PENENTUAN JUMLAH TIMBANGAN YANG DIBUTUHKAN

DI ANGKUTAN BARANG DAOP 2 BANDUNG

(STUDI KASUS : PT. KERETA API INDONESIA (PERSERO))

Tjutju Tarliah Dimyati 1), Faridatul Firdaus2),

1&2)
Program Studi Teknik Industri, Fakultas Teknik, Universitas Pasundan
Email2) : Faridatul.firdaus789@gmail.com

ABSTRAK
Penimbangan barang merupakan proses untuk mengetahui jumlah barang yang akan
ditimbang, volume berat barang atau sekadar pengecekan ulang sebelum ketahap proses
berikutnya. Pada hari kerja sering terjadi penumpukkan barang yang melakukan penimbangan di
Angkutan Barang Daop 2 Bandung sehingga banyak barang yang tertunda ditimbang. Oleh
karena itu, dilakukan penelitian secara sistematis untuk menyelesaikan permasalahan tersebut
dengan menggunakan metode teori antrian. Hasil pengumpulan dan pengolahan data didapat
model antrian yang diterapkan yaitu (M/M/S):(FCFS/∞ /∞ ¿. Digit pertama berdistribusi poisson
didapat dari proses pengujian distribusi kedatangan. Digit kedua berdistribusi eksponensial
didapat dari proses pengujian distribusi pelayanan. Digit ketiga menyatakan jumlah server yang
dibutuhkan. Digit keempat menyatakan disiplin pelayanan yang diterapkan yaitu First Come First
Served. Digit kelima menyatakan kapasitas sistem yang tidak terbatas. Digit keenam menyatakan
tidak terbatasnya jumlah pelanggan yang ingin memasuki sistem. Berdasarkan hasil penelitian,
didapat model antrian yang berlaku di Angkutan Barang Daop 2 Bandung yaitu (M/M/2):(FCFS/
∞ /∞ ). Dengan jumlah server timbangan yang dibutuhkan untuk melayani penimbangan barang
yaitu sebanyak dua unit timbangan di Angkutan Barang Daop 2 Bandung.

