TUGAS MATA KULIAH SIMULASI SISTEM

STUDI KASUS ALFAMART KRUENG GEUKUEH

Dosen Pembimbing :
Dr. Trisna S.T M.Eng

Diusulkan Oleh :
Sylvia Devina Febriyanti 180130001
Indah Salsabilla 180130004
Rizki Wahyuri 180130007
Muhammad Bayu Rahmadi 180130012
Urfan wahyan Wahid 180130039

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNIK UNIVERSITAS MALIKUSSALEH
2020
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT, yang telah melimpahkan rahmat dan
karunia-Nya, sehingga saya dapat menyelesaikan laporan yang berjudul “Tugas
Mata Kuliah Simulasi Sistem Studi Kasus Alfamart Krueng Geukueh” pada mata
Simulasi Sistem dengan lancar. Adapun tujuan dari pembuatan laporan ini adalah
untuk mengetahui dan membuat model antrian menggunakan simulasi software
Arena serta memenuhi tugas kelompok yang telah diberikan oleh Dosen
Pembimbing mata kuliah Simulasi Sistem.
Dengan ini, saya mempersembahkan laporan ini dengan penuh rasa terima
kasih dan semoga Allah SWT, memberkahi laporan ini sehingga dapat memberikan
manfaat bagi pembaca. Saya ucapkan Terima Kasih.

Penulis

i
 DAFTAR ISI

KATA PENGANTAR .......................................................................................................i

DAFTAR ISI ................................................................................................................... ii
BAB I ................................................................................................................................ 1
PENDAHULUAN ............................................................................................................ 1
1.1 Latar Belakang ............................................................................................... 1
1.2 Tujuan ............................................................................................................ 2
BAB II LANDASAN TEORI........................................................................................... 3
2.1 Teori Antrian ................................................................................................. 3
2.1.1 Pengertian Teori Antrian ..................................................................... 3
2.1.2 Karakteristik Sistem Antrian................................................................ 3
2.2 Simulasi Sistem ............................................................................................. 4
2.2.1 Pemodelan Sistem dan Simulasi .......................................................... 4
2.2.2 Model Simulasi Sistem ........................................................................ 5
2.3 Software Arena .............................................................................................. 7
BAB III METODE ........................................................................................................... 9
3.1 Lokasi Pengambilan Data .............................................................................. 9
3.2 Teknik Pengambilan Data .............................................................................. 9
3.3. Tahapan Perancangan Simulasi Sistem ........................................................ 10
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA ......................................... 11
4.1 Pengumpulan Data ....................................................................................... 11
4.2 Pengolahan Data .......................................................................................... 14
4.2.1 Distribusi Data Antar Kedatangan ..................................................... 14
4.2.2 Distribusi Data Pelayanan .................................................................. 15
BAB V PENGUMPULAN DAN PENGOLAHAN DATA........................................... 17
5.1 Gambaran Sistem ......................................................................................... 17
5.2 Pemodelan Sistem Pada Arena..................................................................... 18
5.3 Hasil Simulasi .............................................................................................. 19
5.4 Verifikasi dan Validasi Simulasi .................................................................. 22
5.4.1 Verifikasi ........................................................................................... 22
5.4.2 Validasi Model .................................................................................. 23
5.5 Analisis Hasil Simulasi ................................................................................ 25
5.6 Usulan Perbaikan ......................................................................................... 26

ii
BAB VI KESIMPULAN DAN SARAN
6.1 Kesimpulan .................................................................................................... 27
6.2 Saran .............................................................................................................. 27

DAFTAR PUSTAKA
LAMPIRAN

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Di kehidupan sehari-hari banyak dijumpai kegiatan menunggu, salah
satunya dalam suatu antrian. Menurut Siagan (1987), mengantri merupakan kondisi
dimana sekumpulan orang, komponen atau mesin yang membutuhkan layanan
harus menunggu dalam suatu urutan tertentu sebelum akhirnya memperoleh
layanan dari resource yang tersedia. Mengantri dapat terjadi karena kemampuan
menyelenggarakan layanan lebih kecil dibandingkan dengan kebutuhan layanan.
Dalam kasus ini dapat diambil contoh pada antrian kasir Alfamart Krueng
Geukueh. Alfamart merupakan jasa retail yang menjual berbagai barang kebutuhan
sehari-hari. Karena bergerak di bidang jasa, maka sebuah minimarket harus mampu
melayani pelanggannya dengan cepat dan pelanggan tidak menunggu terlalu lama
atau bahkan tidak menunggu sehingga tidak menimbulkan antrian yang panjang.
Antrian merupakan salah satu fenomena yang terjadi dalam aktifitas sehari-
hari dialami oleh pelanggan. Akibat dari antrian ini banyak pelanggan beralih ke
tempat lain untuk menghindari suatu antrian dan untuk mendapatkan pelayanan
yang lebih maksimal walaupun harus mengeluarkan biaya yang lebih relatif besar.
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 oleh 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).

