Sistem antrian kasir di Giant Arif Rahman Hakim memiliki permasalahan terkait service level yang diukur dari minimasi waiting time dan maksimasi jumlah pelanggan yang dapat dilayani. Bab ini menjelaskan elemen sistem antrian kasir seperti pelanggan, kasir, dan peralatan kasir serta variabel sistem seperti waktu proses dan kedatangan pelanggan. Simulasi dilakukan untuk menganalisis pengaruh jenis pembayaran dan belanjaan terhadap
PPT manajemen Konstruksi ahli madya bidang keahlian manajemen konstruksi
Β
Simulasi Sistem Antrian Kasir Supermarket - Final Project
1.
2. DAFTAR ISI
DAFTAR GAMBAR.................................................................................................................iv
DAFTAR TABEL ......................................................................................................................v
Abstrak ......................................................................................................................................vi
BAB I PENDAHULUAN ..........................................................................................................1
1.1 Latar Belakang.............................................................................................................1
1.2 Tujuan dan Manfaat.....................................................................................................1
1.2.1 Tujuan........................................................................................................................2
1.2.2 Manfaat......................................................................................................................2
1.3 Batasan dan Asumsi.....................................................................................................2
1.3.1 Batasan .................................................................................................................2
1.3.2 Asumsi..................................................................................................................2
BAB II DESKRIPSI SISTEM....................................................................................................3
2.1 Deskripsi Sistem ..............................................................................................................3
2.2 Elemen β elemen pada sistem..........................................................................................3
2.3 Variabel Sistem................................................................................................................4
2.4 Indikator Spesifikasi Performansi....................................................................................4
BAB III METODOLOGI ...........................................................................................................5
3.1 Metodologi........................................................................................................................5
3.2 Pendekatan Pengumpulan Data ........................................................................................6
BAB VI PENGUMPULAN DATA ...........................................................................................9
4.1 Pengumpulan Data............................................................................................................9
4.2 Fitting Distribution....................................................................................................43
4.3 Model Konseptual...........................................................................................................44
BAB V PENELITIAN..............................................................................................................47
5.1 Simulasi Sistem Eksisting...............................................................................................47
5.1.1 Model Simulasi di Arena.........................................................................................47
5.1.2 Number of Replication ............................................................................................49
5.1.3 Verifikasi dan Validasi............................................................................................49
5.1.4 Analisis Sistem Eksisting ........................................................................................54
5.2 Proposed Scenario Simulation........................................................................................54
5.2.1 Proposed Scenario ...................................................................................................54
5.2.2. Statistical Analysis of the Scenario ........................................................................56
5.2.3 Scenario Analysis ....................................................................................................58
BAB 6 KESIMPULAN ............................................................................................................59
6.1 Kesimpulan .....................................................................................................................59
4. DAFTAR GAMBAR
Gambar 3. 1 Metodologi Observasi............................................................................................5
Gambar 4. 1 Hasil Uji Keseragaman Interarrival timeβ¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦.31
Gambar 4. 2 Hasil Uji Keseragaman Waktu Proses Utilitas Belanja 1....................................34
Gambar 4. 3 Hasil Uji Keseragaman Waktu Proses Utilitas Belanja 2....................................36
Gambar 4. 4 Hasil Uji Keseragaman Waktu Proses Utilitas Belanja 3....................................37
Gambar 4. 5 Hasil Uji Keseragaman Waktu Pembayaran Tunai (Cash) .................................40
Gambar 4. 6 Hasil Uji Keseragaman Waktu Pembayaran Debit..............................................42
Gambar 4. 7 Model konseptual pada pengamatan service level pada kasir Giant AR Hakim .45
Gambar 5. 1 Hasil Running Arena Eksisting Sistem Antrian Kasirβ¦β¦β¦β¦β¦β¦β¦β¦β¦β¦..47
Gambar 5. 2 Hasil Running Arena Eksisting Sistem Antrian Kasir (Lanjutan 1) ....................48
Gambar 5. 3 Hasil Running Arena Eksisting Sistem Antrian Kasir (Lanjutan 2) ....................48
Gambar 5. 4 Hasil Running Arena Eksisting Sistem Antrian Kasir (Lanjutan 3) ....................48
Gambar 5. 5 Hasil Running Arena Eksisting Sistem Antrian Kasir (Lanjutan 4) ....................49
Gambar 5. 6 Verifikasi Running Arena Eksisting Sistem Antrian Kasir .................................50
5. DAFTAR TABEL
Tabel 2. 1 Elemen β Elemen pada Sistem ..................................................................................3
Tabel 3. 1 Alat untuk mengumpulkan data penelitian β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦...6
Tabel 3. 2 Checksheet pengambilan Data...................................................................................7
Tabel 4. 1 Data Sistem Antrian Kasir di Giant AR Hakimβ¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦β¦.9
Tabel 4. 2 Rekap Data Ssitem Antrian Kasir Berdasarkan Utilitas Belanja 1..........................16
Tabel 4. 3 Rekap Data Ssitem Antrian Kasir Berdasarkan Utilitas Belanja 2..........................21
Tabel 4. 4 Rekap Data Ssitem Antrian Kasir Berdasarkan Utilitas Belanja 3..........................23
Tabel 4. 5 Rekap Data Antrian Kasir Berdasarkan Pembayaran Tunai ...................................23