Kata Kunci : Antrian, Kedatangan, Pelayanan, Penimbangan Barang

1. PENDAHULUAN pada unit usaha Angkutan

Pengangkutan muatan Barang Daop 2 Bandung. Unit
barang menjadi faktor ini menyediakan jasa sewa
pendorong majunya rantai pasok Gerbong Barang dan Gerbong
di Indonesia. Salah satu Barang Hantaran Potongan
perusahaan penyedia jasa (BHP).
pengangkutan barang dan atau Kegiatan pengiriman
penumpang dengan moda kereta muatan barang di Angkutan
api adalah PT. Kereta Api Barang Daop 2 Bandung
Indonesia (Persero). Perusahaan sebelum barang dimuat ke
ini memiliki unit usaha yang gerbong, terlebih dahulu melalui
berfokus pada kegiatan proses penimbangan muatan
pengangkutan pengiriman barang. Kondisi ramainya
muatan barang dengan moda kedatangan barang untuk
kereta api yaitu Angkutan menimbang barang muatannya
Barang. Penelitian ini berfokus yaitu mendekati jam penutupan
 pelayanan antara pukul 15.00 menunggu untuk dirakit dan lain
hingga 17.00 wib. Sehingga sebagainya dan situasi ini
diwaktu tersebut adanya membutuhkan pengeluaran uang
penumpukan barang yang akan dan waktu. Proses Antrian
ditimbang. Hal tersebut memiliki sistem antrian yang
mengharuskan barang terdiri dari empat komponen
menunggu untuk mendapatkan dasar yaitu:
pelayanan penimbangan. Sebab 1) Distribusi Kedatangan
keterbatasan waktu pelayanan, Bentuk kedatangan dinyatakan dalam
barang yang harus ditimbang distribusi probabilitas. Distribusi
pada hari tersebut menjadi probabilitas yang sering digunakan yaitu
tertunda dan dapat dilakukan distribusi poisson, dimana kedatangan
penimbangan pada hari bersifat bebas, tidak terpengaruh oleh
berikutnya. kedatangan sebelum dan sesudahnya.
Maka dari itu, penelitian ini 2) Distribusi Pelayanan
akan dibahas menentukan model Bentuk kedatangan dinyatakan dalam
antrian yang diterapkan dengan distribusi probabilitas. Distribusi
melakukan pengujian terhadap probabilitas yang sering digunakan yaitu
distribusi kedatangan dan distribusi eksponensial, dimana waktu
pelayanan dan menentukan pelayanan bersifat bebas, tidak
jumlah timbangan yang terpengaruh oleh waktu pelayanan
dibutuhkan dengan perhitungan sebelum dan sesudahnya.
model antrian yang sesuai. 3) Kapasitas Sistem
Kapasitas sistem adalah
2. METODOLOGI jumlah maksimum pelanggan
Pada penelitian ini yang dilayani, yang berada di
menggunakan Teori Antrian dalam sistem antrian, yang
yang merupakan teori yang dapat ditampung oleh fasilitas
berkaitan dengan studi pelayanan pada waktu yang
matematis dari antrian-antrian sama.
atau barisan penungguan. 4) Disiplin Antrian
Antrian menunjukkan adanya Kelompok General Discipline dalam
pelanggan menunggu untuk disiplin antrian dinyatakan sebagai
dilayani, mesin menunggu untuk sebagai berikut:
diperbaiki, bagian pekakas
 Pertama Datang Pertama Dilayani pembahasan dan terakhir
atau First Come First Served Kesimpulan dan Rekomendasi
(FCFS). Langkah-langkah dalam
 Yang Terakhir Masuk Pertama Penyelesaian Masalah diawali
Dilayani atau Last Come First dengan melakukan
Served (LCFS). Pengumpulan Data, Uji
 Pelayanan dalam Urutan Acak atau Keseragaman Data, Uji
Service In Random Order (SIRO). Kecukupan Data dan Uji
Kesesuaian Distribusi
Dalam melakukan (Goodness Of Fit Test).
penelitian ini terdapat langkah- Berikutnya melakukan
langkah diawali dengan perhitungan parameter antrian,
Tinjauan kepustakaan mengenai menentukan model antrian,
teori antrian. Kedua, melakukan menentukan jumlah Timbangan
pengamatan lapangan di PT. yang dibutuhkan dengan QM
Kereta Api Indonesia (Persero) for Windows dan langkah
unit Angkutan Barang Daop 2 terakhir yaitu analisis data dan
Bandung. Ketiga, menentukan pembahasan.
objek penelitian adalah antrian Penyelesaian Pengujian
pelayanan penimbangan barang Kesesuaian Distribusi
di unit Angkutan Barang Daop 2 (Goodness Of Fit Test),
Bandung. Keempat, perumusan Langkah pertama yaitu
masalah yaitu menentukan menentukan hipotesis dan
jumlah timbangan yang tingkat ketelitian (α), setelah itu
dibutuhkan sehingga tidak melakukan Statistik Uji Satu
terjadi penumpukan barang Sampel Chi-Square
yang tertunda ditimbang. menggunakan SPSS. Maka
Kelima, penyelesaian masalah didapat hasil dari pengujian
dengan menentukan jumlah tersebut dengan Kriteria
timbangan yang dibutuhkan penerimaan Hipotesis nol yaitu
sehingga antrian barang yang ketika Chi hitung <Chi tabel , dengan
akan ditimbang berkurang dan α =0 , 05 . Sedangkan menolak
tidak terjadi penumpukan hipotesis nol ketika
barang yang tertunda ditimbang. Chi hitung >Chi tabel .
Keenam, analisis dan
3. HASIL DAN PEMBAHASAN penelitian ini menggunakan
3.1 Uji Keseragaman Data tingkat ketelitian sebesar 5%
Uji keseragaman data dan tingkat keyakinan sebesar
dilakukan untuk mengetahui 95%. Data dinyatakan cukup
apakah data hasil pengumpulan jika jumlah pengamatan di
selama pengamatan berasal dari lapangan (N) lebih besar
populasi yang sama. Hasil dibanding jumlah hasil
pengolahan uji keseragaman pengamatan yang diperlukan
data diatas menampilkan (N’).
Gambar 4.1 berupa grafik uji Berikut data untuk pengolahan uji
keseragaman data yaitu sebagai kecukupan data:
berikut: '
N =¿ ¿
¿ 22,061
'
N ≈22
Jumlah data pengamatan
(N) lebih besar dari data
Sumber: Pengolahan data (2022)
pengamatan yang diperlukan
Gambar 4. 1 Grafik Uji Keseragaman
Data (N’). Dapat disimpulkan data

