Metode pengambilan data ialah dapat dilakukan dengan dua cara, yakni yang pertama ialah sensus dan yang kedua adalah sampel. Sensus mengambil data dari keseluruhan jumlah populasi.
Sampel merupakan bagian dari populasi yang diambil dengan cara – cara tertentu yang juga memiliki
karakteristik tertentu, jelas, dan juga lengkap yang bisa dianggap mewakili populasi Hasan, 2001. Menurut Hasan 2001, populasi yang tidak terbatas membuat pengambilan data dengan cara
sensus tidak dapat dilaksanakan sehingga dipilih pengambilan data dengan cara sampling. Pengambilan sampel memerlukan beberapa ctriperia yang perlu diperhatikan sebagai berikut :
1. Penentuan daerah generalisasinya agar sampel dapat berlaku terhadap populasinya 2. Pembatasan yang tegas dalam populasi
3. Penentuan sumber informasi populasi 4. Pemilihan teknik sampling
5. Perumusan masalah 6. Pendefinisian unit
– unit yang dipakai 7. Penentuan unit sampel
8. Pencarian keterangan masalah yang akan dibahas 9. Penentuan ukuran sampel
10. Penentuan teknik pengumpulan data 11. Penentuan metode analisis
12. Penyediaan sarana prasarana untuk penelitian Menurut Usman 2003, teknik pengambilan sampel dapat dilakukan dengan dua cara, yaitu :
A. Sampling random : merupakan sampel yang diambil secara acak dengan cara undian, ordinal, atau dengan computer. Pengambilannya dapat dilakukan dengan cara yang
sederhana, bertingkat, cluster, sistematis, dan proposional. B. Sampling non
– random : merupakan pengambilan sampel dengan tidak acak yang dapat dilakukan dengan tiga cara, yakni kebetulan, bertujuan, dan kuota.
Sebenarnya tidak ada aturan tegas mengenai besarnya anggota sampel yang diisyaratkan dalam suatu penelitian. Demikian pula apakah batasan tersebut besar atau kecil, namun apabila sampel tersebut
besar, maka biaya, tenaga, dan waktu yang akan disediakan besar pula, demikian pula sebaliknya. Sehingga mutu penelitian tidaklah ditentukan oleh besarnya anggota sampel yang digunakan, melainkan
oleh kuatnya dasar – dasar teori pengambilan sampel tersebut. Sesungguhnya tidak ada anggota yang
seratus persen representative, kecuali anggota sampelnya yang sama dengan anggota pooulasinya total sampling Usman, 2003.
Menurut Usman 2003, sistem antrian umumnya ditentukan oleh dua buah kelengkapan statistik, yaitu sebaran peluang antara antar kedatangan dan sebaran peluang waktu pelayanan. Dalam
sistem antrian nyata, waktu antar kedatangan dan waktu pelayanan mengikuti berbagai macam bentuk sebaran. Bentuk sebaran yang mendasari model
– model antrian adalah Poisson dan Eksponensial.
2.6 Uji Distribusi
Perlakuan terhadap input data yang bersifat acak untuk program simulasi dapat dilakukan sebagai berikut Conover, 1971 :
a. Nilai – nilai data tersebut digunakan secara langsung dalam simulasi. Sebagai contoh,
jika data menggambarkan waktu pelayanan, maka salah satu data digunakan jika sebuah waktu pelayanan diperlukan dalam sebuah simulasi.
b. Nilai – nilai data tersebut digunakan untuk mendefinisikan sebuah fungsi distribusi
empiris dengan cara tertentu. Jika diperlukan dalam sebuah simulasi, sampel diambil dari distribusi ini.
c. Data dicocokan terhadap bentuk teotripis distribusi tertentu, misal eksponensial atau poison, dengan menampilkan hipotesis tes untuk menentukan kecocokan tersebut the
goodness of fit. Pencocokan ini menghasilkan sebuah parameter statistika. Saat dilakukan simulasi, sampel diambil dari jenis distribusi teotripis dan nilai
– nilai parameter yang cocok ini.
Menurut Conover 1971 lebih lanjut, kelemahan dari pendekatan pertama dari yang telah disebutkan diatas adalah :
1. Simulasi hanya dapat menghasilkan apa yang telah terjadi sebelumnya historically. 2. Jarang diperoleh data yang cukup untuk membuat semua simulasi yang diinginkan
dapat dijalankan. Jika ditemukan sebuah distribusi teoritis yang sesuai dengan data pengamatan baik pada
pendekatan tiga, maka hal ini umumnya lebih dipilih daripada menggunakan sebuah distribusi empirik pendekatan dua. Hal ini disebabkan sebuah fungsi distribusi empirik dapat memiliki sejumlah
ketidakteraturan, terutama jika data yang tersedia hanya sedikit. Keuntungan lain dari pendekatan tiga adalah distribusi teotripis dapat memuluskan smooth out data dan dapat menghasilkan informasi. Ada
sejumlah situasi dimana tidak ada distribusi teotripis yang tidak cukup cocok dengan data – data
pengamatan. Pada kasus ini, penggunaan distribusi empiris sangat dianjurkan Conover, 1971.
2.7 Teknik Heuristik
Heuristik berasal dari bahasa Yunani “heuriskin” yang berarti membantu untuk menemukan. Menurut Herbert dalam Thierauf dan Klekamp 1975, program heuristik merupakan titik pandang
dalam merancang suatu program untuk tugas pemrosesan informasi yang kompleks. Pada program heuristik tidak ada suatu model yang baku sehingga tiap permasalahaan
menggunakan program heuristik yang spesifik. Teknik heuristik tidak menjamin diperolehnya pemecahan permasalahan yang optimal tetapi menjamin suatu pemecahan yang memuaskan pengambil
keputusan Wahyudi, 1989. Program heuristik merupakan pengembangan dari operasi aritmatika dan logika matematika.
Ciri-ciri program heuristik secara umum: 1. Adanya operasi aljabar yaitu penjumlahan, pengurangan dan perkalian,
2. Adanya perhitungan bertahap, dan 3. Memiliki tahapan yang terbatas sehingga dapat dibuat algoritma komputernya.
Beberapa langkah yang perlu dilakukan dalam teknik heuristik: 1 observasi, 2 eksperimen, 3 analisis dan 4 pemodelan. Tujuan heuristik ialah mempelajari metode dan aturan menemukan.
Heuristik merupakan akar dari kecerdasan buatan artificial intelligent, atau dengan kata lain pemrograman heuristik adalah suatu teknik pemecahan masalah dengan menggunakan kecerdasan
manusia dan ditulis dalam program komputer. Teknik heuristik dipergunakan dalam pemecahan permasalahan yang tidak terstruktur atau sulit untuk dipecahkan. Metode ini merupakan cara praktis
untuk memperoleh kesimpulan yang dapat diterima. Beberapa karakteristik program heuristik ialah sebagai berikut:
1. Program heuristik meringkas ruang lingkup keputusan sehingga proses pengambilan keputusan dapat dilakukan lebih cepat;
2. Banyak perihal yang kompleks, walaupun esensi permasalahan dapat diformulasikan secara matematis namun perhitungannya menghasilkan solusi yang tidak layak;
3. Perencanaan dan kebijakan strategi manajemen sulit dihitung dan sangat rumit sehingga tidak dapat ditangkap dengan model matematika;
4. Meskipun model matematika dapat diterapkan, pekerjaan sebelum dan sesudah permodelan harus dapat dimengerti oleh pengguna model tersebut.
2.8 Simulasi
