Aplikasi Teori Antrian Pada PT Bank Rakyat Indonesia Cabang Medan Putri Hijau Unit Medan Labuhan
APLIKASI TEORI ANTRIAN PADA PT BANK RAKYAT INDONESIA CABANG MEDAN PUTRI UNIT
MEDAN LABUHAN
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
Fitmen Panjaitan 020803039
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2007
(2)
APLIKASI TEORI ANTRIAN PADA PT BANK RAKYAT INDONESIA CABANG MEDAN PUTRI UNIT
MEDAN LABUHAN
SKRIPSI
FITMEN PANJAITAN 020803039
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2007
(3)
i
PERSETUJUAN
Judul :APLIKASI TEORI ANTRIAN PADA PT BANK RAKYAT INDONESIA CABANG MEDAN PUTRI HIJAU UNIT MEDAN LABUHAN
Kategori :SKRIPSI
Nama :FITMEN P PANJAITAN
Nomor Induk Mahasiswa :020803039
Program Studi :SARJANA (S1) MATEMATIKA
Departemen :MATEMATIKA
Fakultas :MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan,
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Drs. Henry Rani Sitepu, M.Si Drs. H.Haluddin Panjaitan
NIP 131 283 729 NIP 130 701 888
Diketahui/ Disetujui oleh
Departemen Matematika FMIPA USU Ketua,
Dr.Saib Suwilo, M.Sc NIP 131 796 149
(4)
ii
PERNYATAAN
APLIKASI TEORI ANTRIAN PADA PT BANK RAKYAT INDONESIA CABANG MEDAN PUTRI HIJAU UNIT MEDAN LABUHAN
SKRIPSI
Saya mengakui bahwa ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya
Medan, September 2007
FITMEN P PANJAITAN 020803039
(5)
iii
PENGHARGAAN
Dengan segala kerendahan hati, penulis mengucapkan puji dan syukur kepada Tuhan Yesus Kristus atas berkat dan rahmatNya serta kesehatan yang telah diberikan kepada penulis selama penyelesaian skripsi ini.
Skripsi ini dibuat serta diajukan sebagai salah satu syarat untuk menempuh Ujian Sarjana pada Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.
Sehingga dengan terwujudnya skripsi ini, sebelum dan sesudahnya,penulis mengucapkan terima kasih kepada :
1. Bapak Drs. Haluddin Panjaitan dan Bapak Drs.Henry Rani S,M.Si,selaku Dosen Pembimbing I dan Dosen Pembimbing II yang telah memberikan tenaga,pikiran serta penuh perhatian dan kebijaksanaan dalam memberikan bimbingan dan pengarahan untuk menyelesaikan skripsi ini.
2. Bapak Drs.Partano Siagian,M.Sc selaku dosen wali penulis selama mengikuti perkuliahan di Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam.
3. Bapak Dr.Saib Suwilo,M.Sc dan Bapak Drs.Henry Rani S,M.Si, selaku Ketua dan Sekretaris Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara
4. Bapak Dr.Edi Marlianto,M.Sc, selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara
5. Seluruh staf pengajar dan pegawai pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara yang membantu kelancaran studi penulis selama masa perkuliahaan
6. Kedua orang tua penulis yang tercinta terkhusus buat Ibunda R.br Simanjuntak, abang dan adik serta seluruh saudara-saudara yang selalu berdoa dan tiada hentinya memberikan dorongan,pengorbanan moril maupun materil kepada penulis selama masa perkuliahaan hingga selesainya skripsi ini. 7. Rekan-rekan mahasiswa ’02 di Departemen Matematika FMIPA USU
Harmain,Mean,Rudi,Nova,Inma,Febri,Rosi,Rosa,Azhar,Zakiah, rekan-rekan di Profetik K’Hotna,B’Timo,Anggi Nehustan,juga buat B’Candra
(6)
iv
Noer,Papank,Haposan,Jimoy,Hardy,Doyok,Acay dan semua pihak yang telah membantu penulis secara langsung maupun tidak langsung.
Penulis menyadari sepenuhnya bahwa isi maupun sistematika penyajian tulisan ini belumlah layak dikatakan sempurna.Untuk itu dengan segala kerendahan hati, penulis mengharapkan saran dan kritikan sehat yang sifatnya membangun.
