ....................................................... 30

C. Pengolahan Data ....................................................................... 30

D. Penarikan Simpulan .................................................................. 31

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

A. Sistem Antrian Pelanggan di PLN Semarang Tengah .............. 32

B. Deskripsi Data ........................................................................... 33

C. Analisis Data ............................................................................. 34

D. Diagram Alir Model Simulasi ................................................... 38

E. Pembahasan Output Model Simulasi ........................................ 46

BAB V PENUTUP

A. Simpulan ................................................................................... 52

B. Saran .......................................................................................... 54

DAFTAR PUSTAKA ..................................................................................... 55

LAMPIRAN-LAMPIRAN

viii
DAFTAR TABEL

Halaman

1. Tabel 2.1 Ciri Sistem Antrian ................................................................... 19

2. Tabel 4.1 Uji Kolmogorov Smirnov Distribusi Probabilitas AIT ............. 35

3. Tabel 4.2 Uji Chi-square Distribusi Probabilitas untuk ST ..................... 36

4. Tabel 4.3 Output Utilitas Terjadwal .......................................................... 46

5. Tabel 4.4 Output Waktu Tunggu ............................................................. 48

6. Tabel 4.5 Output Panjang Antrian ........................................................... 49

7. Tabel 4.6 Output Waktu Total Pelanggan ................................................. 50

8. Tabel 5.1 Distribusi Probabilitas AIT ....................................................... 52

9. Tabel 5.2 Distribusi Probabilitas ST ......................................................... 53

10. Tabel 5.3 Waktu Tunggu dan Panjang Antrian Maksimum ..................... 53

11. Tabel 5.4 Waktu Total ............................................................................... 54

ix
DAFTAR GAMBAR

Halaman

1. Gambar 2.1 Struktur Dasar Proses Antrian .............................................. 18

2. Gambar 2.2 Layar Utama Arena 5.0 ......................................................... 27

3. Gambar 2.3 Project Bar ............................................................................. 27

4. Gambar 2.4 Model Window-Flowchart View ........................................... 28

5. Gambar 2.5 Model Window- Spreadsheet View ...................................... 29

6. Gambar 4.1 Sistem Antrian di PLN Semarang Tengah ............................ 33

7. Gambar 4.2 Diagram Alir Model Simulasi ............................................... 38

x
DAFTAR LAMPIRAN

Halaman
1. Lampiran 1 Data Penelitian Antrian Pelanggan ....................................... 56

2. Lampiran 2 Rekapitulasi Kedatangan Pelanggan ..................................... 64

3. Lampiran 3 Data Waktu Pelayanan ........................................................... 67

4. Lampiran 4.1 Distribusi Probabilitas Rata-rata Waktu Antar Kedatangan .. 70

5. Lampiran 4.2 Distribusi Probabilitas Waktu Pelayanan .............................. 73

6. Lampiran 5 Usulan Pembimbing .............................................................. 82

7. Lampiran 6 Permohonan Ijin Penelitian .................................................. 83

xi
BAB I

PENDAHULUAN

A. Latar Belakang

Salah satu fenomena dalam kehidupan sehari-hari yang sering tejadi

adalah fenomena penungguan. Fenomena ini biasa terjadi apabila kebutuhan

akan suatu pelayanan melebihi kapasitas yang tersedia untuk penyelenggaraan

pelayanan itu. Hal ini dapat dilihat ketika terjadi baris tunggu dari konsumen,

komponen atau mesin-mesin yang sedang menunggu pelayanan, karena pada

saat itu bagian pelayanan sedang melayani yang lainnya, sehingga tidak

mampu melayani pada saat tersebut.

Menunggu di dalam matematika terapan dapat diidentikkan dengan suatu

proses antrian. Dalam kehidupan sehari-hari selalu dihadapkan pada persoalan

tentang antrian, baik skala kecil maupun skala besar yang membutuhkan

penyelesaian serta solusi yang optimal. Antrian dapat ditemui pada beberapa

fasilitas pelayanan umum dimana masyarakat atau barang akan mengalami

proses antrian dari kedatangan, memasuki antrian, menunggu, hingga proses

pelayanan berlangsung. Pada sebuah tempat pembayaran listrik misalnya,

pelanggan yang datang langsung dapat mengambil nomor antrian, kemudian

menunggu sampai nomor antriannya dipanggil untuk melakukan transaksi

pembayaran.

PT.PLN merupakan Perusahaan Perseroan (Persero) yang bergerak dalam

bisnis penyediaan tenaga listrik. Selain menyediakan tenaga listrik terdapat

1
juga kegiatan-kegiatn lain yang terkait dengan hal tersebut dalam bidang jasa

pelayanan, misalnya tempat pengaduan pelanggan, tempat pembayaran

rekening listrik dan lain sebagainya. Di loket pembayaran rekening listrik

terdapat hal yang cukup menarik perhatian yaitu disaat terjadi antrian yang

sangat panjang beberapa hari menjelang hari terakhir pembayaran rekening

listrik dan beberapa hari sesudahnya. Hal tersebut juga terjadi di PLN

Semarang Tengah. Masalah yang sering timbul dari keadaan tersebut 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 waktu-waktu tertentu

merupakan topik penting untuk dianalisis.

Dewasa ini, simulasi telah menjadi suatu hal yang sangat penting.

Berbagai penelitian dan fenomena-fenomena penting menggunakan metode

simulasi sebagai salah satu teknik untuk memecahkan masalah. Salah satu

masalah yang dapat diselesaikan dengan menggunakan simulasi adalah

masalah antrian seperti yang terjadi dalam pembayaran rekening listrik.

Arena 5.0 merupakan alat yang fleksibel dalam analisis untuk membuat

model simulasi animasi yang secara akurat merepresentasikan secara virtual

2
banyak sistem. Arena merupakan solusi yang unggul untuk keputusan bisnis

yang lebih baik dengan simulasi.

Berdasarkan hal tersebut penulis tertarik untuk memecahkan masalah

yang dihadapi PLN Semarang Tengah dengan membuat simulasi model

antrian pada loket pembayaran rekening listrik dengan menggunakan arena 5.0

agar pelayanan yang diberikan lebih efektif.

B. Permasalahan

Berdasarkan latar belakang di atas, dapat dirumuskan beberapa masalah

sebagai berikut :

1. Bagaimana sistem antrian di PLN Semarang Tengah?

2. Bagaimana distribusi model antrian di PLN Semarang Tengah?

3. Bagaimana analisis output dari model simulasi antrian pembayaran

rekening listrik ?

C. Batasan masalah

1. Penelitian dilakukan pada PLN Semarang Tengah Jl. Pemuda No. 93

Semarang, selama 3 hari yang dipilih secara random pada periode sibuk.

2. Tidak terjadi penolakan dan pembatalan terhadap kedatangan para

pelanggan.

3
D. Tujuan Penelitian

Berdasarkan permasalahan di atas maka tujuan dari penelitian ini adalah:

1. Mengetahui sistem antrian di PLN Semarang Tengah.

2. Mengetahui distribusi model antrian di PLN Semarang Tengah.

3. Mengetahui hasil analisis output dari model simulasi antrian pembayaran

rekening listrik.

E. Manfaat Penelitian

Sesuai tujuan tersebut di atas penelitian ini diharapkan bermanfaat

untuk:

1. Pembaca, diharapkan bagi pembaca untuk lebih mengetahui dan

memahami tentang sistem antrian, model-model antrian dan simulasi dari

model antrian.

2. PLN Semarang Tengah, memberikan informasi yang dapat membantu

dalam pengambilan kebijakan dalam peningkatan efektifitas pelayanan

kepada masyarakat.

F. Sistematika Skripsi

Secara garis besar sistematika skripsi ini dibagi menjadi 3 bagian, yaiu

bagian pendahuluan, bagian isi dan bagian akhir.

Bagian pendahuluan skripsi memuat halaman judul, halaman pengesahan,

halaman motto dan persembahan, kata pengantar, daftar isi dan abstrak.

4
Bagian isi dibagi menjadi 5 bab, yaitu sebagai berikut :

1. Bab I Pendahuluan

Pada bab pendahuluan ini dikemukakan tentang alasan pemilihan judul,

permasalahan, batasan masalah, tujuan penelitian, manfaat penelitian dan

sistematika skripsi.

2. Bab II Landasan Teori

Landasan teori berisi tentang teori-teori yang digunakan sebagai

pedoman dalam memecahkan permasalahan dalam skripsi ini.

3. Bab III Metode Penelitian

Pada bab ini berisi metode penelitian, metode pengumpulan data dan

pengolahan data.

4. Bab IV Hasil Penelitian dan Pembahasan

Bab ini berisi tentang hasil penelitian dan pembahasan, sebagai jawaban

dari permasalahan.

5. Bab V Penutup

Penutup berisi simpulan yang diperoleh dari hasil penelitian dan saran.

Bagian akhir dari skripsi ini adalah daftar pustaka dan lampiran-lampiran.

5
BAB II

LANDASAN TEORI

A. Teori Probabilitas

1. Ruang Sampel dan Peristiwa

Di dalam suatu kegiatan, seringkali dilakukan berbagai percobaan

atau eksperimen. Menurut Djauhari (1990:3), hasil eksperimen akan

memberikan informasi tentang masalah yang sedang dihadapi dalam kegiatan

tersebut. Eksperimen-eksperimen tersebut mempunyai karakteristik sebagai

berikut.

a. Hasil eksperimen tidak dapat diduga sebelumnya dengan tingkat keyakinan

yang pasti.

b. Semua hasil yang mungkin dapat diberikan.

c. Eksperimen dapat dilakukan berulang-ulang dalam kondisi yang sama.

Eksperimen yang memiliki karakteristik tersebut, selanjutnya disebut

eksperimen acak (random eksperiment). Kemudian, himpunan semua hasil

yang mungkin dari suatu eksperimen acak, disebut ruang sampel (Djauhari,

1990:3). Sedangkan peristiwa adalah himpunan bagian dari ruang sampel

(Djauhari, 1990:4).

2. Probabilitas Suatu Peristiwa

Teori probabilitas mempelajari tentang peluang terjadinya suatu hal

atau peristiwa. Probabilitas dinyatakan dalam pecahan desimal antara 0 dan 1.

Bila probabilitas suatu kejadian bernilai 0, maka kejadian tersebut tidak akan

terjadi. Sedangkan bila suatu kejadian mempunyai probabilitas 1, maka

6
kejadian tersebut pasti terjadi. Probabilitas suatu peristiwa atau kejadian adalah

suatu atau beberapa kemungkinan hasil dari suatu tindakan. (Dimyati, dkk,

1999: 301)

B. Peubah Acak

Definisi 2.1

Misal S merupakan ruang sampel, dan S himpunan bagian dari ℜ.

Fungsi X dari S ke dalam ℜ dinamakan peubah acak. Jelajah (range) dari X

yakni Ax = {x x = X (c), c di S } dinamakan ruang peubah acak X atau ruang dari

X . (Djauhari, 1990: 28)

Peubah acak X dikatakan diskrit, bila ruang dari X terbilang. Jika ruang

X berupa interval maka peubah acak X dikatakan kontinu.

C. Fungsi Kepadatan Probabilitas

1. Fungsi Kepadatan Probabilitas dari Peubah Acak Diskrit

Definisi 2.2

Misalkan S ruang sampel dari peubah acak diskrit X . Fungsi f dari S

ke dalam ℜ yang memenuhi:

a. f ( x) ≥ 0 untuk setiap x di S

b. ∑ f (x ) = 1
x∈S

dinamakan fungsi kepadatan probabilitas (fkp) dari peubah acak diskrit.

