Dosen Pengampu :
Oleh:
Usaha laundry merupakan salah satu usaha yang cukup ramai digunakan saat ini. Di era serba
cepat sekarang ini, masyarakat menginginkan segala aktivitas berlangsung dengan cepat.
Kecepatan dan efisiensi waktu menjadi elemen krusial untuk menjalani kehidupan sehari-hari.
Sebagai salah satu contoh, antrian menjadi salah satu aspek yang membutuhkan kecepatan dan
penghematan waktu. Antrian merupakan kegiatan yang kerap kali dijumpai bukan hanya pada
kegiatan-kegiatan komersial, bahkan pada Clean Laundry yang bergerak dibidang pelayanan
bagi masyarakat juga mengalami hal yang sama. Oleh sebab itu, antrian menjadi salah satu hal
yang perlu diperhatikan dan ditangani dengan baik oleh pemilik usaha dengan melakukan
tindakan antisipasi, karena jika tidak segera terselesaikan, maka masyarakat bisa merasa tidak
terpuaskan dengan pelayanan yang diberikan. Terkait dengan permasalahan tersebut maka
penelitian ini dilakukan dengan tujuan untuk menciptakan model simulasi dari sistem antrian
pelanggan di laundry dengan harapan dapat mengurangi antrian yang terjadi dan mendapatkan
strategi perbaikan sistem, dimana model simulasinya dibuat dengan menggunakan Arena 15.0.
Model simulasi yang dibuat dapat memberikan informasi mengenai jumlah pelanggan yang
dilayani dan jumlah sumber daya pendukung usaha yang perlu ditetapkan. Dari pemodelan
sistem dan analisis yang dilakukan terhadap model simulasi, alternatif perbaikan yang dapat
diusulkan yaitu dengan cara mengimplementasikan sebuah model simulasi yang terfokus pada
optimalisasi sistem pemasaran. Model ini dapat mencakup simulasi antrian yang
memperhitungkan variabel-variabel seperti permintaan pelanggan, waktu siklus mesin cuci,
dan strategi pemasaran. Selain itu penyesuaian kapasitas produksi dan penjadwalan yang lebih
efisien dapat diuji melalui simulasi untuk memastikan bahwa sistem mampu menanggapi
fluktuasi permintaan dengan optimal. Penerapan strategi pemasaran yang cerdas, termasuk
promosi, program keanggotaan (membership), dan pemahaman mendalam terhadap perilaku
pelanggan, diintegrasikan ke dalam model untuk menciptakan solusi holistik yang dapat
meningkatkan kinerja laundry dan mencegah mesin dari keadaan idle yang tidak produktif
BAB 1
PENDAHULUAN
Pada bab ini akan dipaparkan mengenai latar belakang penelitian. Kemudian
akan dijelaskan mengenai rumusan masalah, tujuan penelitian dan batasan penelitian.
1.3 Tujuan
Penentuan tujuan dilakukan agar penelitian dapat memberikan hasil yang
diinginkan. Adapun tujuan dari penelitian ini disebutkan sebagai berikut:
1. Dapat membuat sistem yang relevan dari Clean Laundry.
2. Dapat memodelkan sistem laundry di Clean Laundry.
Dispose
Digunakan untuk mengakhiri pembuatan model
simulasi dengan menampilkan nama pada
dispose yang sesuai dengan model.
Separate
Digunakan untuk pembuat fungsi salinan entity
yang datang dan dijadikan sebagai entities yang
berlipat dari modul batch sebelumnya.
Jenis Modul Keterangan
Record
Digunakan untuk mengumpulkan statistik pada
model simulasi seperti waktu antar keluar, dan
entity waktu.
Entity
Digunakan untuk menampilkan tipe entity dan
memberikan nilai pictures simulasi yang berisi
tentang informasi biaya.
Resource
Digunakan untuk mengetahui jumlah sumber
daya dalam simulasi berdasarkan kemungkinan
kegagalan pada suatu model.
Schedule
Digunakan untuk menginput data yang akan
mengatur jadwal pengoperasian pada modul
resource yang tersedia.g
Set
Digunakan untuk menjelaskan tipe dari sets
seperti resource, counter, tally, entity, type,
entity picture.
BAB 3
HASIL DAN PEMBAHASAN
Pada bab ini menyajikan tentang pelaksanaan pengumpulan data dan
pengolahan data berdasarkan data dan teori yang digunakan.