Tabel 4. 6 Rekap Data Antrian Kasir Berdasarkan Pembayaran Debit....................................28
Tabel 4. 7 Uji keseragaman interarrival time...........................................................................31
Tabel 4. 8 Rekap Data Waktu Proses Utilitas Belanja Satu Setelah Uji Keseragaman ...........31
Tabel 4. 9 Rekap Data Waktu Proses Utilitas Belanja Dua Setelah Uji Keseragaman............34
Tabel 4. 10 Rekap Data Waktu Proses Utilitas Belanja Ketiga Setelah Uji Keseragaman......36
Tabel 4. 11 Data Uji Keseragaman Waktu Pembayaran dengan Tunai Setelah Uji Keseragaman
..................................................................................................................................................37
Tabel 4. 12 Data Uji Keseragaman Waktu Pembayaran dengan Debit Setelah Uji Keseragaman
..................................................................................................................................................40
Tabel 4. 13 Rangkuman Hasil Pengolahan Data Kondisi Eksisting Berdasarkan Metode
Pembayaran ..............................................................................................................................42
Tabel 4. 14 Rangkuman Hasil Pengolahan Data Kondisi Eksisting Berdasarkan Utilitas Belanja
..................................................................................................................................................42
Tabel 4. 15 Fitting distribution result table .............................................................................43
Tabel 5. 1 Rekap Data Replikasi Customer Teralayani Kondisi Aktual β¦β¦β¦β¦β¦β¦β¦β¦.49
Tabel 5. 2 Pengusulan Skenario Simulasi Sistem Antrian Kasir Giant Arif Rahman Hakim ..54
Tabel 5. 3 Perbandingan Replikasi Jumlah Customer di Layani/ 3 Hari Kondisi Eksisting dan
Skenario....................................................................................................................................55
Tabel 5. 4 Perbandingan Replikasi Waktu Tunggu Antrian Kondisi Eksisting dan Skenario .55
Tabel 5. 5 Hasil ANOVA Kondisi dari Jumlah Customer Terlayani.......................................56
Tabel 5. 6 Hasil ANOVA Kondisi Berdasarlan Waktu Tunggu ..............................................57
Tabel 5. 7 Hasil Perbandingan xΜ pada Tukey Kramer..............................................................57
Tabel 5. 8 Analisis Ekonomi Skenario 1..................................................................................58
Tabel 5. 9 Analisis Ekonomi Skenario 1 (Lanjutan) ................................................................58
6. Abstrak
Memberi pelayanan yang terbaik merupakan salah satu kunci dalam memenangkan
persaingan industri retail. Salah satu layanan yang harus diperhatikan ialah layanan pada sistem
kasir. Pada layanan ini, terdapat permasalahan sistem antrian untuk dilakukan penelitian dengan
pendekatan simulasi. Antrian terjadi ketika jumlah entitas yang masuk melebihi resource yang
tersedia. Kondisi antri merupakan kondisi yang tidak diinginkan oleh customer maupun si
pemilik bisnis. Bagi customer, mengantri pada antrian yang cukup lama dan panjang termasuk
kegiatan yang membosankan serta ada kecenderungan untuk berpindah ke pesaing sehingga
merugikan pemilik bisnis, sedangkan bagi pemilik bisnis antrian yang demikian menyebabkan
peluang mendapatkan keuntungan dari bisnis menjadi turun. Pada Tugas Besar ini, sistem
antrian kasir yang diamati terletak di Giant Arif Rahman Hakim, Surabaya dengan harapan
mampu melakukan perbaikan (peningkatan) dari jumlah customer yang dapat dilayani. Metode
simulasi dimulai dari proses mengumpulkan data dari kondisi eksisting lalu dilanjutkan dengan
mengolahnya dan menyusun skenario perbaikan. Pada kondisi awal didapatkan 3 lini kasir
tersedia dengan masing-masing kasir memiliki metode pembayaran tunai dan debit.
Penyusunan skenario perbaikan dilakukan dengan tiga skenario yaitu satu skenario layanan
sistem kasir berdasarkan utilitas belanja serta dua skenario layanan sistem kasir berdasarkan
metode pembayaran. Hasil simulasi menunjukkan jika pada 3 hari weekend dengan masing-
masing jam operasi 14 jam dengan skenario pembedaan lini kasir berdasarkan masing-masing
utilitas menghasilkan 12 customer terlayani lebih banyak dengan pemangkasan waktu tunggu
hingga 49% dari kondisi awal sistem.
Kata Kunci : Antrian, Pembayaran, Simulasi, Utilitas Belanja
7. 1
BAB I
PENDAHULUAN
Pada pendahuluan akan dipaparkan tentang latar belakang, tujuan dan manfaat, serta
batasan dan asumsi yang digunakan dalam pengerjaan Tugas Besar Simulasi Sistem Industri
yang berjudul βSimulasi pada Sistem Pelayanan Guna Mengoptimumkan Service Level di Kasir
Giant Arif Rahman Hakimβ.
1.1 Latar Belakang
Ketatnya persaingan industri retail mendorong perusahaan untuk mempertahankan
loyalitas konsumen dengan salah satu caranya memberikan service level yang terbaik melalui
upaya minimasi waiting time pada antrian. Antrian ialah suatu event yang terjadi ketika jumlah
service resource lebih kecil daripada jumlah entitas yang masuk. Antrian terjadi karena
ketidakseimbangan pola kedatangan entitas dengan fasilitas dan recource capacity yang
tersedia (Aji dan Bodroastuti, 2012).
Pada pengerjaan laporan ini, sistem yang diamati berupa sistem antrian kasir di Giant
Arif Rahman Hakim dengan tujuan mengoptimalkan service level yang diukur dari minimasi
waiting time, maksimasi jumlah konsumen yang dapat dilayani, serta minimasi rata-rata total
waktu konsumen dilayani. Sistem antrian kasir Giant Arif Rahman Hakim mempunyai elemen
sistem yang terdiri dari sekumpulan konsumen yang mengantri, fasilitas yang terdiri dari mesin
pembayaran, mesin kasir, set line kasir, pegawai kasir, dan alat material handling belanja,
adapun interconnected yang ada berhubungan dengan urut-urutan (sekuensi) dari proses
pelayanan di kasir antara satu konsumen dengan yang lainnya dengan berbagai atribut yang
berbeda-beda dan melekat pada tiap-tiap konsumen.
Salah satu pendekatan yang dapat dilakukan untuk mendapatkan optimal service level
dapat dilakukan dengan simulasi. Simulasi merupakan upaya meniru atau mengimitasi suatu
real system ke dalam sebuah model yang mana terdapat serangkaian aktivitas dan proses yang
terkandung di dalamnya. Secara umum, simulasi memiliki tujuan agar lebih mudah mengamati
karakteristik real system. Sistem terbentuk dari sekumpulan elemen yang berinteraksi guna
mencapai sebuah tujuan yang sama (Jogiyanto, 2005). Perlunya simulasi untuk mendekati
karakteristik sistem dikarenakan pada sebagian besar real system memiliki kompleksitas
sehingga untuk memahami perilakukanya memerlukan permodelan dengan komputer. Ideal
penerapan pendekatan simulasi dapat dilakukan jika memenuhi kondisi-kondisi yaitu pada
suatu sistem sangat sulit bahkan tidak mungkin diselesaikan atau didekati dengan cara analitis
dan matematis, sistem yang memiliki kompleksitas dengan variabilitas dan interconnected,
serta sulit diimplementasikan secara trial dan error karena akan memakan biaya yang tidak
cukup murah jika dibandingkan dengan manfaat yang ingin dicapai. Maka dari itu, model
simulasi akan dibangun dengan menggunakan bantuan software Arena. Random input didapat
dari pengumpulan data saat observasi, selanjutnya akan dibangun dua jenis model yaitu model
yang menggambarkan kondisi eksisting dan model perbaikan yang diusulkan.
