TUGAS BESAR

SIMULASI SISTEM INDUSTRI

“CLEAN LAUNDRY”

Dosen Pengampu :

Abduh Sayid Albana, S.T., M.T., M.Sc., P.hD.

Oleh:

Meidina Nabila 1203200089

Aurelia Rizka Putri 1203200006
Divazanna Ilaritzqi 1203200012
Putri Dwi Indah R . 1203200057
Rahmatyah Rezkita P 1203200103

FAKULTAS REKAYASA INDUSTRI

TELKOM UNIVERSITY SURABAYA
2023
 ABSTRAK

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.

1.1 Latar Belakang

Bagi sebagian individu, usaha laundry mungkin tidak terlihat menarik. Namun,
dengan semakin banyaknya usaha serupa yang bermunculan, ini menjadi bukti bahwa
usaha laundry masih memiliki potensi yang sangat menjanjikan hingga saat ini.
Khususnya bagi banyak orang yang tinggal di wilayah perkotaan dan kaum urban
dengan jadwal kegiatan yang padat, mencuci pakaian bukan lagi suatu rutinitas karena
mereka tidak memiliki waktu untuk melakukannya sendiri. Kesibukan di tempat kerja
membuat mereka tidak memiliki waktu untuk mengurus hal-hal kecil seperti mencuci
pakaian.
Pada zaman ini, masyarakat menginginkan segala aktivitas berlangsung dengan
cepat. Kecepatan dan efisiensi waktu menjadi elemen krusial untuk menjalani
kehidupan sehari-hari. Antrian menjadi salah satu aspek yang membutuhkan kecepatan
dan penghematan waktu. Dalam rutinitas harian, seseorang sering kali harus menunggu
dalam antrian yang berlangsung cukup lama, suatu pengalaman yang dianggap
membosankan. Kehadiran fasilitas pelayanan yang kurang memadai atau jumlah loket
yang belum mencukupi dapat menjadi penyebab dari antrian yang panjang, ditambah
dengan kurangnya responsif para pelayan terhadap kebutuhan masyarakat atau
konsumen.
Proses antrian melibatkan kedatangan seorang pelanggan ke suatu fasilitas
pelayanan, kemudian menunggu dalam barisan (antrian) jika seluruh pelayan sedang
sibuk, dan akhirnya meninggalkan fasilitas tersebut (Taha, H.A. 1997). Sistem antrian
merupakan gabungan antara pelanggan, pelayan, dan aturan yang mengatur kedatangan
dan pemrosesan masalahnya (Bronson, Richard, dan Hans J. Wospakrik 1982). Suad
Husna (1982) dalam bukunya "Teori Antrian" menyatakan bahwa salah satu
pendekatan yang efektif untuk mengatasi masalah antrian adalah dengan menggunakan
metode simulasi menyeluruh untuk merancang eksperimen yang dapat meniru situasi
yang sebenarnya, kemudian mengamati hasilnya. Simulasi dianggap sebagai metode
yang efektif untuk mengatasi masalah antrian, di mana metode ini melibatkan
penggunaan model dari suatu sistem nyata tanpa harus mengalami situasi tersebut
secara langsung (Siagian, 1987). Hasan (2002) menjelaskan bahwa simulasi adalah
suatu model pengambilan keputusan yang memanfaatkan representasi nyata dari suatu
sistem di dunia nyata tanpa harus mengalami keadaan tersebut secara langsung.
Berdasarkan uraian diatas maka penelitian pada Clean Laundry ini
menggunakan perangkat lunak Arena 15.0 bertujuan untuk menciptakan model
simulasi dari sistem antrian pelanggan di laundry dengan harapan dapat mengurangi
antrian. Pengelola laundry diharapkan dapat menerapkan kebijakan sesuai rekomendasi
penelitian ini, untuk menghindari mesin menganggur (idle) atau terlalu sibuk (busy),
sehingga pelayanan kepada pelanggan laundry dapat maksimal.

1.2 Rumusan Masalah

Berdasarkan latar belakang sebelumnya, maka dapat dirumuskan beberapa
masalah yang berkaitan dalam penelitian ini. Adapun masalah tersebut disebutkan
sebagai berikut:
1. Berapakah jumlah mesin cuci, mesin setrika dan pegawai yang dapat
meminimalisir antrian?
2. Berapakah jumlah pelanggan maksimum yang dapat diterima per harinya?