Berdasarkan hasil uji tersebut telah cukup mewakili

keseragaman dapat dilihat populasinya.

bahwa semua rata-rata subgrup 3.3 Uji Kesesuaian Data (Goodness

berada dalam batas kendali atau Of Fit Test)

seragam atau berada dalam Uji kesesuaian distribusi

batas kewajaran, yaitu dibawah digunakan untuk mengetahui

batas kontrol atas (BKA) pola distribusi dari sampel yang

dengan nilai 81,473, di atas telah didapat selama

batas kontrol bawah (BKB) pengamatan dilapangan. Apakah

dengan nilai 64,255. data jumlah kedatangan barang

3.2 Uji Kecukupan Data mengikuti distribusi poisson dan

Uji kecukupan data data waktu penimbangan barang

dilakukan untuk mengetahui mengikuti distribusi

jumlah data pengamatan eksponensial. Pengujian ini

minimum yang dapat digunakan menggunakan alat bantu

dalam penelitian. Pada software yaitu SPSS dengan

 tingkat keyakinan sebesar 95% 2) Jumlah Barang yang Selesai
dan tingkat ketelitian sebesar ditimbang ()
5%. Uji kesesuaian distribusi (1) Menghitung rata-rata jumlah
dalam penelitian ini dilakukan barang yang selesai ditimbang per
dengan uji Chi-Square. menit pada setiap kali
Berdasarkan kedua hasil pengamatan. Untuk data
perhitungan uji distribusi, untuk pengamatan pertama diperoleh
jumlah kedatangan barang hasil sebagai berikut:
mengikuti distribusi poisson jumlah barang yang selesai ditimbang
r1 =
dengan nilai Chi hitung < Chi Waktu penimbangan
Tabel yaitu 81,377 < 101,879 64 koli
r 1=
sehingga dapat dinyatakan 33 menit
bahwa sampel kedatangan r 1 = 1,94 koli/menit
barang berdistribusi poisson. (2) Menghitung rata-rata dari poin
Sedangkan untuk data waktu (1) untuk 67 data pengamatan
penimbangan barang mengikuti sehingga diperoleh hasil sebagai
distribusi eksponensial dengan berikut:
67
nilai Chi hitung < Chi Tabel
yaitu 61,953 < 85,965 sehingga
∑ ri
i=1
μ=
dapat dinyatakan bahwa sampel 67
waktu penimbangan 120 , 21
μ= =1 ,79 koli/menit
67
berdistribusi eksponensial.
atau 107,65 koli/jam.
3.4 Perhitungan Parameter Antrian
Didapat nilai rata-rata jumlah barang
1) Jumlah Kedatangan Barang ()
yang selesai ditimbang sebanyak 107,65
Perhitungan untuk parameter
koli/jam.
kedatangan barang didapat sebagai
3.5 Menentukan Model Antrian
berikut:
Berdasarkan hasil
Total Kedatangan Barang
= pengujian distribusi kedatangan
Total waktu pengamatan
5.902 koli dan pelayanan penimbangan
=
42 ,20 jam barang didapat bahwa model
= 139,86 koli/jam antrian yang diterapkan di

Didapat nilai rata-rata jumlah Angkutan Barang Daop 2

kedatangan barang sebanyak 139,86 Bandung yaitu (M/M/S) :

koli/jam. (FCFS/∞ /∞ ).
3.6 QM for Windows
 QM for Windows didapat yaitu rata-rata utilisasi
digunakan untuk mendapatkan fasilitas atau penggunaan
jumlah server timbangan yang timbangan (probabilitas fasilitas
dibutuhkan dengan sibuk) (U) yaitu 0,65 atau 65%.
menggunakan modul Waiting Hal demikian wajar karena
Lines. Berdasarkan hasil kedatangan yang tidak terjadi
parameter QM for Windows secara terus menerus dilokasi
didapat jumlah timbangan yang penelitian. Rata-rata jumlah
dibutuhkan yaitu sebanyak 2 objek dalam antrian (Lq ) yaitu
server. Berikut menampilkan 0,95 koli/jam atau 1 koli/jam
hasil pada Gambar 3.1 dibawah yang mengantri. Rata-rata
ini. jumlah objek dalam sistem (Ls )
yaitu 2,25 koli/jam atau 2
koli/jam karena terdapat 1 koli
yang dilayani dan 1 koli yang
mengantri. Rata-rata waktu
Gambar 3. 1 Hasil Parameter QM for
objek menunggu dalam antrian
Windows
(W q) yaitu 0,41 menit/koli atau
4. ANALISIS DAN KESIMPULAN
hampir tidak terjadi penungguan
4.1 Analisis
dalam artian barang dapat
Pada penelitian ini,
langsung ditimbang. Rata-rata
didapat hasil perhitungan
waktu objek menunggu dalam
dengan menggunakan software
sistem atau lamanya dari mulai
QM for Windows. Berikut
datang hingga selesai
menampilkan Gambar 4.1 yang
merupakan hasil parameter QM penimbangan (W s) yaitu hanya