(Djauhari, 1990: 41)

7
Jika peubah acak X diskrit dengan f.k.p. f ( x) , maka probabilitas suatu

peristiwa A diberikan oleh P ( A) = ∑ f ( x) .


x∈S

2. Fungsi Kepadatan Probabilitas dari Peubah Acak Kontinu

Definisi 2.3

Misalkan S ruang sampel dari peubah acak kontinu X . Fungsi f dari S

ke dalam ℜ yang memenuhi:

a. f ( x) ≥ 0 untuk setiap x di S

b. ∫ f ( x) = 1
x∈S

dinamakan fungsi kepadatan probabilitas (f.k.p) dari peubah acak kontinu.

(Djauhari, 1990: 43)

Jika Peubah acak X kontinu dengan f.k.p. f ( x), maka probabilitas suatu

peristiwa A diberikan oleh P ( A) =


x∈S
∫ f (x ) .
D. Distribusi Probabilitas Kontinu

Distribusi probabilitas kontinu yang diaplikasikan pada skripsi ini sebagai

berikut.

1. Distribusi Eksponensial

Definisi 2.4

Distribusi Eksponensial mempunyai fungsi kepadatan probabilitas sebagai

berikut.

⎧ μ e − μ x ; x > 0, μ > 0

f ( x) = ⎨
⎪0
⎩ ; x yang lain

8
1 1
dengan mean dan varians .
μ μ2

(Taha, 1997:14)

Peubah acak X yang memiliki distribusi Eksponensial dapat ditulis

⎛1⎞
X ~ EXP⎜⎜ ⎟⎟ .
⎝μ⎠

2. Distribusi Beta

Definisi 2.5

Distribusi Beta mempunyai fungsi kepadatan probabilitas sebagai berikut.

⎧ Γ (α + β ) α −1
⎪⎪ Γ (α ) Γ(β ) x (1 − x )
β −1
; 0 < x <1
f ( x) = ⎨

⎪⎩ 0 ; x yang lain

α αβ
dengan mean dan varians .
α +β (α + β ) (α + β + 1)
2

(Taha, 1997:17)

Peubah acak X yang memiliki distribusi Beta dapat ditulis

X ~ BETA(α , β ) .

3. Distribusi Triangular

Definisi 2.6

Distribusi Triangular mempunyai fungsi kepadatan probabilitas sebagai

berikut.

9
⎧ 2( x − a )
⎪ (b − a)(c − a) ' ; a≤ x≤b



f ( x) = ⎨ 2(c − x)
⎪ (c − b)(c − a) ' ; b< x≤c


⎪⎩ 0 ; x yang lain

dengan parameter a, b, c , dimana a ≤ b ≤ c . Mean dan variansinya adalah

a+b+c a 2 + b 2 + c 2 − ab − ac − bc
dan .
3 18

(Taha, 1997:18)

Peubah acak X yang memiliki distribusi Triangular dapat ditulis

X ~ TRIA(a, b, c) .

4. Distribusi Weibull

Definisi 2.7

Distribusi Weibull mempunyai fungsi kepadatan probabilitas sebagai

berikut.

⎧α μ (μ x )α −1 e − ( μ x ) ; x > 0, α > 0, μ > 0


α


f ( x) = ⎨
⎪0
⎩ ; x yang lain

1⎛1⎞ 1 ⎡ ⎛ 2 ⎞ 1 2 ⎛ 1 ⎞⎤
dengan mean Γ⎜ ⎟ dan variansi
αμ ⎝α ⎠ αμ2 ⎢2Γ⎜ α ⎟ − α Γ ⎜ α ⎟⎥ .
⎣ ⎝ ⎠ ⎝ ⎠⎦

(Taha, 1997:17)

Peubah acak X yang memiliki distribusi Weibull dapat ditulis

X ~ WEIB(α , 1 ) .
μ

10
5. Distribusi Erlang

Definisi 2.8

Distribusi Erlang mempunyai fungsi kepadatan probabilitas sebagai

berikut.

⎧ μ
⎪⎪ Γ(α ) (μ x ) e ; x > 0, α > 0, μ > 0
α −1 − μ x

f ( x) = ⎨

⎪⎩0 ; x yang lain

α α
dengan mean dan variansi 2 .
μ μ

(Taha, 1997:15)

Peubah acak X yang memiliki distribusi Erlang dapat ditulis

X ~ ERLA(α , 1 ) .
μ

E. Uji Goodness of Fit

Satu cara yang cepat untuk memeriksa apakah satu himpunan data mentah

tertentu sesuai dengan distribusi teoritis tertentu adalah membandingkan secara

grafik distribusi empiris kumulatif dengan fungsi kepadatan kumulatif yang

bersesuain dari distribusi teoritis yang bersangkutan. Jika kedua fungsi tersebut

tidak memperlihatkan deviasi yang berlebihan, terdapat kemungkinan yang cukup

besar bahwa distribusi teoritis itu sesuai dengan data mentah tersebut.

Uji Goodness of Fit adalah uji yang dilakukan untuk menentukan

distribusi probabilitas dari data yang diperoleh dengan membandingkan frekuensi

teoritis atau frekuensi yang diharapkan (Guttman, 1982 : 287).

11
Gagasan untuk membandingkan distribusi empiris dan distribusi teoritis

adalah dasar untuk uji Kolmogorov-Smirnov (K-S). Uji ini, hanya dapat

diterapkan untuk variabel kontinu, memanfaatkan sebuah statistik untuk

menerima atau menolak distribusi yang dihipotesiskan dengan tingkat signifikansi

tertentu.

Uji statistik lainnya, yang berlaku baik untuk variabel acak diskrit

maupun kontinu adalah uji chi- square. Uji ini didasari oleh perbandingan fungsi

kepadatan probabilitas, daripada fungsi kepadatan kumulatif seperti uji K-S.

1. Uji Chi-square

Uji chi- square didasari oleh pengukuran ”jumlah” deviasi antara fungsi

kepadatan empiris dan teoritis. Misal [I i −1 , I i ] mewakili batas-batas interval i

dan asumsikan bahwa f (t ) adalah fungsi kepadatan teoritis yang

dihipotesiskan. Dengan diketahui sampel data mentah dengan ukuran n , maka

frekuensi teoritis yang berkaitan dengan interval i dihitung sebagai

Ii

f e = n ∫ f (t ) dt , i = 1,2,..., m
I i −1

dimana m adalah jumlah sel yang dipergunakan dalam mengembangkan fungsi

kepadatan empiris. Dengan diketahui f e sebagaimana dihitung di atas dan

asumsi bahwa f 0 adalah frekuensi empiris yang diamati di sel i, sebuah ukuran

devasi antara frekuensi empiris dan yang diamati dihitung sebagai

m
( f 0 − f e )2
χ =∑
2

x =0 fe

dan prosedur uji hipotesisnya dijelaskan sebagai berikut.

12
a. H0 : Sampel yang diambil berasal dari populasi berdistribusi θ ,

dengan θ adalah distribusi kontinu tertentu.

H1 : H0 tidak benar.

b. Menentukan daerah kritis pada tingkat signifikansi α . Pada skripsi ini nilai

α yang dipilih adalah 0,01 (1%).

c. Menghitung nilai statistik uji χ 2 . H0 ditolak jika χ 2 ≥ χ 2 ( m − k −1)(1−α ) , dengan

derajat bebas m-k-1, dimana k adalah jumlah parameter yang diestimasi dari

data mentah untuk dipergunakan dalam mendefinisikan disribusi teoritis

yang bersangkutan.. Peran statistik uji χ 2 dapat diganti dengan nilai

asimptotik signifikan p (sig), sedemikian sehingga H0 ditolak jika p < α .

2. Uji Kolmogorov-Smirnov

Misalkan F(x) merupakan fungsi distribusi kontinu yang tidak diketahui,

sedangkan F∗ (x) adalah fungsi distribusi kontinu yang dihipotesiskan, maka

prosedur uji Kolmogorov-Smirnov dijelaskan sebagai berikut.

a. H0 : F(x) = F∗ (x) , untuk semua x, − ∞ < x < ∞ .

Dapat diartikan bahwa data yang diambil dapat didekati oleh distribusi

kontinu yang memiliki fungsi distribusi F∗ (x) .

H1 : F(x) ≠ F∗ (x) , untuk sekurang-kurangnya satu harga x.

b. Menentukan daerah kritis pada tingkat signifikansi α . Pada skripsi ini nilai

α yang dipilih adalah 0,01 (1%).

c. Menentukan statistik uji Kolmogorov-Smirnov yaitu D = sup F∗ (x) − S(x) ,


x

dengan S(x) merupakan banyaknya nilai observasi yang kurang dari atau

13
sama dengan x, dibagi n, n adalah banyaknya seluruh observasi. Peran

statistik uji D dapat diganti dengan nilai asimptotik signifikan p (sig),

sedemikian sehingga H0 ditolak jika p < α .

F. Konsep Antrian

1. Sistem Antrian

Sistem antrian adalah suatu himpunan pelanggan, pelayan dan suatu

aturan yang mengatur kedatangan para pelanggan dan pemrosesan

masalahnya. Unit yang memerlukan pelayanan disebut pelanggan

(customer) dan yang melayani disebut pelayan (server). Sebuah sistem

antrian adalah suatu proses kelahiran kematian dengan suatu populasi yang

terdiri atas para pelanggan yang sedang menunggu mendapatkan pelayanan

atau yang sedang dilayani. Suatu kelahiran terjadi apabila seorang pelanggan

tiba disuatu fasilitas pelayanan, sedangkan apabila pelanggannya meninggalkan

fasilitas tersebut maka terjadi suatu kematian (Bronson, 1993 : 308)

Menurut Dimyati (1999) dalam sistem antrian terdapat unit-unit yang

memerlukan pelayanan menolak memasuki sistem antrian jika antrian itu

terlalu panjang yang lebih dikenal dengan istilah balking. Menurut Mulyono

(2002) pelanggan yang tak sabar dan memutuskan untuk meninggalkan sistem

sebelum dilayani dinamakan reneging.

2. Komponen Sistem Antrian

a. Kedatangan

Pola kedatangan para pelanggan dicirikan oleh waktu antar kedatangan,

yakni waktu antara kedatangan dua pelanggan yang berurutan pada suatu

14
fasilitas pelayanan. Pola ini dapat deterministik (yakni, diketahui secara

pasti) atau berupa suatu variabel acak yang distribusi probabilitasnya

dianggap telah diketahui. Pola ini dapat bergantung pada jumlah pelanggan

yang berada dalam sistem, atau tidak bergantung pada keadaan sistem

antrian ini.

Para pelanggan datang satu per satu atau secara berombongan. Bila tidak

disebutkan secara khusus, maka anggapan standarnya adalah bahwa semua

pelanggan tiba satu per satu.

b. Pelayanan

Pola pelayanan dicirikan oleh waktu pelayanan (service time), yakni waktu

yang dibutuhkan seorang pelayan untuk melayani seorang pelanggan. Waktu

pelayanan dapat bersifat deterministik, atau berupa suatu variabel acak yang

distribusi probabilitasnya dianggap telah diketahui.

Para pelanggan dapat dilayani oleh satu pelayan atau membutuhkan suatu

barisan pelayan. Bila tidak disebutkan secara khusus, maka anggapan

dasarnya adalah bahwa satu pelayan saja dapat melayani secara tuntas

urusan seorang pelanggan.

c. Fasilitas pelayanan

Fasilitas pelayanan berkaitan erat dengan bentuk baris antrian, yaitu :

1) Bentuk series, dalam satu garis lurus ataupun garis melingkar

2) Bentuk paralel, dalam beberapa garis lurus yang antara yang satu dengan

yang lain paralel

15
d. Disiplin Antrian

Disiplin antrian adalah aturan dimana para pelanggan dilayani, atau disiplin

pelayanan (service discipline) yang memuat urutan (order) para pelanggan

menerima layanan. Aturan pelayanan menurut urutan kedatangan dapat

didasarkan pada :

1) Pertama Masuk Pertama Keluar (FIFO)

FIFO (First In First Out) merupakan suatu peraturan di mana yang akan

dilayani terlebih dahulu adalah pelanggan yang datang terlebih dahulu.