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.

1.4 Batasan Penelitian

Pembatasan masalah bertujuan agar penelitian dapat dilakukan berdasarkan data
dan kondisi yang ada. Adapun batasan masalah pada penelitian ini disebutkan sebagai
berikut:
1. Data penelitian yang diambil pada 10 November 2023 pada pukul 08.00-20.00
WIB.
2. Rekomendasi skenario perbaikan yang diberikan hanya sampai perbandingan
utilitas, sehingga tidak sampai pada perhitungan cost yang perlu dikeluarkan.
 BAB 2
METODOLOGI PENELITIAN
Pada bab terdiri dari profil perusahaan, flowchart, penjelasan flowchart, subjek
penelitian, dan instrumen penelitian serta modul software.

2.1 Profil Perusahaan

Clean laundry merupakan salah satu usaha laundry yang didirikan sejak tahun
2018 dan berlokasi di wilayah Ketintang. Konsep yang digunakan pada laundry ini
adalah cucian per kilo dengan dua layanan yaitu cuci kering dan cuci setrika. Clean
Laundry beroperasi setiap hari pada pukul 06.00 - 21.00 WIB. Wilayah ketintang
merupakan wilayah padat mahasiswa, sehingga usaha ini mematok harga yang cukup
terjangkau. Tujuan didirikannya Clean Laundry adalah memberikan solusi pencucian
yang praktis, bersih dengan harga yang murah.

2.2 Flowchart Penelitian

Gambar 2. 1 Flowchart Penelitian

2.3 Penjelasan Flowchart
Setelah flowchart disusun, maka selanjutnya akan dijelaskan pada setiap
tahapan. Adapun penjelasan dari flowchart penelitian ini yaitu:
2.3.1 Studi Literatur
Sumber studi literatur yang digunakan meliputi internet dan berbagai
jurnal penelitian terdahulu. Studi literatur bertujuan untuk memperoleh
pemahaman mengenai topik yang akan dibahas yaitu simulasi sistem antrian
proses laundry dengan cara mempelajari dan membaca penelitian terdahulu.
2.3.2 Identifikasi Masalah
Pada tahapan identifikasi masalah, proses dilakukan dengan cara
observasi kondisi di lapangan. Dari hasil observasi dan wawancara yang
dilakukan oleh peneliti maka akan dilakukan pembahasan lebih lanjut mengenai
masalah perbaikan sistem pelayanan untuk mengurangi waktu tunggu antrian.
2.3.3 Perumusan Masalah dan Penentuan Tujuan
Permasalahan yang sudah diuraikan (dijelaskan) dalam latar belakang
penelitian, maka peneliti menindaklanjutinya dengan merumuskan rumusan
masalah penelitiannya. Berlandaskan rumusan masalah tersebut maka
selanjutnya peneliti merumuskan tujuan penelitian yang terkait dengan rumusan
masalah penelitian tersebut.
2.3.5 Batasan dan Asumsi Penelitian
Batasan masalah merupakan pembatasan yang diterapkan pada
permasalahan yang akan diambil dalam suatu penelitian. Di sisi lain, batasan
masalah juga dapat diartikan sebagai suatu bentuk pembatasan terhadap
cakupan suatu masalah agar pembahasan dapat difokuskan pada satu penelitian
tanpa melibatkan topik yang terlalu luas atau berlebihan. Sedangkan, asumsi
penelitian adalah segala pernyataan yang dapat diuji kebenarannya melalui
eksperimen dalam konteks penelitian. Dalam penelitian umumnya, digunakan
asumsi dasar karena realitas kehidupan melibatkan faktor-faktor yang sangat
kompleks.
2.3.6 Teknik Pengumpulan Data
Untuk melakukan pengumpulan data dilakukan dengan cara observasi
langsung ke objek penelitian yaitu Clean Laundry. Kegiatan yang dilakukan
adalah mengamati secara langsung pelanggan yang datang. Adapun beberapa
data yang dikumpulkan yaitu waktu kedatangan pelanggan, waktu proses kerja
laundry, dan waktu selesai proses. Data yang sudah ditulis manual kemudian
dipindahkan ke worksheet menggunakan microsoft excel untuk dilakukan
pengolahan data.
2.3.7 Pembuatan Model Simulasi
Langkah yang selanjutnya dilakukan setelah data terkumpul yaitu
pembuatan model simulasi menggunakan software arena. Pembuatan model
simulasi bertujuan untuk memodelkan dan mensimulasikan proses antrian
laundry. Yang kemudian hasilnya akan digunakan untuk membantu analisis
permasalahan yang terjadi.
2.3.8 Analisis Sistem
Tahapan yang dilakukan selanjutnya adalah melakukan analisis. Analisis
dilakukan berdasarkan hasil dari running sistem dan replikasi sebanyak 30 kali.
Analisis hasil simulasi untuk mengidentifikasi area yang perlu ditingkatkan dan
dioptimalkan dalam proses laundry. Hal ini dapat mencakup pengurangan waktu
tunggu, memaksimalkan hasil proses, dan meminimalkan jumlah pelanggan
dalam antrian.
2.3.9 Analisis Kebutuhan Sistem
Setelah dilakukan analisis sistem, langkah yang selanjutnya dilakukan
analisis terhadap kebutuhan sistem. Hasil simulasi ini digunakan memberikan
upaya perbaikan untuk mengurangi waktu tunggu rata-rata dan meningkatkan
efisiensi proses antrian pada objek penelitian.
2.3.10 Skenario Implementasi Sistem Kerja
Pembuatan skenario implementasi sistem kerja bertujuan untuk
menjawab dari kebutuhan sistem. Apabila ingin mengetahui berapa waktu rata-
rata yang dibutuhkan pelanggan untuk menunggu giliran mencuci dan
mengeringkan pakaiannya. Dengan mengetahui waktu tunggu rata-rata, pemilik
laundry dapat menentukan apakah sistem antriannya sudah berjalan dengan
baik. Skenario yang dapat dilakukan adalah melakukan penambahan jumlah
sumber daya yang dibutuhkan untuk memenuhi permintaan pelanggan, seperti
mesin cuci dan sumber daya manusia untuk melakukan proses setrika. Setelah
itu dilakukan perbandingan antara sistem antrian sebelum dan sesudah
penambahan sumber daya.
 2.3.11 Kesimpulan dan Saran
Berdasarkan hasil analisis dan perbaikan, diambil kesimpulan dan
memberikan rekomendasi perbaikan lebih lanjut pada proses laundry. Hal ini
dapat mencakup penerapan sistem penjadwalan yang lebih efisien, peningkatan
manajemen sumber daya, atau penerapan sistem prioritas pelanggan untuk
memastikan layanan yang adil dan efisien. Sedangkan saran dibuat sesuai
dengan pendapat penulis guna memaparkan penjelasan tentang semua hal yang
berkaitan dengan penelitian berikutnya.

