Aplikasi sistem kapal di berlian jasa terminal Indonesia PT.BJTI dermaga surabaya berbasis website
APLIKASI SISTEM ANTRIAN KAPAL
DI BERLIAN JASA TERMINAL INDONESIA
(PT. BJTI) DERMAGA SURABAYA BERBASIS
WEBSITE
Aghia Khumaesi S.
PROGRAM STUDI MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH JAKARTA
(2)
APLIKASI SISTEM ANTRIAN KAPAL
DI BERLIAN JASA TERMINAL INDONESIA (PT. BJTI)
DERMAGA SURABAYA BERBASIS WEBSITE
Skripsi
Sebagai Salah Satu Syarat untuk Memperoleh
Gelar Sarjana Sains
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh:
Aghia Khumaesi .S.
107094002028
PROGRAM STUDI MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH JAKARTA
(3)
PENGESAHAN UJIAN
Skripsi berjudul “Aplikasi Sistem Antrian Kapal Di Berlian Jasa Terminal
Indonesia (PT. BJTI) Dermaga Surabaya Berbasis Website” yang ditulis oleh
Aghia Khumaesi S, NIM 107094002028 telah diuji dan dinyatakan lulus dalam sidang munaqosyah Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta pada tanggal 10 juni 2011. Skripsi ini telah diterima sebagai salah satu syarat untuk memperoleh gelar Sarjana Strata Satu (S1) Program Studi Matematika.
Menyetujui,
Mengetahui, Penguji I,
Bambang Ruswandi, M.Stat NIDN. 0305108301
Penguji 2,
Hata Maulana, M.T.I NIDN. 0323108402
Pembimbing I,
Drs.Slamet Aji Pamungkas, M.Eng NIP. 19670618 199301 1001
Pembimbing 2,
Gustina Elfiyanti, M.Si NIP. 19820820 200901 2 006
Ketua Program Studi Matematika,
Yanne Irene, M.Si Dekan Fakultas Sains dan Teknologi,
(4)
PERNYATAAN
DENGAN INI SAYA MENYATKAN BAHWA SKRIPSI INI BENAR-BENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI PADA PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Jakarta, 10 juni 2011
Aghia Khumaesi .S. 107094002028
(5)
PERSEMBAHAN
Sebuah persembahan kecil semoga menjadi arti besar untuk keluarga saya, untuk abi, mama, tehfini, angami, angipan,
tehfarah, egi jelek, k’tia, k’ola dan k’sayuti serta
keponakan-keponakan saya teteh nahwa, fayad, bara dan
“inocent face” fatin.
Dan sahabat-sahabat saya yang telah mendukung saya dalam menyelesaikan skripsi ini dengan semangat persahabatan
dan persaudaraan yang terjadi diantra kita...
MOTTO
Sabda Nabi Muhammad Sholallahu Alaihi Wasallam :
“Orang yang paling baik adalah yang bermanfaat bagi orang lain”. Barang siapa yang bersungguh-sungguh pasti akan mendapatkan apa yang diinginkan
Barang siapa yang bersabar pasti akan mendapatkan apa yang diinginkan
Be the best for everything we do
(6)
ABSTRAK
AGHIA KHUMAESI .S., Aplikasi Sistem Antrian Kapal Di Berlian Jasa Terminal
Indonesia (PT. BJTI) Dermaga Surabaya Berbasis Website. (Dibimbing oleh Slamet
Aji Pamungkas and Gustina Elfiyanti)
Banyaknya terminal kapal di Indonesia saat ini memacu persaingan dalam meningkatkan pelayanan kapal. Salah satu cara untuk mengatasinya adalah meningkatkan pelayanan kapal dengan membuat sistem aplikasi antrian kapal berbasis website. Sistem aplikasi ini bertujuan untuk peningkatan pelayanan kapal di Berlian Jasa Terminal Indonesia (PT. BJTI) di Surabaya. Sistem aplikasi yang dibuat menggunakan bahasa pemrograman PHP dan bahasa pengoperasian basis data MYSQL. Fitur-fitur pada sistem aplikasi kapal ini dapat digunakan untuk pengambilan data, penyimpanan data, pengaturan jadwal dan pemesanan kapal secara
online. Sistem aplikasi ini digunakan untuk mengoptimalkan sistem pelayanan pada kapal yaitu, dengan mengefektifkan dan mengefisienkan pelayanan kapal sehingga tidak terjadi antrian kapal yang menumpuk. Selain dapat membantu dalam proses peningkatan pelayanan kapal, sistem aplikasi ini juga dapat mempermudah para perusahaan kapal baik di Indonesia maupun diluar negeri agar dapat memesan penjadwalan pelayanan kapal dan pengecekan jadwal kapal secara online tanpa harus datang ke PT. BJTI.
Aplikasi ini juga menggunakan teori antrian dengan dua disiplin yaitu disiplin FIFO dan disiplin prioritas. Pada antrian kapal FIFO menggunakan metode perhitungan Model (M/M/c) : (GD/∞/∞) yaitu metode antrian populasi tidak terbatas dengan pelayanan majemuk. Sedangkan, untuk antrian kapal prioritas menggunakan metode prioritas (N-P) karena pelayanannya tunggal. Sehingga didapatkan kesimpulan dari kedua disiplin antrian tersebut yang masing-masing berbeda.
(7)
ABSTRACT
AGHIA KHUMAESI .S., The Application of Queue System the ship services in Berlian Jasa Terminal Indonesia (PT. BJTI) Surabaya Based On Website.
(Supervised by Slamet Aji Pamungkas and Gustina Elfiyanti)
Large number of vessel terminals in Indonesia today causes a competition in improving the ship services. One of method is used to improve the ship services by creating a ship queue system with web-based application. This application system is used in order to increase the ship services in Berlian Jasa Terminal Indonesia (PT. BJTI) Surabaya. The Application system was created using PHP programming language and MySQL database operating language. It has some features with regards the ship services which are consist of data collection, data storage, a ship schedule and online reservation. This application is used to optimize the services effectively and efficiently so that there is no long ships queue. In addition to assist in the process of improving the services of ship systems, this application is also applicable for both Indonesia and foreign ship companies which provides an online ship services such as reservation and ship schedule check. Thus it make easier and it is not required to come to PT. BJTI.
This application also uses queuing theory to the two disciplines are FIFO discipline and discipline a priority. On board FIFO queue model calculation method (M / M / c): (GD / ∞ / ∞) queuing method is not limited to populations with diverse services. Meanwhile, to ship priority queue using a priority (NP) due to a single ministry. Thus it was concluded from these two disciplines queue, each different.
(8)
KATA PENGANTAR
مسب
ها
نمحرلا
ميحرلا
Seraya memanjatkan puji serta syukur hanya bagi Allah SWT. tuhan semesta
alam, yang dengan nikmat dan karunianya kita semua bisa merasakan indahnya
kehidupan ini. Shalawat serta salam semoga tetap terlimpahkan dan selalu
tercurahkan kepada Nabi Muhammad SAW, keluarga, sahabat, serta segenap
pengikutnya sampai akhir zaman. Alhamdulillah hirobbil a’lamin penulis ucapkan karena berkat rahmat dan karunia-Nya penulis dapat menyelesaikan Laporan Praktek
Kerja Lapangan ini yang berjudul, “ Aplikasi Sistem Antrian Kapal di Berlin Jasa
Terminal Indonesia (PT. BJTI) Dermaga Surabaya Berbasis Website”.
Akhirnya dengan segala kerendahan hati, penulis menyadari bahwa dalam
penulisan laporan skripsi ini masih terdapat banyak kekurangan untuk menuju
kesempurnaan, dan penulis mencoba berikhtiar senantiasa memberikan semaksimal
mungkin dengan harapan Laporan skripsi ini dapat memperoleh hasil yang baik.
Dalam kesempatan yang baik ini, perkenankan penulis menghaturkan ucapan
Terima Kasih kepada:
1. Yanne Irene, M.Si selaku Ketua Program Studi (Prodi) Matematika Fakultas
Sains dan Teknologi UIN Syarif Hidayatullah Jakarta.Semua dosen Program
Studi Matematika UIN Syarif Hidayatullah Jakarta yang telah banyak
membantu dalam penulisan laporan skripsi ini.
(9)
3. Agustina Elfiyanti, M.Si selaku Pembimbing II dan sebagai dosen Prodi
Matematika FST
4. Abiku H. AM Su’ud , Mamaku Churatus Suduriyah, Kakakku Teteh fini,
Angami, Angipan, T’Farah, K’Tia, K’Sayuti serta adikku Auzan Elghifari “iyek” yang telah memberi semangat dan do’anya demi terselesainya skripsi ini. I Luv U All...
5. Teman satu kamarku fiqih wulandari yang selalu membangkitkan semangat
penulis untuk menyelesaikan skripsi ini.
6. Mantan teman satu kamarku Hilda Sovia yang telah memberikan software
„visio’ demi kelancaran penulisan skripsi.
7. Sahabatku Faradhila, Rika Hanifah dan Bestari Nawangsih yang telah
memberi penulis semangat dalam menyelesaikan skripsi.Thanks My Best
Friends...
8. Teman-teman Matematika angkatan 2007, yang selalu mensupport penulis
dalam menulis skripsi.Thanks guys....
Kritik dan saran konstruktif sangat penulis harapkan berkaitan dengan
penyusunan Laporan skripsi ini yang masih jauh dari kesempurnaan. Semoga kita
semua senantiasa diridhoi dan mendapatkan rahmat dan hidayah-Nya serta selalu
berada di jalan yang lurus. Amin .