1.2 Tujuan dan Manfaat
Penelitian ini memiliki tujuan dan manfaat yang ingin dicapai dari pengerjaan
laporan simulasi pada sistem pelayanan guna mengoptimumkan service level pada kasir
Giant Arif Rahman Hakim. Berikut akan dipaparkan tujuan serta manfaat yang telah
ditetapkan.
8. 1.2.1 Tujuan
Berikut merupakan tujuan dari pengerjaan laporan Tugas Besar Simulasi
Sistem Industri :
1. Mampu menganalisa pengaruh jenis metode pembayaran, variasi jumlah
belanjaan pelanggan, serta jumlah lini dan ketersediaan kasir terhadap
optimalisasi service level di sistem kasir Giant Arif Rahman Hakim melalui
minimasi terhadap rata-rata waktu tunggu, rata-rata pelanggan di dalam sistem,
dan panjang artian.
2. Mampu mengimplementasikan pendekatan simulasi sistem industri terhadap
identifikasi dan penyelesaian permasalahan pada objek sistem pelayanan kasir
Giant Arif Rahman Hakim.
3. Mampu memberikan penyelesaian dan perbaikan pada ruang lingkup service level
pada sistem antrian kasir Giant Rahman Hakim.
1.2.2 Manfaat
Berikut merupakan manfaat dari pengerjaan laporan Tugas Besar Simulasi
Sistem Industri :
1. Dapat menjadi bahan pertimbangan evaluasi dan perbaikan pada sistem kasir oleh
pihak manajemen terkait service level.
2. Dapat menjadi pengalaman dan mengasah knowledge bagi observer dalam
menerapkan pendekatan simulasi sistem industi pada implementasi penyelesaian
masalah di lingkup service level kasir.
1.3 Batasan dan Asumsi
Pada penelitian ini terdapat Batasan dan asumsi dari observasi dan pengolahan data
dari pengerjaan laporan βSimulasi pada Sistem Pelayanan Guna Mengoptimumkan service
level di Kasir Giant Arif Rahman Hakimβ yaitu:
1.3.1 Batasan
Berikut merupakan batasan dari pengerjaan laporan Tugas Besar Simulasi
Sistem Industri :
1. Observasi dan permasalahan yang ingin diselesaikan terbatas seputar service
level kasir yang dilakukan pada lini kasir Giant Arif Rahman Hakim, serta tidak
mempertimbangkan kondisi pelanggan ketika berbelanja.
2. Observasi dan pengambilan data terbahas hanya hari weekend yaitu 3 November
2019 s.d. 10 November 2019.
1.3.2 Asumsi
Berikut merupakan asumsi dari pengerjaan laporan Tugas Besar Simulasi
Sistem Industri :
1. Tidak ada perubahan kebijakan manajemen yang berhubungan variabel-variabel
yang memengaruhi service level kasir selama periode observasi berlangsung.
2. Flow kedatangan pelanggan adalah layaknya pada hari weekend yang
sewajarnya dimana tidak ada event khusus (seperti diskon, promosi, dan
perayaan hari jadi) yang dapat mempengaruhi fluktuasi kedatangan pelanggan
secara signifikan.
9. BAB II
DESKRIPSI SISTEM
Pada bab ini akan membahas tentang deskripsi sistem yang mencakup elemen β
elemen pada sistem, variabel sistem, dan indikator spesifikasi performansi.
2.1 Deskripsi Sistem
Sistem adalah perangkat unsur yang secara teratur saling berkaitan sehingga
membentuk suatu totalitas (KBBI, 2006). Sedangkan simulasi adalah penggambaran suatu
sistem atau proses dengan peragaan berupa model statistik atau pemeranan (KBBI, 2006).
Simulasi sistem akan dapat berjalan jika ada permodelan mengenai masalah. Masalah yang
ada dipengaruhi oleh banyak elemen seperti entitas, atribut, dll. Setelah menentukan
elemen β elemen pada sistem maka akan muncul variabel sistem yang berupa keputusan,
respon, dan pernyataan.
Pada laporan sistem simulasi industri ini menggunakan Giant A.R. Hakim sebagai
objek amatan. Giant adalah sebuah pusat perbelanjaan yang menyediakan sembako, bahan
dasar masak, makanan kemasan, minuman kemasan, dan kebutuhan rumah tangga. Selain
itu, pada Giant A.R. Hakim memiliki beberapa tempat yang disediakan untuk eksternal
seperti guardian, yopie salon, dll. Giant selalu memiliki stock pada setiap produk yang
dijual, biasanya beberapa produk akan lebih cepat habis apabila produk tersebut sedang
mengalami promo. Setiap akhir bulan atau waktu β waktu tertentu, giant melakukan
promosi pada beberapa produknya. Promosi dapat berupa beli satu gratis satu atau
penurunan harga. Sehingga pada waktu - waktu tertentu kasir sebagai resource mengalami
waktu operasi yang lama tanpa istirahat akibat banyaknya antrian pada saat itu.
Pada simulasi sistem ini bertujuan untuk mengoptimasikan service level kasir Giant
A.R. Hakim. Pada pengamatan ini karena tujuannya untuk mengoptimasi service level
kasir, maka sistem ini mengamati kegiatan seperti pelanggan masuk ke antrian untuk
pembayaran, pelanggan mengantri, pelanggan dilayani oleh kasir, pelanggan membayar,
lalu akhirnya pelanggan selesai bertransaksi. Semua aktivitas ini memerlukan simulasi
sistem karena setiap kegiatan berhubungan dan memiliki banyak pengaruh eksternal dan
internal dalam jalannya kegiatan.
2.2 Elemen β elemen pada sistem
Sistem memiliki beberapa elemen yang memengaruhi jalannya sistem tersebut,
yaitu entitas, resource, atribut, kontrol, dan aktivitas. Berikut ini akan dijelaskan maksud
dari setiap elemen dan kesesuaian dengan sistem yang telah ditetapkan untuk optimasi
service level kasir Giant di Jalan A.R. Hakim.
Tabel 2. 1 Elemen β Elemen pada Sistem
Elemen Penjelasan Contoh pada sistem
Entitas sesuatu yang ada dalam sistem yang melalui
beberapa proses dan memengaruhi input
dan output suatu sistem
Pelanggan
Resource sumber daya yang digunakan dalam sistem.
Sumber daya pada sistem dapat berupa
manusia, alat, mesin, ataupun bahan
Kasir, mesin debit
10. Elemen Penjelasan Contoh pada sistem
Atribut suatu hal yang melekat pada entitas yang di
mana setiap entitas memiliki atribut yang
berbeda
Volume keranjang atau troli,
metode pembayaran, jumlah
barang
Kontrol setiap sistem perlu dilakukan kontrol yang
berguna untuk landasan pada sistem.