Contohnya dapat dilihat pada antrian di loket-loket penjualan karcis

kereta api

2) Yang Terakhir Masuk Pertama Keluar (LIFO)

LIFO (Last In First Out) merupakan antrian dimana yang datang paling

akhir adalah yang dilayani paling awal. Contohnya adalah pada sistem

bongkar muat barang di dalam truk, dimana barang yang masuk terakhir

justru akan keluar terlebih dahulu

3) Pelayanan Dalam Urutan Acak (SIRO)

SIRO (Service In Random Order) dimana pelayanan dilakukan secara

acak. Contohnya pada arisan, dimana pelayanan atau service dilakukan

berdasarkan undian (random)

4) Pelayanan Berdasarkan Prioritas (PRI)

Pelayanan didasarkan pada prioritas khusus. Contohnya dalam suatu pesta

di mana tamu-tamu yang dikategorikan VIP akan dilayani lebih dahulu

16
e. Kapasitas Sistem

Kapasitas sistem adalah jumlah maksimum pelanggan, mencakup yang

sedang dilayani dan yang berada dalam antrian, yang dapat ditampung oleh

fasilitas pelayanan pada saat yang sama. Sebuah sistem yang tidak

membatasi jumlah pelanggan di dalam fasilitas pelayanannya memiliki

kapasitas tak terhingga, sedangkan suatu sistem yang membatasi jumlah

pelanggan memiliki kapasitas berhingga.

f. Sumber Pemanggil

Dalam fasilitas pelayanan, yang berperan sebagai sumber pemanggilan dapat

berupa mesin maupun manusia. Bila ada sejumlah mesin yang rusak maka

sumber pemanggilan akan berkurang dan tidak dapat melayani pelanggan.

Jadi masalahnya adalah apakah

1) Sumber pemanggilan terbatas (finite calling source)

2) Sumber pemanggilan tidak terbatas (infinite calling source)

3. Struktur Dasar Proses Antrian

Proses antrian pada umumnya dikelompokkan kedalam empat struktur

dasar menurut sifat-sifat fasilitas pelayanan, yaitu :

a. Satu saluran satu tahap

b. Banyak saluran satu tahap

c. Satu saluran banyak tahap

d. Banyak saluran banyak tahap

Keempat kelompok ini ditunjukkan pada gambar 2.1.

17
Antrian Pelayan

Antrian Pelayan

Antrian Pelayan

Antrian Pelayan

Gambar 2.1. Struktur Dasar Proses Antrian

Banyaknya saluran dalam proses antrian adalah jumlah pelayanan paralel

yang tersedia. Banyaknya tahap menunjukkan jumlah pelayanan berurutan

yang harus dilalui oleh setiap kedatangan.

Sistem saluran dimana antrian mempunyai satu tempat pelayanan dengan

jumlah pelayan satu orang disebut sistem saluran tunggal. Sedangkan antrian

dengan saluran ganda adalah antrian yang mempunyai beberapa tempat

pelayanan sebanyak k pelayan dipasang secara paralel dan barisan antrian bisa

tunggal ataupun sebanyak k antrian pelanggan.

18
4. Notasi Kendall

Notasi kendall merupakan notasi untuk merinci ciri dari suatu antrian.

Notasinya adalah v/w/x/y/z, dimana :

v : menunjukkan pola kedatangan

w : menunjukkan pola pelayanan

x : menyatakan jumlah pelayanan yang ada

y : menyatakan kapasitas sistem

z : menandakan disiplin antrian

Jika y dan z tidak ditentukan maka y tak terhingga ( ∞ ) dan z FIFO.

Berikut diberikan tabel ciri sistem antrian.

Tabel 2.1 Ciri Sistem Antrian

Ciri Antrian Simbol Arti

D Deterministik
Waktu antar kedatangan
M Terdistribusi secara eksponensial
Atau
Ek Distribusi Erlang, tipe k (k=12,...)
Waktu pelayanan
G Distribusi yang lain

FIFO Pertama masuk, pertama keluar

LIFO Terakhir masuk, pertama keluar

Disiplin antrian SIRO Pelayanan dalam urutan acak

PRI Urutan prioritas

GD Urutan khusus yang lain

19
G. Terminologi dan Notasi

Terminologi dan notasi yang digunakan adalah sebagai berikut:

Keadaan sistem : jumlah pelanggan pada sistem antrian.

Panjang antrian : jumlah pelanggan yang menunggu pelayanan

En : keadaan di mana ada n pelanggan pada sistem antrian.

Pn (t) : kemungkinan bahwa tepat ada n pelanggan pada sistem

antrian pada saat t.

s : jumlah pelayan (untuk saluran pelayanan paralel) pada

sistem antrian.

λn : tingkat kedatangan rata-rata (ekspektasi jumlah

kedatangan per satuan waktu) dari calling unit

(pelanggan) baru jika ada n unit dalam sistem.

μn : tingkat pelayanan rata-rata (ekspektasi jumlah unit yang

dapat selesai dilayani per satuan waktu) jika ada n unit

dalam sistem.

Jika λ n adalah konstan untuk semua n, maka dapat ditulis sebagai λ .

Jika μ n konstan untuk semua n ≥ 1, maka dapat ditulis sebagai μ . Di sini μ n =

1
s μ jika n ≥ s sehingga seluruh pelayan (sejumlah s sibuk). Dalam hal ini
λ

1
menyatakan ekspektasi waktu di antara kedatangan, sedangkan menyatakan
μ

ekspektasi waktu pelayanan.

20
λ
ρ= adalah faktor penggunaan (utilisasi) untuk fasilitas pelayanan,

yaitu ekspektasi perbandingan dari waktu sibuk para pelayan.

Jika suatu sistem antrian telah mulai berjalan, keadaan sistem (jumlah

pelanggan dalam sistem) akan sangat dipengaruhi oleh state (keadaan) awal dan

waktu yang telah dilalui. Dalam keadaan seperti ini, sistem dikatakan dalam

kondisi transien. Tetapi, lama-kelamaan keadaan sistem akan independen

terhadap state awal tersebut, dan juga terhadap waktu yang dilaluinya. Keadaan

sistem seperti ini dikatakan berada dalam kondisi steady state.

Notasi-notasi berikut ini digunakan untuk sistem dalam kondisi steady

state.

Pn : kemungkinan bahwa tepat ada n pelanggan dalam sistem antrian

L : jumlah pelanggan rata-rata dalam sistem

Lq : panjang rata-rata dari antian

W : waktu rata-rata yang dihabiskan seorang pelanggan dalam sistem

Wq : waktu rata-rata yang dihabiskan seorang pelanggan dalam antrian

Berikut ini akan di uraikan hubungan antara L dan W.

Asumsikan bahwa λ n adalah konstan untuk semua n sehingga cukup

ditulis λ . Maka dalam proses antrian yang steady state diperoleh L = λ W dan

Lq = λ (Wq ) . Selanjutnya diasumsikan bahwa waktu pelayanan rata-rata adalah

1
konstan untuk semua n ≥ 1 sehingga cukup ditulis sebagai , maka diperoleh
μ

1
W = Wq + . (Dimyati, dkk, 1999 : 354)
μ

21
H. Model-Model Antrian

1. Sistem M/M/1

Sistem M/M/I adalah sebuah sistem yang waktu pola kedatangannya

memiliki distribusi probabilitas Poisson; pola pelayanannya berdistribusi

Eksponensial; seorang pelayan; kapasitas sistem tak terbatas; dan disiplin

antriannya adalah FIFO.

2. Sistem M/M/s

Sistem M/M/s adalah suatu proses antrian yang memiliki suatu pola

kedatangan Poisson dengan ciri-ciri sebagai berikut : jumlah pelayan sebanyak

s yang tidak saling bergantung tetapi waktu pelayanan dari masing-masingnya

adalah identik mengikuti pola distribusi Eksponensial (yang mana tidak

bergantung pada keadaan sistem), kapasitasnya berhingga dan disiplin

antriannya adalah FIFO.

3. Sistem M/M/1/K

Sistem M/M/I/K dapat menampung paling banyak K pelanggan dalam

fasilitas pelayanannya pada saat yang sama. Apabila fasilitas pelayanan ini

penuh maka para pelanggan yang datang kemudian akan ditolak dan tidak

diperkenankan untuk menunggu di luar.

4. Sistem M/M/s/K

Sistem M/M/s/K adalah suatu sistem dengan ciri-ciri jumlah

pelayanannya sebanyak s, dan masing-masing memiliki waktu-waktu

pelayanan identik tetapi tidak saling bergantung yang terdistribusi secara

Eksponensial (yang mana tak bergantung pada keadaan sistem), kapasitas

sistemnya berhingga.

22
5. Sistem Prioritas Pelayanan

Sistem prioritas pelayanan adalah sistem antrian yang disiplin

pelayanannya didasarkan atas suatu sistem prioritas. Dalam kenyataan sehari-

hari, banyak sekali situasi yang memenuhi sistem seperti ini, misalnya pada

antrian paralel, dalam antrian ini antrian yang pertama mempunyai prioritas

yang pertama untuk dilayani, sedangkan antrian yang kedua mempunyai

prioritas yang lebih rendah.

6. Sistem Swalayan

Pada sistem ini jumlah pelayan menjadi tidak terbatas karena setiap

pelanggan melayani dirinya sendiri.

7. Antrian Non-Poisson

Model-model antrian di mana proses kedatangan dan/atau keberangkatan

tidak mengikuti asumsi Poisson mengarah pada hasil analisis yang sangat

kompleks dan kemungkinan lebih sulit ditelusuri. Secara umum, penggunaan

simulasi sebagai alat analisis dalam kasus-kasus seperti ini sangat disarankan.

I. Solusi Steady-State

Kondisi steady-state dalam suatu sistem antrian dapat tercapai apabila

sistem antrian tersebut independent terhadap keadaan awal, dan juga terhadap

waktu yang telah dilaluinya. Ukuran-ukuran kinerja yang terpenting dari situasi

antrian setelah tercapai kondisi steady-state yang dipergunakan untuk

menganalisis situasi antrian adalah rata-rata banyaknya pelanggan yang

menunggu dalam antrian dan rata-rata waktu menunggu yang diperkirakan

dalam antrian (Wq ) .

23
Dari persamaan Kolmogorov diperoleh:

λn −1λn − 2 ...λ0
Pn = P0
μ n μ n −1...μ1

λn −1λn − 2 ...λ0
Misalkan Cn = untuk n = 1,2,3,.... , maka probabilitas steady-
μ n μ n −1...μ1

statenya adalah:

Pn = Cn P0 , untuk n = 1,2,3,...


Diketahui ∑P
n=0
n = 1 , maka dari persamaan diperoleh:

∞ ∞

∑ Pn = ∑ Cn P0
n=0 n=0


⇔ 1 = C0 P0 + ∑ Cn P0
n =1


⇔ 1 = P0 + ∑ Cn P0
n =1

⎡ ∞

⇔ ⎢1 + ∑ Cn ⎥ P0 = 1
⎣ n =1 ⎦

1
⇔ P0 = ∞
1 + ∑ Cn
n =1

Dengan mempertimbangkan sarana pelayanan sebanyak s pelayan

paralel, maka dari definisi Pn diperoleh:


L = ∑ nPn
n=0


Lq = ∑ (n − s )Pn
n= s

24
Terdapat hubungan yang kuat antara L dengan W, juga antara Lq

dengan Wq, sehingga diperoleh:

L Lq
W = dan Wq =
λ λ

Solusi steady-state ini diturunkan dengan asumsi bahwa parameter-

parameter λn dan μ n adalah sedemikian sehingga kondisi steady-state

λ
dapat tercapai. Asumsi ini berlaku jika ρ = < 1.