for Windows. 57,86 detik/koli. Probabilitas

terdapat 0 objek dalam sebuah
sistem atau kemungkinan bahwa
sistem kosong (P0 ) yaitu 0,21
koli/jam atau tidak terdapat
Gambar 4. 1 Hasil Parameter QM for
Windows barang yang harus ditimbang.

Terlihat bahwa hasil dari Apabila penambahan alat

penambahan server yaitu timbangan tidak dilakukan, yang
sebanyak 2 unit timbangan akan terjadi harus dilakukan
 penjadwalan. Berikut Barang tertunda ditimbang 1371 koli
menampilkan Tabel 4.1
Jumat
Penjadwalan Penimbangan.
Tabel 4. 1 Penjadwalan Penimbangan Kedatangan 2514 koli

Waktu yang tersedia 8 jam

Senin Rata-rata waktu menit/
penimbangan 0.56 koli
Kedatangan barang 1050 koli 1401.
Membutuhkan waktu 41 menit
Waktu yang tersedia 8 jam penimbangan selama
Rata-rata waktu menit/ 36.10 jam
penimbangan 0.56 koli Kekurangan waktu
585.2 penimbangan selama 28.10 jam
Membutuhkan waktu 4 menit
penimbangan selama Barang tertunda ditimbang 3024 koli
9.75 jam
Kekurangan waktu
penimbangan selama 1.75 jam Sabtu
Barang yang tertunda
ditimbang 189 koli Kedatangan 4085 koli

Waktu yang tersedia 8 jam

Selasa Rata-rata waktu menit/
penimbangan 0.56 koli
2277.
Kedatangan 1112 koli Membutuhkan waktu 11 menit
Waktu yang tersedia 8 jam penimbangan selama
66.05 jam
Rata-rata waktu menit/
Kekurangan waktu
penimbangan 0.56 koli
penimbangan selama 58.05 jam
619.7
Membutuhkan waktu 0 menit Barang tertunda ditimbang 6249 koli
penimbangan selama
12.08 jam
Kekurangan waktu
penimbangan selama 4.08 jam Barang yang tertunda tersebut terjadi
Barang tertunda ditimbang 439 koli disetiap hari kerja sehingga untuk
menyelesaikan barang yang tertunda
Rabu
ditimbang akan dilakukan penimbangan
Kedatangan 911 koli
dikemudian harinya. Hal demikian
Waktu yang tersedia 8 jam
Rata-rata waktu menit/ terjadi karena keterbatasan pelayanan
penimbangan 0.56 koli
508.0 penimbangan hingga pukul 17.00 WIB.
Membutuhkan waktu 3 menit
penimbangan selama
12.55 jam Sehingga dari hasil perhitungan
Kekurangan waktu
penimbangan selama 4.55 jam dengan QM for Windows maka model
Barang tertunda ditimbang 490 koli antrian yang berlaku adalah (M/M/2):
(FCFS/∞ /∞ ) dengan jumlah timbangan
Kamis
yang dibutuhkan sebanyak 2 unit
Kedatangan 1743 koli
timbangan.
Waktu yang tersedia 8 jam
Rata-rata waktu menit/
penimbangan 0.56 koli
971.3
Membutuhkan waktu 6 menit
penimbangan selama
20.74 jam
Kekurangan waktu
penimbangan selama 12.74 jam
4.2 Kesimpulan berlaku adalah (M/M/2):(FCFS/∞
1. Berdasarkan pengujian, diperoleh /∞ ). Dari pembahasan
hasil bahwa untuk digit pertama sebelumnya dapat disimpulkan
yaitu kedatangan barang bahwa jika jumlah timbangan
berdistribusi poisson bernotasi tetap satu akan terjadi
(M), digit kedua yaitu waktu penumpukan barang disetiap hari
pelayanan penimbangan barang kerja.
berdistribusi eksponensial
bernotasi (M), digit ketiga yaitu 5. DAFTAR PUSTAKA
jumlah server pelayanan yang Arifin, J. (2017). SPSS 24 untuk
dibuka bernotasi (S), digit Penelitian dan Skripsi. Jakarta:
keempat yaitu disiplin antrian PT. Elex Media Komputindo.
yang berlaku di Angkutan Barang Carter, M. W., Price, C. C., & Rabadi,
Daop 2 Bandung yaitu First G. (2019). Operation Research
Come First Served (FCFS), digit A Practical Introduction (2nd
kelima yaitu kapasitas sistem ed.). taylor & Francis Group.
tidak membatasi jumlah yang Ismail, F. (2017). Statistika untuk
diizinkan bernotasi (∞ ), dan digit Penelitian Pendidikan dan
keenam jumlah pelanggan yang Ilmu-Ilmu Sosial. Palembang:
ingin memasuki sistem sebagai Kencana
sumber bernotasi (∞ ). Maka
Kakiay, T. J. (2004). Dasar Teori
disimpulkan model antrian yang
Antrian untuk Kehidupan
diterapkan di PT. Kereta Api
Nyata. Yogyakarta: Andi.
Indonesia (Persero) Unit
Angkutan Barang Daop 2 Murthy, P. R. (2007). Operations