(10)
DAFTAR ISI
HALAMAN JUDUL ... i
PENGESAHAN UJIAN ... ii
PERNYATAAN ... iii
PERSEMBAHAN DAN MOTTO ... iv
ABSTRAK ... v
ABSTRACT ... vi
KATA PENGANTAR ... vii
DAFTAR ISI ... ix
DAFTAR TABEL ... xii
DAFTAR GAMBAR ... xiii
DAFTAR LAMPIRAN ... xiv
BAB I. PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Permasalahan... 3
1.3 Pembatasan Masalah ... 4
1.4 Tujuan Penelitian ... 4
1.5 Manfaat Penelitian ... 4
BAB II. TINJAUAN PUSTAKA ... 6
2.1 Teori Antrian ... 6
(11)
2.2.1 Karakteristik Kedatangan ... . 8
2.2.2 Karakteristik Pelayanan ... . 10
2.3 Disiplin Antrian ... 11
2.4 Fasilitas Pelayanan………. 12
2.5 Fasilitas Sistem Antrian………. 13
2.6 Model Antrian(M/M/c): (GD/~/~) ... 14
2.7 Disiplin Antrian Prioritas Pelayanan ... 16
2.7.1 Pelayanan Tunggal N-P... . 17
2.8 Peranan Distribusi Poisson dan Eksponensial ... 18
2.9 Konsep Dasar Database... 21
2.9.1 ERD(Entity Relationship Diagram) ... 21
2.9.2 Entitas dan Himpunan Entitas ... 21
2.9.3 Atribut ... 22
2.9.4 Relasi(Relationship) ... 23
2.9.5 Keterkaitan ... 24
2.9.6 Normalisasi ... 25
2.10 DFD... ... 27
2.11 PHP Dan Database Mysql... ... 27
BAB III. METODOLOGI PENELITIAN ... 29
3.1 Waktu Penelitian ... 29
(12)
3.3 Metode Pengolahan Data ... 30
3.3.1 Uji Distribusi ... 30
3.3.2 Metode Antrian ... 31
3.4 Rancangan Antrian ... 32
3.4.1 ERD ... 32
3.4.2 Normalisasi ... 34
3.4.4 Kamus Data ... 37
3.4.5 DFD Level 0 ... 41
3.4.6 DFD Level 1 ... 43
3.4.6 DFD Level 2 ... 47
3.6 Site Map ... 50
3.6 Alur Penelitian ... 51
BAB IV. HASIL DAN PEMBAHASAN ... 54
4.1 Data Pelayanan ... 54
4.2 Pembahasan Data Sistem Antrian ... 55
4.3 Uji Distribusi Kedatangan Kapal ... 59
4.3.1 Data Kapal FIFO ... 60
4.3.2 Data Kapal PRIORITAS ... 60
4.4 Uji Distribusi Keberangkatan Kapal ... 62
4.4.1 Data Kapal FIFO ... 62
4.4.2 Data Kapal PRIORITAS ... 63
(13)
4.6 Tampilan Aplikasi Antrian ... 69
4.6.1 Menu Umum ... 70
4.6.2 Menu Admin ... 72
4.7 Fitur Dalam Pengembangan……….. .. 76
BAB V. KESIMPULAN DAN SARAN ... 77
5.1 Kesimpulan ... 77
5.2 Saran ... 78
DAFTAR PUSTAKA ... 80
LAMPIRAN
(14)
DAFTAR TABEL
Tabel 3.1 Normalisasi Pertama.. ... 36
Tabel 3.2 Normalisasi Kedua ... 37
Tabel 4.1 Data Kapal FIFO ... 55
Tabel 4.2 Data Kapal PRIORITAS ... 57
Table 4.3 Uji Kedatangan Kapal FIFO ... 60
Tabel 4.4 Uji Kedatangan Kapal PRIORITAS ... 61
Tabel 4.5 Uji Keberangkatan Kapal FIFO ... 62
(15)
DAFTAR GAMBAR
Gambar 2.1 Contoh Himpunan Entitas ... 24
Gambar 2.2 Contoh Hubungan (relationship) ... 25
Gambar 2.3 Contoh Keterkaitan satu ke satu ... 26
Gambar 2.4 Contoh Keterkaitan satu ke banyak... 26
Gambar 2.5 Contoh Keterkaitan banyak ke banyak ... 27
Gambar 3.1 ERD. ... 33
Gambar 3.2 DFD Level 0 ... 41
Gambar 3.3 DFD Level 1 ... 43
Gambar 3.4 DFD Level 2 Proses 1 ... 47
Gambar 3.5 DFD Level 2 Proses 2 ... 48
Gambar 3.6 DFD Level 2 Proses 3 ... 48
Gambar 3.7 DFD Level 2 Proses 4 ... 49
Gambar 3.8 DFD Level 2 Proses 5 ... 49
Gambar 3.9 Site Map Publik ... 50
Gambar 3.10 Site Map Admin ... 51
Gambar 3.11 Flow Chart ... 53
Gambar 4.1 Tampilan Layout Menu Umum ... 70
Gambar 4.2 Tampilan Layout Menu Admin ... 72
Gambar 4.3 Layout Menu Input ... 73
Gambar 4.4 Layout Menu Input Data Kapal... 74
(16)
DAFTAR LAMPIRAN
Lampiran I : Uji Distribusi Poisson
Lampiran I I : Hasil Perhitungan Kapal FIFO dan Prioritas
Lampiran III : Data Waktu Pelayanan Kapal
(17)
BAB I
PENDAHULUAN
1.1 Latar Belakang
Indonesia merupakan Negara yang sangat kaya akan sumber daya alamnya,
untuk mengoptimalkan penggunaan sumber daya alam (SDA) supaya dapat
memenuhi kebutuhan masyarakat Indonesia dimanapun berada maka Indonesia
memiliki sarana transportasi untuk mensuplai kebutuhan masyarakat Indonesia dari
Sabang sampai Merauke. Sarana transportasi yang dibahas adalah transportasi laut
karena transportasi laut memiliki fungsi penting sebagai alat transportasi antar pulau
dan antar propinsi yang keberadaanya tidak kalah penting dari sarana tranportasi lain,
untuk itu banyak perusahaan di Indonesia yang bergerak dalam bidang transportasi
laut yaitu, perkapalan salah satunya adalah PT. BERLIAN JASA TERMINAL
INDONESIA (PT. BJTI).
PT. BJTI merupakan salah satu anak perusahaan PT. (Persero) Pelabuhan
Indonesia III adalah Badan Usaha Milik Negara selaku penyelenggara jasa
kepelabuhanan. PT. BJTI berdiri dan mulai melakukan aktifitas sebagai “PORT TERMINAL OPERATOR” terhitung sejak awal Januari 2002. Untuk mencapai
visinya yaitu “menjadi operator terminal terbaik di Indonesia dan mitra logistik terpercaya” maka PT. BJTI memerlukan banyak kapal untuk memenuhi kebutuhan
(18)
masyarakat Indonesia. Perkembangan teknologi informasi dewasa ini menuntut
pengaturan jadwal kapal supaya lebih terarah. Karena belum tersedianya penerapan
aplikasi sistem antrian (queue) terhadap kapal, maka PT. BJTI bekerja sama dengan BPPT untuk membantu dan menjawab permasalahan tentang kurang teraturnya
penjadwalan kapal.
Hasil penelitian sebelumnya (yunitawaty, 2006) terbatas hanya melakukan
penelitian terhadap sistem antrian pelayanan dermaga tanpa membuat aplikasi sistem
antriannya sedangkan pada penelitian (Rizky,2004) sudah membuat aplikasi antrian
tetapi pada antrian bank. Oleh karena itu, perlu dilakukan penelitian untuk membuat
aplikasi sistem antrian kapal berbasis website dengan menggunakan software mysql dan php dengan disiplin antrian kapal FIFO dan prioritas.
Model antrian [3] yang digunakan dalam permasalahan ini adalah model
antrian banyak saluran satu tahap [M/M/c] yaitu model atau struktur dimana hanya
ada sebuah antrian di depan fasilitas pelayanan yang berisi banyak saluran atau
pelayan. Obyek antrian dalam hal ini adalah kapal akan dilayani jika pelayan dalam
hal ini adalah dermaga yang siap dan dapat menerima kapal yang mengantri untuk
menurunkan atau bongkar muat peti kemas yang terdapat pada kapal tersebut, antrian
ini berdasarkan sifat FCFS/FIFO dan PRIORITAS(N-P) [6].
Rumusan operating research untuk model antrian [M/M/c] [6] didasarkan pada kedatangan yang mengikuti distribusi Poisson dan pelayanan yang mengikuti
(19)
distribusi Eksponensial negatif (infinite calling population). Setelah melakukan perhitungan model antrian [M/M/c] maka untuk keefisienan dan keteraturan jadwal
kapal kami melakukan aplikasi antrian dengan menggunakan software database mysql
untuk keteraturan jadwal kapal di PT. BJTI.
Pengaturan konsep antrian supaya lebih efektif, efisien dan teratur dengan
menggunakan teknik database mysql [8] yaitu sebuah perangkat lunak sistem manajemen basis data SQL (Database Management System) atau DBMS yang
multithread, multi-user, dengan sekitar 6 juta instalasi di seluruh dunia. Dengan menggunakan bahasa pemrograman PHP(Hypertext Preprocessor) [8] adalah bahasa skrip yang dapat ditanamkan atau disisipkan ke dalam HTML. PHP banyak dipakai untuk memrogram situs web dinamis.
1.2Permasalahan
Permasalahan yang terjadi dalam aplikasi antrian ini adalah :
1. Bagaimana merancang dan membangun aplikasi sistem antrian kapal.
2. Bagaimana mengatur pola kedatangan dan pelayanan kapal agar efisien dan lebih
teratur.
3. Bagaimana solusi untuk mengatur jadwal antrian kapal sehingga efisien dan
(20)
1.3 Pembatasan Masalah
Dalam penyusunan skripsi ini, penulis memberikan batasan masalah agar
lebih terarah yaitu bagaimana membuat aplikasi sistem antrian kapal di PT. BJTI
untuk pengaturan jadwal antrian kapal sehingga dapat efisien dan teratur, tetapi tidak
membahas antrian peti kemas pada kapal. Aplikasi ini berbasis website dengan menggunakan databasemysql dan bahasa pemrograman php.
1.4 Tujuan Penelitian
Tujuan dari pembuatan penulisan skripsi ini antara lain :
1. Membuat rancangan aplikasi sistem antrian kapal di PT. BJTI.
2. Membuat pengaturan jadwal antrian kapal di PT. BJTI menjadi lebih terarah dan
teratur.
3. Memudahkan masyarakat/perusahaan dalam melakukan pendaftaran pendaratan
kapal.
4. Mengefisienkan waktu, tenaga dan biaya pihak dermaga dan perusahaan pemilik
kapal.
1.5 Manfaat Penelitian
Hasil penelitian ini diharapkan dapat digunakan sebagai langkah awal untuk
membangun aplikasi antrian kapal di PT. BJTI dermaga Surabaya berbasis website, yang bisa diaplikasikan pada sistem antrian lainya pada bidang apapun supaya lebih
(21)
terarah dan terkontrol sehingga tidak terjadi kesamaan jadwal yang menyebabkan
suatu hal yang tidak diinginkan. Program aplikasi antrian berbasis website ini juga dapat dijadikan bahan atau rujukan tambahan untuk penelitian lebih lanjut di bidang
yang berkaitan.
Dengan penyesuaian tertentu, metode yang digunakan mungkin dapat juga
dimanfaatkan untuk sistem antrian parkir mobil, motor, lampu merah, bank dan
sebagainya. Dari hasil penelitian ini juga diharapkan dapat diperoleh pemahaman
yang lebih baik terhadap database dan berbagai parameter yang digunakan terhadap unjuk kerja mysql dengan menggunakan bahasa PHP.
(22)
BAB II
TINJAUAN PUSTAKA
2.1 Teori Antrian
Antrian dapat terjadi apabila orang, komponen mesin atau unit barang harus
menunggu untuk mendapatkan pelayanan dari fasilitas layanan yang sedang
beroperasi pada kapasitas tertentu sehingga tidak melayani orang, komponen mesin
atau unit barang untuk sementara waktu. Ketika para pelanggan menunggu untuk
mendapatkan jasa pelayanan, maka keberadaan sistem antrian sangat diperlukan.
Beberapa contoh berikut menunjukkan bahwa penggunaan sistem antrian sangat
membantu untuk melancarkan pelayanan kepada pelanggan atau konsumen seperti :
Pelanggan menunggu pelayanan di depan kasir.
Mahasiswa menunggu untuk registrasi.
Kendaraan berhenti berderet-deret menunggu di traffic light.
Mesin rusak antri untuk diperbaiki di sebuah bengkel.
Surat antri untuk diketik oleh sekretaris.
Program menunggu di proses oleh komputer digital.