Akhirnya, semoga tulisan ini membawa mamfaat bagi para pembaca dan bagi yang memerlukannya.
Kiranya Tuhan Yesus senantiasa menyertai dan memberkati kita semua.
Medan, September 2007 Penulis
(7)
v
ABSTRAK
Timbulnya antrian yang panjang pada PT. Bank Rakyat Indonesia Cabang Medan Putri Unit Medan Labuhan karena frekuensi kedatangan nasabah bersifat acak.
Dengan menggunakan Teori antrian dapat ditentukan sistem antrian pada Bank tersebut yaitu (M/M/2) : (FIFO/~/~) dengan tingkat kedatangan nasabah berdistribusi Poisson, waktu pelayanan berdistribusi Eksponensial yang diuji dengan menggunakan uji Chi-Kuadrat, dengan saluran pelayanan ganda sebanyak 2, disiplin pelayanan yang digunakan adalah pertama datang pertama dilayani, dengan jumlah kedatangan yang tak terbatas.
Langkah selanjutnya adalah menganalisa hasil-hasil aplikasi Teori Antrian, kemudian membandingkan dengan beberapa jumlah pelayan yang berbeda sehingga dapat diketahui jumlah optimum fasilitas pelayanan.
(8)
vi
ABSTRACT
Incidence of long queue at PT. Bank People Indonesia Branch Field Putri Unit Field Labuhan because client arrival frequency have the character of is random.
By using Theory queue can be determined by queue system at the Bank that is
( M/M/2) : ( FIFO/~/~) with client arrival storey;level have Poisson distribution to service time have Eksponensial examinee distribution to by using Chi-Kuadrat test, with double service channel counted 2, used by service discipline is first come first served, with amount of unlimited arrival.
Step hereinafter is to analyse Theory Queue application pickings, later then compare with some amount of different steward so that can be known by optimum amount of service facility.
(9)
vii
DAFTAR ISI
HALAMAN PERSETUJUAN i
PERNYATAAN ii
PENGHARGAAN iii
ABSTRAK v
ABSTRACT vi
DAFTAR ISI vii
DAFTAR TABEL ix
DAFTAR GAMBAR x
BAB 1 PENDAHULUAN
1.1. Latar Belakang 1
1.2. Perumusan Masalah 2
1.3. Tujuan Penelitian 2
1.4. Tinjauan Pustaka 2
1.5. Metode Penelitian 2
1.6. Kontribusi Penelitian 3
Bab 2 LANDASAN TEORI
2.1. Teori Antrian 4
2.2 Sistem Antrian dan Disiplin Antrian 5
2.2.1 Sistem Antrian 5
2.2.2 Disiplin Antrian 5
2.3. Elemen-elemen dasar model antrian 6
2.4. Model-model Antrian 7
2.5 Terminologi dan Notasi 9
2.6. Pola Kedatangan dan Lama Pelayanan 11
2.6.1. Pola Kedatangan 11
2.6.2 Lama Pelayanan 11
2.6.3. Uji Keacakan 12
2.6.4. Uji Kesesuaian 12
(10)
viii
2.7. Formula yang digunakan 13
Bab 3 PEMBAHASAN DAN HASIL
3.1 Pengumpulan Data 17
3.2. Pengolahan Data 19
3.2.1. Pengujian Asumsi 19
3.2.1.1. Uji kecukupun Sampel 19
3.2.1.2. Uji keacakan 19
3.2.1.3. Uji Kesesuaian Poisson 20 3.2.1.4. Uji Kesesuaian Eksponensial 27 3.2.1.5. Uji Faktor Utilisasi 29 3.3. Analisa Hasil Perhitungan berdasarkan Teori Antrian 30
3.4. Menentukan banyaknya Teller Optimal 32
3.4.1 Hasil Pembahasan 32
Bab 4 KESIMPULAN DAN SARAN
4.1. Kesimpulan 35
4.2. Saran 35
DAFTAR PUSTAKA 36
(11)
ix
DAFTAR TABEL Tabel
3-1. Rangkuman Data Tingkat Kedatangan Nasabah per jam 18
3-2. Rangkuman Data Keadaan Bank 18
3-3. Data Tingkat Kedatangan Nasabah per Teller 18
3-4. Data Lama Pelayanan Nasabah per Teller 18
3-5. Data Lama Pelayanan Nasabah berdasarkan harapan per Teller 28
3-6. Hasil Uji Faktor Utilisasi 29
3-7. Perbandingan Situasi Antrian 31
3-8. Rata-rata lama nasabah dalam sistem pada asumsi hari biasa 32 3-9. Rata-rata lama nasabah dalam sistem pada asumsi hari sibuk 33
3-10. Perbandingan Situasi Antrian 34
(12)
x
DAFTAR GAMBAR Gambar
II-1. Antrian Tunggal Pelayanan Tunggal 8
II-2. Antrian Tunggal Pelayanan Ganda 9
II-3. Antrian Ganda Pelayanan Ganda 9
(13)
v
ABSTRAK
Timbulnya antrian yang panjang pada PT. Bank Rakyat Indonesia Cabang Medan Putri Unit Medan Labuhan karena frekuensi kedatangan nasabah bersifat acak.