1
 2

1.2 Tujuan
Adapun tujuan dalam penelitian ini adalah :
1. Untuk mengetahui model antrian kasir Alfamart Krueng Geukueh
menggunakan simulasi software Arena.
2. Untuk membuat simulasi program dari sistem antrian pada kasir Alfamart
Krueng Geukueh.
 BAB II
LANDASAN TEORI

2.1 Teori Antrian

2.1.1 Pengertian Teori Antrian
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).
Antrian terdapat pada kondisi apabila obyek-obyek menuju suatu area untuk
dilayani, namun kemudian menghadapi keterlambatan disebabkan oleh mekanisme
pelayanan mengalami kesibukan. Antrian timbul karena adanya ketidakseimbangan
antara yang dilayani dengan pelayanannya. Tujuan penggunaan teori antrian adalah
untuk adalah untuk merancang fasilitas pelayanan, untuk mengatasi permintaan
pelayanan yang berfluktuasi secara random dan menjaga keseimbangan antara
biaya (waktu nganggur) pelayanan dan biaya (waktu) yang diperlukan selama antri.

2.1.2 Karakteristik Sistem Antrian

Terdapat empat karakteristik system antrian yaitu :
1. Sumber Input
2. Menggambarkan bentuk dan ukuran kedatangan konsumen pada fasilitas
pelayanan yang kedatangannya mungkin saja tidak merata atau dapat
mengikuti pola kedatangan poisson atau pola lain. Ukuran kedatangan
konsumen yaitu jumlah total unit yang memerlukan pelayanan dari waktu
ke waktu disebut juga total langganan potensial.
3. Antrian
4. Karakteristik suatu antrian ditentukan oleh unit maksimum yang boleh ada
didalam sistemnya yang terbatas maupun tidak terbatas.

3
 4

5. Distribusi Pelayanan Distribusi pelayanan berkaitan dengan cara memilih

anggota antrian yang akan dilayani. Bentuk disiplin pelayanan nya dapat
berupa:
a. First Come First Serve (FCFS) atau FIFO adalah system antrian yang
mendahulukan yang dating lebih awal.
b. Last Come First Served (LCFS) atau LIFO, adalah yang datang terakhir
akan lebih dahulu dilayani atau lebih dahulu keluar.
c. Service In Random Order (SIRO) adalah pemanggilan didasarkan pada
peluang secara acak, tidak jadi persoalan siapa yang lebih dahulu
datang.
d. Priority Service (PS) , melayani lebih dahulu orang yang mempunyai
prioritas lebih tinggi ketibang orang yang mempunyai prioritas lebih
rendah.
6. Mekanisme Pelayanan terdiri atas satu atau lebih fasilitas pelayanan yang
masingmasing terdiri dari satu atau lebih saluran pelayanan.

2.2 Simulasi Sistem

2.2.1 Pemodelan Sistem dan Simulasi
Sistem adalah kumpulan obyek yang saling berinteraksi dan bekerja sama
untuk mencapai tujuan logis dalam suatu lingkungan yang kompleks. Obyek yang
menjadi komponen dari system dapat berupa obyek terkecil dan system juga berupa
sub-sistem atau system yang lebih kecil lagi. Dalam definisi ini disertakan elemen
lingkungan karena lingkungan system memberikan peran yang sangat penting
terhadap perilaku system itu. Ada beberapa cara untuk dapat merancang,
menganalisis dan mengoperasikan suatu system. Salah satunya adalah dengan
melakukan pemodelan, membuat model dari system tersebut.
Model Simulasi merupakan penyederhanaan dari system yang akan
dipelajari. Model sangat beragam, system dalam bentuk ikon, analog atau system.
Model ikon meniru system nyatasecara fisik, seperti globe (model dunia),
planetarium (model system ruang angkasa), danlain-lain. Model analog meniru
system hanya dari perilakunya. Model system tidak menirusistem secara fisik, atau
tidak memodelkan perilaku system, tapi memodelkan systemberdasarkan
 5

logikanya. Logika system bervariasi mulai dari intuisi ke bahasa verbal ataulogika
matematik. Karena model analisis simulasi harus dapat diimplementasikan pada
komputer, maka model simulasi harus eksplisit, yaitu harus sebagai model simbolik
palingtidak untuk level aliran logika. Model simbolik dapat diklasifikasikan
menjadi:
1. Model preskriptif vs deskriptif. Model preskriptif: digunakan untuk
mendefinisikan dan mengoptimalkan permasalahan.Model deskriptif:
menggambarkan system berdasarkan perilakunya dan permasalahan
optimasi diserahkan ke analisis berikutnya.
2. Model Simulasi Deterministik vs. Stokastik Model system static: tidak
memiliki komponen system (random).Model stokastik: memiliki komponen
input random, dan menghasilkan output yang random pula.Model statis atau
dinamis. Pembedaan kedua model ini juga didasarkan pada system model.
Jika system model berubah sesuai dengan waktu, maka model digolongkan
sebagai model dinamis.
3. Model loop terbuka vs tertutup.Pengklasifikasian model kedalam bentuk
loop terbuka atau tertutup didasarkan pada struktur model. Pada model
terbuka, output dari model tidak menjadi umpan balik untuk memperbaiki
input. Sebaliknya adalah model loop tertutup.

2.2.2 Model Simulasi Sistem

Representasi dari suatu objek, benda, atau ide-ide dalam bentuk yang
disederhanakan,
1. Model berisi informasi-informasi tentang suatu system yang dibuat dengan
tujuan untuk mempelajari system yang sebenarnya. Model dapat merupakan
tiruan dari suatu benda, system atau kejadian yang sesungguhnya yang
hanya berisi informasi-informasi yang dianggap penting untuk ditelaah.
Tujuan dari studi pemodelan adalah menentukan informasi-informasi yang
dianggap penting untuk dikumpulkan, sehingga tidak ada model yang unik.
2. Model yang baik memiliki beberapa karakteristik:
a. Hanya melibatkan elemen-elemen yang secara langsung terlibat dalam
masalah yang akan dipecahkan.
 6

b. Valid (dengan tepat mewakili/merepresentasikan system sebenarnya).

c. Memberikan hasil yang berarti dan mudah dimengerti.
d. Mudah dimodifikasi dan dikembangkan.
e. Dapat digunakan berulang.

