Simulasi sistem pelayanan kasir Giant A.R. Hakim menganalisis pengaruh variabel seperti metode pembayaran, jumlah belanjaan, dan jumlah kasir terhadap service level. Tiga skenario disimulasikan untuk mengoptimalkan jumlah pelanggan yang terlayani dan mengurangi waktu antrian."
PPT PPT Pelaksana lapangan Pekerasan Jalan Beton lvl 6.pptx
Simulasi Sistem Antrian Kasir Supermarket - Final Project
1. Simulasi pada Sistem
Pelayanan untuk
Mengoptimumkan
Service Level di Kasir
Giant Arief Rahman
Hakim
SSI2019-C7
Siti Farida (02411740000017)
Raihan Al Ayyubi (02411740000151)
Geralda Margareta (02411740000174)
4. Latar
Belakang
Simulasi pada Sistem
Pelayana untuk
Mengoptimumkan Service
Level di Kasir Giant Arief
Rahman Hakim
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 resource capacity yang
tersedia (Aji dan Bodroastuti, 2012).
5. Tujuan
Manfaat
Mengnalisa pengaruh
metode bayar, variasi
jumlah belanjaan, dan
variasi lini terhadap
service level di sistem kasir
Mengimplementasi SSI
pada sistem layanan kasir
Melakukan penyelesaian
dan perbaikan terhadap
sistem
Input bagi
manajemen sebagai
saran evaluasi dan
perbaikan sistem
Mengasah
knowledge bagi
observer
6. OBSERVASI TERBATAS PADA SERVICE LEVEL
KASIR YANG DILAKUKAN PADA LINI KASIR
GIANT ARIF RAHMAN HAKIM,
IDAK ADA PERUBAHAN KEBIJAKAN
MANAJEMEN
FLOW KEDATANGAN PELANGGAN SAAT
WEEKEND SESUAI KONDISI NORMAL
WEEKEND
PENGAMBILAN DATA PADA WEEKEND
3 NOVEMBER 2019 S.D. 10 NOVEMBER
2019.
Batasan
Asumsi
8. Deskripsi
Sistem
Simulasi pada Sistem
Pelayanan untuk
Mengoptimumkan Service
Level di Kasir Giant Arief
Rahman Hakim
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 – 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.
10. VARIABEL KEPUTUSAN
VARIABEL RESPON
Variabel
Sistem
VARIABEL STATE
•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.
•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.
•jumlah konsumen yang dilayani pada jam ke-i dan jumlah antrian
konsumen pada jam ke-i.
11. Indikator
Spesifikasi
Performansi
Waiting Time
Jumlah orang yang dapat
dilayani
Rata - rata jumlah waktu
entitas dalam sistem
digunakan untuk mengukur
kesuksesan atau kegagalan pada
simulasi.
Dalam mengoptimasi service level
pada kasir Giant A.R.Hakim berikut
indikator spesifikasi performansi
17. PENGUMPULAN
DATA
Pengamatan dilakukan dari
jam 13.00 – 14.00 WIB, untuk
hari pertama. Pengamatan
kedua pukul 08.00 – 09.30
WIB. Pada hari ke-3 Alda dan
Siti Farida dari jam 11.00 –
12.30
Kategori satu adalah utilitas belanja 1 – 10 buah
Kategori dua adalah utilitas belanja 11 – 29 buah
Kategori tiga untuk utilitas belanja ≥ 30 buah
PENGELOMPOKAN UTILITAS BELANJA
Customer ke
Tanggal
observasi
Kedatangan Waiting time
Waktu proses
Utilitas
belanja
Metode bayar
Lama
pembayaran
Kepergian
DATA YANG DIAMBIL MELIPUTI :
19. PENGOLAHAN DATA
DATA DIKELOMPOKKAN BERDASARKAN :
Pengelompokan
Data
Utilitas belanja
Utilitas Belanja
1
Utilitas Belanja
2
Utilitas Belanja
3
Metode
Pembayaran
Tunai
Debit
Inter Arrival Time
Waktu Proses Tiap Utilitas
Waktu Pembayaran (Tunai dan Debit)
PENGUJIAN KESERAGAMAN DATA MELIPUTI :
30. 𝐻𝑎𝑙𝑓 𝑤𝑖𝑑𝑡ℎ =
𝑡 𝑛−1,𝑎/2 × 𝑠
𝑛
Xbar = 41.3 S = 6.09 𝑡 𝑛−1,𝑎/2 = 2.26
α = 0,05 n = 10 n’ = 10
hw = 4.354 β = 10%
𝑒𝑟𝑟𝑜𝑟% =
ℎ𝑤
𝑥𝑏𝑎𝑟 𝑥 100%