Sebagian contoh di atas sesungguhnya dapat didesain lebih efisien dengan
menggunakan teori antrian. Teori antrian pertama kali dikemukakan oleh A.K Erlang
(23)
tentang fluktuasi permintaan fasilitas telepon yang berhubungan dengan automatic dialing equipment, yaitu peralatan penyambungan telepon secara otomatis. Dalam waktu–waktu yang sibuk operator sangat kewalahan untuk melayani para penelepon secepatnya, sehingga para penelepon harus antri menunggu giliran, mungkin cukup
lama. Persoalan antrian Erlang hanya memperlakukan perhitungan keterlambatan
(delay) dari seorang operator, kemudian pada tahun 1917penelitian dilanjutkan untuk menghitung kesibukan beberapa operator. Dalam periode ini Erlang menerbitkan
bukunya yang terkenal berjudul Solution of some problems in the theory of probabilities of significance in Automatic Telephone Exhange. Baru setelah perang dunia kedua, hasil penelitian Erlang diperluaspenggunaannya antara lain dalam teori
antrian [3].
Pengertian antrian menurut Ma’arif dan Tanjung [3] seorang ahli teori antrian adalah situasi barisan tunggu dimana sejumlah kesatuan fisik (pendatang) sedang
berusaha untuk menerima pelayanan dari fasilitas terbatas (pemberi pelayanan),
sehingga pendatang harus menunggu beberapa waktu dalam barisan agar dilayani.
Sedangkan menurut Heizer and Render [3] dalam bukunya Operation Management
yang diterjemahkan oleh Setyoningsih dan Almahdy adalah teori antrian adalah ilmu
pengetahuan tentang antrian dan antrian merupakan orang-orang atau barang dalam
barisan yang sedang menunggu untuk dilayani.
Berdasarkan definisi di atas maka dapat disimpulkan bahwa antrian adalah
(24)
suatu fasilitas pelayanan, kemudian menunggu dalam suatu antrian dan pada akhirnya
meninggalkan fasilitas tersebut. Jadi sistem antrian adalah himpunan pelanggan,
pelayan dan suatu aturan yang mengatur kedatangan para pelanggan dan pemrosesan
masalahnya.
2.2 Karakteristik Sistem Antrian
Terdapat tiga komponen dasar dalam proses antrian, yaitu kedatangan,
pelayanan dan antrian.
2.2.1 Karakteristik Kedatangan
1. Ukuran Sumber Kedatangan
Dalam teori antrian kedatangan pelanggan yang bergabung ke dalam sistem
antrian dan tidak akan meninggalkan sistem antrian sebelum dilayani disebut sumber
kedatangan (input). Ukuran kedatangan pelanggan bisa berasal dari populasi terbatas (limited / finite) ataupun dari populasi yang tidak terbatas (unlimited / infinite).
2. Perilaku Kedatangan
Hampir semua antrian berasumsi bahwa pelanggan yang datang adalah
pelanggan yang sabar. Pelanggan yang sabar adalah mesin atau orang-orang yang
menunggu dalam antrian sampai mereka selesai dilayani dan tidak berpindah garis
(25)
pembatalan (reneging) untuk mengikuti antrian. Selain itu ada juga pelanggan yang berpindah dari satu antrian ke antrian lain (jockeying), hal ini dapat terjadi pada sistem antrian ganda (multiple queue).
3. Distribusi Kedatangan
Bentuk kedatangan pelanggan biasanya diperhitungkan melalui waktu antar
kedatangan, yaitu waktu antar kedatangan dua pelanggan yang berurutan pada suatu
fasilitas pelayanan. Kedatangan pelanggan ini dapat terjadi dalam interval waktu yang
teratur atau dalam interval waktu yang tidak teratur (random). Model antrian adalah model probabilistik, karena unsur-unsur tertentu proses antrian yang dimasukkan
dalam model adalah variabel random. Asumsi yang biasa digunakan dalam kaitannya
dengan distribusi kedatangan (banyaknya kedatangan per unit waktu) adalah
distribusi Poisson, dimana kedatangan pelanggan bersifat bebas, tidak terpengaruh
oleh kedatangan sebelum ataupun sesudahnya dan mempunyai rata-rata kedatangan
sebesar lamda(λ). Rumus umum distribusi Poisson[3] adalah :
P(x) = ! ) (
x e
x
, untuk x=0,1,2,3.... 2.1
dengan : P (x) = probabilitas kedatangan sejumlah x x = banyaknya kedatangan per satuan waktu
(26)
2.2.2 Karakteristik Pelayanan
1. Desain Fasilitas Pelayanan
Sistem pelayanan mengikuti kedatangan pelanggan, dapat dinyatakan dengan :
1. Pelayanan tunggal dengan kedatangan tidak berhingga
2. Pelayanan majemuk dengan kedatangan tidak berhingga
3. Pelayanan tunggal dengan kedatangan terbatas
4. Pelayanan majemuk dengan kedatangan terbatas
2. Distribusi Waktu Pelayanan
Pola pelayanan serupa dengan pola kedatangan, dimana pola ini bisa konstan
ataupun acak. Jika waktu pelayanan konstan, maka waktu yang diperlukan untuk
melayani setiap pelanggan adalah sama. Asumsi umum yang biasa digunakan bagi
distribusi waktu pelayanan adalah distribusi Eksponensial negatif . Rumus umum
probabilitas distribusi Eksponensial negatif[3] adalah :
f(t) =
e
t 2.2 dengan : f(t) : probabilitas yang berhubungan dengan tt : waktu pelayanan
: rata-rata waktu pelayanan
Proses Poisson juga akan ditemukan pada proses pelayanan (services process), yang dengan demikian juga berarti bahwa proses Poisson juga berlaku pada pelayanan. Bentuk pelayanan dapat konstan dari waktu ke waktu. Rata-rata pelayanan
(27)
(mean server rate) diberi simbol merupakan jumlah pelanggan yang dapat dilayani dalam satuan waktu, sedangkan rata-rata waktu yang digunakan untuk melayani
setiap pelanggan diberi simbol 1
unit (satuan).
2.3 Disiplin Antrian
Disiplin antrian [6] merupakan aturan antrian yang mengacu pada peraturan
pelanggan yang ada dalam barisan untuk menerima pelayanan yang terdiri atas:
1. First Come First Serve (FCFS) : merupakan disiplin antrian yang sering dipakai pada beberapa tempat di mana pelanggan yang datang pertama akan dilayani
terlebih dahulu.
2. Last Come First Serve (LCFS) : merupakan disiplin antrian di mana pelanggan yang datang terakhir justru dilayani pertama kali.
3. Shortest Operation Times (SOT) : merupakan sistem pelayanan di mana pelanggan yang membutuhkan waktu pelayanan tersingkat mendapat pelayanan
pertama.
4. Service In Random Order (SIRO) : merupakan sistem pelayanan di mana pelanggan mungkin akan dilayani secara acak (random), tidak peduli siapa yang lebih dulu tiba untuk dilayani.
5. Proritas pelayanan : merupakan pelayanan yang dilakukan secara khusus pada pelanggan utama.
(28)
2.4 Fasilitas Pelayanan
Terdapat dua hal penting dalam karakteristik pelayanan adalah :
1. Desain sistem pelayanan
Pelayanan pada umumnya digolongkan menurut jumlah saluran yang ada (sebagai
contoh jumlah kasir) dan jumlah tahapan(sebagai contoh jumlah pemberhentian
yang harus dibuat). Desain sistem pelayanan [9]dapat digolongkan sebagai berikut:
a. Single (jalur tunggal) terdiri dari :
Single Channel (sistem jalur tunggal, satu tahap)
Merupakan struktur yang sederhana dan formula yang singkat, cocok untuk
menyelesaikan masalah untuk distribusi kedatangan dan pelayanan yang
standar. Contoh: tukang pangkas rambut.
Multiple Channel (sistem jalur tunggal, tahap berganda)
Pelanggan menerima pelayanan tahap berganda yang mempunyai sistem
jalur tunggal. Contoh: pencucian mobil.
b. Multichannel (jalur berganda) terdiri dari:
(29)
Sistem pelayanan dengan satu tahap, pada sistem jalur berganda. Contoh:
Bank, POS, counter tiket pada bandara
Multiphase System (jalur berganda, tahapan berganda)
Merupakan sistem pelayanan di mana pelanggan menerima pelayanan dari
beberapa loket layanan sebelum meninggalkan sistem.
2.5 Fasilitas Sistem Antrian
Untuk berbagai keadaan antrian, barisan antrian akan berkembang jika
rata-rata laju kedatangan (input) melebihi rata-rata laju pelayanan (output). Jika hal ini terjadi, maka barisan penungguan akan terus terbentuk dan tidak akan selesai sampai
ada interval waktu yang muncul, dimana laju output lebih besar dari laju input
sehingga sistem tidak memiliki kapasitas. Seperti telah disebutkan sebelumnya, notasi
untuk rata-rata input dalam sistem antrian dinyatakan sebagai dan rata-rata output
meninggalkan sistem dinyatakan dengan . Perbandingan
adalah perbandingan
pengosongan dari sistem. Perbandingan ini secara matematika dinyatakan sebagai ρ (rho), di mana
. Jika ρ > 1, maka rata-rata laju kedatangan pelanggan lebih
besar dari laju rata-rata pelayanan, yang berarti barisan penungguan akan berkembang
tanpa halangan.
Barisan penungguan yang terus berkembang, untuk mengatasinya maka
(30)
tempat pelayanan (c) yang diharapkan mempunyai batasan 1
c
. Batasan ini menunjukkan bahwa keadaan pelayanan telah memiliki rata-rata total kapasitas
pelayanan lebih besar dari laju rata-rata kedatangan. Dengan demikian, proses
kedatangan pelanggan dan pelayanan akan berjalan dalam kondisi sementara
(transient) dan secara bertahap akan mencapai kondisi tetap (steady state) setelah melampaui waktu yang cukup lama.
Pada kondisi sementara, sistem antrian terus-menerus tergantung pada waktu.
Sedangkan pada kondisi tetap, proses antrian berlangsung dalam keadaan yang sudah
stabil dengan 1
sehingga semua kedatangan dapat dilayani. Tetapi sebaliknya, jika rata-rata laju kedatangan lebih besar dari laju pelayanan, maka sistem antrian
tidak akan pernah mencapai kondisi tetap berapapun waktu yang dilalui, bila ukuran
antrian bertambah sejalan dengan waktu.
2.6 Model Antrian Pelayanan Ganda dengan Populasi Tidak Tebatas (M/M/c) :
(GD/∞/∞).