J. Model Simulasi

Model simulasi atau sering disebut simulasi komputer berfungsi untuk

mempelajari kondisi sistem sesungguhnya (real time system) dengan ruang

lingkup luas menggunakan desain tiruan yang dihasilkan oleh suatu software

simulasi.(Law dan Kelton, 1991)

Pada model simulasi menggunakan software Arena 5.0, terdapat beberapa

komponen yang dijelaskan sebagai berikut :

1. Sistem

Sistem merupakan sekumpulan entitas yang bergerak atau berinteraksi untuk

mencapai tujuan berdasarkan alur logika tertentu.

2. Entitas

Entitas merupakan objek yang dikenai bergerak atau berinteraksi berdasarkan

alur logika tertentu.

3. Atribut

Atribut merupakan karakteristik umum dari suatu entitas.

25
4. Variabel

Variabel merupakan suatu komponen sistem yang mengandung informasi dan

nilainya diperoleh dari eksekusi model simulasi.

5. Resources

Resources merupakan wadah untuk menampung entitas dalam jumlah tertentu.

Entitas yang berasal dari suatu Resources dapat bergerak di dalam sistem jika

resources tersebut bersifat seize-delay-relase (tampung-berhenti sejenak-

keluarkan).

6. Queue (antrian)

Ketika entitas tidak dapat bergerak, dapat dimungkinkan sedang terdapat

entitas lain yang sedang berproses dalam sistem, sehingga entitas yang tidak

dapat bergerak tersebut dapat ditampung dalam suatu wadah sampai entitas

lain yang menghambat selesai berproses. Wadah tersebut disebut queue

(antrian).

7. Events (kejadian)

Pada skripsi ini terdapat 3 kejadian yaitu kedatangan, pelayanan dan selesai.

8. Statistical accumulators

Komponen ini berfungsi untuk melihat kondisi sistem sesungguhnya

berdasarkan variabel-variabel yang telah ditentukan sebelumnya. Pada

penelitian ini komponen ini terdiri dari waktu tunggu, panjang antrian, utilitas

fasilitas, dan waktu total entitas di dalam sistem.

26
Untuk membuat model simulasi dalam Arena 5.0 terdapat 3 daerah utama

jendela aplikasi, dapat dilihat pada gambar 2.2.

Gambar 2.2 Layar utama Arena 5.0

1. Project Bar

Gambar 2.3 Project Bar


a. Basic process panel : berisi modeling bentuk, disebut modul yang akan

digunakan untuk menggambarkan proses yang kita punya.

27
Ada 2 jenis modul di basic process panel ini :

1) Flowchart modul

Contohnya : create, process, decide, assign, batch, separate, record,

dispose.

2) Data modul

Contohnya : entity, queue, resource, schedule, set, variable.

b. Reports : berisi laporan hasil dari simulasi.

c. Navigate

2. Model window – flowchart view

Di dalam jendela ini akan ditampilkan flowchart, animasi dan gambar

lainnya.

Gambar 2. 4. Model window-flowchart view

28
3. Model window – spreadsheet view

Di dalam jendela ini akan ditampilkan model data seperti waktu, biaya

dan parameter lainnya.

Gambar 2.5. Model window-spreadsheet view

29
BAB III

METODE PENELITIAN

A. Metode Penelitian

Metode penelitian yang digunakan dalam penyusunan skripsi ini

adalah sebagai berikut.

1. Studi Pustaka

Studi pustaka adalah menelaah sumber pustaka yang relefan tentang teori

antrian dan model simulasi.

2. Studi Kasus

Studi kasus merupakan aplikasi model simulasi berdasarkan langkah-

langkah pemodelan sistem.

B. Metode Pengumpulan Data

Pengumpulan data dalam penelitian ini menggunakan metode

observasi. Data diambil secara langsung pada sistem antrian yang ada pada

loket pembayaran rekening listrik di PLN Semarang Tengah. Waktu

penelitian dilaksanakan pada periode sibuk, yaitu tanggal 17, 19 dan 21 Mei

2007.

C. Pengolahan Data

Langkah-langkah yang digunakan dalam menganalisis data adalah

sebagai berikut :

1. Deskripsi sistem antrian pelanggan di dalam sistem.

2. Deskripsi data yang diperoleh.

30
Data primer diambil selama 3 hari yang dipilih secara random, berupa data

rata-rata waktu antar kedatangan (AIT) dan waktu pelayanan (ST).

Pengambilan data AIT dilakukan dengan mengelompokkan banyaknya

pelanggan yang datang ke dalam interval waktu dengan lebar kelas 5

menit. Untuk pengambilan data ST digunakan alat bantu jam digital.

3. Analisis data untuk mengetahui distribusi probabilitas waktu antar

kedatangan dan waktu pelayanan.

Pada tahap analisis data digunakan Uji Goodness of Fit yaitu dengan uji

chi-square dan uji kolmogorov smirnov.

4. Diagram alir model simulasi

5. Analisis output model simulasi

Analisis output model merupakan tahap interpretasi output model

simulasi.

D. Penarikan Simpulan

Penarikan simpulan merupakan jawaban dari permasalahan dan tujuan,

yang disimpulkan berdasar hasil analisis output yang diperoleh.

31
BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

Teknik simulasi merupakan salah satu cara yang lebih baik dalam

memecahkan masalah antrian dengan ditribusi waktu kedatangan dan waktu

pelayanan yang random. Simulasi dapat menirukan semirip mungkin keadaan

yang sebenarnya terjadi dalam sistem antrian.

Berdasarkan analisis data menggunakan metode simulasi dengan Arena 5.0,

diperoleh hasil penelitian dan pembahasan sebagai berikut.

A. Sistem Antrian Pelanggan di PLN Semarang Tengah

Secara umum sistem antrian pada pembayaran rekening listrik di PLN

Semarang Tengah dapat digambarkan sebagai berikut.

1. Mempunyai 3 pelayan, karena terdapat 3 loket yang melayani transaksi

pembayaran rekening listrik.

2. Kapasitas antriannya tak terbatas.

3. Sistem antriannya menggunakan disiplin antrian FIFO (first in first out).

4. Pelanggan yang datang langsung dapat mengambil nomor antrian di mesin

antrian. Disinilah mulai diperhitungkan waktu kedatangan pelanggan

(pelanggan masuk ke sistem antrian).

5. Setelah pelanggan memasuki ruang pembayaran, pelanggan membentuk

suatu antrian atau baris tunggu. Baris tunggu ini terjadi di setiap loket yang

ada, diwakili oleh nomor antrian yang dikeluarkan oleh mesin antrian

otomatis dari pihak PLN Semarang Tengah. Pelanggan menunggu sampai

nomor antriannya dipanggil untuk melakukan transaksi pembayaran. Tahap

32
ini merupakan waktu yang diperhitungkan sebagai waktu tunggu pelanggan

di dalam sistem.

6. Tahap selanjutnya adalah proses transaksi. Pada tahap ini dicatat waktu

yang dibutuhkan seorang pelayan dalam melayani setiap pelanggan.

7. Setelah proses transaksi selesai, pelanggan meninggalkan ruangan (sistem).

Berdasarkan pengamatan yang telah dilakukan sistem antrian pada

pembayaran rekening listrik di PLN Semarang Tengah dapat dilihat pada

gambar 4.1.

Kedatangan

Loket 1 Selesai

Pengambilan Antri Loket 2


No.Antrian Selesai

Loket 3
Selesai

Gambar 4.1 Sistem Antrian di PLN Semarang Tengah

B. Deskripsi Data

1. Rata-Rata Waktu Antar Kedatangan (AIT)

Pengambilan data AIT dilakukan dengan mengelompokkan

banyaknya pelanggan yang datang ke dalam kelas interval dengan lebar

kelas 5 menit. Pengelompokkan ini didasarkan dari observasi yang telah

dilakukan sebelumnya, yang bertujuan agar tidak terjadi penumpukkan yang

terlalu besar dalam antrian. Data AIT dapat dilihat pada Lampiran 2.

33
2. Waktu Pelayanan Pelanggan (ST)

Pengambilan data ST dilakukan di setiap loket, jadi waktu yang

dicatat adalah waktu yang dibutuhkan seorang pelayan untuk melayani

seorang pelanggan pada setiap loket yang ada. Waktu pelayanan pelanggan

(ST) dikategorikan sebagai berikut.

a. Waktu pelayanan di loket 1

b. Waktu pelayanan di loket 2

c. Waktu pelayanan di loket 3

Data waktu pelayanan pelanggan dapat dilihat pada Lampiran 3.

C. Analisis Data

Tahap ini merupakan identifikasi distribusi probabilitas dari pola

kedatangan dan pelayanan dengan menggunakan Goodness of fit test.

Distribusi probabilitas ini akan digunakan sebagai atribut dari model

simulasi yang akan dibuat.

1. Distribusi Probabilitas Rata-Rata Waktu Antar Kedatangan (AIT)

Kedatangan bersifat independen, jadi pendekatan distribusi AIT

menggunakan distribusi eksponensial. Berdasarkan Lampiran 2

(rekapitulasi kedatangan pelanggan), dilakukan pengujian dari distribusi

probabilitas AIT dengan Arena 5.0. Distribusi probabilitas ini didekati

berdasar output Arena 5.0 seperti pada Lampiran 4 dengan uji Kolmogorov-

smirnov sebagai berikut.

34
a. Hipotesis :

H0 : Sampel AIT dapat didekati oleh distribusi eksponensial.

H1 : H0 tidak benar.

b. Kriteria yang digunakan :

H0 ditolak jika p < α = 0,01 .

c. Dari output Arena 5.0 diperoleh distribusi rata-rata waktu antar

kedatangan sebagai berikut.

Tabel 4.1 Uji Kolmogorov Smirnov Distribusi Probabilitas AIT

Tanggal p Ekspresi
17 Mei 2007 0,0274 0,11 + EXPO (1,13)
19 Mei 2007 0,0771 0,2 + EXPO (0,541)
21 Mei 2007 0,0819 0,25 + EXPO (0,676)

d. Kesimpulan :

H0 yang diuji adalah rata-rata waktu antar kedatangan (AIT)

pelanggan berdistribusi eksponensial. Pada Arena 5.0, statistik uji

kolmogorov-smirnov (D) diganti dengan nilai asimptotik signifikan, p

(sig), sedemikian hingga H0 ditolak jika p < α = 0,01 .

Dari Tabel 4.1 terlihat nilai p > α = 0,01 untuk semua hari yang

diamati, jadi H0 diterima. Dengan demikian distribusi probabilitas untuk

rata-rata waktu antar kedatangan pelanggan berdistribusi eksponensial.

2. Distribusi Probabilitas Waktu Pelayanan (ST)

Dalam verifikasi distribusi probabilitas waktu pelayanan digunakan

data waktu pelayanan yang dibutuhkan seorang pelayan untuk melayani

35
seorang pelanggan (Lampiran 3). Verifikasi ini dilakukan pada setiap loket .

Pendekatan distribusi probabilitas waktu pelayanan didekati berdasar output

Arena 5.0 seperti pada Lampiran 4 dengan uji chi square sebagai berikut.

a. Hipotesis :

H0 : Sampel ST dapat didekati oleh distribusi θ , dengan θ adalah

distribusi kontinu tertentu.

H1 : H0 tidak benar.

b. Kriteria yang digunakan :

H0 ditolak jika p < α = 0,01 .

c. Dari output Arena 5.0 diperoleh distribusi waktu pelayanan sebagai

berikut.

Tabel 4.2 Uji Chi-square Distribusi Probabilitas untuk ST

Tanggal Fasilitas θ p Ekspresi


0,29 + ERLA (0,211 ,3)
Loket 1 Erlang 0,426
17 Mei 0,16 +2,43*BETA(2,17 ,3,32)
Loket 2 Beta 0,451
2007
0,42 + EXPO(0,674)
Loket 3 Eksponensial 0,307
0,16 + EXPO(0,746)
Loket 1 Eksponensial 0,0171
19 Mei 0,29+3,11*BETA(0,834 ,2,47)
Loket 2 Beta 0,00658
2007
0,14 + ERLA(0,168 ,4)
Loket 3 Erlang <0,005
TRIA(0,02 ,0,603 ,2,35)
Loket 1 Triangular 0,0802
21 Mei TRIA(0,19 ,0,713 ,2,28)
Loket 2 Triangular 0,499
2007
0,1 + WEIB(0,84 ,1,94)
Loket 3 Weibull 0,0365

36
d. Kesimpulan :

H0 yang diuji adalah waktu pelayanan berdistribusi kontinu tertentu.