First come first serve
Aktivitas suatu proses yang dilakukan oleh entitas
dalam sistem
mengantri, kasir menghitung
jumlah belanjaan, pelanggan
membayar belanjaan, hingga
akhirnya pelanggan keluar dari
sistem.
2.3 Variabel Sistem
Pada sub-bab ini akan menjelaskan variabel pada sistem. Variabel yang
ditimbangkan adalah variabel keputusan, variabel respon, variabel state. Berikut ini adalah
penjelasan serta kesesuaian setiap variabel pada sistem ini.
1. Variabel keputusan: variabel yang digunakan untuk memutuskan hal pada sistem yang
ada. Tiga variabel keputusan yang ditetapkan, yaitu jumlah kasir, jumlah mesin debit,
dan jumlah keranjang atau troli.
2. Variabel respon: variabel yang ditimbulkan karena sistem yang berjalan. Pada sistem
ini varibel respon yang diperhatikan adalah waktu pelayanan setiap pembeli, jumlah
antrian, lama mengantri setiap orang, dan durasi setiap orang dari datang hingga pergi.
3. Variabel state: jumlah konsumen yang dilayani pada jam ke-i dan jumlah antrian
konsumen pada jam ke-i.
2.4 Indikator Spesifikasi Performansi
Sistem membutuhkan indikator spesifikasi performansi yang bertujuan untuk
mengukur kesuksesan atau kegagalan pada simulasi. Berdasarkan pengukuran, data yang
ada dapat mendeteksi kunci untuk mendapatkan performansi yang terbaik. Pada simulasi
yang betujuan untuk mengoptimasi service level kasir Giant A.R.Hakim memiliki indikator
performansi, yaitu:
1. Waiting time.
2. Jumlah orang yang dapat dilayani.
3. Rata β rata jumlah waktu entitas dalam sistem.
11. BAB III
METODOLOGI
Pada bab ini akan menjelaskan metodologi dan pendekatan yang digunakan untuk
mengumpulkan data. Hal ini untuk memudahkan pengerjaan tugas besar sistem industri.
3.1 Metodologi
Pada bagian ini akan dijelaskan mengenai urutan proses pengerjaan tugas besar SSI.
Berikut merupakan flowchart proses pengerjaan tugas besar SSI:
Gambar 3. 1 Metodologi Observasi
Berdasarkan flowchart diatas mengenai proses pengerjaan tugas besar SSI, proses
pengerjaan tugas besar dimulai dari memenentukan objek amatan, lalu melakukan perizinan
terhadap objek amatan tersebut. Setelah diperbolehkan maka dapat dilakukan pengamatan,
apabila tidak diizinkan maka harus mencari objek amatan yang lain. Setelah melakukan
pengamatan maka hal selanjutnya ialah merekap data hasil pengamatan serta pengolahan data
seperti fitting distribution. Kemudian membuat model konseptual serta model simulasi
menggunakan software Arena dan dilanjutkan dengan melakukan verifikasi, jika simulasi arena
belum sesuai dengan model konseptual, maka dilakukan perbaikan pada model simulasi Arena
nya. Jika sudah sesuai, Maka masuk ke tahap validasi model Arena.
Selanjutnya masuk ke simulasi Arena berdasarkan real world, dan dilanjutkan ke
penentuan scenario, setelah hal tersebut maka scenario akan di uji. Setelah selesai akan didapati
hasilnya dan setelah itu dilakukan analisis serta intepretasi data, apabila scenario belum baik
maka yang harus dilakukan ialah melakukan penentuan scenario lainnya dan dilakukan
pengujian sampai mendapati scenario yang lebih baik. Apabila sudah baik, maka dilanjutkan
pada pembuatan laporan.
12. 3.2 Pendekatan Pengumpulan Data
Berikut ini akan dipaparkan alat beserta fungsi dan tampilan fisiknya dalam
pengumpulan data serta checksheet yang akan dipakai.
Tabel 3. 1 Alat untuk mengumpulkan data penelitian
No Nama Alat Fungsi Gambar
1 Stopwatch Untuk mengukur waktu
pada pengamatan.
2 Smartphone Untuk dokumentasi pada
kegiatan pengamatan.
3 Checksheet Lembar untuk
memudahkan pencatatan
data.
4 Pulpen Untuk mencatat data pada
checksheet.
13. Berikut ini lampiran model checksheet yang akan digunakan untuk pengambilan data. Pada metode pembayaran akan ada dua opsi, yaitu tunai
dan debit. Pada utilitas belanja terdapat tiga kategori. Kategori satu untuk utilitas belanja 1 β 10 buah. Kategori dua untuk utilitas belanja 11 β 29
buah. Sedangkan untuk kategori tiga untuk utilitas belanja β₯ 30 buah.
Tabel 3. 2 Checksheet pengambilan Data
Customer
ke
Tanggal
Interarrival
time
Kedatangan
(detik)
Lamanya
Customer
di Sistem (Detik)
Customer
Waiting
(Detik)
Idle
Kasir
(Detik)
Utilitas
Belanja
Metode
Pembayaran
Lama pembayaran
(detik)
Kepergian
(detik)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Checksheet diatas merupakan salah satu lembar untuk mempermudah pencatatan data. 15 data pada tabel diatas hanyalah contoh. Apabila data
lebih dari 15, maka penulis diwajibkan menambahkan dibawahnya. Pengumpulan data dilakukan pada Giant Arief Rahman Hakim, untuk teknis
pengumpulan data akan dilaksanakan pada weekends. Pengamatan dilakukan dari jam 13.00 β 14.00 WIB, untuk hari pertama. Pengamatan kedua pukul
08.00 β 09.30 WIB. 09.00 β 11.00, hari ke-3 Alda dan Siti Farida dari jam 11.00 β 12.30, hari ke-4 Raihan dan Alda dari jam 12.30 β 14.00, hari ke-5
Raihan dan Siti Farida dari jam 14.00 β 15.30, dan hari ke-6 Alda dan Siti Farida dari jam 15.30 β 17.00.
15. BAB VI
PENGUMPULAN DATA
Pada bab ini akan dipaparkan mengenai pengumpulan data serta uji kecukupan data dan membuat model konseptual. Hal ini untuk memperjelas
data yang ingin diuji pada pengerjaan tugas besar sistem industri.
4.1 Pengumpulan Data
Pada bagian ini akan dipaparkan data β data hasil pengamatan. Tujuan dari pengumpulan data ialah untuk mempermudah uji kecukupan data.