2.4 Subjek Penelitian

Subjek yang digunakan pada penelitian ini yaitu seluruh pelanggan yang
berjumlah 30 orang yang datang mengantri maupun yang melakukan kegiatan di Clean
Laundry.

2.5 Instrumen Penelitian

Instrumen yang digunakan dalam penelitian ini adalah :
1. Alat tulis untuk mencatat data primer secara manual.
2. Microsot Excel dengan bentuk worksheet yang digunakan untuk mencatat data
primer yang diperoleh seperti data jumlah dan waktu kedatangan pelanggan.
3. Software Arena yang digunakan untuk pemodelan proses dan analisis proses
kerja Clean Laundry.

2.6 Lokasi dan Tempat Penelitian

Lokasi penelitian yang dituju untuk memperoleh sumber data yaitu di wilayah
Surabaya Selatan tepatnya di Clean Laundry dengan alamat Ruko Lotus Regency, Jl.
Ketintang Baru Selatan I Blok D Nomor 38.
2.7 Modul Arena

Jenis Modul Keterangan

Create Digunakan pada awal pembuatan model

simulasi dengan input data berupa nama model
simulasi, jumlah entity yang di input, dan waktu
antar kedatangan .

Dispose
Digunakan untuk mengakhiri pembuatan model
simulasi dengan menampilkan nama pada
dispose yang sesuai dengan model.

Process Digunakan sebagai proses pada pembuatan

simulasi yang terdiri dari input data seperti
jumlah resource, waktu proses (non value
added,transfer, dan wait).