Pada Arena 5.0 nilai statistik uji χ 2 diganti dengan nilai asimptotik,

p (sig), sedemikian hingga H0 ditolak jika p < α = 0,01 .

Simulasi yang dibuat peneliti pada skripsi ini bertujuan untuk

mengetahui efektifitas dari sistem antrian yang ada di PLN Semarang

Tengah, jadi peneliti akan melihat kinerja dari masing-masing loket yang

ada pada PLN Semarang Tengah. Dengan demikian peneliti akan

menguji terlebih dahulu distribusi pobabilitas dari waktu pelayanan dari

masing-masing loket (pelayan).

Berdasarkan Tabel 4.2, 17 Mei 2007, pada loket 1 H0 yang diuji

adalah waktu pelayanan berdistribusi Erlang, karena

p = 0,426 > α = 0,01 maka H0 diterima. Jadi waktu pelayanan di loket 1

pada tanggal 17 Mei 2007 berdistribusi Erlang. Dari output Arena 5.0

pada Lampiran 4, distribusi Erlang tersebut diekspresikan dengan 0,29 +

ERLA (0,211, 3).

Untuk distribusi waktu pelayanan di setiap loket pada hari yang

diamati, H0 yang akan diuji adalah distribusi yang tercantum pada kolom

ketiga di Tabel 4.2, karena nilai p > α = 0,01 untuk semua loket yang

diamati, maka H0 diterima, kecuali loket 3 pada tanggal 19 Mei 2007.

Ekspresi dari distribusi waktu pelayanan untuk masing-masing loket dapat

dilihat pada kolom ekspresi pada tabel 4.2. Untuk distribusi waktu

pelayanan di loket 3 pada tanggal 19 Mei 2007 dapat didekati oleh

37
distribusi Erlang, walaupun nilai p kurang dari 0,01. Hal ini disebabkan

karena hasil plot yang diperoleh lebih mendekati distribusi Erlang daripada

beberapa distribusi yang ada.

D. Diagram Alir Model Simulasi

Diagram alir model simulasi menggunakan software Arena 5.0

ditunjukkan pada gambar 4.2.

Loket 1

0
K edatangan

0
Masuk Loket?

33
33
Els e
S elesai

Loket 2

Loket 3

Gambar 4.2 Diagram Alir Model Simulasi

1. Prosedur model simulasi antrian, 17 Mei 2007

a. Langkah pertama dalam pembuatan simulasi model antrian ini digunakan

modul create. Modul ini digunakan sebagai titik awal masuknya entitas

dalam model simulasi. Entitas dalam model simulasi ini adalah

pelanggan yang akan membayar rekening listrik. Atribut dalam modul

create ini sebagai berikut.

38
Name : Kedatangan

Entity Type : Customer

Type : Expression

Expression : 0,11 + EXPO (1,13)

Units : Minutes

Entities Per Arrival : 1

Max Arrivals : infinite

First Creation : 0,0

b. Langkah kedua digunakan modul decide, modul ini mempertimbangkan

keputusan yang akan diambil dalam sistem. Atribut dalam modul decide

ini sebagai berikut.

Name : Masuk loket ?

Type : N-way by chance

c. Langkah ketiga digunakan modul process, di dalam modul ini terjadi

proses utama dalam simulasi. Process dalam model simulasi ini ada 3,

karena banyaknya pelayan dalam sistem terdiri dari 3 loket. Atribut

dalam modul process ini sebagai berikut.

1) Process 1

Name : Loket 1

Type : Standard

Action : Seize Delay Release

Priority : Medium (2)

Resources : 1 rows

39
Delay Type : Expression

Units : Minutes

Allocations : Value added

Expression : 0,29 + ERLA (0,211 , 3)

2) Process 2

Name : Loket 2

Type : Standard

Action : Seize Delay Release

Priority : Medium (2)

Resources : 1 rows

Delay Type : Expression

Units : Minutes

Allocations : Value added

Expression : 0,16 + 2,43*BETA (2,17 , 3,32)

3) Process 3

Name : Loket 3

Type : Standard

Action : Seize Delay Release

Priority : Medium (2)

Resources : 1 rows

Delay Type : Expression

Units : Minutes

Allocations : Value added

40
Expression : 0,42 + EXPO (0,674)

d. Langkah terakhir digunakan modul dispose, modul ini digunakan sebagai

titik akhir entitas dalam model simulasi. Atribut dalam modul dispose ini

sebagai berikut.

Name : Selesai

Record Entity Statistics : Yes

2. Prosedur model simulasi antrian, 19 Mei 2007

a. Langkah pertama dalam pembuatan simulasi model antrian ini juga

menggunakan modul create. Atribut dalam modul create ini sebagai

berikut.

Name : Kedatangan

Entity Type : Customer

Type : Expression

Expression : 0,2 + EXPO (0,541)

Units : Minutes

Entities Per Arrival : 1

Max Arrivals : infinite

First Creation : 0,0

b. Langkah kedua digunakan modul decide. Atribut dalam modul decide ini

sebagai berikut.

Name : Masuk loket ?

Type : N-way by chance

41
c. Langkah ketiga digunakan modul process. Atribut dalam modul process

ini sebagai berikut.

1) Process 1

Name : Loket 1

Type : Standard

Action : Seize Delay Release

Priority : Medium (2)

Resources : 1 rows

Delay Type : Expression

Units : Minutes

Allocations : Value added

Expression : 0,16 + EXPO (0,746)

2) Process 2

Name : Loket 2

Type : Standard

Action : Seize Delay Release

Priority : Medium (2)

Resources : 1 rows

Delay Type : Expression

Units : Minutes

Allocations : Value added

Expression : 0,29 + 3,11*BETA (0,834 , 2,47)

42
3) Process 3

Name : Loket 3

Type : Standard

Action : Seize Delay Release

Priority : Medium (2)

Resources : 1 rows

Delay Type : Expression

Units : Minutes

Allocations : Value added

Expression : 0,14 + ERLA (0,168 , 4)

d. Langkah terakhir digunakan modul dispose. Atribut dalam modul dispose

ini sebagai berikut.

Name : Selesai

Record Entity Statistics : Yes

3. Prosedur model simulasi antrian, 21 Mei 2007

a. Langkah pertama dalam pembuatan simulasi model antrian ini digunakan

modul create. Atribut dalam modul create ini sebagai berikut.

Name : Kedatangan

Entity Type : Customer

Type : Expression

Expression : 0,25 + EXPO (0,676)

Units : Minutes

Entities Per Arrival : 1

43
Max Arrivals : infinite

First Creation : 0,0

b. Langkah kedua digunakan modul decide. Atribut dalam modul decide ini

sebagai berikut.

Name : Masuk loket ?

Type : N-way by chance

c. Langkah ketiga digunakan modul process. Atribut dalam modul process

ini sebagai berikut.

1) Process 1

Name : Loket 1

Type : Standard

Action : Seize Delay Release

Priority : Medium (2)

Resources : 1 rows

Delay Type : Triangular

Units : Minutes

Allocations : Value added

Minimum : 0,02

Value : 0,603

Maximum : 2,35

2) Process 2

Name : Loket 2

Type : Standard

44
Action : Seize Delay Release

Priority : Medium (2)

Resources : 1 rows

Delay Type : Triangular

Units : Minutes

Allocations : Value added

Minimum : 0,19

Value : 0,713

Maximum : 2,28

3) Process 3

Name : Loket 3

Type : Standard

Action : Seize Delay Release

Priority : Medium (2)

Resources : 1 rows

Delay Type : Expression

Units : Minutes

Allocations : Value added

Expression : 0,1 + WEIB (0,84 , 1,94)

d. Langkah terakhir digunakan modul dispose. Atribut dalam modul dispose

ini sebagai berikut.

Name : Selesai

Record Entity Statistics : Yes

45
Untuk menjalankan model simulasi yang telah dibuat, klik

pada toolbar standard atau F5.

E. Pembahasan Output Model Simulasi

1. Utilitas Terjadwal di Masing-Masing Loket

Utilitas (faktor penggunaan) adalah ekspektasi perbandingan dari

λ
waktu sibuk para pelayan, ρ = . Dalam sistem ini nilai ρ harus kurang

dari satu, karena sistem ini sistem tak terbatas. Nilai utilitas terjadwal

terletak di antara 0% (tidak padat) dan 100% (padat). Utilitas terjadwal

untuk masing-masing loket dapat di lihat dalam Tabel 4.3.

Tabel 4.3 Output Utilitas Terjadwal

Tanggal Antrian Rata-rata Nilai Minimum Nilai Maksimum


Loket 1 0,2174 0 1
17 Mei
Loket 2 0,2769 0 1
2007
Loket 3 0,2528 0 1
Loket 1 0,4200 0 1
19 Mei
Loket 2 0,4387 0 1
2007
Loket 3 0,3549 0 1
Loket 1 0,3235 0 1
21 Mei
Loket 2 0,3357 0 1
2007
Loket 3 0,2409 0 1

46
Dari Tabel 4.3, rata-rata utilitas tejadwal yang paling besar pada

tanggal 17 Mei 2007 terjadi di loket 2 yaitu sebesar 0,2769 atau mencapai

28%. Utilitas terjadwal di loket 1 dan 3 sebesar 22% dan 25%. Dengan

demikian, di ketiga loket tidak terjadi kepadatan yang terlalu besar. Rata-

rata utilitas tejadwal yang paling besar pada tanggal 19 Mei 2007 terjadi di

loket 2 yaitu mencapai 44%. Utilitas terjadwal di loket 1 dan 3 sebesar 42%

dan 35%. Dengan demikian, di ketiga loket juga tidak terjadi kepadatan

yang terlalu besar. Rata-rata utilitas tejadwal yang paling besar pada tanggal

21 Mei 2007 terjadi di loket 2 yaitu mencapai 34%. Utilitas terjadwal di

loket 1 dan 3 sebesar 32% dan 24%. Dengan demikian, di ketiga loket juga

tidak terjadi kepadatan yang terlalu besar.

Dari Tabel 4.3 terlihat bahwa nilai rata-rata utilitas terbesar terjadi

pada tanggal 19 Mei 2007, hal ini sebanding dengan laju rata-rata

kedatangan pelanggan pada hari tersebut yang cukup besar. Jadi semakin

besar laju kedatangan pelanggan semakin besar pula nilai utilitasnya.

Dari Tabel 4.4, untuk tanggal 17 dan 21 Mei 2007 terlihat rata-rata

waktu tunggu terlama terjadi pada loket 2, pada Tabel 4.5 rata-rata antrian

terpanjang terjadi pada loket 2 begitu pula utilitas terjadwal yang paling

padat terjadi pada loket 2. Hal ini disebabkan karena waktu tunggu dan

panjang antrian berbanding lurus dengan utilitas terjadwal. Jadi semakin

lama waktu tunggu pelanggan dan semakin panjang antrian maka semakin

kecil pula waktu menganggur pelayan.

47
2. Waktu Tunggu Pelanggan di Masing-Masing Loket

Waktu tunggu yang dihabiskan pelanggan dalam sistem antrian

yang ada pada PLN Semarang Tengah adalah ketika pelanggan berada

dalam baris tunggu setelah mengambil nomor antrian hingga mulai dilayani

oleh pelayan. Waktu tunggu di masing-masing loket yang diperoleh dari

hasil simulasi di tunjukkan pada Tabel 4.4.