Pada utilitas belanja terdapat tiga kategori. Kategori satu adalah utilitas belanja 1 β 10 buah. Kategori dua adalah utilitas belanja 11 β 29 buah. Kategori
tiga untuk utilitas belanja β₯ 30 buah. Berikut ini merupakan rekap data dari pengumpulan data yang memiliki satuan unit detik untuk setiap waktu.
Tabel 4. 1 Data Sistem Antrian Kasir di Giant AR Hakim
Custom
er ke
Tang
gal
Kedatangan
(detik)
Interar
rival Lamanya Customer di
Sistem (Detik)
Customer
Waiting (Detik)
Idle Kasir
(Detik)
waktu
proses
Utilitas
Belanja
Metode
Pembayaran
Lama
pembay
aran
(detik)
Kepergian
(detik)
time
1
03-
Nov-
19
0 0 53.79 0 0 38.23 1 tunai 15.56 53.79
2 5.76 5.76 191.6 48.03 0 98.59 2 Debit 44.98 197.36
3 142.16 136.4 297.26 55.2 0 200.97 3 tunai 41.09 439.42
4 475.08 332.92 175.99 0 35.66 140.88 2 tunai 35.11 651.07
5 535.05 59.97 136.11 116.02 0 10.13 1 tunai 9.96 671.16
6 545.15 10.1 246.46 126.01 0 75.28 1 Debit 45.17 791.61
7 654.3 109.15 194.73 137.31 0 33.8 1 tunai 23.62 849.03
8 716.44 62.14 195.38 132.59 0 42.45 1 tunai 20.34 911.82
9 993.17 276.73 84.95 0 81.35 57.4 1 Debit 27.55 1078.12
10 1088.43 95.26 58.26 0 10.31 44.62 1 tunai 13.64 1146.69
11 1180.17 91.74 127.87 0 33.48 96.42 1 Debit 31.45 1308.04
12 1278.97 98.8 83.49 29.07 0 34.12 1 tunai 20.3 1362.46
13 1324.84 45.87 215.64 37.62 0 129.51 1 Debit 48.51 1540.48
48. Gambar 4. 6 Hasil Uji Keseragaman Waktu Pembayaran Debit
Berikut merupakan rangkuman hasil pengolahan data kondisi eksisting dari sistem
antrian kasir Giant Arif Rahman Hakim :
Tabel 4. 13 Rangkuman Hasil Pengolahan Data Kondisi Eksisting Berdasarkan Metode
Pembayaran
Utilitas Belanja 1 Utilitas Belanja 2 Utilitas Belanja 3
TotalKartu
Debit
Tunai
Kartu
Debit
Tunai
Kartu
Debit
Tunai
Jumlah pelanggan yang dilayani 28 76 21 20 7 4 156
Total pelanggan yang mengantri 21 63 18 16 2 4 124
Total pelanggan yang tidak mengantri 7 13 3 4 5 0 32
Proporsi pelanggan yang waiting 20.19% 60.58% 43.90% 39.02% 18.18% 20.00%
79.4
9%
Rata-rata waktu waiting (detik)
267.274
286
211.0
188
263.4
724
314.3
915
128.5
986
385.6
225
Rata-rata waktu proses (detik) 37.75
31.91
109.6
681
93.94
15
181.1
5
197.3
5
Rata-rata lama pembayaran (detik) 28.85
18.49
28.99
29.09
6
28.31
286
28.53
25
Proporsi waiting terhadap total waktu
customer di dalam sistem
80.05% 80.72% 65.52% 71.87% 38.04% 63.06%
Tabel 4. 14 Rangkuman Hasil Pengolahan Data Kondisi Eksisting Berdasarkan Utilitas Belanja
Utilitas Belanja 1 Utilitas Belanja 2 Utilitas Belanja 3 Total
Jumlah pelanggan yang dilayani 104 41 11 156
Total pelanggan yang mengantri 84 34 6 124
Total pelanggan yang tidak mengantri 20 7 5 32
Proporsi pelanggan yang waiting 80.77% 82.93% 38.18% 79.49%
Rata-rata waktu waiting (detik) 239.1465508 288.9319405 257.1105357
Rata-rata waktu proses (detik) 34.83085527 101.8047976 189.25
Rata-rata waktu pembayaran (detik) 23.66958647 29.04466667 28.42267857
49. 4.2 Fitting Distribution
Setelah dilakukan pengujian kecukupan data dan eliminasi data-data yang tidak relevan,
maka data yang telah direkap akan dilakukan fitting distribution dengan bantuan software
Minitab. Adapun data yang akan dilakukan fitting distribution meliputi waktu antar kedatangan,
lamanya waktu service, lamanya waktu pembayaran dengan fungsi waktu dalam detik.
Berikut merupakan tabel summary dari Fitting distribution Simulasi Sistem Antrian di
Giant Arif Rahman Hakim :
Tabel 4. 15 Fitting distribution result table
Jenis
Data
Natural
Distribusi
Fitting Distribution Result Summary Expression
Inter-
arrival
time
Ekspo-
nensial;
Poisson
Eksponensial
Waktu
service
Utilitas
Belanja
kate-
gori 1
Erlang,
normal,
triangular
Erlang
Waktu
service
Utilitas
Belanja
kate-
gori 2
Erlang,
normal,
triangular
Normal
50. Jenis
Data
Natural
Distribusi
Fitting Distribution Result Summary Expression
Waktu
service
Utilitas
Belanja
kate-
gori 3
Erlang,
normal,
triangular
Normal
Waktu
Pem-
bayaran
dengan
debit
Erlang,
normal,
triangular
Triangular
Waktu
Pem-
bayaran
dengan
tunai
Erlang,
normal,
triangular
Erlang
4.3 Model Konseptual
Berikut ini akan dipaparkan model konseptual pada sistem yang diamati beserta
penjelasannya.
51. Gambar 4. 7 Model konseptual pada pengamatan service level pada kasir Giant AR Hakim
Dalam pengamatan ini input sistem adalah kedatangan customer. Kedatangan
customer dihitung dari customer memasuki barisan untuk melakukan transaksi. Setelah itu
customer akan memilih kasir yang tersedia. Pada sistem ini terdapat tiga kasir yang terbuka.
Sehingga saat customer dapat memilih kasir yang tersedia. Apabila kasir satu menganggur
maka customer akan memilih kasir satu untuk bertransaksi. Namun bila tidak, maka kasir akan
memilih kasir dua. Begitu juga dengan kasir dua, apabila tidak ada antrian maka customer akan
memilih kasir dua. Jika tidak maka customer akan ke kasir tiga. Jika ketiga kasir sedang tidak
menganggur maka customer akan mengantri hingga akhirnya customer dilayani oleh kasir.