Dengan menggunakan Teori antrian dapat ditentukan sistem antrian pada Bank tersebut yaitu (M/M/2) : (FIFO/~/~) dengan tingkat kedatangan nasabah berdistribusi Poisson, waktu pelayanan berdistribusi Eksponensial yang diuji dengan menggunakan uji Chi-Kuadrat, dengan saluran pelayanan ganda sebanyak 2, disiplin pelayanan yang digunakan adalah pertama datang pertama dilayani, dengan jumlah kedatangan yang tak terbatas.
Langkah selanjutnya adalah menganalisa hasil-hasil aplikasi Teori Antrian, kemudian membandingkan dengan beberapa jumlah pelayan yang berbeda sehingga dapat diketahui jumlah optimum fasilitas pelayanan.
(14)
vi
ABSTRACT
Incidence of long queue at PT. Bank People Indonesia Branch Field Putri Unit Field Labuhan because client arrival frequency have the character of is random.
By using Theory queue can be determined by queue system at the Bank that is
( M/M/2) : ( FIFO/~/~) with client arrival storey;level have Poisson distribution to service time have Eksponensial examinee distribution to by using Chi-Kuadrat test, with double service channel counted 2, used by service discipline is first come first served, with amount of unlimited arrival.
Step hereinafter is to analyse Theory Queue application pickings, later then compare with some amount of different steward so that can be known by optimum amount of service facility.
(15)
BAB 1 PENDAHULUAN
1.1.Latar Belakang
Kebutuhan masyarakat akan dunia perbankan semakin meningkat, hal ini dapat dilihat dengan banyaknya berbagai aktifitas yang dilakukan lewat Bank. Baik dalam hal peminjaman uang berupa kredit maupun penabungan atau simpanan uang.
Dan pihak perbankan pun semakin banyak menawarkan berbagai produk-produk unggulan serta fasilitas yang dimiliki berupa hadiah-hadiah, yang mana hal itu bermaksud untuk menarik minat masyarakat agar mau membuka rekening di Bank yang dimaksud. Namun selain produk yang ditawarkan dalam hal menarik minat masyarakat, ada hal lain yang lebih penting yang perlu diperhatikan yakni dalam hal pelayanan.
Pelayanan terhadap nasabah, baik yang ingin menabung ataupun mengambil uangnya bila tidak dilayani secara optimal akan menimbulkan masalah antrian. Jika hampir setiap hari terdapat antrian yang begitu panjang dan terlalu lama untuk memperoleh giliran pelayanan sangat terasa membosankan bahkan menimbulkan rasa jengkel bagi nasabah.
Rata-rata lamanya waktu menunggu (waiting time ) sangat tergantung kepada rata-rata tingkat kecepatan pelayanan (rate of service). Teori tentang antrian pertama sekali ditemukan dan dikembangkan oleh A.K. Erlang dalam menentukan sirkuit jaringan telepon yang optimum, dimana suatu antrian adalah suatu garis tunggu dari pelanggan atau nasabah yang memerlukan pelayanan dari satu atau lebih pelayanan (fasilitas pelayanan).