3. Resources:
Adapun resource dalam usaha laundry yaitu :
a. Tenaga kerja: Karyawan yang terlibat dalam mencuci,
mengeringkan, menyetrika, dan melayani pelanggan.
b. Peralatan: Mesin cuci, pengering, setrika, meja setrika.
4. Kontrol:
Pengendalian dalam usaha laundry sangat penting untuk menjaga
kualitas pelayanan dan efisiensi operasional. Ini mencakup :
a. Pengendalian metode : CK (cuci kering) dan CS (Cuci Setrika)
b. Pengendalian kualitas: Memastikan cucian bersih, rapi, dan tidak
rusak.
c. Pengendalian pelanggan: Pelayanan pelanggan yang baik,
penanganan keluhan, dan umpan balik pelanggan.
Alternatif Distribusi
Aktivitas Gambar
distribusi yang dipilih
Weibull 0.0278
Normal 0.0287
Beta 0.0298
Alternatif Distribusi
Aktivitas Gambar
distribusi yang dipilih
Erlang 0.0299
Exponential
Kedatangan Weibull
0.0299
customer
Gamma 0.0307
Triangular 0.0605
Lognormal
0.0719
Uniform 0.171
Beta 0.211
Gamma 0.29
Exponential 0.298
Erlang 0.298
Weibull 0.305
Lognormal 0.342
Normal 0.364
Triangular 0.416
Beta 0.0101
Gamma 0.0153
Uniform 0.0158
Alternatif Distribusi
Aktivitas Gambar
distribusi yang dipilih
Erlang 0.0174
Triangular 0.0188
Lognormal
0.0194
Exponential
0.0222
Normal 0.0238
Poisson 0.0356
Triangular 0.0378
Beta 0.0434
Uniform 0.0533
Normal 0.0609
Weibull 0.0667
Erlang 0.0752
Lognormal
0.0877
Exponential 0.114
Poisson 0.132
Beta 0.111
Poisson 0.225
Gamma 0.228
Alternatif Distribusi
Aktivitas Gambar
distribusi yang dipilih
Lognormal 0.232
Erlang 0.238
Exponential 0.238
Uniform 0.251
Normal 0.279
Triangular 0.284
Tabel 3.2 diatas berasal dari pengamatan yang menghasilkan 30 data sampel dengan
data waktu kedatangan, selisih waktu kedatangan, waktu proses cuci-kering-setrika-packing,
waktu total proses, waktu selesai (menit), waktu selesai (hari). Data waktu kedatangan berasal
dari pelanggan yang datang setelah pukul 08.00 WIB dalam satuan menit. Untuk data selisih
kedatangan didapatkan dari rentang waktu kedatangan pelanggan pertama dengan waktu
kedatangan pelanggan, begitu juga seterusnya hingga 30 data terpenuhi. Waktu pelayanan
berasal dari lamanya pelanggan terlayani pada proses laundry.
3.2 Pengolahan Data
Di bagian pengolahan data ini menjelaskan tentang flowchart sistem laundry, model
simulasi sistem eksisting dari laundry, validasi model simulasi yang telah dijalankan
menggunakan software Arena 15.0, dan model simulasi sistem yang telah diperbaiki
berdasarkan hasil simulasi sistem eksisting.
Berdasarkan Gambar 3.3 terdapat dua entitas yaitu antara pelanggan dan sistem
dengan tahapan pertama dimulai dari pelanggan datang untuk menggunakan layanan
laundry yang selanjutnya sistem (pegawai) akan mendata untuk nota pakaian pelanggan.
Selanjutnya, pelanggan akan memilih paket layanan dengan dua jenis layanan yaitu cuci-
kering dan cuci-kering-setrika. Pada proses laundry membutuhkan kurang lebih dua hari
kerja hingga tahap pengemasan pakaian. Pada proses pembayaran, pelanggan akan
membayar sesuai dengan tagihan yang diberikan pegawai sebelum menerima barang
laundrynya.
3.2.2 Model Simulasi Sistem Eksisting
1. Simulasi Sistem Eksisting
Berikut adalah simulasi sistem eksisting pada laundry dengan menggunakan software
Arena 15.0 .