Penguraian untuk multichannel (server) ini juga seperti yang berlaku pada
single channel model. Perbedaan utamanya terletak pada pelanggan yang tidak perlu menunggu lama karena paling sedikit terdapat c server untuk melayani. Keterangan atas simbol-simbol yang akan dipakai adalah sebagai berikut :
(31)
C = Jumlah server (fasilitas pelayanan)
Sebelum melangkah lebih lanjut, terlebih dahulu diuraikan asumsi sebagai berikut
M M c GD/ /
/ /
Dengan :M = Jumlah kedatangan berdistribusi Poisson
M = Waktu Pelayanan berdistribusi Poisson atau berdistribusi Eksponensial
c = Multichannel (pelayanan ganda)
GD = FCFS (First Come First Service)
∞ = antrian dan sumber kedatangan tak terhingga
Persamaan-persamaan yang ada pada Model Antrian Pelayanan Ganda dengan
Populasi Tidak Terbatas [6] adalah sebagai berikut :
1. Probabilitas tidak ada pelayanan
2.3 2. Jumlah rata-rata kapal yang menunggu dalam antrian
Po c c Lq C 2 ) ( )! 1 ( ) / (
2.4
3. Jumlah rata-rata kapal yang menunggu dalam sistem
Lq
(32)
4. Waktu rata-rata menunggu dalam antrian
Lq
Wq 2.6
5. Waktu rata-rata menunggu dalam sistem (antrian + pelayanan)
Ls
Ws 2.7
Persamaan-persamaan di atas hanya dapat disimulasikan jika sistem pelayanan sudah
berada pada kondisi tetap (steady state).
2.7 Disiplin Antrian Prioritas Pelayanan
Prioritas pelayananan merupakan disiplin antrian yang dapat ditentukan
berdasarkan kebutuhan yang disesuaikan dengan ketentuan yang berlaku. Dalam
prioritas pelayanan [6] terdapat dua aturan yang dapat diikuti, yaitu:
1. Aturan Preemptive
Aturan yang menunjukan bahwa pelanggan dengan prioritas pelayanan yang
rendah tetap dapat memasuki fasilitas pelayanan bersama-sama dengan pelanggan
yang datang pada proritas yang utama (sangat tinggi).
(33)
Aturan yang menunjukan bahwa bila satu pelanggan sudah memasuki fasilitas
pelayanan maka pelanggan tersebut akan terus dilayani sampai selesai, walaupun
pelanggan dengan prioritas yang lebih tinggi datang.
2.7.1 Pelayanan Tunggal N-P
Perumusan dalam sistem antrian pelayanan tunggal N-P [6] akan diuraikan
sebagai berikut:
1. Waktu rata-rata menunggu dalam antrian
2.8 3.Waktu rata-rata menunggu dalam sistem (antrian + pelayanan)
Ws=Wq(k)+Ek(t) 2.9 4. Jumlah rata-rata kapal yang menunggu dalam antrian
Lq=ʎ .Wq 2.10 5. Jumlah rata-rata kapal yang menunggu dalam sistem
Ls=Lq +pk 2.11 Dengan pernyataan yang ditunjukkan pada:
E k
pk . k(t) 2.12
E(t) = 1/µ 2.13
Persamaan-persamaan di atas hanya dapat disimulasikan jika sistem pelayanan sudah
(34)
2.8 Peranan Distribusi Poisson dan Eksponensial
Pada situasi antrian dimana kedatangan dan keberangkatan (kejadian) yang
timbul selama satu interval waktu dikendalikan dengan kondisi berikut ini:
Kondisi 1: Probabilitas dari sebuah kejadian (kedatangan dan keberangkatan) yang
timbul antara t dan t + Δt bergantung hanya pada panjangnya Δt, yang berarti bahwa probabilitas tidak bergantung pada t atau jumlah kejadian yang timbul selama periode
waktu (0, t).
Kondisi 2: Probabilitas kejadian yang timbul selama interval waktu yang sangat kecil
h adalah positif tetapi kurang dari satu.
Kondisi 3: Paling banyak satu kejadian dapat timbul selama interval waktu yang
sangat kecil h
Ketiga kondisi di atas menjabarkan sebuah proses dimana jumlah kejadian
selama interval waktu yang berturut-turut adalah eksponensial. Dengan kasus
demikian, dapat dikatakan bahwa kondisi-kondisi tersebut mewakili proses Poisson.
Berdasarkan kondisi 1, probabilitas tidak adanya kejadian yang timbul selama
t + h untuk h > 0 dan cukup kecil, kondisi 2 menunjukkan bahwa 0 < P0(h) < 1.
Interval waktu antara beberapa kejadian yang berturut-turut adalah berdistribusi
(35)
Eksponensial dan Poisson[7], kemudian dapat disimpulkan bahwa Pn(t) pastilah
poisson.
Misalkan f(t) merupakan fungsi kepadatan peluang dari interval waktu antar pemunculan kejadian yang berturut-turut, t ≥ 0. Misalkan bahwa t adalah interval waktu sejak pemunculan kejadian terakhir. Dengan diketahui bahwa f(t) merupakan sebuah distribusi eksponensial, teori peluang dapat menjelaskan bahwa Pn(t) adalah
fungsi kepadatan peluang dari distribusi poisson yaitu nilai rata-rata dari n selama periode waktu tertentu t adalah E{n | t} = α t kejadian. Ini berarti bahwa α mewakili laju timbulnya kejadian.
Kesimpulan dari hasil di atas adalah bahwa jika interval waktu antara
beberapa kejadian yang berturut-turut adalah eksponensial dengan rata-rata unit
waktu, maka jumlah kejadian dalam satu periode waktu tertentu pastilah poisson
dengan laju pemunculan rata-rata (kejadian per unit waktu) α, dan sebaliknya.
Distribusi Poisson merupakan proses yang sepenuhnya acak (completely random process), karena memiliki sifat bahwa interval waktu yang tersisa sampai pemunculan kejadian berikutnya sepenuhnya tidak bergantung pada interval waktu
yang telah berlalu. Sifat ini setara dengan pembuktian pernyataan probabilitas berikut
ini.
(36)
Dengan S adalah interval waktu antara pemunculan kejadian terakhir. Karena t
bersifat eksponensial, maka sifat ini disebut sebagai forgetfullness atau lack of memory dari distribusi Eksponensial, yang menjadi dasar untuk menunjukkan bahwa distribusi Poisson sepenuhnya bersifat acak.
Satu ciri unik lainnya dari distribusi Poisson adalah bahwa ini merupakan
distribusi dengan rata-rata yang sama dengan ragam. Sifat ini kadang-kadang
digunakan sebagai indikator awal dari apakah sebuah sampel data ditarik dari sebuah
distribusi Poisson.
Dari keempat model antrian maka model yang cocok digunakan pada
penelitian ini adalah model 2: multichannel-single phase
M M c GD/ /
/ /
[6] yaitu M pertama menunjukkan tingkat kedatangan Poisson, M kedua menunjukan tingkat pelayanan Poisson, C menunjukkan jumlah fasilitas pelayanan lebih dari satu,GD pertama menunjukkan sumber populasi tak terbatas, ∞ kedua menunjukkan panjang antrian tak terbatas.
(37)
2.9.1 ERD (Entity Relationship Diagram)
Model Entity Relationship yang berisi komponen-komponen himpunan entitas
dan himpunan relasi yang masing-masing dilengkapi dengan atribut-atribut yang
merepresentasikan seluruh fakta dapat digambarkan dengan lebih sistematis dengan
menggunakan Diagram Entity Relationship (Diagram E-R) [5]. Notasi-notasi simbolik di dalam diagram E-R yang digunakan adalah:
1. Persegi panjang, menggunakan himpunan entitas, yaitu
2. Lingkaran/Elips, menyatakan atribut, yaitu
3. Belah ketupat, menyatakan himpunan relasi, yaitu
4. Garis, sebagai penghubung antara himpunan relasi dengan himpunan entitas
dan himpunan entitas dengan atributnya, yaitu
5. Kardinalitas relasi dapat dinyatakan dengan banyaknya garis panjang atau
dengan pemakaian angka.
2.9.2 Entitas dan Himpunan Entitas
Entitas [5] merupakan individu yang mewakili sesuatu yang nyata
(eksistensinya) dan dapat dibedakan dari sesuatu yang lain. Sekelompok entitas yang
sejenis dan berada dalam lingkup yang sama membentuk sebuah himpunan entitas
(set) [5]. Entitas menunjuk pada individu suatu objek, sedang himpunan entitas menunjuk pada rumpun dari individu tersebut.
(38)
Jenis entitas (entity type) didokumentasikan dalam ERD dengan segiempat, tiap segiempat dibagi label nama dari jenis entitas dan biasanya kata benda tunggal.
Misalnya terdapat banyak pelanggan, karyawan, dan kartu absensi.
Gambar 2.1 Himpunan Satu Entitas
Keterangan-keterangan dalam Himpunan Entitas :
Pelanggan :Orang yang memesan kapal atau penempatan peti kemas
Karyawan :User atau orang yang mengelola pemesanan kapal atau penempatan
peti kemas
Kartu Absen :Kartu yang didalamnya terdapat catatan pemesanan atau penempatan
peti kemas
2.9.3 Atribut
Atribut adalah keterangan khas dari suatu entitas [5]. Setiap entitas pasti
memiliki atribut yang mendeskripsikan karakteristik dari entitas tersebut. Pemilihan
atribut-atribut yang relevan bagi sebuah entitas merupakan hal penting dalam
pembentukan model data. Dalam pembuatan model E-R yang relevan untuk lebih
diperhatikan adalah kedudukan atribut dalam entitas, mana atribut yang berfungsi
sebagai kunci primer (Primary key) dan yang bukan (atribut deskriptif), biasanya
(39)
primary key ditandai dengan garis bawah didekat entitasnya, misalnya pada entitas barang, atribut kode_barang merupakan primary key, karena kode_barang merupakan pengidentifikasi entitas yang paling unik untuk semua entitas dalam himpunan
entitas tersebut. Atribut-atribut lainnya, seperti (nama_barang, harga_barang,
harga_jual, dan stok_akhir) merupakan atribut deskriptif .
2.9.4 Relasi (Relationship)
Hubungan (relationship) adalah suatu asosiasi yang ada diantara dua jenis entitas. Hubungan digambarkan dengan bentuk belah ketupat, tiap belah ketupat
diberi label kata kerja, misalnya seorang pegawai mengisi kartu absensi, hubungan ini
dapat juga dibaca mundur, yaitu kartu absensi diisi oleh pegawai.
Gambar 2.2Contoh Hubungan (relationship)
2.9.5 Keterkaitan
(40)
Banyaknya suatu entitas berhubungan dengan entitas lain disebut keterkaitan
(connectivity) [5]. Ada tiga jenis keterkaitan, yaitu:
1. Satu ke Satu (One to One)
Setiap entitas pada himpunan entitas A dapat berhubungan dengan satu entitas
pada himpunan entitas B, misalnya satu faktur menghasilkan satu tiket pengambilan,
yang memungkinkan pekerja gudang mengambil barang yang tertera pada faktur.
I
Gambar 2.3Contoh keterkaitan satu ke satu
2. Satu ke Banyak (One to Many)
Setiap entitas pada himpunan entitas A dapat berhubungan dengan banyak
entitas pada entitas himpunan B, misalnya suatu faktur berisi banyak barang.
Gambar 2.4Contoh keterkaitan satu ke banyak
3. Banyak ke Banyak (Many to Many) Faktur
Menghasilkan Tiket_Pengambilan
Faktur Berisi Barang-barang
persediaan
I I
(41)
Setiap entitas pada himpunan A dapat berhubungan dengan banyak entitas
pada himpunan entitas B, misalnya banyak pelanggan membeli banyak produk.