Simulasi yang menggambarkan sebuah system, dengan mengembangkan

sebuah model dari system tersebut dan melakukan sederetan uji coba untuk
memperkirakan perilaku system pada kurun waktu tertentu.
Jenis-jenis Model Simulasi adalah senagai berikut:
1. Model Simulasi dapat diklasifikasikan dengan beberapa cara, yaitu :
a. Model Simulasi Statis adalah representasi system pada suatu waktu
tertentu, atau model yang digunakan untuk merepresentasikan system
dimana waktu tidak mempunyai peranan, contoh simulasi Monte Carlo
(simulasi prilaku system fisika dan matematika). Model Simulasi
Dinamis adalah representasi system sepanjang pergantian waktu ke
waktu, contohnya system conveyor di pabrik.
b. Model Simulasi Deterministik adalah model simulasi yang tidak
mengandung komponen yang sifatnya system static (random) dan
output telah dapat ditentukan begitu sejumlah input dan hubungan
tertentu dimasukkan. Model Simulasi Stokastik adalah model simulasi
yang mengandung input-input system (random) dan output yang
dihasilkan pun sifatnya random.
c. Model Simulasi Kontinue adalah model simulasi dimana state (status)
dari system berubah secara system karena berubahnya waktu
(continuouschange state variables), contohnya simulasi populasi
penduduk. Model Simulasi Diskrit adalah model suatu system dimana
perubahan state terjadi pada satuan-satuan waktu yang diskrit sebagai
hasil suatu kejadian (event) tertentu (discrete-change state variables),
contohnya simulasi antrian.
 7

Simulasi menurut sifat dan waktu adalah sebagai berikut:

a. Simulasi Statis merupakan simulasi model yang menggambarkan suatu
system atau proses yang tidak dipengaruhi oleh waktu atau terjadi pada
saat-saat tertentu saja. Contoh: Simulasi Monte Carlo.
b. Simulasi Dinamis merupakan simulasi model yang dipengaruhi oleh
waktu. Simulasi ini kebalikan dari simulasi statis. Contoh: Simulasi
kedatangan mobil ke dalam jalan tol.
3. Simulasi menurut ada tidaknya perubah acak
a. Simulasi Deterministik merupakan simulasi yang menggambarkan
suatu proses yang pasti terjadi.
b. Simulasi Stokhastik atau Probabilistik. Merupakan simulasi yang
menggambarkan suatu proses yang mengandung unsur ketidakpastian.
4. Simulasi menurut perubah acaknya
a. Simulasi Diskrit merupakan simulasi dari suatu proses yang komponen-
komponen sistemnya bersifat diskrit. Contoh: Simulasi kedatang
pembeli pada supermarket.
b. Simulasi Kontinu merupakan simulasi dari suatu proses yang
komponen-komponen sistemnya bersifat kontinu. Simulasi Campuran
merupakan simulasi dari suatu proses yang komponen-komponen
sistemnya ada yang bersifat diskrit dan ada yang bersifat kontinu.
c. Simulasi Monte Carlo merupakan simulasi yang menggunakan data
empiris sebagai dasar. Diberikan model matematika untuk dipelajari
secara simulasi (sekarang merujuk sebagai model simulasi), kita
kemudian mencari alat-alat utama untuk melakukan simulasi tersebut.
Alat-alat ini berguna untuk tujuan mengklasifikasikan model-model
simulasi dalam 3 dimensi yang berbeda.

2.3 Software Arena

Menurut (Kusuma, 2016) Arena merupakan software yang dapat digunakan
untuk mensimulasikan sebuah penelitian yang bersifat matematik sehingga peneliti
dapat melihat seberapa jauh hasil penelitian yang dilakukan. Software Arena dapat
memberikan kesimpulan dan solusi pada akhir simulasi sehingga dapat memberikan
masukan kepada peneliti kedepannya. Software Arena juga dapat memberikan
 8

sebuah tool desain sehingga peneliti dapat menggambarkan situasi nyata kedalam
software arena.
Berikut beberapa simbol yang digunakan dalam software Arena dapat dilihat
pada Tabel 2.1 sebagai berikut:

Tabel 2.1 Simbol-simbol software Arena

Tombol Nama Fungsi
Membangkitkan kedatangan entiti
Create
dalam simulasi

Dispose Mengeluarkan entiti dari sistem

Process Memproses entiti dalam simulasi

Membuat keputusan berdasarkan satu

Decide
atau beberapa kondisi

Menggabungkan beberapa entiti baik

Batch
bersifatpermanen maupun sementara

Separate Memisahkan entity

Memasukkan nilai baru pada

Assign variable, entityatribute, entity type
atau variable lain pada sistem.
Memunculkan data statistik pada
Record model simulasi,seperti waktu antar
kedatangan
 BAB III
METODE

3.1 Lokasi Pengambilan Data

Lokasi pengambilan data dalam penelitian ini adalah Alfamart Krueng
Geukueh yang berada di Jl. Medan – B. Aceh, Krueng Geukueh, Kecamatan
Dewantara, Kabupaten Aceh Utara.