PT. BANK RAKYAT INDONESIA adalah suatu lembaga perbankan yang mempunyai peranan sangat penting dalam meningkatkan taraf kehidupan masyarakat hingga kepada lapisan masyarakat golongan menengah ke bawah yakni dalam hal
(16)
2
penyaluran bantuan kredit kepada masyarakat yang membutuhkan. Selain itu PT BANK RAKYAT INDONESIA juga memberikan pelayanan dalam hal menabung atau pengambilan tabungan, sehingga kesibukan yang dialami pelayan (teller) meningkat.
Dengan banyaknya kegiatan masyarakat yang melakukan aktifitas terhadap dunia perbankan, khususnya pada PT. BANK RAKYAT INDONESIA Cabang Medan Putri Unit Medan Labuhan setiap harinya, membuat kesibukan pelayan (teller) meningkat, saat ini PT. BANK RAKYAT INDONESIA Cabang Medan Putri Unit Medan Labuhan memiliki dua teller, dalam hal melayani penabungan ataupun pengambilan uang.
Oleh karena itu perlu diadakan suatu pengamatan untuk melihat faktor-faktor apa saja yang biasa menjadi penyebab antrian, apakah diperlukan tambahan fasilitas pelayanan untuk mengurangi antrian atau untuk mencegah timbulnya antrian. Sehingga perlu diadakan suatu analisis dari sistem antrian untuk dapat melihat bagaimana fasilitas pelayanan yang diperlukan sehingga dapat memperoleh pelayanan optimal.
1.2.Perumusan Masalah
Yang menjadi permasalahan adalah melihat faktor apa saja yang mempengaruhi antrian pada PT. BANK RAKYAT INDONESIA Cabang Medan Putri Unit Medan Labuhan dan bagaimana cara mengurangi masalah antrian tersebut.
1.3.Tujuan Penelitian
Penelitian ini bertujuan untuk mengetahui faktor apa saja yang mempengaruhi antrian pada PT. BANK RAKYAT INDONESIA Cabang Medan Putri Unit Medan Labuhan dan bagaimana cara mengurangi masalah antrian yang terjadi, sehingga dapat ditentukan jumlah fasilitas pelayanan yang optimum dengan menerapkan teori antrian.
(17)
3
1.4.Tinjauan Pustaka
Pada tulisan ini, dalam pengembangan teori guna pemecahan dan pembahasan masalah, penulis peroleh dari buku-buku bacaan pustaka dan literatur, di samping ilmu yang penulis peroleh selama kuliah.
1.5.Metode Penelitian
Disini penulis mengambil langkah-langkah sebagai berikut:
1. Langkah pertama adalah pengambilan data pada PT. BANK RAKYAT
INDONESIA Cabang Medan Putri Unit Medan Labuhan
2. Langkah kedua adalah menguji kecukupan data, keacakan data, sebaran
kedatangan nasabah, sebaran lama pelayanan dan faktor utilisasi.
3. Langkah ketiga adalah menentukan model antrian pelayanan ganda
dengan satu baris tunggu. Modelnya adalah (M/M/2) : (FIFO /~/~), yaitu kedatangan mengikuti sebaran poisson dan lama pelayanan mengikuti sebaran Eksponensial dengan fasilitas pelayanan sebanyak 2 teller. Disiplin antrian adalah FIFO dengan jumlah konsumen dalam sistem antrian dan sumber kedatangan tidak terbatas
1.6.Kontribusi Penelitian
Penulis berharap agar tulisan ini dapat dijadikan sebagai bahan masukan bagi PT.BANK RAKYAT INDONESIA Cabang Medan Putri Unit Medan Labuhan khususnya dan Perbankan umumnya dalam memberikan fasilitas pelayanan yang optimum di masa yang akan datang. Penelitian ini juga diharapkan akan menjadi pengalaman dalam menambah pengetahuan penulis dalam bidang teori antrian.
(18)
BAB 2
LANDASAN TEORI
2.1. Teori Antrian
Menunggu dalam suatu antrian adalah hal yang sering terjadi dalam kehidupan kita sehari-hari . Teori Antrian (Queueing Theory), meliputi studi matematika dari antrian atau garis tunggu (Waiting lines). Garis tunggu merupakan fenomena alam yang terjadi bilamana permintaan terhadap suatu pelayanan pada waktu-waktu tertentu melebihi kapasitas pelayanan. Secara umum dikatakan bahwa bila langganan yang datang melebihi daripada fasilitas pelayanan yang sedang sibuk maka akan terjadi antrian.