Setelah dilayani, maka customer dapat memilih pembayaran, baik dengan tunai atau pun dengan
kartu debit. Setelah dilakukan pembayaran maka transaksi selesai dan akhirnya customer
meninggalkan kasir.
53. BAB V
PENELITIAN
Pada bab ini akan dijelaskan hasil kondisi eksisting sistem antrian kasir yang meliputi
model simulasi, replikasi, validasi serta analisis kondisi eksisting guna menentukan skenario
yang juga akan dibentuk dalam simulasi.
5.1 Simulasi Sistem Eksisting
Simulai sistem kondisi eksisting dibangun berdasarkan kondisi yang sebenarnya terjadi
di sistem antrian kasir Giant Arif Rahman Hakim. Pada simulasi kondisi eksisting terdapat tiga
lini kasir yang available dalam melayani customer dan terdapat pada masing-masing kasir dua
metode pembayaran (cash dan debit).
5.1.1 Model Simulasi di Arena
Berikut merupakan model arena kondisi sistem antrian kasir eksisting yang dibangun :
Gambar 5. 1 Hasil Running Arena Eksisting Sistem Antrian Kasir
54. Gambar 5. 2 Hasil Running Arena Eksisting Sistem Antrian Kasir (Lanjutan 1)
Gambar 5. 3 Hasil Running Arena Eksisting Sistem Antrian Kasir (Lanjutan 2)
Gambar 5. 4 Hasil Running Arena Eksisting Sistem Antrian Kasir (Lanjutan 3)
55. Gambar 5. 5 Hasil Running Arena Eksisting Sistem Antrian Kasir (Lanjutan 4)
5.1.2 Number of Replication
Pada subbab ini akan dibahas mengenai jumlah replikasi yang dibutuhkan. Tujuan
dilakukannya replikasi yaitu agar mendapatkan beberapa sampel yang dapat digunakan untuk
perkiraan lebih baik dalam peforma kinerja.
Tabel 5. 1 Rekap Data Replikasi Customer Teralayani Kondisi Aktual
Replikasi Customer Terlayani/Jam Replikasi Customer Terlayani/Jam
1 34 6 43
2 47 7 49
3 47 8 30
4 37 9 44
5 41 10 41
Perhitungan jumlah replikasi dilakukan dengan rumus berikut :
π»πππ π€πππ‘β =
(π‘ πβ1,π/2) Γ π
β π
Xbar = 41.3 S = 6.09 (π‘ πβ1,π/2) = 2.26
Ξ± = 0,05 n = 10 nβ = 10
hw = 4.354 Ξ² = 0,1
πππππ% = [
βπ€
π₯πππ π₯ 100%
]
Jadi nilai error terhadap data sebesar 0.1%. Maka dari itu nilai error yang didapatkan
menunjukkan hw sama dengan beta (Ξ²). Sehingga jumlah replikasi sebanyak 10 kali sudah
cukup representative dan dapat digunakan.
5.1.3 Verifikasi dan Validasi
Proses verifikasi adalah sebuah proses untuk mengecek dan memastika model simulasi
yang telah dibangun sudah sesuai dengan harapan modelers serta simulasi terbebas dari
kesalahan yang tidak diinginkan (error). Adapun proses validasi diperlukan guna memastikan
model simulasi yang dibangun telah memberi gambaran yang akurat dari real system.
Berikut merupakan hasil verifikasi dan validasi model eksisting simulasi sistem antrian
kasir Giant Arif Rahman Hakim :
56. 1. Verifikasi
Berikut ini adalah verifikasi pada model real system dari simulasi dengan
menggunakan software arena :
Gambar 5. 6 Verifikasi Running Arena Eksisting Sistem Antrian Kasir
Giant A.R. Hakim buka mulai pukul 08.00 WIB. Pada pagi hari, konsumen yang datang masih
tidak banyak. Berikut adalah gambaran model dari simulasi arena.
Gambar 5. 7 Verifikasi Running Arena Eksisting Sistem Antrian Kasir pada pukul 08.57 WIB
Berdasarkan gambar 5.7, konsumen yang telah terlayani sebanyak 33 orang. Sedangkan
semakin siang, Giant akan semakin akan semakin ramai. Berikut ini adalah gambaran model
dari simulasi arena pada pukul 10.16 WIB.
Gambar 5. 8 Verifikasi Running Arena Eksisting Sistem Antrian Kasir pada pukul 10.16 WIB
57. Berdasarkan gambar 5.8, kasir yang melayani sebanyak dua orang dan konsumen yang
telah terlayani sebanyak 91 orang. Berdasarkan real system pada waktu siang β sore akan
semakin banyak. Sehingga jumlah kasir yang dibuka pun semakin banyak. Berikut adalah
gambaran model sistem dengan software arena pada pukul 13.51 WIB.
Gambar 5. 9 Verifikasi Running Arena Eksisting Sistem Antrian Kasir pada pukul 13.51 WIB
Pada gambar di atas, Giant menambah kasir akibat bertambahnya konsumen. Konsumen
yang telah dilayani hingga pukul 13.51 berdasarkan software arena sekitar 211 orang. Model
yang digambarkan oleh software arena sudah cukup menggambarkan real system.
2. Validasi
Berikut adalah data validasi berdasarkan real system dan replikasi pada software arena.
Gambar 5. 10 Data waktu antrian pada replikasi software arena
Replikasi Waiting time Replikasi Waiting time
1 66.13 6 60.88
2 63.84 7 66.94
3 61.33 8 64.91
4 63.78 9 65.49
5 66.1 10 67.19
Gambar 5. 11 Data waktu antrian dari observasi
No. Waktu Antrian No. Waktu Antrian No. Waktu Antrian
1 38.23 41 46.39 81 16.41
2 98.59 42 71.89 82 16.65
3 200.97 43 11.53 83 190.9
4 140.88 44 25.34 84 198.12
5 10.13 45 12.75 85 23.94
6 75.28 46 34.63 86 47.52
7 33.8 47 30.15 87 246.15
8 42.45 48 16.12 88 38.03
9 57.4 49 50.77 89 65.03
10 44.62 50 60.48 90 12.85
11 96.42 51 24.71 91 24.98
59. No. Waktu Antrian No. Waktu Antrian No. Waktu Antrian
134 33.75
Validasi data membutuhkan uji hipotesis. Berikut adalah hipotesa yang digunakan untuk
memvalidasi data antrian.
π»0: π1 β π2 = 0
π» π: π1 β π2 β 0
Berdasarkan hipotesa di atas, π1 adalah data observasi dan π2 adalah data simulasi. Berikut
adalah rumus serta perhitungan t-test.