3.2 Teknik Pengambilan Data

Teknik pengumpulan data adalah suatu prosedur dalam menetukan sumber
data yang telah direncanakan yang berhubungan dengan masalah yang diteliti.
Teknik pengumpulan data yang digunakan dalam penelitian ini adalah sebagai
berikut:
1. Data Primer
Data primer merupakan data-data yang diperoleh melalui pengamatan
langsung dengan bagian yang berkepentingan Alfamart Krueng Geukueh,
dalam hal ini bagian kasir dimana data yang di ambil adalah data waku
kedatangan pelanggan dan waktu selesai pelanggan di layani
2. Data Sekunder
Data sekunder merupakan data yang diperoleh secara tidak langsung dan
dari sumber – sumber lain, data yang telah diperoleh dan dicatat oleh pihak
lain yaitu dari buku maupun jurnal yang berhubungan dengan sistem antrian
yang digunakan untuk memecahkan masalah.

9
 10

3.3. Tahapan Perancangan Simulasi Sistem

Berikut flowchart pada tahapan perancangan simualsi sistem dapat dilihat
pada Gambar 3.1 berikut ini:

Gambar 3.1 Flowchart Perancangan Simulasi

 11

BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Pengumpulan Data

Adapun data yang di peroleh dari hasil pengamatan pada Alfamart Krueng
Geukueh adalah sebagai berikut:
Tabel 4.1 Data Pengamatan Tingkat Kedatangan Pelanggan Alfamart
Krueng Geukueh di Kasir 1
Waktu Waktu
Waktu Waktu
Kedatangan Waktu memilih Waktu antar
NO memilih Pelayanan
Pelanggan Pelayanan barang Kedatangan
barang (menit)
(barang) (menit)
1 8:30:24 AM 0:06:01 0:06:57 6.02 6.95 0.00
2 8:43:34 AM 0:08:11 0:04:36 8.18 4.60 13.17
3 8:50:15 AM 0:09:47 0:03:09 9.78 3.15 6.68
4 8:54:16 AM 0:08:47 0:07:53 8.78 7.88 4.02
5 9:00:52 AM 0:08:26 0:05:07 8.43 5.12 6.60
6 9:05:04 AM 0:10:30 0:04:23 10.50 4.38 4.20
7 9:07:02 AM 0:12:29 0:05:21 12.48 5.35 1.97
8 9:08:16 AM 0:09:24 0:00:00 9.40 0.00 1.23
9 9:08:20 AM 0:12:22 0:04:50 12.37 4.83 0.07
10 9:14:10 AM 0:14:48 0:06:20 14.80 6.33 5.83
11 9:14:37 AM 0:06:33 0:04:35 6.55 4.58 0.45
12 9:19:17 AM 0:13:01 0:00:00 13.02 0.00 4.67
13 9:28:20 AM 0:14:22 0:07:01 14.37 7.02 9.05
14 9:29:22 AM 0:15:50 0:05:08 15.83 5.13 1.03
15 9:34:51 AM 0:14:29 0:00:00 14.48 0.00 5.48
16 9:38:12 AM 0:13:43 0:03:45 13.72 3.75 3.35
17 9:40:42 AM 0:06:38 0:08:41 6.63 8.68 2.50
18 9:41:51 AM 0:15:56 0:07:25 15.93 7.42 1.15
19 9:48:12 AM 0:14:40 0:09:02 14.67 9.03 6.35
20 9:56:12 AM 0:08:07 0:06:15 8.12 6.25 8.00
21 9:56:53 AM 0:09:41 0:04:46 9.68 4.77 0.68
22 10:01:47 AM 0:10:12 0:03:32 10.20 3.53 4.90
23 10:03:18 AM 0:14:43 0:08:26 14.72 8.43 1.52
24 10:05:55 AM 0:12:19 0:00:00 12.32 0.00 2.62
25 10:06:56 AM 0:06:46 0:06:20 6.77 6.33 1.02
26 10:09:17 AM 0:09:58 0:07:43 9.97 7.72 2.35
27 10:15:17 AM 0:05:34 0:08:29 5.57 8.48 6.00
28 10:16:51 AM 0:10:07 0:05:35 10.12 5.58 1.57
29 10:17:13 AM 0:08:59 0:00:00 8.98 0.00 0.37
30 10:38:47 AM 0:14:36 0:05:30 14.60 5.50 21.57
31 10:41:29 AM 0:07:42 0:08:36 7.70 8.60 2.70
32 10:43:39 AM 0:13:08 0:06:20 13.13 6.33 2.17
33 10:52:18 AM 0:05:31 0:00:00 5.52 0.00 8.65
34 11:04:52 AM 0:15:26 0:08:16 15.43 8.27 12.57
 12
Waktu Waktu
Waktu Waktu
Kedatangan Waktu memilih Waktu antar
NO memilih Pelayanan
Pelanggan Pelayanan barang Kedatangan
barang (menit)
(barang) (menit)
35 11:05:40 AM 0:07:09 0:09:27 7.15 9.45 0.80
36 11:13:39 AM 0:06:55 0:03:15 6.92 3.25 7.98
37 11:13:41 AM 0:09:42 0:07:50 9.70 7.83 0.03
38 11:15:35 AM 0:14:26 0:00:00 14.43 0.00 1.90
39 11:18:55 AM 0:05:07 0:08:17 5.12 8.28 3.33
40 11:25:34 AM 0:09:40 0:05:22 9.67 5.37 6.65
41 11:29:30 AM 0:09:05 0:03:53 9.08 3.88 3.93
42 11:42:11 AM 0:13:04 0:00:00 13.07 0.00 12.68
43 11:44:28 AM 0:06:41 0:06:29 6.68 6.48 2.28
44 11:53:42 AM 0:08:58 0:07:23 8.97 7.38 9.23
45 12:06:37 PM 0:15:46 0:04:54 15.77 4.90 12.92
46 12:07:01 PM 0:15:46 0:00:00 15.77 0.00 0.40
47 12:13:14 PM 0:10:08 0:08:59 10.13 8.98 6.22
48 12:17:04 PM 0:08:20 0:03:29 8.33 3.48 3.83
49 12:18:26 PM 0:09:44 0:08:34 9.73 8.57 1.37
50 12:23:00 PM 0:14:29 0:03:35 14.48 3.58 4.57
51 12:27:54 PM 0:15:01 0:09:58 15.02 9.97 4.90
52 12:30:16 PM 0:07:36 0:07:41 7.60 7.68 2.37
53 12:30:51 PM 0:06:15 0:04:31 6.25 4.52 0.58