Decide Digunakan sebagai opsi pemilihan keputusan

pada sistem. Pemilihan keputusan yang dipilih
dapat terjadi kemungkinan benar dan
kemungkinan salah yang ditampilkan dalam
presentase simulasi.

Batch Digunakan untuk membatasi entitas pada

sistem. Pada modul ini dapat dilakukan
pengaturan batch size sebagai ukuran batch
yang akan dimodelkan.

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.

Variabel Digunakan untuk menjelaskan ukuran variabel

dan nilai awal, contoh variabel yang dapat
dimasukkan seperti modul decide dengan
assign yang dapat digunakan pada segala
expression.

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.

3.1 Pengumpulan Data

Pada bagian pengumpulan data ini akan diuraikan mengenai influence diagram,
dinamika sistem laundry, processing time, dan arrival distribution awal kedatangan
pelanggan dari hasil pengamatan yang telah dilakukan.
3.4.1 Influence Diagram
Kondisi eksisting dari sistem laundry digambarkan dengan influence diagram
pada Gambar 3.1 Influence diagram digunakan untuk menggambarkan suatu
simulasi pada sistem industri dengan representasi yang terdiri dari beberapa
komponen, variabel, dan hubungannya. Proses pada influence diagram dapat
membantu memahami hubungan sebab akibat antara faktor-faktor tertentu dalam
proses pengambilan keputusan.

Gambar 3. 1 Influence Diagram

 Model Konseptual sistem antrian Laundry digambarkan melalui Influenced
Diagram. Dalam Influenced Diagram terdapat beberapa simbol yang digunakan,
diantaranya :

1. Awan, menunjukan input yang tidak terkontrol (uncontrollable input),

ataupun sebagai batasan suatu masalah (constraints).
2. Persegi Panjang, digunakan untuk menunjukan input yang terkontrol (control
input), keputusan (decision), ataupun decision rule.
3. Oval, menunjukan output atau keluaran yang diinginkan dari suatu
pemecahan masalah.
4. Lingkaran, menunjukan variabel sistem, component attribute, maupun state
variable value.
5. Panah, menunjukan ketergantungan suatu simbol dengan simbol lainnya.

3.4.2 Dinamika Sistem Laundry

Performansi yang ingin diukur : Lama antrian proses laundry.
1. Entitas:
Dalam usaha laundry entitas yang digunakan adalah pakaian.
Karakteristik entitas :
a. Manusia : Pelanggan.
b. Bentuk : Dihitung per-kilo untuk setiap cuci kering / cuci kering
setrika.
c. Prioritas : Pilihan cuci sehari jadi dengan harga Rp 9000/kg dan cuci
biasa dengan harga Rp 5000/kg.
2. Aktivitas :
Aktivitas laundry termasuk dalam entity processing, yaitu mencakup
seluruh rangkaian proses mulai dari menerima cucian dari pelanggan,
memisahkan jenis cucian, proses mencuci, mengeringkan, menyetrika
(jika diperlukan), melipat pakaian, dan mengemas cucian sebelum
dikembalikan kepada pelanggan. Proses ini juga mencakup manajemen
stok deterjen, penagihan, pelaporan keuangan, dan pemasaran.
 Gambar 3.2 Flowchart Aktivitas Clean Laundry

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.

5. Key Operational Metrics

Beberapa metrik operasional kunci yang relevan dalam usaha laundry
meliputi:
a. Kapasitas pengolahan harian/mingguan: Jumlah cucian yang dapat
diolah dalam satu periode waktu.
b. Tingkat pelanggan puas: Menilai kepuasan pelanggan melalui
umpan balik dan ulasan.
c. Ketersediaan peralatan: Memastikan mesin cuci dan pengering
selalu berfungsi
d. Biaya per cucian: Menghitung biaya rata-rata untuk mencuci satu
potong pakaian.
e. Waktu yang digunakan dalam setiap metode (CK/CS): Waktu
yang diperlukan untuk menyelesaikan satu putaran metode proses
pencucian.

3.4.3 Arrival Distribution

Arrival distribution atau distribusi kedatangan berasal dari selisih waktu
kedatangan tiap pelanggan selama observasi sebanyak 30 kedatangan yang diperoleh
dengan cara Input Analyzer dalam software Arena. Proses awal dimulai dari jalur
awal kedatangan dengan asumsi bahwa setiap kedatangan sebanyak 1 orang.