Bandung yaitu (M/M/S):(FCFS/∞ Research (2nd ed.). New Age

/∞ ). International.

2. Berdasarkan hasil pengolahan Putranto, L. S. (2017). Statistika dan

data menggunakan QM for Probabilitas. Jakarta: PT.
Windows diperoleh jumlah Indeks.
timbangan yang dibutuhkan untuk
Putri, D. (2017). Analisis Model Antrian
digit kedua yaitu (S) di Unit
Telepon untuk Menentukan
Angkutan Barang Daop 2
Jumlah Agent Call Optimal
Bandung yaitu sebanyak dua unit
pada Call Center RPX.
timbangan, sehingga model yang
Brawijaya.
Putri, D. S. (2021). Implementasi Teori single phase (studi kasus: rsud
Antrian dan Simulasi Monte dr. soegiri lamongan).
Carlo pada Jumlah Pasien
Sutalaksana, I. Z. (2006). Teknik
Covid-19 di Kota Batam.
Perancangan Sistem Kerja.
Putri, T. K. (2021). Analisis Minimasi Bandung: ITB.
Biaya Distribusi Udang
Syamsir, H. (2015). Cara Termudah
Menggunakan Linear
Mengaplikasikan Statistika
Programming Berbantu Aplikasi
Nonparametrik. Jakarta: PT
QM For Windows (Studi Kasus
Elex Media Komputindo.
di PT Central Pertiwi Bahari).
46-47. Taha, H. A. (2017). Operations
Research An Introduction (10th
Serlina, L. (2018). Analisis Sistem
ed.). Pearson Education
Antrian Pelanggan Bank Rakyat
Limited.
Indonesia (Bri) Cabang Bandar
Lampung Menggunakan Model Tarliah, T., & Dimyati, A. (2020).
Antrian Multi Channel-Single Operations Research Model-
Phase. Fakultas Tarbiyah Dan Model Pengambilan Keputusan.
Keguruan, UIN Raden Intan Bandung: Sinar Baru
Lampung, 1–78. Algensindo.
Setijadi. (2022). Perkembangan Volume Vendhi Prasmoro, A., Widyantoro, M.,
Pengangkutan Barang dengan & Warniningsih, W. (2020).
Moda Kapal Laut dan Kereta Optimalisasi Pelayanan Dengan
Api Tahun 2020-2021. Metode Antrian Pada SPBU
November 2020. ABC. Jurnal Rekayasa
Shobihah, U. (2020). Analisis sistem Lingkungan, 20(1), 42–51.
antrian pelayanan di loket https://doi.org/10.37412/jrl.v20i
pendaftaran pasien bpjs dengan 1.41
model antrian multi channel