Tabel 4.4 Output Waktu Tunggu (Satuan menit)

Tanggal Antrian Rata-rata Nilai Minimum Nilai Maksimum


Loket 1 0,108567 0 1,8831384
17 Mei
Loket 2 0,3143766 0 3,7540566
2007
Loket 3 0,1940736 0 3,0962268
Loket 1 0,51021 0 4,460337
19 Mei
Loket 2 0,4016316 0 3,86622
2007
Loket 3 0,1930092 0 1,6699854
Loket 1 0,1546164 0 1,5648318
21 Mei
Loket 2 0,1704786 0 1,7381226
2007
Loket 3 0,111351 0 1,5108714

Berdasarkan Tabel 4.4, rata-rata waktu tunggu terlama pada

tanggal 17 Mei 2007 terjadi di loket 2 yaitu sebesar 0,3143766 menit. Pada

kondisi tertentu, waktu tunggu di loket 2 mencapai 3,7540566 menit. Pada

tanggal 19 Mei 2007 waktu tunggu terlama terjadi di loket 1 yaitu sebesar

0,51021 menit dan pada kondisi tertentu waktu tunggu mencapai 4,460337

menit. Waktu tunggu terlama pada tanggal 21 Mei 2007 terjadi di loket 2

sebesar 0,1704786 menit dan waktu tunggu maksimumnya mencapai

1,7381226 menit.

48
Dari output waktu tunggu ini terlihat bahwa rata-rata waktu tunggu

dan waktu tunggu maksimum yang paling lama terjadi pada tanggal 19 Mei

2007, waktu tunggu maksimum bisa mencapai 5 menit. Hal ini disebabkan

karena pada tanggal tersebut terjadi penumpukkan pelanggan yang cukup

padat. Satu hari sebelum tanggal pembayaran terakhir (tanggal 20 setiap

bulannya) menjadi pilihan pelanggan dalam melakukan transaksi

pembayaran rekening listrik karena menghindari antrian yang lebih panjang

lagi. Pembayaran rekening lisrik yang melebihi tanggal 20 tiap bulannya

akan dikenakan denda, oleh karena itu banyak pelanggan yang memilih

pembayaran sebelum tanggal 20 tiap bulannya.

3. Panjang Antrian di Masing-Masing Loket

Panjang antrian di masing-masing loket pembayaran rekening

listrik pada PLN Semarang Tengah di tunjukkan pada Tabel 4.5.

Tabel 4.5 Output Panjang Antrian (Satuan orang)

Tanggal Antrian Rata-rata Nilai Minimum Nilai Maksimum


Loket 1 0,02593543 0 2
17 Mei
Loket 2 0,08034061 0 3
2007
Loket 3 0,04582290 0 2
Loket 1 0,2324 0 4
19 Mei
Loket 2 0,1796 0 3
2007
Loket 3 0,08310129 0 2
Loket 1 0,05325667 0 2
21 Mei
Loket 2 0,05682627 0 2
2007
Loket 3 0,03278674 0 2

49
Berdasarkan Tabel 4.5, rata-rata panjang antrian di setiap loket

sebanyak 1 orang dan pada kondisi tertentu panjang antrian dapat mencapai

2 sampai 4 orang. Waktu tunggu yang cukup lama disebabkan terjadinya

antrian yang panjang. Dari Tabel 4.4, waktu tunggu maksimum pada

tanggal 17 Mei 2007 terjadi di loket 2 yaitu mencapai 4 menit, hal ini

disebabkan karena di loket 2 terjadi antrian yang paling panjang dibanding

loket 1 dan loket 3 yaitu sebanyak 3 orang. Begitu pula yang terjadi pada

tanggal 19 Mei 2007, waktu tunggu maksimum terjadi di loket 1 yaitu

mencapai 5 menit, hal ini sejalan dengan antrian terpanjang yang terjadi di

loket 1 yaitu sebanyak 4 orang. Panjang antrian yang terjadi pada tanggal 21

Mei 2007 hampir sama di setiap loketnya, yaitu mencapai 2 orang.

4. Waktu Total di Dalam Sistem

Waktu total adalah waktu keseluruhan yang dihabiskan pelanggan

di dalam sistem antrian. Waktu total yang dihabiskan pelanggan di dalam

sistem antrian pembayaran rekening listrik di PLN Semarang Tengah

dihitung sejak pelanggan mengambil nomor antrian, menunggu dalam baris

tunggu sampai selesai dilayani oleh pelayan.

Waktu total yang dihabiskan pelanggan di dalam sistem antrian

yang diperoleh dari hasil simulasi di tunjukkan pada Tabel 4.6.

Tabel 4.6 Output Waktu Total Pelanggan (Satuan menit)

Tanggal Entitas Rata-rata Nilai Minimum Nilai Maksimum


17 Mei 2007 Pelanggan 1,2307956 0,1714554 4,828956
19 Mei 2007 Pelanggan 1,2838638 0,1626048 5,694
21 Mei 2007 Pelanggan 1,07448 0,0888126 3,4190304

50
Berdasarkan Tabel 4.6, rata-rata waktu total yang dihabiskan

pelanggan di dalam sistem antrian pembayaran rekening listrik di PLN

Semarang Tengah pada tanggal 17 Mei 2007 sebesar 1,2307956 menit, pada

tanggal 19 Mei 2007 sebesar 1,2838638 menit dan pada tanggal 21 Mei

2007 sebesar 1,07448. Pada kondisi tertentu, waktu total yang dihabiskan

pelanggan mencapai 4,828956 menit pada tanggal 17 Mei 2007 , 5,694

menit pada tanggal 19 Mei 2007, dan 3,4190304 menit pada tanggal 21

Mei 2007. Waktu total yang paling lama dihabiskan pelanggan dalam

sistem antrian pembayaran rekening listrik di PLN Semarang Tengah terjadi

pada tanggal 19 Mei 2007, hal ini disebabkan karena adanya penumpukan

pelanggan yang cukup padat dibandingkan hari-hari lainnya.

51
BAB V

PENUTUP

A. Simpulan

Berdasarkan simulasi antrian pada pembayaran rekening listrik di PLN

Semarang Tengah yang telah dibuat dapat ditarik simpulan sebagai berikut.

1. Sistem antrian bermula ketika pelanggan yang datang mengambil nomor

antrian di mesin antrian, menunggu sampai nomor antriannya dipanggil oleh

pelayan dan selesai, keluar dari sistem ketika pelayanan berakhir. Banyaknya

pelayan dalam sistem antrian ini sebanyak 3 pelayan (loket). Baris tunggu

terjadi di setiap loket yang ada.

2. Dalam membuat simulasi model antrian ini terlebih dahulu peneliti harus

mengetahui distribusi rata-rata waktu antar kedatangan dan distribusi

probabilitas waktu pelayanan. Berdasarkan output Arena 5.0 diperoleh :

a. Distribusi probabilitas rata-rata waktu antar kedatangan (AIT) dapat

didekati oleh distribusi eksponensial. Distribusi eksponensial tersebut

diekspresikan sebagai berikut.

Tabel 5.1 Distribusi Probabilitas AIT

Tanggal Ekspresi
17 Mei 2007 0,11 + EXPO (1,13)
19 Mei 2007 0,2 + EXPO (0,541)
21 Mei 2007 0,25 + EXPO (0,676)

b. Distribusi probabilitas waktu pelayanan (ST) untuk semua loket dapat

didekati oleh distribusi kontinu yang diekspresikan sebagai berikut.

52
Tabel 5.2 Distribusi Probabilitas ST

Tanggal Fasilitas Ekspresi


Loket 1 0,29 + ERLA (0,211 ,3)

17 Mei 2007 Loket 2 0,16 +2,43*BETA(2,17 ,3,32)


Loket 3 0,42 + EXPO(0,674)
Loket 1 0,16 + EXPO(0,746)

19 Mei 2007 Loket 2 0,29+3,11*BETA(0,834 ,2,47)


Loket 3 0,14 + ERLA(0,168 ,4)
Loket 1 TRIA(0,02 ,0,603 ,2,35)

21 Mei 2007 Loket 2 TRIA(0,19 ,0,713 ,2,28)


Loket 3 0,1 + WEIB(0,84 ,1,94)

3. Dari output diperoleh waktu tunggu dan panjang antrian maksimum di

masing-masing loket pembayaran rekening listrik di PLN Semarang Tengah

sebagai berikut.

Tabel 5.3 Waktu Tunggu dan Panjang Antrian Maksimum

Tanggal Antrian Waktu Tunggu Panjang Antrian


Loket 1 1,8831384 2
17 Mei
Loket 2 3,7540566 3
2007
Loket 3 3,0962268 2
Loket 1 4,460337 4
19 Mei
Loket 2 3,86622 3
2007
Loket 3 1,6699854 2
Loket 1 1,5648318 2
21 Mei
Loket 2 1,7381226 2
2007
Loket 3 1,5108714 2

53
4. Waktu yang dihabiskan pelanggan dalam sistem pembayaran rekening listrik

di PLN Semarang Tengah sebagai berikut.

Tabel 5.4 Waktu Total

Tanggal Waktu Total Maksimum


17 Mei 2007 4,828956
19 Mei 2007 5,694
21 Mei 2007 3,4190304

B. Saran

Berdasarkan hasil penelitian dan analisis yang telah dilakukan diketahui

bahwa sistem antrian yang ada di PLN Semarang Tengah sudah cukup baik

terlihat dari waktu tunggu yang relatif singkat dan antrian yang tidak terlalu

panjang, sehingga pelanggan tidak banyak menghabiskan waktu dalam sistem

antrian. Begitu pula kinerja dari masing-masing loket yang relatif sama

keefektifannya. Oleh karena itu sistem antrian yang sudah ada perlu

dipertahankan.