Model dilakukan dengan cara melihat animasi pada hasil Arena. Pelanggan datang
untuk menggunakan pelayanan laundry, saat melayani pelanggan memiliki 2 pilihan
metode laundry yaitu Cuci Kering (CK) atau Cuci Setrika (CS). Setelah pelanggan
memilih metode laundry, pelanggan mendapatkan nota dan meninggalkan laundry dan
kembali ke laundry sesuai dengan tanggal selesai pada nota yang diberikan. Apabila sistem
laundry sedang melayani laundry pelanggan (busy) maka terjadi antrian pemrosesan
laundry. Berikut merupakan animasi sistem laundry. Berikut adalah tahapan pembuatan
simulasi kondisi sistem laundry dengan menggunakan software Arena 15.0
1. Modul Kedatangan Pelanggan
Modul kedatangan pelanggan dibuat dengan create. Pelanggan yang datang untuk
menaruh pakaian merupakan entitas. Tipe data kedatangan pelanggan didapatkan dari
pengolahan distribusi data pelanggan pada bab sebelumnya didapatkan jenis distribusi
datanya yaitu Weibull, disediakan pada type Expression. Jumlah entitas per kedatangan
diasumsikan 1 dengan maksimal kedatangan pelanggan adalah 60 orang.
2. Modul Nota
Pada modul ini dibuat dengan separate jenis type duplicate original berjumlah satu
dengan jumlah percent cost to duplicate 0%.
3. Modul Cuci Setrika
Pada modul ini dibuat dengan decide. Type yang digunakan 2-way by change, dengan
percent true 50%.
4. Modul Pengemasan
Pada modul ini dibuat dengan batch jenis type permanent berjumlah satu dengan
kriteria save last criterion. Rule by attribute yang digunakan adalah entity type dengan
representative entity pakaian.
5. Modul Selesai Dispose
Modul ini merupakan titik akhir entitas dalam rancangan model simulasi. Entitas yang
telah selesai melalui model simulasi dapat dihitung dengan data record.
3. Uji Validitas : Pada uji validitas dibutuhkan data sistem nyata sebanyak 18.5812022
atau sekitar 19 menit serta dihasilkan dari rata-rata waktu dalam sistem dari 30 calon
pelanggan di Clean Laundry Surabaya. Sedangkan waktu sistem simulasi dihasilkan
dari 30 kali replikasi melalui output saat running model simulasi, rata-rata waktu dalam
sistem sesuai dengan data di sistem nyata. Berikut adalah hasil uji hipotesis berdasarkan
waktu di sistem nyata dan simulasi menggunakan bantuan Microsoft Excel.
Tabel 3.3 Rata-Rata Waktu Dalam Sistem Nyata dan Waktu Dalam
Sistem Simulasi (30 kali Replikasi)
- 𝐻0 : Data waktu proses pada sistem nyata sama dengan sistem simulasi.
- 𝐻1 : Data waktu proses pada sistem nyata tidak sama dengan sistem simulasi Setelah
hipotesis ditentukan, barulah dapat dilakukan uji t: Paired two sample for means,
dimana pengujian dilakukan dengan bantuan microsoft excel yaitu dengan fitur
“Data analysis”. Outputnya menunjukkan besar mean, variance, observations, t-
stat, sampai dengan t critical two-tail, dimana kedua nilai ini mempunyai artian
sebagai berikut:
1. Jika nilai t stat (t-hitung) lebih besar daripada t critical two-tail (t-tabel) maka
dapat dinyatakan H0 ditolak dan H1 diterima.
2. Sebaiknya jika nilai t stat (t-hitung) lebih kecil daripada t critical two-tail (t-
tabel), maka dapat dinyatakan H0 diterima dan H1 ditolak.
Variable 1 Variable 2
Mean 18.5812022 18.338
Variance 5.22E-29 0.27296834
Observations 30 30
Pearson Correlation -2.54E-15
Hypothesized Mean Difference 0
df 29
t-Test: Paired Two Sample for Means
Variable 1 Variable 2
t Stat 2.54959939
P(T<=t) one-tail 0.00816631
t Critical one-tail 2.46202136
P(T<=t) two-tail 0.01633262
t Critical two-tail 2.7563859
Dari tabel 3.4 diatas menunjukkan bahwa nilai t-stat lebih kecil daripada
nilai t critical two-tail, yang berarti H0 diterima, jadi data waktu proses pada
sistem nyata dapat dikatakan sama dengan waktu sistem simulasi atau model
simulasi sistem eksisting telah melewati uji validitas dan dapat dikatakan valid.