Jadi nilai error terhadap data sebesar 10%. Maka dari itu nilai error yang didapatkan
menunjukkan hw sama dengan beta (β). Sehingga jumlah replikasi sebanyak 10 kali
sudah cukup representative dan dapat digunakan
PERHITUNGAN REPLIKASI
32. VERIFIKASI
Keterangan :
Giant A.R. Hakim buka mulai pukul 08.00
WIB. Pada pagi hari, konsumen yang
datang masih tidak banyak yaitu 33
customer
Keterangan :
Giant A.R. Hakim pada pukul 10.16 WIB
menunjukkan semakin siang, Giant akan
semakin akan semakin ramai dan terlayani
91 customer
Keterangan :
Giant A.R. Hakim pada pukul 13.51 WIB
kasir telah melayani 211 orang dimana
pada real system waktu siang menuju sore
customer semakin banyak
33. Data waktu antrian pada replikasi software arena
Replikasi
Waiting time
(detik)
Replikasi
Waiting time
(detik)
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
35. Giant A.R Rachman Hakim memiliki lima meja kasir dan lima 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 – 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
ANALISIS KONDISI EKSISTING
37. 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 untuk utilitas belanja
2, 1 kasir untuk utilitas
belanja 3)
3 dari 6 tersedia
dengan spesifikasi
pembagian lini kasir
berdasarkan metode
pembayaran (2 kasir
melayani debit dan 1
kasir melayani tunai)
3 kasir tersedia
dengan spesifikasi
pembagian lini kasir
berdasarkan 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
PROPOSED SCENARIO
40. STATISTICAL ANALYSIS OF THE
SCENARIO
Ho : µ1=µ2=µ3=µ3= µ4
HA : Setidaknya terdapat 1 yang berbeda
Keterangan :
µ1 = rata-rata jumlah customer terlayani kondisi eksisting
µ2 = rata-rata jumlah customer terlayani kondisi skenario 1
µ3 = rata-rata jumlah customer terlayani kondisi skenario 2
Ho : µ1=µ2=µ3=µ3= µ4
HA : Setidaknya terdapat 1 yang berbeda
Keterangan :
µ1 = rata-rata waktu tunggu customer kondisi eksisting
µ2 = rata-rata waktu tunggu customer kondisi skenario 1
µ3 = rata-rata waktu tunggu customer kondisi skenario 2
µ4 = rata-rata waktu tunggu customer kondisi skenario 3
PENGUJIAN KONDISI EKSISTING DAN SKENARIO BERDASARKAN
JUMLAH CUSTOMER YANG DAPAT DILAYANI
PENGUJIAN KONDISI EKSISTING DAN SKENARIO
BERDASARKAN WAKTU TUNGGU CUSTOMER
Result :
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.
Result :
p-value <0.05 sehingga Ho ditolak. Berdasarkan penolakan ini dan
mempertimbangkan kondisi bahwa jumlah customer yang terlayani
tidak berbeda jauh, maka lebih baik memilih skenario dengan kondisi
rata-rata waktu tunggu yang paling sedikit yaitu skenario 1 (33.17
detik/customer)
42. ANALISIS EKONOMI SKENARIO 1
Rata-Rata
Gaji/Bulan
Pengeluaran
Belanja (40% Gaji)
Pengeluaran/ Hari
Pengeluaran Belanja
Setiap
Weekend/Orang/Tahun
IDR
2,790,000.00
IDR
1,116,000.00
IDR 37,200.00 3.571.200
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 skenario
terpilih didapati Laba selisih
yang didapati ialah
Rp42.854.400/tahun
43. KESIMPULAN
Semakin banyak utilitas belanja maka waktu proses akan semakin
lama
Pembayaran tunai dan debit pada memiliki perbedaan
dengan pembayaran debit lebih cepat daripada tunai
Waiting time aktual 64.66 detik, sedangkan pada skenario
terpilih menjadi 33.17 detik (menghemat 49% waiting time)
Dengan skenario terpilih didapatkan tambahan penghasilkan
kurang lebih Rp42.854.400/tahun