54
Lampiran 1

Hari / Tanggal : Senin, 21 Mei 2007


Waktu Penelitian : 09:15:00 - 10:55:00

Data Penelitian Antrian Pelanggan

Waktu Kedatangan Waktu mulai dilayani Waktu selesai Lama Pelayanan Lama Dalam Lama Dalam
No.
Pelanggan Loket 1 Loket 2 Loket 3 dilayani (menit) Antrian (m) Sistem (m)
1 9:15:20 9:18:15 9:19:10 0,917 2,917 3,833
2 9:16:17 9:19:20 9:19:43 0,383 3,050 3,433
3 9:16:28 9:19:25 9:20:20 0,917 2,950 3,867
4 9:17:46 9:19:49 9:20:23 0,567 2,050 2,617
5 9:17:56 9:20:24 9:20:58 0,567 2,467 3,033
6 9:18:01 9:20:26 9:21:11 0,750 2,417 3,167
7 9:20:56 9:21:59 9:22:27 0,467 1,050 1,517
8 9:22:03 9:22:10 9:23:30 1,333 0,117 1,450
9 9:23:37 9:23:48 9:24:15 0,450 0,183 0,633
10 9:25:14 9:25:28 9:26:11 0,717 0,233 0,950
11 9:25:46 9:26:16 9:26:58 0,700 0,500 1,200
12 9:26:49 9:26:55 9:27:40 0,750 0,100 0,850
13 9:27:06 9:27:59 9:28:41 0,700 0,883 1,583
14 9:28:10 9:29:03 9:29:52 0,817 0,883 1,700
15 9:28:38 9:29:58 9:30:15 0,283 1,333 1,617
16 9:29:09 9:30:26 9:32:31 2,083 1,283 3,367
17 9:30:37 9:31:20 9:32:25 1,083 0,717 1,800
18 9:32:17 9:32:30 9:33:12 0,700 0,217 0,917
19 9:32:40 9:33:14 9:35:20 2,100 0,567 2,667
20 9:33:30 9:34:13 9:34:39 0,433 0,717 1,150
21 9:33:45 9:34:25 9:35:02 0,617 0,667 1,283
22 9:34:16 9:35:18 9:35:31 0,217 1,033 1,250
23 9:35:15 9:35:28 9:36:08 0,667 0,217 0,883
24 9:35:19 9:37:24 9:38:03 0,650 2,083 2,733
25 9:36:24 9:36:32 9:37:17 0,750 0,133 0,883
26 9:37:27 9:37:56 9:38:38 0,700 0,483 1,183
27 9:39:20 9:39:35 9:41:27 1,867 0,250 2,117
28 9:40:00 9:42:09 9:43:05 0,933 2,150 3,083
29 9:41:30 9:43:13 9:44:09 0,933 1,717 2,650
30 9:43:07 9:43:13 9:43:59 0,767 0,100 0,867
31 9:43:26 9:43:55 9:44:51 0,933 0,483 1,417
32 9:43:37 9:44:14 9:45:12 0,967 0,617 1,583
33 9:43:54 9:44:58 9:46:11 1,217 1,067 2,283
34 9:46:02 9:46:25 9:47:15 0,833 0,383 1,217
35 9:48:46 9:48:50 9:49:35 0,750 0,067 0,817
36 9:50:00 9:50:06 9:50:38 0,533 0,100 0,633
37 9:50:43 9:50:47 9:52:24 1,617 0,067 1,683
38 9:51:01 9:52:31 9:53:24 0,883 1,500 2,383
39 9:51:24 9:52:33 9:52:59 0,433 1,150 1,583
40 9:51:31 9:52:40 9:53:23 0,717 1,150 1,867
41 9:52:14 9:53:24 9:54:00 0,600 1,167 1,767
42 9:53:10 9:53:41 9:54:15 0,567 0,517 1,083
43 9:53:40 9:54:24 9:54:56 0,533 0,733 1,267
44 9:55:34 9:55:48 9:56:41 0,883 0,233 1,117
45 9:56:23 9:56:34 9:57:18 0,733 0,183 0,917
46 9:56:31 9:56:53 9:58:34 1,683 0,367 2,050
47 9:56:40 9:57:22 9:57:46 0,400 0,700 1,100
48 9:57:56 9:58:30 9:59:00 0,500 0,567 1,067
49 10:01:03 10:01:41 10:02:30 0,817 0,633 1,450
50 10:01:40 10:02:05 10:03:38 1,550 0,417 1,967
51 10:02:30 10:02:48 10:04:18 1,500 0,300 1,800
52 10:02:46 10:03:07 10:03:28 0,350 0,350 0,700
53 10:03:06 10:03:48 10:04:41 0,883 0,700 1,583
54 10:04:17 10:04:26 10:05:45 1,317 0,150 1,467
55 10:04:36 10:04:59 10:06:04 1,083 0,383 1,467
56 10:05:30 10:05:58 10:06:42 0,733 0,467 1,200
57 10:05:57 10:06:04 10:06:51 0,783 0,117 0,900
58 10:06:20 10:07:11 10:08:08 0,950 0,850 1,800
59 10:06:58 10:07:20 10:08:00 0,667 0,367 1,033
60 10:07:15 10:07:40 10:08:56 1,267 0,417 1,683
61 10:07:27 10:08:01 10:08:21 0,333 0,567 0,900
62 10:07:49 10:08:12 10:09:08 0,933 0,383 1,317
63 10:07:50 10:08:37 10:09:20 0,717 0,783 1,500
64 10:08:28 10:09:11 10:10:03 0,867 0,717 1,583
65 10:09:15 10:09:21 10:10:10 0,817 0,100 0,917
66 10:10:00 10:10:14 10:11:14 1,000 0,233 1,233
67 10:11:45 10:11:56 10:13:58 2,033 0,183 2,217
68 10:12:08 10:12:11 10:14:20 2,150 0,050 2,200
69 10:13:06 10:13:18 10:14:09 0,850 0,200 1,050
70 10:13:15 10:14:02 10:14:24 0,367 0,783 1,150
71 10:13:35 10:14:20 10:14:57 0,617 0,750 1,367
72 10:14:11 10:14:36 10:15:56 1,333 0,417 1,750
73 10:14:43 10:14:45 10:15:26 0,683 0,033 0,717
74 10:17:17 10:17:30 10:18:11 0,683 0,217 0,900
75 10:17:50 10:18:15 10:19:20 1,083 0,417 1,500
76 10:17:51 10:18:53 10:19:26 0,550 1,033 1,583
77 10:18:40 10:19:28 10:20:09 0,683 0,800 1,483
78 10:19:15 10:19:37 10:20:41 1,067 0,367 1,433
79 10:19:17 10:19:55 10:20:30 0,583 0,633 1,217
80 10:19:53 10:20:45 10:21:35 0,833 0,867 1,700
81 10:20:10 10:20:45 10:21:53 1,133 0,583 1,717
82 10:20:19 10:21:26 10:22:02 0,600 1,117 1,717
83 10:20:41 10:22:05 10:23:49 1,733 1,400 3,133
84 10:22:10 10:22:40 10:23:37 0,950 0,500 1,450
85 10:23:10 10:23:42 10:24:14 0,533 0,533 1,067
86 10:23:19 10:23:51 10:25:12 1,350 0,533 1,883
87 10:23:47 10:24:22 10:26:28 2,100 0,583 2,683
88 10:24:47 10:25:33 10:26:31 0,967 0,767 1,733
89 10:25:27 10:26:30 10:27:06 0,600 1,050 1,650
90 10:25:50 10:27:16 10:28:53 1,617 1,433 3,050
91 10:27:05 10:28:20 10:28:50 0,500 1,250 1,750
92 10:27:59 10:28:54 10:29:36 0,700 0,917 1,617
93 10:28:55 10:29:15 10:29:45 0,500 0,333 0,833
94 10:29:10 10:29:52 10:31:05 1,217 0,700 1,917
95 10:29:28 10:29:53 10:30:29 0,600 0,417 1,017
96 10:30:54 10:30:57 10:32:27 1,500 0,050 1,550
97 10:32:17 10:32:36 10:33:45 1,150 0,317 1,467
98 10:34:11 10:34:20 10:35:07 0,783 0,150 0,933
99 10:34:23 10:34:43 10:36:08 1,417 0,333 1,750
100 10:35:47 10:36:00 10:37:20 1,333 0,217 1,550
101 10:36:03 10:36:21 10:37:19 0,967 0,300 1,267
102 10:36:10 10:37:24 10:38:42 1,300 1,233 2,533
103 10:36:25 10:37:45 10:38:17 0,533 1,333 1,867
104 10:36:37 10:37:47 10:38:43 0,933 1,167 2,100
105 10:37:18 10:38:18 10:38:57 0,650 1,000 1,650
106 10:37:35 10:38:51 10:39:29 0,633 1,267 1,900
107 10:37:38 10:39:35 10:40:07 0,533 1,950 2,483
108 10:38:00 10:40:02 10:41:20 1,300 2,033 3,333
109 10:38:09 10:40:15 10:40:41 0,433 2,100 2,533
110 10:39:29 10:40:56 10:41:43 0,783 1,450 2,233
111 10:40:06 10:41:30 10:42:45 1,250 1,400 2,650
112 10:41:02 10:42:44 10:43:42 0,967 1,700 2,667
113 10:41:20 10:42:51 10:43:30 0,650 1,517 2,167
114 10:42:07 10:43:45 10:44:52 1,117 1,633 2,750
115 10:42:28 10:43:59 10:44:20 0,350 1,517 1,867
116 10:44:02 10:44:28 10:45:21 0,883 0,433 1,317
117 10:44:05 10:44:29 10:45:23 0,900 0,400 1,300
118 10:44:23 10:45:04 10:46:15 1,183 0,683 1,867
119 10:45:09 10:45:37 10:46:10 0,550 0,467 1,017
120 10:45:15 10:45:30 10:46:15 0,750 0,250 1,000
121 10:46:57 10:47:12 10:49:07 1,917 0,250 2,167
122 10:47:09 10:47:42 10:48:40 0,967 0,550 1,517
123 10:47:26 10:47:50 10:48:59 1,150 0,400 1,550
124 10:47:40 10:49:10 10:50:31 1,350 1,500 2,850
125 10:48:17 10:49:42 10:50:29 0,783 1,417 2,200
126 10:48:50 10:49:39 10:50:21 0,700 0,817 1,517
127 10:49:09 10:50:39 10:51:18 0,650 1,500 2,150
128 10:49:27 10:50:41 10:51:16 0,583 1,233 1,817
129 10:50:37 10:51:35 10:52:03 0,467 0,967 1,433
130 10:50:44 10:52:10 10:52:51 0,683 1,433 2,117
64

Lampiran 2

Rekapitulasi Kedatangan Pelanggan


Per-Interval Waktu Lima Menit

Hari/ Tanggal : Kamis, 17 Mei 2007


Waktu : 09:30:00 – 11:10:00

Jumlah
No Interval Kedatangan AIT
Kedatangan
1 09:30:00 - 09:35:00 8 0.625
2 09:35:01 - 09:40:00 5 1.000
3 09:40:01 - 09:45:00 3 1.667
4 09:45:01 - 09:50:00 6 0.833
5 09:50:01 - 09:55:00 6 0.833
6 09:55:01 - 10:00:00 5 1.000
7 10:00:01 - 10:05:00 5 1.000
8 10:05:01 - 10:10:00 6 0.833
9 10:10:01 - 10:15:00 4 1.250
10 10:15:01 - 10:20:00 6 0.833
11 10:20:01 - 10:25:00 4 1.250
12 10:25:01 - 10:30:00 4 1.250
13 10:30:01 - 10:35:00 7 0.714
14 10:35:01 - 10:40:00 2 2.500
15 10:40:01 - 10:45:00 7 0.714
16 10:45:01 - 10:50:00 9 0.556
17 10:50:01 - 10:55:00 1 5.000
18 10:55:01 - 11:00:00 5 1.000
19 11:00:01 - 11:05:00 7 0.714
20 11:05:01 - 11:10:00 0 0.000
65

Rekapitulasi Kedatangan Pelanggan


Per-Interval Waktu Lima Menit

Hari/ Tanggal : Sabtu, 19 Mei 2007


Waktu : 10:30:00 – 11:40:00

Jumlah
No Interval Kedatangan AIT
Kedatangan
1 10:30:00 - 10:35:00 11 0.455
2 10:35:01 - 10:40:00 9 0.556
3 10:40:01 - 10:45:00 8 0.625
4 10:45:01 - 10:50:00 12 0.417
5 10:50:01 - 10:55:00 4 1.250
6 10:55:01 - 11:00:00 7 0.714
7 11:00:01 - 11:05:00 7 0.714
8 11:05:01 - 11:10:00 12 0.417
9 11:10:01 - 11:15:00 7 0.714
10 11:15:01 - 11:20:00 12 0.417
11 11:20:01 - 11:25:00 12 0.417
12 11:25:01 - 11:30:00 9 0.556
13 11:30:01 - 11:35:00 8 0.625
14 11:35:01 - 11:40:00 2 2.500
66

Rekapitulasi Kedatangan Pelanggan


Per-Interval Waktu Lima Menit

Hari/ Tanggal : Senin, 21 Mei 2007


Waktu : 09:15:00 – 10:55:00

Jumlah
No Interval Kedatangan AIT
Kedatangan
1 09:15:00 - 09:20:00 6 0.833
2 09:20:01 - 09:25:00 3 1.667
3 09:25:01 - 09:30:00 7 0.714
4 09:30:01 - 09:35:00 6 0.833
5 09:35:01 - 09:40:00 6 0.833
6 09:40:01 - 09:45:00 5 1.000
7 09:45:01 - 09:50:00 3 1.667
8 09:50:01 - 09:55:00 7 0.714
9 09:55:01 - 10:00:00 5 1.000
10 10:00:01 - 10:05:00 7 0.714
11 10:05:01 - 10:10:00 11 0.455
12 10:10:01 - 10:15:00 7 0.714
13 10:15:01 - 10:20:00 7 0.714
14 10:20:01 - 10:25:00 8 0.625
15 10:25:01 - 10:30:00 7 0.714
16 10:30:01 - 10:35:00 4 1.250
17 10:35:01 - 10:40:00 11 0.455
18 10:40:01 - 10:45:00 8 0.625
19 10:45:00 - 10:50:00 10 0.500
20 10:50:01 - 10:55:00 2 2.500
67