*Time units :
Hours
4 0.4090 18.077 18.486 0.2169 0.0874 0.0393 0.1737 0.0706 0.0172 0.1030
2 3 1 2 5 3 7
19 0.4013 17.99 18.391 0.2550 0.0619 0.0114 0.1983 0.0395 0.0082 0.0863
2 2 1 4 1 8 9
Pada replikasi ke-1 banyak pelanggan yang bisa dilayani mencapai 100% yaitu 60
orang. Hal ini terlihat dari Number In dan Number Out entitas pada simulasi ini yaitu 120,
dimana 120 merupakan 60 nota untuk laundry dan 60 nota untuk pelanggan. Dari nilai wait
time dapat diketahui pelanggan laundry menunggu sebelum dilayani maksimum 17.202 jam.
Dari item total time dapat diketahui lama waktu pegawai melayani pelanggan di kasir minimal
adalah 17.63 jam. Hal ini menunjukkan bahwa pelayanan pelanggan belum efisien karena
waktu tunggu melebihi batas maksimum. Dari adanya waktu tunggu yang tinggi dan melebihi
batas seperti ini dapat mengakibatkan frustrasi bagi pelanggan dan mempengaruhi reputasi
bisnis.
Dari nilai waktu menunggu (waiting time) dapat diketahui lama menunggu di laundry
maksimal 17.202 jam. Dilihat dari tingkat utilisasi mesin yang masih rendah. Sehingga dapat
disimpulkan resource yang tersedia belum efektif.
Mesin Cuci 2 9%
Mesin Cuci 3 3%
Mesin Pengering 2 6%
Mesin Pengering 3 1%
Setrika 11%
Dari tabel diatas dapat diketahui bahwa utilitas mesin cuci, mesin pengering dan setrika
dibawah 50% dimana artinya menunjukkan bahwa mesin-mesin tersebut kurang optimal atau
mesin tersebut tidak berfungsi secara efisien. Oleh karena itu, perlu dilakukan peninjauan dan
pemeliharaan lebih lanjut untuk meningkatkan performa dan memastikan bahwa utilitas mesin
cuci, mesin pengering, dan setrika tersebut dapat mencapai tingkat yang diinginkan.
BAB 4
KESIMPULAN DAN SARAN
Pada bab ini berisikan kesimpulan berdasarkan analisis yang telah diuraikan
pada bab sebelumnya serta saran yang diberikan untuk penelitian lebih lanjut.
4.1 Kesimpulan
Berdasarkan penelitian yang dilakukan, maka dapat ditarik kesimpulan bahwa:
1. Untuk memodelkan alur antrian di Clean Laundry Surabaya dibutuhkan pengumpulan
data selama 1 hari dimulai dari pukul 08.00-20.00 WIB untuk pengisian tabel historis
proses layanan laundry yang mencakup selisih waktu kedatangan, waktu tunggu, dan
waktu proses laundry (cuci, kering, setrika). Simulasi kondisi eksisiting dibuat
menggunakan software Arena 15.0, dilanjutkan dengan uji replikasi untuk menentukan
banyak replikasi (data sampel) yang dibutuhkan sudah mencukupi replikasi minimal
yang diperlukan atau belum, uji verifikasi untuk mengetahui error yang terjadi saat
simulasi dijalankan, dan uji validitas untuk mengetahui waktu sistem nyata sudah sama
atau belum dengan waktu sistem simulasi. Setelah data memenuhi syarat 3 pengujian
tersebut akan dilanjutkan dengan mengusulkan strategi perbaikan berdasarkan output
dari hasil simulasi kondisi eksisting yang memiliki utilitas tinggi.
2. Hasil dari report running menunjukkan bahwa pelayanan pelanggan belum efisien
karena waktu tunggu adalah 17.63 jam dan melebihi batas maksimum yaitu 17.202 jam.
Selain itu tingkat utilisasi mesin masih rendah karena dibawah 50%, sehingga dapat
disimpulkan resource yang tersedia belum efektif.
4.2 Saran
Saran yang dapat diberikan dari penelitian ini adalah:
1. Penelitian lebih lanjut dapat difokuskan pada analisis lebih mendalam terkait
penggunaan teknologi informasi dan sistem manajemen data untuk memantau dan
mengelola permintaan pelanggan secara real-time, serta mendukung pengambilan
keputusan yang lebih cerdas dalam penjadwalan produksi.
2. Penelitian dapat menggali lebih dalam aspek-aspek pemasaran digital dan strategi
promosi online yang dapat diterapkan untuk menarik pelanggan baru dan meningkatkan
keterlibatan pelanggan yang ada