π‘ =
(π₯1
Μ Μ Μ Μ β π₯2Μ Μ Μ ) β (π1 β π2)
ππβ
1
π1
+
1
π2
Sebelum melakukan t-test, perhitungan standar deviasi diperlukan. Berikut adalah rumus serta
perhitungan standar deviasi.
ππ = β
(π1 β 1)π 1
2 + (π2 β 1)π 2
2
π1 + π2 β 2
ππ = β
(160 β 1)4555.67 + (10 β 1)5.13
160 + 10 β 2
ππ = 65.85
Setelah mendapatkan nilai standara deviasi, t-test sudah dapat diperhitungkan dengan
menggunakan rumus yang telah tertera di atas. Berikut adalah hasil perhitungan t-test.
π‘ =
(67.75 β 64.50) β 0
4336.36β 1
160
+
1
10
π‘ = 0.14
T-test dikomparasi ke t-alpha untuk two tail dengan 95% confidence level dan degree
of freedom of 159. t-alpha yang didapatkan ada pada nilai 1.998 untuk batas atas dan -1.998
untuk batas bawah. Dari data processing yang dilakukan menggunakan fitur data analysis di
Ms. Excel dengan pilihan t-Test: Two-Sample Assuming Equal Variances didapatkan bahwa
batas kritis untuk grafik penerimaan 2 sisi (two tailed) bernilai +- 0.885. Sedangkan, t-hitung
bernilai di dalam area penerimaan, sehingga ada cukup bukti untuk menyatakan bahwa tidak
ada perbedaan yang signifikan secara statistik antar model simulasi dan hasil observasi.
Sehingga, dapat disimpulkan bahwa data terima π»0 dan sistem valid. Berikut adalah
perhitungan dengan menggunakan microsoft excel.
60. Gambar 5. 12 Hasil perhitungan dengan microsoft excel
5.1.4 Analisis Sistem Eksisting
Giant A.R Rachman Hakim memiliki enam meja kasir dan enam operator sebagai kasir.
Namun, kelima meja kasir tersebut tidak digunakan semua pada saat pengamat melakukan
pengamatan. Sehingga, model sistem eksisting yang digunakan hanya tiga kasir sesuai dengan
jumlah kasir saat pengamatan. Berdasarkan model simulasi pada software arena, waktu antrian
yang didapatkan pada replikasi sepuluh replikasi hanya sekitar 60 - 69 detik. Sedangkan, data
observasi menunjukkan bahwa antrian sekitar 77 β 409 detik. Oleh karena itu, simulasi
dianggap tidak valid karena rentang waktu antrian sangat berbeda dengan yang disimulasikan.
Sehingga perlu dilakukan improvement pada pelayanan kasir Giant AR. Hakim untuk
meningkatkan service level. Sehingga, konsumen yang dapat dilayani menjadi lebih banyak dan
begitu juga profit yang didapatkan.
5.2 Proposed Scenario Simulation
Pada pengusulan skenario simulasi akan dibangun tiga kondisi skenario berdasarkan
analisis kondisi eksisting yang telah dilakukan pada sub bab 5.1.4. Pengusulan skenario
simulasi diharapkan mampu untuk melakukan perbaikan terhadap kondisi aktual dari sistem
antrian di Giant Arif Rahman Hakim
5.2.1 Proposed Scenario
Berikut merupakan rencana usulan skenario simulasi dari sistem antrian kasir di Giant
Arif Rahman Hakim :
Tabel 5. 2 Pengusulan Skenario Simulasi Sistem Antrian Kasir Giant Arif Rahman Hakim
Jenis
Skenario
Kondisi Awal Kondisi Skenario 1
Kondisi
Skenario 2
Kondisi
Skenario 3
Jumlah
Kasir
6 6 6 6
Available
kasir
3 dari 6 tersedia
tanpa spesifikasi
pembagian utilitas
belanja
3 dari 6 tersedia
dengan spesifikasi
pembagian utilitas
belanja customer (1
kasir untuk utilitas
belanja 1, 1 kasir
3 dari 6
tersedia
dengan
spesifikasi
pembagian lini
kasir
3 kasir tersedia
dengan
spesifikasi
pembagian lini
kasir
berdasarkan
61. Jenis
Skenario
Kondisi Awal Kondisi Skenario 1
Kondisi
Skenario 2
Kondisi
Skenario 3
untuk utilitas belanja
2, 1 kasir untuk
utilitas belanja 3)
berdasarkan
metode
pembayaran (2
kasir melayani
debit dan 1
kasir melayani
tunai)
metode
pembayaran (2
kasir melayani
tunai dan 1
kasir melayani
debit)
Metode
pembayaran
Tersedia untuk
seluruh lini kasir
dalam bentuk
tunai dan debit
Tersedia untuk
seluruh lini kasir
dalam bentuk tunai
dan debit
Tersedia untuk
2 lini kasir
debit dan 1
lini kasir tunai
Tersedia untuk
1 lini kasir
debit dan 2
lini kasir tunai
Hari Kerja
Weekend, 14
jam/hari dalam 3
hari
Weekend, 14
jam/hari dalam 3
hari
Weekend, 14
jam/hari dalam
3 hari
Weekend, 14
jam/hari dalam
3 hari
Berikut merupakan rekap data replikasi dari kondisi eksisting dan ketiga skenario yang
diusulkan :
1. Replikasi berdasarkan jumlah customer yang dapat dilayani
Tabel 5. 3 Perbandingan Replikasi Jumlah Customer di Layani/ 3 Hari Kondisi Eksisting dan
Skenario
Replikasi Eksisiting Skenario 1 Skenario 2 Skenario 3
1 1870 1863 1902 1896
2 1833 1814 1918 1844
3 1804 1872 1906 1917
4 1827 1899 1916 1905
5 1907 1864 1958 1957
6 1848 1930 1955 1944
7 1839 1870 1887 1910
8 1831 1874 1895 1883
9 1939 1861 1826 1793
10 1933 1901 1912 1915
2. Replikasi berdasarkan waktu tunggu antrian
Tabel 5. 4 Perbandingan Replikasi Waktu Tunggu Antrian Kondisi Eksisting dan Skenario
Replikasi Eksisiting Skenario 1 Skenario 2 Skenario 3
1 66.13 32.82 48.78 51.03
2 63.84 30.19 50.14 47.82
3 61.33 34.88 48.58 49.72
4 63.78 35.65 49.17 51.34
5 66.1 30.84 51.54 54.62
6 60.88 34.68 50.76 51.94
7 66.94 33.7 51.35 55.08
8 64.91 31.74 52.32 53.95
62. Replikasi Eksisiting Skenario 1 Skenario 2 Skenario 3
9 65.49 34.18 47.84 48.92
10 67.19 33.04 49.76 52.35
xΜ 64.66 33.17 50.02 51.68
5.2.2. Statistical Analysis of the Scenario
Setelah menentukan skenario dan replikasi, simulasi dilanjutkan dengan melaakukan
analisis menggunakan analisis statistik. Analisis statistik yang digunakan berupa uji ANOVA
single factor dari masing-masing kondisi serta berdasarkan jumlah customer yang dilayani serta
rata-rata waktu tunggu.