Tabel 3. 1 Arrival Distribution

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

Waktu Tunggu Uniform 0.3 Beta

Weibull 0.305

Lognormal 0.342

Normal 0.364

Triangular 0.416

Beta 0.0101

Cuci Weibull 0.0151 Beta

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

Kering Gamma 0.0748 Triangular

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

Setrika Weibull 0.231 Beta

Lognormal 0.232

Erlang 0.238

Exponential 0.238

Uniform 0.251

Normal 0.279

Triangular 0.284

Berdasarkan tabel 3.1 diketahui pada aktivitas kedatangan customer

menggunakan distribusi weibull, pada aktivitas waktu tunggu, cuci dan setrika
menggunakan distribusi beta, dan pada aktivitas kering menggunakan distribusi
triangular. Pemilihan jenis distribusi diatas berdasarkan pada nilai sq (square)
error yang paling kecil.

3.4.4 Processing Time

Berdasarkan dari urutan proses sistem pelayanan laundry, kemudian dilakukan
pengumpulan data sampel (replikasi) yaitu data processing time sebanyak 30 data.
Pengumpulan data dilakukan dengan cara melakukan observasi langsung dilapangan
selama 1 hari dimulai dari pukul 08.00-20.00 WIB. Adapun data-data yang
dikumpulkan berkaitan dengan processing time sistem pelayanan ditunjukkan dari tabel
berikut ini.
 Tabel 3.2 Data Waktu Historis Proses Layanan Laundry

Waktu Waktu Proses (menit)

Waktu Total Waktu
Selisih Tungg
Custo Waktu Tungg Proses Selesai
Kedata u Setrik Packin
mer Datang u Cuci Kering (menit (menit
ngan (menit a g
(jam) ) )
)

1 8.15 0 853.88 14 27 17 3 47 901

1014.9
2 8.3 15 7 17 23 17 5 45 1060
3 8.5 35 932.32 16 23 18 5 46 979
4 9.1 20 1184.5 20 22 18 10 4 54 1239
5 9.55 45 1102.5 18 22 17 5 44 1147
6 10.2 25 776.13 13 24 18 20 5 67 843
1354.2
7 11.05 45 5 23 23 19 4 46 1400
8 11.5 45 948.96 16 28 16 10 5 59 1008
1428.4
9 12.25 35 8 24 24 18 4 46 1474
1021.4
10 13 35 6 17 24 18 5 47 1068
11 13.25 25 753.53 13 27 19 15 5 66 819
1308.6
12 14.2 55 6 22 26 18 15 5 64 1373
1391.3
13 16 100 4 23 24 16 20 3 63 1454
1285.9
14 16.1 10 1 21 25 18 5 48 1334
1117.5
15 16.2 10 4 19 26 18 10 4 58 1175
1283.7
16 16.3 10 4 21 21 16 20 4 61 1345
17 16.4 10 736.97 12 26 16 5 47 784
1098.9
18 17 20 9 18 22 18 10 4 54 1153
19 17.3 30 1220.9 20 28 19 5 52 1273
 Waktu Waktu Proses (menit)
Waktu Total Waktu
Selisih Tungg
Custo Waktu Tungg Proses Selesai
Kedata u Setrik Packin
mer Datang u Cuci Kering (menit (menit
ngan (menit a g
(jam) ) )
)
2
1102.2
20 17.4 10 9 18 25 18 5 48 1150
1343.8
21 18 20 7 22 21 17 10 4 52 1396
1253.2
22 18.3 30 4 21 22 19 20 4 65 1318
23 18.35 5 1139.4 19 28 17 15 4 64 1204
1290.8
24 18.4 5 8 22 21 19 5 45 1336
25 18.45 5 755.08 13 20 16 10 4 50 806
26 18.5 5 947.46 16 28 19 5 52 1000
1260.7
27 18.55 5 7 21 24 16 15 4 59 1319
28 19 5 765.79 13 22 17 5 44 810
1064.6
29 19.3 30 8 18 25 20 15 4 64 1129
30 19.4 10 773.4 13 28 15 5 48 822

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.