Gambar 2.5Contoh keterkaitan banyak ke banyak
2.9.6 Normalisasi
Normalisasi adalah sebuah teknik untuk mengoptimasi rancangan relasi basis
data dan membebaskan rancangan tersebut dari keganjilan dan persoalan yang
potensial [5]. Secara sederhana normalisasi melibatkan pemecahan data dalam tabel
kedalam tabel yang lebih kecil sampai tiap atribut dalam tiap tabel hanya bergantung
pada beberapa kunci dalam tabel tersebut. Rancangan relasi basis data yang buruk
yang tidak dapat dinormalisasi akan menyebabkan persoalan selama basis data
tersebut di tempatkan.
Model relasi basis data memberikan sejumlah teknik analitis yang kuat yang
menawarkan bantuan berharga dalam merancang dan mengoptimalkan relasi basis
data. Teknik adalah bentuk normal, dan proses yang menerapkannya adalah
normalisasi.
(42)
1. Bentuk Normal Pertama (1NF; first normal form)
Bentuk normal pertama ini mengharuskan penghilangan dari atribut-atribut
atau kelompok atribut yang berulang dari sebuah relasi.
2. Bentuk Normal Kedua (2NF; second normal first)
Sebuah rancangan basis data relasional adalah dalam bentuk normal kedua
jika rancangan tersebut sudah berada dalam bentuk normal pertama dan semua atribut
non kunci bergantung pada kunci primernya. Tujuan dari bentuk normal kedua adalah
untuk menghilangkan suatu ketergantungan fungsional parsial. Ketergantungan
fungsional parsional dapat terjadi dengan kunci terkonkatenasi (concatenated key; kombinasi dari kunci). Bentuk normal kedua mengharuskan seluruh atribut dalam
sebuah tabel tergantung pada ekspresi kunci primer, bukan dengan bagian lain dari
padanya.
3. Bentuk Normal Ketiga (3NF; third normal form)
Bentuk normal ketiga melibatkan penghilangan ketergantungan transitif, yaitu
ketergantungan suatu atribut non-kunci terhadap artibut yang lain kecuali kunci
(43)
2.10 DFD
DFD (Date Flow Diagram) adalah suatu diagram yang menggunakan notasi-notasi untuk menggambarkan arus dari data sistem, yang penggunaannya
sangat membantu untuk memahami sistem secara logika, tersruktur dan jelas.
DFD merupakan alat bantu dalam menggambarkan atau menjelaskan sistem yang
sedang berjalan logis.
2.11 PHP(Hypertext Preprocessor) danBasis Data MYSQL
PHP (Hypertext Preprocessor) [8] adalah bahasa skrip yang dapat ditanamkan atau disisipkan ke dalam HTML. PHP banyak dipakai untuk memprogram situs web
dinamis. PHP dapat digunakan untuk membangun sebuah CMS. MySQL [8] adalah
sebuah perangkat lunak sistem manajemen basis data SQL (Database Management System) atau DBMS yang multithread, multi-user, dengan sekitar 6 juta instalasi di seluruh dunia .
MySQL AB membuat MySQL tersedia sebagai perangkat lunak gratis di
bawah lisensi GNU General Public License (GPL), tetapi mereka juga menjual di bawah lisensi komersial untuk kasus-kasus dimana penggunaannya tidak cocok
(44)
perangkat lunak dikembangkan oleh komunitas umum, dan hak cipta untuk kode
sumber dimiliki oleh penulisnya masing-masing, MySQL dimiliki dan disponsori
oleh sebuah perusahaan komersial Swedia MySQL AB, dimana memegang hak cipta
hampir atas semua kode sumbernya. Kedua orang Swedia dan satu orang Finlandia
yang mendirikan MySQL AB adalah: David Axmark, Allan Larsson, dan Michael
(45)
BAB III
METODOLOGI PENELITIAN
3.1 Waktu Penelitian
Penelitian ini dilakukan pada bulan Februari 2011 sampai April 2011. Data
yang diambil adalah data sekunder yang berupa data antrian kapal yang didapat dari
PT. BJTI Surabaya. Pemilihan data antrian kapal ini sebagai penelitian dikarenakan
kurang efektif dan efisiennya antrian kapal di PT. BJTI itu sendiri, sehingga
mengakibatkan ketidakteraturan pelayanan kapal dan antrian kapal.
3.2 Metode Pengumpulan Data
Pengumpulan data yang dilakukan oleh penulis adalah dengan menggunakan
data sekunder yang didapat dari data jadwal kapal, jumlah dermaga, data perusahaan,
data peti kemas pada PT. BJTI di Dermaga Surabaya itu sendiri yaitu data pada vessel
PT. BJTI. Untuk mengetahui data antrian dan pola antrian kapal di PT. BJTI tersebut
apakah sudah efektif, teratur dan efisien.
Penentuan data pada penelitian ini adalah dari data jadwal kapal, data
dermaga, data perusahaan dan data peti kemas PT. BJTI di dermaga Surabaya yang
(46)
3.3 Metode Pengolahan Data
Data yang penulis kumpulkan maka akan diolah dengan menggunakan bahasa
pemrograman PHP dan MYSQL yang merupakan software basis data, dan akan diproses menggunakan tools yamg berada dalam satu paket software open source
XAMPPLITE. Adapun langkah-langkah penyusunanya sebagai berikut:
1. Membuat basis data antrian
2. Membuat form input data kapal, data dermaga, data peti kemas, data perusahaan,
data pengguna, data dermaga, data peti kemas dan data
kapal-perusahaan.
3. Menginput data kedalam kolom input yang sudah dibuat
4. Kemudian dilakukan goodness of fit untuk menentukan apakah data tersebut menggunakan pola kedatangan poisson atau tidak.
5. Melakukan perhitungan data berdasarkan rumus yang ada dengan menggunakan
disiplin antrian FIFO dan berdasarkan disiplin antrian Prioritas.
3.3.1 Uji Distribusi
Langkah selanjutnya adalah menguji kesesuaian distribusi dari rata-rata
kedatangan ( ) dan rata-rata pelayanan ( ) antara hasil pengamatan (observasi) dengan distribusi yang diharapkan. Untuk menguji kecocokan atau (goodness of fit)
dari suatu distribusi empirik terhadap distribusi teoritik seperti distribusi Normal,
(47)
Hipotesis untuk uji Poisson:
H0 : F0(x) = SN(x), distribusi harapan sesuai dengan distribusi hasil pengamatan.
H1 : F0(x) ≠ SN(x), distribusi harapan tidak sesuai dengan distribusi hasil
pengamatan.
Pengujian data untuk menentukan kesesuaian distribusi populasi dengan uji
Poisson. Pengambilan keputusan berdasarkan nilai probabilitas p-Value di mana nilai
α = 0,05 :
Jika p-Value > 0,05 , maka H0 tidak ditolak
Jika p-Value < 0,05 , maka H0 ditolak
Uji Distribusi Poisson : 1. H0 tidak ditolak maka data berdistribusi Poisson
2. H0 ditolak maka data tidak berdistribusi Poisson
3.3.2 Metode Antrian
Ada beberapa hal yang perlu diperhatikan sebelum data-data hasil pengamatan
digunakan dalam Analisis Teori Antrian.
1. Distribusi kedatangan dan distribusi pelayanan ketika diuji harus sesuai dengan
distribusi yang diasumsikan.
2. Untuk dapat menggunakan formulasi dari Teori Antrian FIFO [6], maka sistem
antrian yang ada harus berada dalam kondisi tetap (steady state) dimana 1 .
c
,
(48)
jika kondisi ini belum terpenuhi, maka dilakukan kombinasi-kombinasi terhadap
µ atau c sampai syarat tersebut terpenuhi.
3. Untuk dapat menggunakan formulasi dari Teori Antrian prioritas [6], maka
sistem antrian yang ada harus berada dalam kondisi tetap (steady state) dimana
Sk = i untuk
k i
1 1 k=1,2...m dengan So=0, jika kondisi ini belum terpenuhi, maka dilakukan kombinasi-kombinasi terhadap µ atau c sampai syarat
tersebut terpenuhi.
Apabila ketiga ketentuan tersebut sudah terpenuhi maka dapat dilakukan
simulasi dengan Analisis Teori Antrian terhadap data yang telah diperoleh. Sehingga
akan diperoleh kesimpulan yang menjadi tujuan dari penelitian ini .
3.4Rancangan Antrian
3.4.1 ERD (Entity Relationship Diagram)
Diatur Dermaga Perusahaan Memuat Terdapat kapal Memiliki Pengguna PK terdapat Membuat Berita I M M I I I I
M I I
M
(49)
Keterangan atribut :
Tabel 3.1 Atribut Tabel
Nama Tabel Dermaga Kapal Peti Kemas Perusahaan Pengguna Dermaga-Kapal Atribut Kode_dermaga Nama_dermaga Luas_dermaga Arah_dermaga Posisi_awal Posisi_akhir Kode_kapal Nama_kapal Jenis_kapal Panjang_kapal Id_pk Ukuran_pk Status_pk Agen_pk Id_perusahaan Nama_perusahaan Alamat_perusahaan Jenis_perusahaan Kode_pengguna Nama_pengguna Password Institusi Level Status Kode_dermaga kode_kapal estimate_awal estimate_akhir actual_awal actual_akhir kode_bongkar muat
(50)
Perusahaan-Kapal Kapal-Peti Kemas Berita Id_perusahaan Kode_kapal Tanggal_pemesanan Kode_kapal id_pk Tanggal_Berangkat(depart) Tanggal_Datang(arrival id_berita tanggal_berita judul_berita isi_berita pengirim 3.4.3 Normalisasi
Bentuk normal pertama (1NF; first normal form) ditunjukkan pada Tabel 3.1, sedangkan bentuk normal kedua (2NF; second normal form) ditunjukkan pada Tabel 3.2 sebagai berikut:
Tabel 3.2Bentuk Normalisasi pertama
Tabel Dermaga 1. Tabel Dermaga yang tidak normalisasi
Kode dermaga 1 Kode dermaga 2 Kode dermaga 3 Nama dermaga Luas dermaga Arah dermaga Posisi awal Posisi akhir
(51)
Penjelasan :
Terdapat anomali penyimpangan pada kode dermaga, yaitu :
a. kode dermaga 1
b. kode dermaga 2
c. kode dermaga 3
sehingga mengakibatkan terjadi anomali insert, update dan delete pada tabel dermaga tersebut.
2. Tabel Dermaga yang sudah normalisasi
Kode dermaga
Nama dermaga
Luas dermaga
Arah dermaga
Posisi awal
Posisi akhir
(52)
Bentuk normal kedua (2NF; second normal form) yaitu:
Tabel 3.3Bentuk Normalisasi kedua
Dermaga PK Kode_Dermaga Nama_Dermaga Luas_Dermaga Arah_Dermaga Posisi_Awal Posisi_Akhir kapal PK Kode_Kapal Nama_Kapal Panjang_Kapal Jenis_Kapal Perusahaan PK Id_Perusahaan Nama_Perusahaan Alamat_Perusahaan Jenis_Perusahaan Email Kontak Telephone Dermaga_Kapal Kode_Dermaga Kode_Kapal Estimate_Awal Estimate_Akhir Actual_Awal Actual_Akhir Kode_Bongkar_Muat Peti_Kemas PK Id_Pk Ukuran_Pk Status Agen_Pk Perusahaan_Kapal Kode_Kapal Id_Perusahaan Tanggal_Pemesanan Table1 PK Kode_Pengguna Nama_Pengguna Password Insttitusi Level Status Kapal_Pk Kode_Kapal Id_Pk Tanggal_Datang Tanggal_Berangkat Berita PK Id Tanggal Judul Isi Pengirim
(53)
3.4.4 Kamus Data
Kamus data adalah deskripsi dari tabel- tabel yang ada dalam sistem aplikasi
dan menjelaskan tentang data-data yang ada dalam setiap tabel yang bersesuaian
dengan struktur tabel pada aplikasi.