Berikut merupakan hasil pengujian kondisi eksisting dan skenario berdasarkan jumlah
customer yang dapat dilayani :
Ho : Β΅1=Β΅2=Β΅3=Β΅3= Β΅4
HA : Setidaknya terdapat 1 populasi yang berbeda
Keterangan :
Β΅1 = rata-rata jumlah customer terlayani kondisi eksisting
Β΅2 = rata-rata jumlah customer terlayani kondisi skenario 1
Β΅3 = rata-rata jumlah customer terlayani kondisi skenario 2
Β΅4 = rata-rata jumlah customer terlayani kondisi skenario 3
Tabel 5. 5 Hasil ANOVA Kondisi dari Jumlah Customer Terlayani
Anova: Single Factor (Jumlah Customer Terlayani)
SUMMARY
Groups Count Sum Average Variance
Aktual 10 18631 1863.1 2240.322
Skenario 1 10 18748 1874.8 943.7333
Skenario 2 10 19075 1907.5 1362.278
Skenario 3 10 18964 1896.4 2287.156
ANOVA
Source of Variation SS df MS F P-value F crit
Between Groups 12190.5 3 4063.5 2.37858 0.085876 2.866266
Within Groups 61501.4 36 1708.372
Total 73691.9 39
Berdasarkan uji hipotesis ANOVA ditemukan jika p-value =0.85 sehingga lebih besar
dari 0.05 maka Ho diterima sehingga tidak ada perbedaan yang signifikan antara keempat
kondisi terhadap rata-rata jumlah customer yang dilayani.
Setelah mengetahui jika dari rata-rata jumlah customer yang dilayani tidak terdapat
perbedaan yang signifikan, pengujian dilanjutkan dengan uji hipotesis ANOVA keempat
kondisi berdasarkan waktu tunggu.
Berikut merupakan hasil pengujian kondisi eksisting dan skenario berdasarkan rata-rata
waktu tunggu customer:
Ho : Β΅1=Β΅2=Β΅3=Β΅3= Β΅4
63. HA : Setidaknya terdapat 1 populasi yang berbeda
Keterangan :
Β΅1 = rata-rata waktu tunggu customer kondisi eksisting
Β΅2 = rata-rata waktu tunggu customer kondisi skenario 1
Β΅3 = rata-rata waktu tunggu customer kondisi skenario 2
Β΅4 = rata-rata waktu tunggu customer kondisi skenario 3
Tabel 5. 6 Hasil ANOVA Kondisi Berdasarlan Waktu Tunggu
Anova: Single Factor (Waiting Time)
SUMMARY
Groups Count Sum Average Variance
Aktual 10 646.59 64.659 4.823254
Skenario 1 10 331.72 33.172 3.238796
Skenario 2 10 500.24 50.024 2.120538
Skenario 3 10 516.77 51.677 5.863312
ANOVA
Source of
Variation SS df MS F P-value F crit
Between Groups 5008.26 3 1669.42 416.1611
5.49E-
28 2.866266
Within Groups 144.4131 36 4.011475
Total 5152.673 39
Berdasarkan uji hipotesis ANOVA ditemukan jika p-value <0.05 dan F statistik lebih
besar daripada F kritis sehingga Ho ditolak dimana bahwa terdapat mungkin satu atau lebih
rata-rata populasi yang sama. Berdasarkan penolakan Ho ini, pengujian dilanjutkan dengan
menggunakan Tukey Kramer guna mengetahui populasi manakah yang berbeda.
Berikut merupakan hasil perhitungan Tuker Kramer yang dilakukan :
πΆπππ‘ππππ π ππππ = π πβ
πππ
2
(
1
ππ
+
1
ππ
)
πΆπππ‘ππππ π ππππ = 3.809β
4.011475
2
(
1
10
+
1
10
)
πΆπππ‘ππππ π ππππ = 3.809β
4.011475
2
(
1
10
+
1
10
)
πΆπππ‘ππππ π ππππ = 2.41
Tabel 5. 7 Hasil Perbandingan xΜ pada Tukey Kramer
Eksisting Skenario 1 Skenario 2 Skenario 3
Eksisting
Skenario 1 31.49
Skenario 2 14.64 16.85
Skenario 3 12.98 18.51 1.65
64. Hasil pengujian Tukey Kramer menunjukkan bahwa skenario kedua dan ketiga
menghasilkan nilai selisih mutlak rata-rata di bawah critical range sehingga perbedaan waktu
tunggu yang tidak signifikan antarkeduanya. Skenario yang menghasilkan waktu tunggu yang
berbeda adalah skenario 1 dan eksisting sehingga skenario pertama layak dipertimbangkan
sebagai skenario yang akan dtiterapkan dalam improvement. Berdasarkan rata-rata, waktu
tunggu skenario 1 juga memiliki rata-rata paling sedikit dimana kondisi ini lah yang diharapkan
dari simulasi yang dilakukan. Selanjutnya, skenario 1 akan dianalisis guna mengetahui manfaat
dan biaya yang perlu dikeluarkan jika menerapkan skenario 1.
5.2.3 Scenario Analysis
Tabel 5. 8 Analisis Ekonomi Skenario 1
Rata-Rata
Gaji/Bulan
Pengeluaran
Belanja (40%
Gaji)
Pengeluaran/ Hari
Pengeluaran Belanja Setiap
Weekend/Orang/Tahun
IDR
2,790,000.0
0
IDR
1,116,000.00
IDR
37,200.00
3.571.200
Tabel 5. 9 Analisis Ekonomi Skenario 1 (Lanjutan)
Customer
Terlayani
Pengeluaran Belanja Setiap
Weekend/Orang/Tahun
Total
Kondisi
Eksisting
1863
IDR
3,571,200.00
IDR
6,653,145,600.00
Skenario
1
1875
IDR
3,571,200.00
IDR
6,696,000,000.00
Berdasarkan analisis ekonomi yang didapat, bahwasannya dengan perbedaan customer
yang terlayani pada kondisi eksisting dan skenario 1 akan mendapatkan hasil laba yang lebih
maksimal. Laba selisih yang didapati ialah Rp42.854.400.