3.2.1 Flowchart Sistem Laundry

Flowchart sistem digunakan untuk merepresentasi visual dari serangkaian proses
yang terjadi pada laundry. Flowchart sistem juga membantu dalam memodelkan langkah-
langkah yang terlibat dalam setiap urutan prosesnya. Adapun flowchart untuk sistem
laundry yang digunakan sebagai berikut:

Gambar 3.3 Flowchart Sistem Laundry

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 .

Gambar 3.4 Simulasi Sistem Eksisting

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.

2. Uji Validasi Model Simulasi

Setelah model simulasi eksisting dibuat, selanjutnya dilakukan validasi model simulasi
dengan beberapa uji berikut:
1. Uji Replikasi : Uji replikasi pada penelitian ini menggunakan minimal uji yaitu 30 uji
replikasi.
2. Uji Verifikasi : Uji verifikasi model dilakukan dengan menggunakan bantuan software
Arena, dimana ketika simulasi dijalankan tidak muncul informasi ditemukan adanya
error atau simulasi bermasalah baik saat simulasi dimulai maupun sampai akhir
simulasi. Oleh karena itu, model simulasi dapat dikatakan berjalan sesuai dengan yang
diinginkan atau telah memenuhi uji verifikasi. Gambar xx menunjukkan simulasi tidak
mengalami error.

Gambar 3.5 Simulasi Tidak Terjadi Error

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)

Waktu proses Waktu pada

nyata simulasi
18.5812022 17.63
18.5812022 17.478
18.5812022 18.104
18.5812022 18.486
18.5812022 18.417
18.5812022 18.153
18.5812022 18.493
18.5812022 18.273
18.5812022 18.975
18.5812022 18.476
18.5812022 18.019
18.5812022 18.212
18.5812022 18.241
18.5812022 17.407
18.5812022 19.403
18.5812022 17.424
18.5812022 18.676
18.5812022 18.299
18.5812022 18.391
18.5812022 17.601
18.5812022 18.107
18.5812022 19.263
18.5812022 18.549
18.5812022 18.897
 Waktu proses Waktu pada
nyata simulasi
18.5812022 18.636
18.5812022 18.977
18.5812022 18.79
18.5812022 17.692
18.5812022 18.443
18.5812022 18.628

- 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.

Tabel 3.4 Hasil t-test : Paired Two Sample For Means

t-Test: Paired Two Sample for Means

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.

3. Hasil Report Running Simulasi Eksisting

Setelah dibuat model laundry, kemudian simulasi di Run dan didapatkan report yang
merupakan output dari sistem laundry tersebut. Tabel xx merupakan rekapitulasi report
sistem laundry.
Tabel 3.5 Hasil Report Running