54 12:44:36 PM 0:15:34 0:05:27 15.57 5.45 13.75
55 1:01:40 PM 0:05:52 0:08:10 5.87 8.17 17.07
56 1:04:31 PM 0:11:50 0:00:00 11.83 0.00 2.85
57 1:07:35 PM 0:09:30 0:06:12 9.50 6.20 3.07
58 1:08:32 PM 0:13:29 0:08:21 13.48 8.35 0.95
59 1:12:40 PM 0:07:03 0:04:35 7.05 4.58 4.13
60 1:13:30 PM 0:14:29 0:07:25 14.48 7.42 0.83
61 1:13:53 PM 0:09:58 0:05:55 9.97 5.92 0.38
62 1:17:38 PM 0:07:24 0:09:48 7.40 9.80 3.75
63 1:28:45 PM 0:05:26 0:06:33 5.43 6.55 11.12
64 1:35:14 PM 0:13:48 0:09:21 13.80 9.35 6.48
65 1:38:35 PM 0:12:08 0:07:45 12.13 7.75 3.35
66 1:40:32 PM 0:09:27 0:00:00 9.45 0.00 1.95
67 1:40:57 PM 0:12:31 0:06:56 12.52 6.93 0.42
68 1:42:24 PM 0:14:58 0:08:46 14.97 8.77 1.45
69 1:43:30 PM 0:13:42 0:05:42 13.70 5.70 1.10
70 1:44:14 PM 0:12:36 0:09:36 12.60 9.60 0.73
71 1:44:36 PM 0:09:03 0:05:56 9.05 5.93 0.37
72 1:50:54 PM 0:08:14 0:03:50 8.23 3.83 6.30
73 1:54:13 PM 0:15:51 0:09:10 15.85 9.17 3.32
74 1:55:25 PM 0:10:01 0:06:41 10.02 6.68 1.20
75 1:55:46 PM 0:15:03 0:05:24 15.05 5.40 0.35
76 1:58:06 PM 0:12:38 0:08:57 12.63 8.95 2.33
77 2:12:25 PM 0:08:33 0:07:04 8.55 7.07 14.32
78 2:20:43 PM 0:10:46 0:04:05 10.77 4.08 8.30
79 2:21:04 PM 0:12:35 0:09:57 12.58 9.95 0.35
80 2:25:05 PM 0:07:01 0:04:25 7.02 4.42 4.02
81 2:27:55 PM 0:15:51 0:08:45 15.85 8.75 2.83
 13
Waktu Waktu
Waktu Waktu
Kedatangan Waktu memilih Waktu antar
NO memilih Pelayanan
Pelanggan Pelayanan barang Kedatangan
barang (menit)
(barang) (menit)
82 2:36:34 PM 0:13:15 0:08:02 13.25 8.03 8.65
83 2:37:19 PM 0:05:25 0:07:02 5.42 7.03 0.75
84 2:40:21 PM 0:10:32 0:05:59 10.53 5.98 3.03
85 2:49:03 PM 0:15:36 0:05:34 15.60 5.57 8.70
86 2:49:08 PM 0:05:07 0:03:57 5.12 3.95 0.08
87 2:52:32 PM 0:11:55 0:04:51 11.92 4.85 3.40
88 2:56:38 PM 0:05:59 0:06:04 5.98 6.07 4.10
89 2:58:53 PM 0:14:36 0:03:07 14.60 3.12 2.25
90 3:06:30 PM 0:11:20 0:06:02 11.33 6.03 7.62
91 3:06:59 PM 0:13:27 0:07:05 13.45 7.08 0.48
92 3:11:37 PM 0:12:14 0:09:31 12.23 9.52 4.63
93 3:16:16 PM 0:12:24 0:06:19 12.40 6.32 4.65
94 3:16:45 PM 0:06:39 0:03:53 6.65 3.88 0.48
95 3:17:15 PM 0:15:44 0:09:29 15.73 9.48 0.50
96 3:25:47 PM 0:06:43 0:04:07 6.72 4.12 8.53
97 3:27:31 PM 0:12:40 0:09:19 12.67 9.32 1.73
98 3:29:10 PM 0:08:54 0:07:10 8.90 7.17 1.65
99 3:34:53 PM 0:12:51 0:09:40 12.85 9.67 5.72
100 3:36:40 PM 0:11:21 0:06:39 11.35 6.65 1.78
101 3:36:41 PM 0:08:16 0:08:02 8.27 8.03 0.02
102 3:40:08 PM 0:11:12 0:03:15 11.20 3.25 3.45
103 3:44:45 PM 0:10:40 0:07:48 10.67 7.80 4.62
104 3:45:22 PM 0:13:10 0:09:00 13.17 9.00 0.62
105 3:47:08 PM 0:10:28 0:07:41 10.47 7.68 1.77
106 3:48:06 PM 0:11:48 0:09:10 11.80 9.17 0.97
107 3:52:48 PM 0:07:47 0:08:32 7.78 8.53 4.70
108 3:55:25 PM 0:12:15 0:07:52 12.25 7.87 2.62
109 4:11:34 PM 0:05:32 0:03:05 5.53 3.08 16.15
110 4:12:38 PM 0:09:15 0:09:15 9.25 9.25 1.07
111 4:15:10 PM 0:08:19 0:09:25 8.32 9.42 2.53
112 4:17:18 PM 0:14:45 0:05:08 14.75 5.13 2.13
113 4:18:26 PM 0:05:56 0:08:25 5.93 8.42 1.13
114 4:18:27 PM 0:05:03 0:03:11 5.05 3.18 0.02
115 4:25:44 PM 0:14:40 0:08:42 14.67 8.70 7.28
116 4:29:04 PM 0:12:44 0:07:54 12.73 7.90 3.33
117 4:36:41 PM 0:07:01 0:05:48 7.02 5.80 7.62
118 4:40:00 PM 0:10:55 0:03:36 10.92 3.60 3.32
119 4:43:36 PM 0:14:13 0:06:48 14.22 6.80 3.60
120 4:43:40 PM 0:12:02 0:06:49 12.03 6.82 0.07
121 4:47:00 PM 0:13:33 0:06:27 13.55 6.45 3.33
122 5:01:37 PM 0:11:34 0:03:53 11.57 3.88 14.62
123 5:11:48 PM 0:05:23 0:08:40 5.38 8.67 10.18
124 5:12:54 PM 0:07:23 0:09:42 7.38 9.70 1.10
125 5:15:23 PM 0:15:10 0:05:33 15.17 5.55 2.48
126 5:27:28 PM 0:12:50 0:06:26 12.83 6.43 12.08
127 5:36:16 PM 0:11:51 0:07:32 11.85 7.53 8.80
128 5:45:16 PM 0:14:14 0:08:18 14.23 8.30 9.00
 14
Waktu Waktu
Waktu Waktu
Kedatangan Waktu memilih Waktu antar
NO memilih Pelayanan
Pelanggan Pelayanan barang Kedatangan
barang (menit)
(barang) (menit)
129 5:52:04 PM 0:10:19 0:07:13 10.32 7.22 6.80
130 5:56:51 PM 0:13:22 0:04:18 13.37 4.30 4.78
131 6:00:59 PM 0:15:59 0:09:39 15.98 9.65 4.13
132 6:06:23 PM 0:15:40 0:09:56 15.67 9.93 5.40
133 6:06:23 PM 0:13:57 0:04:27 13.95 4.45 0.00