Nama Tabel : Dermaga
Deskripsi : Terdapat data-data yang ada pada tabel dermaga
Primary key : Kode_dermaga
Field Type Size Keterangan
Kode_dermaga Varchar 10 Kode dermaga
Nama_dermaga Varchar 50 Nama dermaga
Luas_dermaga Int 10 Luas dermaga
Arah_dermaga Varchar 20 Arah dermaga saat kapal tiba
Posisi_awal Int 10 Posisi awal kapal pada
dermaga
Posisi_akhir Int 10 Posisi akhir kapal pada
dermaga
Status Varchar 10 Status dermaga
Nama Tabel : Kapal
Deskripsi : Terdapat data-data yang ada pada tabel kapal
Primary key : Kode_kapal
Field Type Size Keterangan
Kode_kapal Varchar 10 Kode pada kapal
Nama_kapal Varchar 50 Nama kapal
Panjang_kapal Int 10 Panjang kapal tersbt
(54)
Nama Tabel : Dermaga-Kapal
Deskripsi : Terdapat data-data yang berhubungan dengan tabel kapal dan tabel dermaga
Primary key : Kode_bongkar_muat
Foreign key : Kode_dermaga dan kode_kapal
Field Type Size Keterangan
Kode_dermaga Varchar 10 Kode pada dermaga(foreign
key pada tabel dermaga)
Kode_kapal Varchar 10 Kode pada kapal(foreign key
pada tabel kapal)
Estimate_awal Date Date Tanggal estimasi awal
Estimate_akhir Date Date Tanggal estimasi akhir
Actual_awal Date Date Tanggla actual awal
Actual_akhir Date Date Tanggal actual akhir
Kode_bongkar_muat Int 10 Kode bongkar muat peti
kemas
Nama Tabel : Peti kemas
Deskripsi : Terdapat data-data yang terdapat pada tabel peti kemas
Primary key : Id_pk
Field Type Size Keterangan
Id_pk Varchar 10 Id peti kemas
ukuran_pk Int 10 Jenis peti kemas
status_pk Varchar 10 Nama peti kemas
agen_pk Varchar 10 Ukuran peti kemas
Nama Tabel : Kapal-peti kemas
Deskripsi : Terdapat data-data yang ada hubungan pada tabel kapal dan tabel pk
(55)
composite key : Kode_kapal,id_pk , tanggal arrival,tanggal departure
Foreign key : Kode_kapal dan id_pk
Field Type Size Keterangan
Kode_kapal Varchar 10 Kode pada kapal(foreign key
pada tabel kapal)
Id_pk Varchar 10 Id pada peti kemas(foreign
key pada tabel peti kemas)
Tanggal_arrival Date Date Tanggal kedatangan pk
Tanggal_depart Date Date Tanggal keberangkatan pk
Nama Tabel : Pengguna
Deskripsi : Terdapat data-data yang ada pada tabel pengguna
primary key : Kode_pengguna
Field Type Size Keterangan
Kode_pengguna Int 11 Kode pada pengguna
Nama_pengguna varChar 20 Nama seorang pengguna
Password Int 10 Password seorang pengguna
Institusi Varchar 20 Institusi pengguna
Level Varchar 20 Level seorang pengguna
Status Varchar 20 Status pengguna
Nama Tabel : Perusahaan
Deskripsi : Terdapat data-data yang ada pada tabel perusahaan
Primary key : Id_perusahaan
Field Type Size Keterangan
id_perusahaan Int 10 Id pada perusahaan
Nama_perusahaan Varchar 20 Nama pada perusahaan
(56)
Telephone Int 20 Telephone perusahaan
Kontak Int 20 Kontak pj perusahaan
Jenis_perusahaan Varchar 20 Jenis pada perusahaan
Nama Tabel : Perusahaan-kapal
Deskripsi : Terdapat data-data yang berhubungan denga tabel kapal dan tabel perusahaan
Primary key : Tanggal_pemesanan
Foreign key : Kode_kapal dan id_perusahaan
Field Type Size Keterangan
Kode_kapal Varchar 10 Kode pada kapal(foreign key
pada tabel kapal)
Id_perusahaan Int 10 Id pada perusahaan(foreign
key pada tabel perusahaan)
Tanggal_pemesanan Date Date Tanggal pemesanan kapal
Nama Tabel : Berita
Deskripsi : Terdapat data-data yang ada pada tabel berita
Primary key : Id_berita
Field Type Size Keterangan
Id Int 11 Id berita
Tanggal Date Tanggal dikeluarkannya berita
Judul Varchar 100 Judul berita
Isi Text Isi berita
(57)
3.4.5 DFD LEVEL 0
SI Antrian Kapal
Administrat or Perusahaan
Login
Display menu admin
Display home
Display pemesanan
Persetujuan ajuan pmsnan Display register
Input data Pengelolaan ajuan pmsnan Login
Display Menu Umum
Input ajuan pmsnan
Hasil perstjuan
Input rgster
Edit password
Display jadwal
Gambar 3.2 DFD Level 0
Penjelasan Gambar 3.2 :
a. Proses
Nama Proses : Sistem Informasi Aplikasi Antrian Kapal
b. Arus Data
Masukkan : 1. Login
2. Persetujuan Ajuan Pemesanan
3. Input Ajuan Pemesanan
4. Hasil Ajuan Pemesanan
(58)
6. Input Register
7. Edit Password
8. Pengelolaan Ajuan Pemesanan
Keluaran : 1. Login
2. Display Menu Umum 3. Display Home
4. Display Form Pemesanan
5. Display Form Register
6. Display Menu Admin
7. Display Jadwal c. Entitas Luar
Nama Entitas : 1. Administrator
(59)
3.4.6 DFD LEVEL 1 1.o Manajemen pengguna Admin Input,Update,Delete Display Data Perusahaan Display Profile Update Profile, Passwrd Pengguna Input, Update, Delete data
Display Data Pengguna
2.o Manajemen Dermaga Input, Update, Delete Data Dermaga
Display Data Dermaga
Dermaga Input, Update Data
3.o Manajemen Kapal Input. Update, Delete Data
Perusahaan Kapal
Input, Update Data
Display Kapal
4.o Manajemen Peti Kemas Perusahaan
Input, Update, Delete Data Display Data PK
Peti Kemas Display PK
Input, Update Data PK
5.o
Manajemen Perusahaan Perusahaan Input, Update Data
Display Perusahaan
6.o* Laporan Input, Update PK
Display
Laporan Data Dermaga Laporan Data Kapal Laporan Data PK Laporan Data Perusahaan
Display Data Dermaga Display Data Kapal
Display Data PK Display Data Perusahaan
Profile Input, Update Profile
Display Profile
Admin
Perusahaan Update Data Dermaga Display Dermaga
Admin Dispaly Data Update Data Display Data Admin Display
Update Data PK Display PK
Admin Input, Update, Delete Data Display Data Perusahaan
Admin
Perusahaan
Input, Update, Delete Data Display Data Update Data Display Data Input, Update Kapal Display Data Dermaga
(60)
Penjelasan Gambar 3.3 :
a. Proses 1.0
Nama Proses : Manajemen Pengguna
Masukkan : 1. Input, update, delete data Pengguna
2. Update Profile, Password Pengguna
Keluaran : 1. Display Data Pengguna
2. Display Profile Pengguna
Ringkasan proses : Administrator, Perusahaan melakukan login terlebih dahulu
untuk dapat mengakses sistem ini. Apabila login dinyatakan sukses maka
administrator dapat memasukkan, memperbaharui dan menghapus data pengguna,
begitu pula dengan perusahaan dapat memperbaharui profile dan password.
b. Proses 2.0
Nama Proses : Manajemen Dermaga
Masukkan : 1. Input, update, delete data dermaga
1. Update data dermaga
Keluaran : Display data dermaga
Ringkasan proses : Administrator dapat memasukkan dan memperbaharui serta
menghapus data dermaga, dermaga juga berkordinasi dengan kapal untuk dapat
menginput dan mengupdate data dermaga-kapal, dalam proses ini juga akan
(61)
c. Proses 3.0
Nama Proses : Manajemen Kapal
Masukkan : 1. Input, update, delete data kapal
2. Update data kapal
Keluaran : Display data kapal
Ringkasan proses : Administrator dapat memasukkan dan memperbaharui serta
menghapus data kapal, begitu juga dengan perusahaan kapal juga dapat
menginput dan mengupdate data kapal dan kapal berkordinasi dengan dermaga
dan peti kemas untuk menginput dan mengupdate data dermaga-kapal dan data
kapal-pk, dalam proses ini juga akan ditampilkan data kapal baik jenis kapal dan
kapasitas kapalnya.
d. Proses 4.0
Nama Proses : Manajemen Peti Kemas
Masukkan : 1. Input, update, delete data peti kemas
2. Update data peti kemas
Keluaran : Display data peti kemas
Ringkasan proses : Administrator dapat memasukkan dan memperbaharui serta
menghapus data peti kemas, begitu juga dengan perusahaan PK juga dapat
menginput dan mengupdate data PK dan peti kemas berkordinasi dengan kapal
untuk menginput dan mengupdate data kapal-pk, dalam proses ini juga akan
(62)
e. Proses 5.0
Nama Proses : Manajemen Perusahaan
Masukkan : 1. Input, update, delete data perusahaan
2. Input, update data perusahaan kapal dan perusahaan PK
3. Update data perusahaan
Keluaran : 1. Display data perusahaan
2. Display data perusahaan kapal dan perusahaan PK
Ringkasan proses : Administrator dapat memasukkan dan memperbaharui serta
menghapus data perusahaan, baik perusahaan kapal maupun perusahaan peti
kemas dan perusahaan berkordinasi dengan kapal untuk menginput dan
mengupdate data perusahaan-kapal, dalam proses ini juga akan ditampilkan data
perusahaan baik perusahaan kapal maupun perusahaan PK.
f. Proses 6.0
Nama Proses : Laporan
Masukkan : 1. Input, update laporan data kapal
2. Input, update laporan data dermaga
3. Input, update laporan data peti kemas
4. Input, update data perusahaan
Keluaran : 1. Display laporan data kapal
2. Display laporan data dermaga
(63)
Ringkasan proses : Administrator dapat memasukkan dan memperbaharui serta
menghapus data kapal, data dermaga, data peti kemas dan data perusahaan.
Kemudian dilakukan perhitungan terhadap data kapal dan data dermaga yang
didapat dan menghasilkan laporan perhitungan data kapal dan data dermaga
sesuai dengan jenis kapal yang ada. Dalam proses ini juga akan ditampilkan
laporan data kapal berdasarkan jenis kapalnya.