*Time units :
Hours

Lama pakaian diproses Utilization

Replik Waitin Mesin Mesin Mesin

asi ke- VAT g Time Total cuci 1 cuci 2 cuci 3 Dryer 1 Dryer 2 Dryer 3 Setrika

0.4277 0.2239 0.0158 0.0442 0.0082 0.1059

1 1 17.202 17.63 4 0.0791 7 0.1751 7 2 7

0.4256 0.2224 0.1084 0.0445 0.1834 0.0738 0.0192 0.1295

2 1 17.052 17.478 1 6 7 1 9 5 6

0.4173 0.2284 0.0860 0.0320 0.0134 0.1346

3 5 17.687 18.104 5 9 4 0.1852 0.0643 4 7

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

0.4199 0.2257 0.1038 0.0176 0.0674 0.0084 0.1090

5 9 17.997 18.417 8 3 8 0.1816 4 6 4

0.2224 0.0892 0.0264 0.1904 0.0420 0.0175

6 0.4081 17.745 18.153 1 6 3 1 4 5 0.1072

0.4211 0.2149 0.0995 0.0711 0.1109

7 6 18.072 18.493 7 8 0.0356 0.1732 6 0.0218 4

0.4092 0.2271 0.0919 0.0346 0.1928 0.0486 0.0210 0.1091

8 4 17.864 18.273 5 4 1 9 9 9 4

0.4185 0.2369 0.0981 0.0229 0.1794 0.0162 0.1134

9 1 18.556 18.975 9 7 2 5 0.0674 7 9

0.4192 0.2327 0.0987 0.0171 0.1971 0.0533 0.0086 0.1150

10 4 18.057 18.476 3 3 9 3 4 9 4

0.3959 0.2404 0.0199 0.1824 0.0755 0.0093 0.0821

11 4 17.623 18.019 8 0.1011 5 2 1 3 7

0.2028 0.0814 0.0385 0.1636 0.0539 0.0195 0.1094

12 0.4156 17.796 18.212 2 4 5 6 9 3 7

0.4208 0.2273 0.0244 0.2014 0.0628 0.0038 0.1206

13 6 17.82 18.241 3 0.1044 3 1 4 4 3

0.4265 0.2177 0.1026 0.1632 0.0690 0.0169 0.1130

14 4 16.98 17.407 9 2 0.0238 3 7 8 2

0.4125 0.2206 0.0348 0.1745 0.0596 0.0219 0.1021

15 2 18.991 19.403 2 0.0851 6 1 6 7 6

0.4057 0.2275 0.0342 0.1820 0.0452 0.0158 0.0877

16 7 17.018 17.424 9 0.0682 3 9 5 4 4

0.4164 0.2129 0.0790 0.0362 0.1590 0.0606 0.0203 0.1015

17 5 18.26 18.676 6 7 4 6 2 3 5

0.2229 0.0356 0.1799 0.0202 0.1069

18 0.4119 17.887 18.299 7 0.0904 1 3 0.0538 7 9

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

0.4062 0.2346 0.0942 0.0164 0.1969 0.0505 0.0092 0.0966

20 9 17.194 17.601 5 1 2 1 9 1 8

0.4278 0.0773 0.0233 0.1885 0.0460 0.0168 0.1180

21 5 17.679 18.107 0.2397 6 7 4 3 1 2

0.3956 0.2151 0.0969 0.0345 0.0659 0.0779

22 8 18.867 19.263 7 6 7 0.1714 2 0.0256 1

0.4084 0.2360 0.0743 0.0228 0.1808 0.0502 0.0961

23 2 18.141 18.549 7 3 6 5 5 0.0171 8

0.4122 0.1847 0.1045 0.0340 0.1591 0.0724 0.0078 0.0809

24 2 18.485 18.897 4 6 1 5 9 8 1

0.2350 0.1030 0.0312 0.1755 0.0702 0.0219 0.1332

25 0.4256 18.21 18.636 3 9 5 6 2 7 3

0.4025 0.2212 0.0972 0.0164 0.1842 0.0557 0.0079 0.0825

26 3 18.574 18.977 8 8 9 9 5 2 8

0.4192 0.2359 0.0867 0.0192 0.1992 0.0455 0.0089 0.1147

27 3 18.371 18.79 1 7 1 4 3 5 9

0.0896 0.0218 0.0132 0.1142

28 0.4188 17.273 17.692 0.2367 8 1 0.1967 0.0473 2 7

0.4149 0.2540 0.0808 0.0231 0.2097 0.0384 0.0137 0.1020

29 9 18.028 18.443 2 7 3 4 5 5 7

0.4075 0.2087 0.0986 0.0269 0.1816 0.0549 0.0132 0.1021

30 8 18.221 18.628 9 6 9 3 7 1 6

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.

3.2.3 Model Simulasi Sistem Perbaikan

Dari hasil uji validasi model simulasi dinyatakan bahwa model simulasi eksisting sudah
valid karena berhasil di running, maka langkah selanjutnya barulah dapat dianalisis dari adanya
waktu tunggu yang tinggi lalu dapat diusulkan mengenai strategi usulan model simulasi. Hal
ini digunakan untuk mengurangi waktu tunggu yang dapat dilakukan dengan resource alat yang
dimiliki. Berdasarkan hasil analisis dari model simulasi antrian laundry pada kondisi eksisting,
dilakukan usulan perbaikan untuk memperbaiki proses laundry. Usulan yang diberikan adalah
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.
Usulan perbaikan melibatkan integrasi data pemasaran untuk merancang kampanye yang dapat
meningkatkan permintaan selama periode di mana mesin mungkin mengalami idle time. 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.

3.2.4 Analisa Hasil

Analisis pada bagian ini menguraikan tentang hasil output pada software Arena yang
dibuat berupa Tabel 3.6 berikut.

Tabel 3.6 Utilitas Eksisting

Jenis Utilitas Eksisting

Mesin Cuci 1 23%

 Jenis Utilitas Eksisting

Mesin Cuci 2 9%

Mesin Cuci 3 3%

Mesin Pengering 1 18%

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