Lampiran 3

Data Waktu Pelayanan (Menit)

Loket 1

17 Mei 2007 19 Mei 2007 21 Mei 2007


0.883 0.933 0.750
0.833 2.183 0.450
1.467 0.833 0.700
0.583 0.500 0.700
1.017 1.033 0.433
0.600 1.083 0.217
0.600 1.017 0.650
0.983 0.383 1.867
0.650 0.567 0.933
0.883 0.650 0.767
1.300 0.483 0.533
0.633 0.533 0.883
1.217 0.500 0.883
0.433 0.750 1.683
0.800 0.883 0.817
0.683 0.967 1.500
1.217 0.533 1.317
1.383 1.117 0.783
0.683 1.400 0.667
1.517 0.817 0.333
0.883 0.750 0.717
0.500 0.783 2.150
0.833 2.600 0.683
0.750 0.383 0.550
0.867 0.917 1.067
0.667 1.267 0.600
1.017 1.150 1.733
0.883 1.567 1.350
0.983 1.417 0.967
1.050 0.450 0.500
0.700 0.633 0.700
0.667 0.600 1.500
1.850 0.683 0.783
0.550 0.500 1.333
1.683 0.833 0.933
1.417 0.967
0.483 0.350
0.900
0.750
0.967
0.783
0.650
0.467
0.683
68

Loket 2

17 Mei 2007 19 Mei 2007 21 Mei 2007


0.717 0.600 0.917
1.467 0.850 0.917
1.967 0.733 0.567
0.950 1.467 1.333
1.950 0.600 0.750
1.733 1.317 1.083
1.733 0.767 2.100
0.583 0.867 0.700
0.617 0.617 0.933
0.767 0.567 0.967
2.383 0.600 0.750
0.517 3.133 1.617
0.733 0.700 0.717
0.367 1.133 0.600
0.450 0.583 0.500
1.317 0.917 1.550
1.183 0.900 1.083
0.983 0.933 1.267
0.867 1.150 0.817
1.450 0.683 2.033
1.283 0.700 0.367
0.917 1.183 1.333
1.350 0.567 0.583
0.983 0.550 1.133
1.083 2.500 0.600
1.100 1.050 0.600
1.100 1.317 1.150
1.267 0.933 0.533
1.050 2.300 0.650
1.417 0.983 1.300
0.850 2.650 1.250
1.150 2.400 0.650
0.750 0.683 1.117
0.600 1.183
0.867 1.150
0.983 1.350
0.800 0.583
0.700
69

Loket 3
17 Mei 2007 19 Mei 2007 21 Mei 2007
0.650 0.533 0.383
0.917 0.950 0.567
0.817 0.750 0.467
1.000 1.250 0.717
0.633 0.417 0.700
0.717 0.683 0.817
0.783 0.650 0.283
0.600 0.433 2.083
0.867 0.717 0.617
0.950 0.550 0.667
0.783 1.317 0.750
0.833 0.750 0.933
0.867 2.417 1.217
0.883 0.583 0.833
1.967 0.500 0.433
1.550 0.483 0.567
0.883 0.883 0.533
1.533 0.767 0.733
0.800 0.867 0.400
0.850 0.500 0.350
2.400 0.600 0.883
2.233 0.683 0.733
0.650 0.750 0.950
1.000 0.733 0.933
1.267 0.500 0.867
0.833 0.600 1.000
0.650 1.083 0.850
1.900 0.433 0.617
2.050 0.350 0.683
0.967 0.967 1.083
0.817 0.683
0.567 0.833
1.683 0.950
0.583 0.533
1.300 2.100
0.967 1.617
1.100 0.500
0.600 1.217
1.517 1.417
0.633 0.967
0.867 1.300
0.783 0.633
0.667 0.533
1.167 0.433
0.550 0.783
0.900 0.883
0.767 0.550
1.917
0.700
70
70

Lampiran 4
Output Arena 5.0

4.1 Distribusi Probabilitas Rata-Rata Waktu Antar Kedatangan

a. Distribusi Probabilitas AIT, Kamis 17 Mei 2007

Distribution Summary
Distribution : Exponential
Expression : 0.11 + EXPO (1.13)
Square Error : 0.017719
Kolmogorov-Smirnov Test
Test Statistic = 0.326
Corresponding p-value = 0.0274
Data Summary
Number of Data Points = 19
Min Data Value = 0.556
Max Data Value =5
Sample Mean = 1.24
Sample Std Dev = 1.01
Histogram Summary
Histogram Range = 0.11 to 5
Number of Intervals =5
71

b. Distribusi probabilitas AIT, Sabtu 19 Mei 2007

Distribution Summary
Distribution : Exponential
Expression : 0.2 + EXPO (0.541)
Square Error : 0.007230
Kolmogorov-Smirnov Test
Test Statistic = 0.33
Corresponding p-value = 0.0771
Data Summary
Number of Data Points = 14
Min Data Value = 0.417
Max Data Value = 2.5
Sample Mean = 0.741
Sample Std Dev = 0.551
Histogram Summary
Histogram Range = 0.2 to 2.71
Number of Intervals =5
72

c. Distribusi probabilitas AIT, Senin 21 Mei 2007

Distribution Summary
Distribution : Exponential
Expression : 0.25 + EXPO(0.676)
Square Error : 0.005835
Chi Square Test
Number of intervals = 2
Degrees of freedom =0
Test Statistic = 0.092
Corresponding p-value< 0.005
Kolmogorov-Smirnov Test
Test Statistic = 0.276
Corresponding p-value = 0.0819
Data Summary
Number of Data Points = 20
Min Data Value = 0.455
Max Data Value = 2.5
Sample Mean = 0.926
Sample Std Dev = 0.502
Histogram Summary
Histogram Range = 0.25 to 2.71
Number of Intervals =5
73

4.2 Distribusi Probabilitas Waktu Pelayanan (ST)

a. Distribusi Probabilitas ST, Kamis 17 Mei 2007


Loket 1

Distribution Summary
Distribution : Erlang
Expression : 0.29 + ERLA (0.211, 3)
Square Error : 0.003437
Chi Square Test
Number of intervals =4
Degrees of freedom =1
Test Statistic = 0.711
Corresponding p-value = 0.426
Kolmogorov-Smirnov Test
Test Statistic = 0.0704
Corresponding p-value > 0.15
Data Summary
Number of Data Points = 37
Min Data Value = 0.433
Max Data Value = 1.85
Sample Mean = 0.923
Sample Std Dev = 0.354
Histogram Summary
Histogram Range = 0.29 to 2
Number of Intervals =6
74

Loket 2

Distribution Summary
Distribution : Beta
Expression : 0.16 + 2.43 * BETA (2.17, 3.32)
Square Error : 0.006488
Chi Square Test
Number of intervals =4
Degrees of freedom =1
Test Statistic = 0.625
Corresponding p-value = 0.451
Kolmogorov-Smirnov Test
Test Statistic = 0.103
Corresponding p-value > 0.15
Data Summary
Number of Data Points = 33
Min Data Value = 0.367
Max Data Value = 2.38
Sample Mean = 1.12
Sample Std Dev = 0.466
Histogram Summary
Histogram Range = 0.16 to 2.59
Number of Intervals =5
75

Loket 3

Distribution Summary
Distribution : Exponential
Expression : 0.42 + EXPO (0.674)
Square Error : 0.014683
Chi Square Test
Number of intervals =3
Degrees of freedom =1
Test Statistic = 1.12
Corresponding p-value = 0.307
Kolmogorov-Smirnov Test
Test Statistic = 0.237
Corresponding p-value = 0.059
Data Summary
Number of Data Points = 30
Min Data Value = 0.6
Max Data Value = 2.4
Sample Mean = 1.09
Sample Std Dev = 0.518
Histogram Summary
Histogram Range = 0.42 to 2.58
Number of Intervals =5
76

b. Distribusi Probabilitas ST, Sabtu 19 Mei 2007


Loket 1

Distribution Summary
Distribution : Exponential
Expression : 0.16 + EXPO (0.746)
Square Error : 0.045365
Chi Square Test
Number of intervals =3
Degrees of freedom =1
Test Statistic = 5.87
Corresponding p-value = 0.0171
Kolmogorov-Smirnov Test
Test Statistic = 0.266
Corresponding p-value = 0.0119
Data Summary
Number of Data Points = 35
Min Data Value = 0.383
Max Data Value = 2.6
Sample Mean = 0.906
Sample Std Dev = 0.483
Histogram Summary
Histogram Range = 0.16 to 2.83
Number of Intervals =5
77

Loket 2

Distribution Summary
Distribution : Beta
Expression : 0.29 + 3.11 * BETA (0.834, 2.47)
Square Error : 0.043792
Chi Square Test
Number of intervals =4
Degrees of freedom =1
Test Statistic = 7.49
Corresponding p-value = 0.00658
Kolmogorov-Smirnov Test
Test Statistic = 0.272
Corresponding p-value < 0.01
Data Summary
Number of Data Points = 38
Min Data Value = 0.55
Max Data Value = 3.13
Sample Mean = 1.08
Sample Std Dev = 0.652
Histogram Summary
Histogram Range = 0.29 to 3.4
Number of Intervals =6
78

Loket 3

Distribution Summary
Distribution : Erlang
Expression : 0.14 + ERLA (0.168, 4)
Square Error : 0.014543
Chi Square Test
Number of intervals =3
Degrees of freedom =0
Test Statistic = 3.37
Corresponding p-value < 0.005
Kolmogorov-Smirnov Test
Test Statistic = 0.106
Corresponding p-value > 0.15
Data Summary
Number of Data Points = 47
Min Data Value = 0.35
Max Data Value = 2.42
Sample Mean = 0.812
Sample Std Dev = 0.379
Histogram Summary
Histogram Range = 0.14 to 2.63
Number of Intervals =6
79

c. Distribusi Probabilitas ST, Senin 21 Mei 2007


Loket 1

Distribution Summary
Distribution : Triangular
Expression : TRIA (0.02, 0.603, 2.35)
Square Error : 0.051528
Chi Square Test
Number of intervals =4
Degrees of freedom =2
Test Statistic = 5.15
Corresponding p-value = 0.0802
Kolmogorov-Smirnov Test
Test Statistic = 0.2
Corresponding p-value = 0.0522
Data Summary
Number of Data Points = 44
Min Data Value = 0.217
Max Data Value = 2.15
Sample Mean = 0.885
Sample Std Dev = 0.428
Histogram Summary
Histogram Range = 0.02 to 2.35
Number of Intervals =6
80

Loket 2

Distribution Summary
Distribution : Triangular
Expression : TRIA (0.19, 0.713, 2.28)
Square Error : 0.012755
Chi Square Test
Number of intervals =4
Degrees of freedom =2
Test Statistic = 1.39
Corresponding p-value = 0.499
Kolmogorov-Smirnov Test
Test Statistic = 0.156
Corresponding p-value > 0.15
Data Summary
Number of Data Points = 37
Min Data Value = 0.367
Max Data Value = 2.1
Sample Mean = 0.993
Sample Std Dev = 0.413
Histogram Summary
Histogram Range = 0.19 to 2.28
Number of Intervals =6
81

Loket 3

Distribution Summary
Distribution : Weibull
Expression : 0.1 + WEIB (0.84, 1.94)
Square Error : 0.027628
Chi Square Test
Number of intervals =5
Degrees of freedom =2
Test Statistic = 6.74
Corresponding p-value = 0.0365
Kolmogorov-Smirnov Test
Test Statistic = 0.141
Corresponding p-value > 0.15
Data Summary
Number of Data Points = 49
Min Data Value = 0.283
Max Data Value = 2.1
Sample Mean = 0.841
Sample Std Dev = 0.414
Histogram Summary
Histogram Range = 0.1 to 2.29
Number of Intervals =7