3.4.7DFD LEVEL 2
1. DFD Level 2 Proses 1 (Manajemen Pengguna)
1.1* Input Pengguna Admin
Input
1.2* Update
Pengguna Pengguna
1.3* Delete Pengguna Searching
Update
Delete Searching
(64)
2. DFD Level 2 Proses 2 (Manajemen Dermaga) 1.1* Input Dermaga Admin Input 1.2* Update Dermaga Dermaga 1.3* Delete Dermaga Searching Update Delete Searching
Gambar 3.5 DFD Level 2 Proses 2
3. DFD Level 2 Proses 3 (Manajemen Kapal)
1.1* Input Kapal Admin Input 1.2* Update Kapal Kapal 1.3* Delete Kapal Searching Update Delete Searching
(65)
4. DFD Level 2 Proses 4 (Manajemen Peti Kemas) 1.1* Input Peti Kemas Admin Input 1.2* Update Peti
Kemas Peti Kemas
1.3* Delete Peti Kemas Searching Update Delete Searching
Gambar 3.7 DFD Level 2 Proses 4
5. DFD Level 2 Proses 5 (Manajemen Perusahaan)
1.1* Input Perusahaa n Admin Input 1.2* Update Perusahaa n Perusahaan 1.3* Delete Perusahaa n Searching Update Delete Searching
(66)
Pada sistem informasi sistem antrian kapal berbasis website yang dibuat terdapat satu proses besar yang dapat dilihat pada konteks DFD Level 0 pada gambar 3.2, selain itu terdapat enam proses yang dijelaskan pada DFD Level 1 dan pada DFD level 2. Pada DFD tersebut dapat dilihat bagaimana sistem ini bekerja dan proses apa saja yang dilakukan oleh sistem informasi ini.
3.5 Site Map
Untuk memperjelas gambaran tentang sistem informasi pada aplikasi ini pada
Gambar 4.3 digambarkan sebuah struktur dan alur sistem yang dibagi menjadi dua
bagian, yaitu:
1. Site Map Publik
Gambar 3.9 Site Map Publik
Home
Home Register Pemesanan
Perusahaan Baru
Profile Login
Form Register
Berita Kolom
Pencarian
Form Pemesanan Jadwal Kapal
(67)
2. Site Map Pengguna
Kapal
Home
Home Menu Input Menu Laporan Log out
Laporan Perhitung an Data FIFO Just Advice Informa si Pelabuh an Laporan Perhitungan Data Prioritas Derm aga Kapal Input Kapal-PK input Kapal-Dermaga Input
Kapal – Perusahaan Input Peti Kemas Perusa haan Berita Pengg una Berita Input Pengguna Input Perusahaan Input Perusahaan-Kapal Input PK Input PK-Kapal Input Dermaga Input Dermaga-Kapal Input
(68)
3.6 Alur Penelitian
Untuk memudahkan penelitian maka peneliti membuat alur yang menunjukkan
proses penelitian dari awal sampai mendapatkan kesimpulan. Adapun prosesnya
sebagai berikut:
1. Pengambilan data yang dibutuhkan untuk penelitian yang merupakan data
sekunder
2. Peneliti membuat rancangan database antrian untuk ERD, kamus data dan
DFDnya.
3. Membuat aplikasi sistem antrian kapal
4. Kemudian data tersebut akan di input pada database antrian
5. Setelah itu data di uji dengan pengujian distribusi poisson, jika data tersebut
poisson maka data dapat dihitung dengan rumus antrian yang sudah ditentukan
berdasarkan disiplin antrian FIFO dan Prioritas tetapi jika data tidak poisson
maka dilakukan pemilihan ulang.
(69)
Gambar 3.11 Flowchart start
Membuat Rancangan ERD, Kamus Data dan DFD
Uji Distribusi
Simulasi Antrian
Jika Tidak
Jika Ya
End
Pengambilan Data
Pembuatan Aplikasi Sistem Antrian kapal
Input Data Pada Aplikasi Antrian
(70)
BAB IV
HASIL DAN PEMBAHASAN
4.1Data Pelayanan
1. Data Kapal FIFO
Waktu pelayanan per kapal 1
diperoleh dengan melakukan perhitungan
waktu langsung terhadap setiap kapal yang masuk sampai keluar dari dermaga.
Perhitungan ini dilakukan pada waktu padat kedatangan kapal ke dermaga. Data yang
diambil sebanyak 49 kapal yang diperoleh dari data sekunder yang didapat dari PT.
BJTI Surabaya. Dari pengamatan didapatkan total waktu pelayanan terhadap 49 kapal
adalah 742.87 jam. Sehingga :
= = 15.16jam/ kapal = 0.63 hari/ kapal
2. Data Kapal PRORITAS
Waktu pelayanan per kapal 1
diperoleh dengan melakukan perhitungan
waktu langsung terhadap setiap kapal yang masuk sampai keluar dari dermaga.
Perhitungan ini dilakukan pada waktu padat kedatangan kapal ke dermaga. Data yang
(71)
BJTI Surabaya. Dari pengamatan didapatkan total waktu pelayanan terhadap 39 kapal
adalah 707.41 jam, diperoleh :
= = 18.13jam/kapal = 0.75 hari/kapal
4.2 Pembahasan Data Sistem Antrian Kapal
Data yang didapat dari PT. BJTI Surabaya disusun berdasarkan urutan hari
dan jam, selama 1 bulan yaitu pada bulan januari tahun 2009 dan hanya diambil pada
dermaga dengan disiplin antrian FIFO dan disiplin antrian prioritas, kemudian dalam
jumlah kapal masuk dan jumlah kapal keluar dermaga setiap hari, seperti yang terlihat
pada Tabel 4.1 dan 4.2 dibawah ini.
Table 4.1 Data Kapal FIFO Per hari Bulan Januari Tahun 2009
No Periode per hari Kapal Masuk
(xi)
Kapal Keluar
1 1-Januari-2009 2 3
2 2-Januari-2009 4 3
3 3-Januari-2009 1 1
4 4-Januari-2009 1 1
5 5-Januari-2009 1 1
6 6-Januari-2009 0 0
7 7-Januari-2009 2 2
(72)
9 9-Januari-2009 3 2
10 10-Januari-2009 2 2
11 11-Januari-2009 0 0
12 12-Januari-2009 1 1
13 13-Januari-2009 0 0
14 14-Januari-2009 2 2
15 15-Januari-2009 2 3
16 16-Januari-2009 3 2
17 17-Januari-2009 2 2
18 18-Januari-2009 0 0
19 19-Januari-2009 1 1
20 20-Januari-2009 0 0
21 21-Januari-2009 1 2
22 22-Januari-2009 3 3
23 23-Januari-2009 3 2
24 24-Januari-2009 2 2
25 25-Januari-2009 1 1
26 26-Januari-2009 1 1
27 27-Januari-2009 0 0
28 28-Januari-2009 1 1
29 29-Januari-2009 3 4
30 30-Januari-2009 4 2
31 31-Januari-2009 1 0
(73)
Kemudian akan dihitung rata-rata kapal masuk dan rata-rata kapal keluar
dengan dermaga setiap hari dalam satu bulan. Maka akan diuji distribusi kapal masuk
dan distribusi kapal keluar dari dermaga.
Rata-rata kapal masuk dapat dihitung dengan cara menjumlahkan seluruh nilai
kapal masuk dan membaginya dengan jumlah pengamatan, perhitungannya sebagai
berikut: Rata-rata kapal masuk = 1.58 kapal/hari
Begitu juga dengan rata-rata pelayanan kapal pada dermaga dapat dihitung
dengan waktu pelayanan per kapal, perhitungannya adalah sebagai berikut:
Karena = 0.63 hari/ kapal
Maka, rata-rata pelayanan kapal FIFO ( ) = 1.59 kapal/hari
Table 4.2 Data Kapal PRORITAS Per hari Bulan Januari Tahun 2009
No. Periode per hari Kapal Masuk
(xi)
Kapal Keluar
1 1-Januari-2009 1 2
2 2-Januari-2009 3 2
3 3-Januari-2009 3 3
4 4-Januari-2009 1 1
5 5-Januari-2009 1 1
6 6-Januari-2009 0 0
(74)
8 8-Januari-2009 2 3
9 9-Januari-2009 2 1
10 10-Januari-2009 2 2
11 11-Januari-2009 2 2
12 12-Januari-2009 0 0
13 13-Januari-2009 1 0
14 14-Januari-2009 1 2
15 15-Januari-2009 2 2
16 16-Januari-2009 2 1
17 17-Januari-2009 2 3
18 18-Januari-2009 2 1
19 19-Januari-2009 0 1
20 20-Januari-2009 1 2
21 21-Januari-2009 1 0
22 22-Januari-2009 0 1
23 23-Januari-2009 1 0
24 24-Januari-2009 0 0
25 25-Januari-2009 1 0
26 26-Januari-2009 1 2
27 27-Januari-2009 2 1
28 28-Januari-2009 0 1
29 29-Januari-2009 1 1
30 30-Januari-2009 0 1
31 31-Januari-2009 1 1
(75)
Kemudian akan dihitung rata-rata kapal masuk dan rata-rata kapal keluar
dengan dermaga setiap hari dalam satu bulan. Kemudian akan diuji distribusi kapal
masuk dan distribusi kapal keluar dari dermaga.
Rata-rata kapal masuk dapat dihitung dengan cara menjumlahkan seluruh nilai
kapal masuk dan membaginya dengan jumlah pengamatan, perhitungannya sebagai
berikut: Rata-rata kapal masuk = 1.19 kapal/ hari
Begitu juga dengan rata-rata pelayanan kapal pada dermaga dapat dihitung
dengan waktu pelayanan per kapal, perhitungannya adalah sebagai berikut:
Karena = 0.75 hari/ kapal
Maka, rata-rata pelayanan kapal prioritas ( ) = 1.33 kapal/hari
4.3 Uji Distribusi Kedatangan Kapal
4.3.1 Data Kapal FIFO
Uji distribusi Poisson digunakan untuk menguji kesesuaian distribusi
pengamatan dengan distribusi yang diharapkan terhadap seluruh data kedatangan
kapal ke dermaga. Pengujian ini dilakukan per satu bulan terhadap data kapal datang
yang didapat dari PT. BJTI. Dari hasil pengolahan tersebut akan diambil kesimpulan
(76)
Tabel 4.3 Uji Data Kedatangan Kapal FIFO
Hasil Uji Data Kedatangan Kapal FIFO
Uji Distribusi Poisson P-Value 1.000
Untuk mendapatkan kesimpulan apakah distribusi kedatangan yang diharapkan sesuai
dengan distribusi pengamatan, maka dilakukan uji hipotesis terhadap output hasil
pengolahan yang ditampilkan pada Tabel 4.3.
Tabel 4.3 menunjukkan uji distribusi Poisson yang dilakukan. Pada uji data
kedatangan kapal terlihat bahwa nilai dari P-Value adalah 1.00 atau probabilitas berada di atas 0,05 (1.00 > 0,05). Maka H0 tidak ditolak, atau dengan kata lain uji
distribusi kedatangan kapal adalah berdistribusi Poisson.