TABEL 4.2 Data Pengamatan Tingkat Kedatangan Pelanggan

Alfamart Krueng Geukueh di Kasir 2
Waktu
Waktu Waktu Waktu
NO antar
kedatangan Pelayanan Pelayanan(menit)
Kedatangan
1 9:19:24 AM 0:09:20 9.33 9.33
2 9:33:34 AM 0:07:59 7.98 7.98
3 9:40:03 AM 0:08:40 8.67 8.67
4 9:49:36 AM 0:06:30 6.50 6.50
5 10:25:35 AM 0:09:36 9.60 9.60
6 10:31:19 AM 0:07:33 7.55 7.55
7 11:02:42 AM 0:06:48 6.80 6.80
8 11:22:59 AM 0:09:53 9.88 9.88
9 11:41:17 AM 0:10:01 10.02 10.02
10 12:13:43 PM 0:08:26 8.43 8.43
11 1:14:48 PM 0:08:19 8.32 8.32
12 1:17:00 PM 0:09:11 9.18 9.18
13 1:22:23 PM 0:05:31 5.52 5.52
14 1:43:39 PM 0:07:34 7.57 7.57
15 2:02:23 PM 0:08:59 8.98 8.98
16 2:13:05 PM 0:06:04 6.07 6.07
17 2:45:31 PM 0:09:47 9.78 9.78
18 2:50:10 PM 0:07:00 7.00 7.00
19 2:57:11 PM 0:07:32 7.53 7.53
20 3:30:31 PM 0:06:51 6.85 6.85
21 3:47:57 PM 0:08:52 8.87 8.87
22 4:37:10 PM 0:05:29 5.48 5.48
23 4:52:17 PM 0:06:50 6.83 6.83
24 5:02:40 PM 0:05:09 5.15 5.15

4.2 Pengolahan Data

4.2.1 Distribusi Data Antar Kedatangan
Data waktu antar kedatangan selanjutnya diolah menggunakan software
Arena untuk dicari distribusinya. Waktu antar kedatangan setiap pelanggan
menunjukkan hasil uji distribusi seperti pada Gambar 4.1 sebagai berikut:
 15

Gambar 4.1 Distribusi Waktu kedatangan pelanggan barang

Dengan Distribution Summary pada Gambar 4.2 berikut:

Gambar 4.2 Distribution Summary Waktu Kedatangan Pelanggan Barang

 16

Gambar 4.3 Distribusi Waktu kedatangan Pelanggan Top Up

Gambar 4.4 Distribution Summary Waktu Kedatangan Pelanggan Top Up

 17

4.2.2 Distribusi Data Memilih Barang

Data waktu memilih barang selanjutnya diolah menggunakan software Arena untuk
dicari distribusinya. Waktu memilih barang setiap pelanggan menunjukkan hasil uji
distribusi seperti pada Gambar 4.3 sebagai berikut:

Gambar 4.5 Distribusi Waktu Pelanggan Memilih Barang

Gambar 4.6 Distribution Summary Waktu Pelanggan Memilih Barang

 18

4.2.3 Distribusi Data Pelayanan

Data waktu pelayanan selanjutnya diolah menggunakan software Arena
untuk dicari distribusinya. Waktu antar kedatangan setiap pelanggan menunjukkan
hasil uji distribusi seperti pada Gambar 4.3 sebagai berikut:

Gambar 4.7 Distribusi Waktu Pelayanan Pelanggan Barang

Dengan Distribution Summary pada Gambar 4.4 berikut:

Gambar 4.8 Distribution Summary Waktu Pelayanan Pelanggan Barang

 19

Gambar 4.9 Distribusi Waktu Pelayanan Pelanggan Top Up

Gambar 4.10 Distribution Summary Waktu Pelayanan Pelanggan Top Up

 BAB V
PENGUMPULAN DAN PENGOLAHAN DATA

5.1 Gambaran Sistem

Adapun gambaran sistem antrian pada kasir di alfamart Krueng Geukuh di
tampilkan dalam bentuk flowchart pada Gambar 5.1 sebagai berikut:

Gambar 5.1 Flowchart Sistem Antrian

17
 18

5.2 Pemodelan Sistem Pada Arena

Pada tahap ini dilakukan pembuatan model simulasi dari kondisi sebenarnya
(real case) pada sofware Arena dengan ketentuan jam kerja dimulai pada jam 10.00
s/d 18.00 dan repikasi sebanyak 5 kali yang dapat dilihat pada Gambar 5.2 sebagai
berikut:

Gambar 5.2 Model Simulasi Real Case

Pada Model tersebut tingkat kedatangan menggunakan distribusi Weibull

dengan nilai beta ( ) 280 dan nilai alpha ( ) 1,28 dengan satuan waktu detik dan
entitas per kedatangan adalah satu serta maksimal kedatangan tidak terbatas. Untuk
tingkat pelayanan menggunakan distribusi Uniform dengan nilai minimum 138, dan
nilai maksimum 302.
Agar lebih jelas dapat dilihat pada Gambar 5.3 dan 5.4 sebagai berikut:

Gambar 5.3 Setup Tingkat Kedatangan pelanggan

 19

Gambar 5.4 Setup Tingkat Pelayan Barang Model Awal

Gambar 5.5 Setup Tingkat Pelayan Top up Model Awal

 20
5.3 Hasil Simulasi
Hasil dari proses simulasi pada model (real case) sebelumnya dapat dilihat
pada gambar di bawah.

Gambar 5.6 Output Halaman 1 model awal

 21

Gambar 5.7 Output Halaman 2 model awal

 22

Gambar 5.8 Output Halaman 3 model awal

 23

Gambar 5.9 Output Halaman 4 model awal

 24

Gambar 5.10 Output Halaman 5 model awal

 25

Gambar 5.11 Output Halaman 6 model awal

 26

5.4 Verifikasi dan Validasi Simulasi

5.4.1 Verifikasi
Adapun proses verifikasi pada model real case diatas dilakukan dengan 3
cara, pertama melakukan cek model dengan fitur pada Arena, kedua dengan melihat
animasi apakah animasi menunjukkan bahwa simulasi berjalan sesuai kondisinyata,
dan ketiga melihat output yang di hasilkan apakah logis atau tidak.
1. Verifikasi Pertama
Melakukan cek model dengan fitur pada Arena berikut hasil cek model
tersebut pada Gambar 5.8 sebagai berikut:

Gambar 5.12 Verifikasi Pertama

Dapat dilihat bahwa model tidak memiliki error apapun sehingga dapat di
jalankan.
2. Verifikasi Kedua
Dengan melihat animasi apakah animasi menunjukkan bahwa simulasi
berjalan sesuai kondisi nyata atau tidak yang dapat dilihat pada Gambar 5.9
sebagai berikut:
 27

Gambar 5.13 Verifikasi Kedua

Dapat dilihat bahwa model yang dijalakan tersebut merepresentasikan
sistem nyata di lapangan, dimana pelanggan datang kemudian berbelanja,
setelahnya menuju stasiun pembayaran dan melakukan pembayaran jika
kasir penuh maka pelanggan akan mengantri, setelah proses pembayaran
selesai pelangga menuju pintu keluar.