Singkatnya pada Tabel 4.3, di kolom hasil pengujian terlihat bahwa uji yang
dilakukan, mempunyai hipotesa H0 tidak ditolak. Maka dapat disimpulkan bahwa
untuk proses kedatangan kapal ke dermaga distribusi pengamatan sesuai dengan
distribusi yang diharapkan ((F0(x) = SN(x)). Maka kedatangan kapal ke dermaga
mengikuti Distribusi Poisson.
4.3.2 Data Kapal Prioritas
Uji distribusi Poisson digunakan untuk menguji kesesuaian distribusi
pengamatan dengan distribusi yang diharapkan terhadap seluruh data kedatangan
(77)
yang didapat dari PT. BJTI. Dari hasil pengolahan tersebut akan diambil kesimpulan
apakah distribusi pengamatan sesuai dengan distribusi yang diharapkan. Adapun
output hasil perhitungan ditampilkan pada Tabel 4.4 berikut ini.
Tabel 4.4 UjiData Kedatangan Kapal Prioritas
Hasil Uji Data Kedatangan Kapal Prioritas
Uji Distribusi Poisson P-Value 0.992
Untuk mendapatkan kesimpulan apakah distribusi kedatangan yang diharapkan sesuai
dengan distribusi pengamatan, maka dilakukan uji hipotesis terhadap output hasil
pengolahan yang ditampilkan pada Tabel 4.4.
Tabel 4.4 menunjukkan uji distribusi Poisson yang dilakukan. Pada uji data
kedatangan kapal terlihat bahwa nilai dari P-Value adalah 0,992 atau probabilitas berada di atas 0,05 (0,992 > 0,05). Maka H0 tidak ditolak, atau dengan kata lain uji
distribusi kedatangan kapal adalah berdistribusi Poisson.
Ringkasnya pada Tabel 4.4, di kolom hasil pengujian terlihat bahwa uji yang
dilakukan, mempunyai hipotesa H0 tidak ditolak. Maka dapat disimpulkan bahwa
untuk proses kedatangan kapal ke dermaga distribusi pengamatan sesuai dengan
distribusi yang diharapkan ((F0(x) = SN(x)). Dengan demikian kedatangan kapal ke
(78)
4.4 Uji Distribusi Keberangkatan Kapal
4.4.1 Data Kapal FIFO
Sama halnya dengan uji distribusi kedatangan kapal, uji distribusi
keberangkatan kapal pun memiliki karakteristik distribusi yang harus diketahui.
Berkaitan dengan penelitian yang telah dilakukan, diasumsikan bahwa proses
keberangkatan kapal mengikuti distribusi Poisson. Pengujian terhadap data FIFO
pelayanan kapal/satu bulan diolah menggunakan dengan metode distribusi Poisson.
Tabel 4.5 berikut adalah output hasil pengolahan untuk distribusi keberangkatan
kapal.
Tabel 4.5 Uji Data Keberangkatan FIFO
Hasil Uji Data Keberangkatan Kapal FIFO
Uji Distribusi Poisson P-Value 0.872
Untuk memperoleh kesimpulan apakah distribusi dari proses keberangkatan yang
diharapkan sesuai dengan distribusi hasil pengamatan, maka dilakukan uji hipotesis
terhadap output hasil pengolahan yang ditampilkan pada Tabel 4.5.
Begitu juga pada pengujian distribusi kedatangan, untuk memperoleh hasil
hipotesa, pengujian dilakukan pada nilai probabilitas yang diperoleh uji per satu
(79)
dan hasil ini ada di atas 0,05 (0,872 > 0,05). Maka H0 untuk uji keberangkatan
kapal/satu bulan adalah tidak ditolak, dengan kata lain ada kesesuaian antara
distribusi yang diharapkan dengan distribusi pengamatan sehingga distribusi
keberangkatannya adalah distribusi Poisson.
karena pada Tabel 4.5 di kolom hasil pengujian terlihat bahwa uji yang dilakukan,
mempunyai hipotesa H0 tidak ditolak. Maka dapat disimpulkan bahwa, untuk proses
keberangkatan kapal ke dermaga distribusi pengamatan sesuai dengan distribusi yang
diharapkan ((F0(x) = SN(x)). Maka keberangkatan kapal ke dermaga mengikuti
Distribusi Poisson.
4.4.2 Data Kapal Prioritas
Demikian juga dengan uji distribusi kedatangan kapal, uji distribusi
keberangkatan kapal pun memiliki karakteristik distribusi yang harus diketahui.
Berkaitan dengan penelitian yang telah dilakukan, diasumsikan bahwa proses
keberangkatan kapal mengikuti distribusi Poisson.
Pengujian terhadap data proritas keberangkatan kapal/satu bulan diolah
menggunakan dengan metode distribusi Poisson. Tabel 4.6 berikut adalah output hasil pengolahan untuk distribusi keberangkatan kapal.
Tabel 4.6 Uji Data Keberangkatan Kapal Prioritas
Hasil Uji Data Keberangkatan Kapal PRIORITAS
(80)
Untuk memperoleh kesimpulan apakah distribusi dari proses keberangkatan yang
diharapkan sesuai dengan distribusi hasil pengamatan, maka dilakukan uji hipotesis
terhadap output hasil pengolahan yang ditampilkan pada Tabel 4.6.
Sama halnya pada pengujian distribusi kedatangan, untuk memperoleh hasil
hipotesa, pengujian dilakukan pada nilai probabilitas yang diperoleh uji data
pelayanan kapal/satu bulan. Pada uji keberangkatan kapal nilai probabilitas yang
didapatkan adalah 0,764, dan hasil ini ada di atas 0,05 (0,764 > 0,05). Maka H0 untuk
uji keberangkatan kapal/satu bulan adalah tidak ditolak, dengan kata lain ada
kesesuaian antara distribusi yang diharapkan dengan distribusi pengamatan sehingga
distribusi keberangkatannya adalah distribusi Poisson.
Sesuai pada Tabel 4.6 di kolom hasil pengujian terlihat bahwa uji yang
dilakukan, mempunyai hipotesa H0 tidak ditolak. Maka dapat disimpulkan bahwa,
untuk proses keberangkatan kapal ke dermaga distribusi pengamatan sesuai dengan
distribusi yang diharapkan ((F0(x) = SN(x)). Maka keberangkatan kapal ke dermaga
mengikuti Distribusi Poisson.
4.5 Pemecahan Masalah di Dermaga Kapal
Hasil pengamatan dan pengolahan data yang telah dilakukan sebelumnya,
diperoleh kriteria keadaan sistem antrian yang ada di dermaga kapal adalah sebagai
(1)
$P0=round((pow($u,-1)),3);
echo "<br>P0=(pow(u,-1)) =$P0<br>";
echo "maka jumlah rata-rata kapal yang diharapkan dalam antrian adalah";
$Lq=round(($e*$P0),3); echo "<br>Lq=(e*P0) =$Lq"; echo "kapal<br>";
echo "maka jumlah rata-rata kapal yang diharapkan dalam sistem adalah";
$Ls=round(($Lq+$z),3); echo "<br>Ls=(Lq+z) =$Ls"; echo "kapal<br>";
echo "maka rata-rata waktu menunggu yang diharapkan dalam sistem adalah";
$Ws=round(($Ls/$myu),3); echo "<br>Ws=(Ls/myu) =$Ws"; echo "hari<br>";
echo "maka rata-rata waktu menunggu yang diharapkan dalam antrian adalah";
$Wq=round(($Lq/$lam),3); echo "<br>Wq=(Lq/lam) =$Wq"; echo "hari<br>";
echo"</li>"; }
(2)
?>
Script Antrian PRIORITAS
<form name="agregat" method="post" action="<? $PHP_SELF; ?>">
periode[yyyy-mm]: <input type="text" name="tggl"> <input type="submit" name="antrian" value="Antrian">
</form>
<table bgcolor="#FFFF99" cellspacing="1" align="center" border="1">
<tr bgcolor="#666666"><td height="25" align="center">tanggal</td><td align="center">kapal_masuk</td><td align="center">kapal_keluar</td></tr>
<?
include"koneksi.php";
function faktorial($x){ if($x<=1){ return 1;} else{
return($x * faktorial($x-1)); }
}
(3)
$tang[0]=""; $kapal_masuk[0]=0; $kapal_keluar[0]=0; $tomas=0; $tokel=0; $n=0; $myu=0; $lam=0; $So=0;
for($i=1;$i<32;$i++){ echo"<tr>";
if(strlen($i)==1){ $i="0".$i;} $tgl=$tggl."-".$i;
echo"<td>$tgl</td> "; $tang[$n]=$tgl;
$qry="SELECT count(kode_dermaga) FROM `dermaga-kapal` WHERE kode_dermaga LIKE '%E2%' AND actual_awal LIKE '$tgl%' ";
$rst=mysql_query($qry);
while($data=mysql_fetch_row($rst)){ $kapal_masuk[$n]=$data[0];
$tomas=$tomas+$kapal_masuk[$n]; echo"<td>$data[0]</td>";
}
$qry1="SELECT count(kode_dermaga) FROM `dermaga-kapal` WHERE kode_dermaga LIKE '%E2%' AND actual_akhir LIKE '$tgl%' ";
$rst1=mysql_query($qry1);
while($data1=mysql_fetch_row($rst1)){ $kapal_keluar[$n]=$data1[0]; $tokel=$tokel+$kapal_keluar[$n];
(4)
echo"<td>$data1[0]</td>"; }
$n++; echo"</tr>"; }
$lam=round($tomas/$n,2); $myu=round($tokel/$n,2);
echo"<tr><td colspan=3 >total masuk=$tomas, total keluar=$tokel, myu=$myu, lamda=$lam</tr></td>";
echo"</table>";
echo " keterangan : <br>";
echo " lam = rata-rata kapal yang masuk <br>"; echo " myu = rata-rata kapal yang keluar <br>";
$E=round((1/$myu),3);
echo "<br>E=(1/myu) =$E<br>";
$Sk=round(($lam*$E),3);
echo "<br>Sk=(lam*E) =$Sk<br>";
$Pk=$Sk;
(5)
$a=round(pow($E,2),3);
echo "<br>a=pow(E,2) =$a<br>"; $b=$lam*$a;
echo "<br>b=lam*a =$b<br>"; $c=1-$So;
echo "<br>c=1-So =$c<br>"; $d=1-$Sk;
echo "<br>d=1-Sk =$d<br>"; $e=round((2*($c*$d)),3);
echo "<br>e=(2*(c*d)) =$e<br>";
echo "<br>maka rata-rata waktu menunggu yang diharapkan dalam antrian adalah";
$Wq=round(($b/$e),3); echo "<br>Wq=(b/e) =$Wq"; echo "hari<br>";
echo "maka rata-rata waktu menunggu yang diharapkan dalam sistem adalah";
$Ws=round(($Wq+$E),3); echo "<br>Ws=(Wq+E) =$Ws"; echo "hari<br>";
echo "maka jumlah rata-rata kapal yang diharapkan dalam antrian adalah";
$Lq=round(($lam*$Wq),3); echo "<br>Lq=(lam*Wq) =$Lq";
(6)
echo "kapal<br>";
echo "maka jumlah rata-rata kapal yang diharapkan dalam sistem adalah";
$Ls=round(($Lq+$Pk),3); echo "<br>Ls=(Lq+Pk) =$Ls"; echo "kapal<br>";
} ?>