5.4.2 Validasi Model

Untuk menguji valid atau tidak nya suatu model yang disimulasikan maka
perlu di lakukan uji validasi model sebagai berikut.
Diketahui:
 28

Total Waktu
Tiga Kali Replikasi
Menit
Rata-Rata 12,14
Standar Deviasi 0,19
Variasi 0,06

n : 4 Replikasi
n-1 :3
confidence interval : 95%
Α : 5%
maka Zα/2 = Z0,05/2 = Z0,025 : 1,96
tn-1,α/2 = t4,0,025 : 4,18
maka, untuk memperoleh Half Width digunakan persamaan di bawah ini:
(t ) s
hw =
n−1,α/2

hw =
(4,18) 0,06
4
hw = 0,1254
Jadi untuk memperoleh jumlah replikasi minimal maka di gunakan
persamaan di bawah ini:
(Z ) s 
n' =  α/2 
 β, 

(1,96) 0,06
n' =
 0,1254 
 
n' =0,94  1
Dari perhitungan yang dilakukan tersebut maka di ketahui jumlah minimal
replikasi yang dilakukan adalah sebanyak kali replikasi.
Selanjutnya adalah menguji apakah model valid atau tidak dapat dilkaukan
uji t
H0 : μ1 = μ2
H0 : μ1 ≠ μ2
H0 diterima jika − t (n-1),α/2  t 0  t (n-1),α/2
 29

H0 ditolak jika − t (n-1),α/2  t 0 atau t 0  t (n-1),α/2

s
sx =
x
n 4
0,06
sx =
4
sx = 0,03
Maka,

x
t0 =
sx
t0 = 12,14/0,03
t 0 = 404.5
Maka dapat disimpulkan H0 diterima karena -2,78 < 404,5 < 2,78, sehingga
model dinyatakan valid.

5.5 Analisis Hasil Simulasi

Dari hasil simulasi dapat dianalisis bahwa, proses pembelian barang mulai
dari memelihin barang dan membayar menghabiskan waktu rata-rata 16,4 menit
sedangkan proses pembayaran seperti top up menghabiskan waktu rata-rata 7,9
menit.
Dalam sistem yang disimulasikan selama 10 jam dari jam 08.00 s/d 18.00
dengan replikasi simulasi sebanyak 4 kali diperoleh pelanggan yang masuk ke
dalam swalayan untuk berbelanja adalah 132 orang dan untuk pembayaran 78 orang
sedangkan yang selesai di layani untuk proses pembayaran belanja adalah 103 orang
dan untuk proses seperti top up adalah 74 orang terdapat WIP masing-masing
sebesar 16 dan 2.
Dari sisi kinerja dapat dilihat bahwa utilitas pekerja 1 adalah 0,9904 dari
1,000 dan pekerja 2 adalah 0,9680, sedangkan fasilitas yang sering di kunjungi
pengunjung untuk belanja adalah kulkas 1 dan rak 3.
 30

5.6 Usulan Perbaikan

Berdasarkan hasil analisis diatas dapat dilihat masih terdapat antrian pada
kasir atau stasiun pembayaran, dimana dalam hal ini tentunya mebuat pelanggan
tidak nyaman bila untuk membeli barang sehari-hari saja terdapat antrian yang
menghabiskan waktu pelanggan sehingga di usulkan untuk membuat 2 stasiun
pembayaran yang di modelkan pada Gambar 5.11 berikut:

Gambar 5.11 Model Simulasi Usulan

Berikut perbandingan hasil simulasi model Real Case dengan model Usulan:
1. Pelanggan yang terlayani di model Real Case = 178 orang; Pelanggan yang
terlayani di model Usulan = 209 orang.
2. Rata-rata waktu tunggu kasir di model Real Case = 12,4 menit (1 kasir);
Rata-rata waktu tunggu di model Usulan = 8,09 menit(2 kasir).
3. Rata-rata utilitas pegawai kasir di model Real Case = 0,9904; Rata-rata
utilitas pegawai di model Usulan = 0,7052 (pegawai 1); 0,5762 (pegawai 2)
 BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan
Kesimpulan dari pengamatan kami mengenai sistem antrian
pada kasir alfamart krueng geukuh adalah sebagai berikut:
1. Dari hasil pengolahan data diperoleh bahwa data waktu kedatangan
pelanggan berdistribusi expo(4,33) dan beta(1,26; 1,19) sedangkan belanja
berdistribusi beta(0,984; 0,853) dan waktu pelayanan pada kasir dan bagian
pembayaran seperti top up sebagainya berdistribusi masing-masing
beta(1,43; 0,898); beta(1,26; 1,19).
2. Dari hasil simulasi pertama didapatkan rata – rata waktu untuk
menyelesaikan transaksi belanja adalah 16,4 menit dan top up adalah 7,9
menit dengan antrian pada masing-masing adalah 7 orang dan 6 orang.
Kemudian kami mengusulkan untuk membuat 2 kasir pada bagian
pembayaran sehingg jumlah antrian pada hanya tinggal 0,4 orang atau 0
orang dan 1,4 orang atau 2 orang.

6.2 Saran
Adapun masukan atau saran dari tugas ini mengenai sistem antrian adalah
sebagai berikut:
1. Menambah jumlah kasir untuk mengurangi waktu antrian.
2. Melakukan pengamatan dengan didampingi pemilik swalayan/toko agar
dapat bebas mengambil data dan dokumentasi.

27
 DAFTAR PUSTAKA

Hardiyatno, A. (2007). Usulan Perancangan Sistem Antrian dan Jumlah Kasir di Swalayan
Luwes dengan Metode Simulasi . Surakarta: Universitas Sebelah Maret.

Murti, K. B., Sulistya, L. D., & Liquiddanu, E. (2018). Simulasi Model Antrian Kasir
Alfamart Pucang Sawit Menggunakan Software Arena.

Purnasar, D. A., Wijayanti, C. I., & Liquinddanu, E. (2018). Simulasi Pelayanan Antrian
Kasir Minimarket REA 1
LAMPIRAN