Kejadian antrian sering kali terjadi pada banyak hal dalam kehidupan sehari-hari, seperti loket-loket pembayaran rekening, loket-loket stasiun bus dan sebagainya.Dimana langganannya berupa konsumen yang datang ,sedangkan loket merupakan stasiun pelayanan.
Yang antri belum tentu orang tetapi juga biasa barang, misalnya bahan mentah yang akan diproses untuk dijadikan produksi, komoditi ekspor yang akan dimuat di pelabuhan, data yang akan diolah dipusat kompuetr, mobil akan di perbaiki dibengkel. Adakalanya langgananan terlalu lama menunggu untuk dilayanai, di lain pihak dapat terjadi fasilitas pelayanan banyak menganggur. Keadaan ini menimbulkan ongkos (suatu kerugian), yang perlu mendapatkan hasil optimum diatara dua hal yang bersangkutan tersebut antrian yang sangat panjang dan terlalu lama untuk memperoleh giliran pelayanan sangat menjengkelkan. Rata –rata lamanya untuk menunggu (waiting time) sangat bergantung kepada rata-rata tingkat kecepatan pelayanan ( rate of service ). Antrian terjadi karena kecepatan kedatangan pelanggan pada fasilitas pelayanan lebih dari kecepatan pelayanan yang diberikan oleh stasiun pelayanan, sehingga fasilitas pelayanan tidak mampu melayani arus kedatangan langgganan.
(19)
5
Barisan antrian yang terjadi ini semakin lama semakin berkurang, karena adanya proses layanan yang diberikan oleh stasiun palayanan, dan apabila telah melewati musim kedatangan permintaan, fasilitas pelayanan layanan akan menganggur kembali kedua hal ini dapat merugikan bagi pihak konsumen maupun bagi pihak produsen. Sebab dengan adanya antrian konsumen akan menunggu sehingga menyebabkan waktunya terluang untuk kegiatan lainnya. Sedangkan fasilitas pelayanan menganggur merupakan pemborosan bagi pihak pengusaha.
2.2 Sistem Antrian dan Disiplin Antrian 2.2.1 Sistem Antrian
Langganan tiba dengan laju tetap atau tidak untuk memperoleh pelayanan pada fasilitas pelayanan. Bila langganan yang tiba dapat masuk kedalam fasilitas pelayanan, maka itu akan segera ia lakukan. Tetapi kalau harus menunggu, maka mereka akan membentuk suatu antrian hingga tiba waktunya untuk dilayani. Mereka akan dilayani dengan laju tetap atau tidak tetap. Setelah selesai, mereka pun berangkat.
Berdasarkan uraian diatas, maka sistem antrian dapat dibagi atas 2 (dua) komponen yaitu :
1. Antrian yang memuat langganan atau satuan-satuan yang memerlukan
pelayanan (pembeli, orang sakit, mahasiswa, kapal dan lain-lain)
2. Fasilitas pelayanan yang memuat pelayanan dan saluran pelayanan (Pompa
minyak dan pelayanannya, loket bioskop dan petugas penjual karcis dan lain-lain )
Disiplin Antrian
Disiplin antrian adalah konsep membahas mengenai kebijakan dimana para langganan dipilih dari antrian untuk dilayani, berdasarkan urutan kedatangan pelanggan. Ada 4 bentuk disiplin pelayanan yang biasa digunakan dalam praktek yaitu :
(20)
6
1. First Come Served (FCFS) atau First In First out (FIFO) yaitu pelanggan
yang datang lebih dulu akan dilayani lebih dulu, misalnya sistem antrian pada Bank, SPBU, Pembelian karcis bioskop, dan lain-lain.
2. Last Come First Served (LCFS) atau Last In First Out (LIFO) yaitu sistem antrian pelanggan yang datang terakhir akan dilayani lebih dulu. Misalnya sistem antrian dalam elevator lift untuk lantai yang sama.
3. Service in Random order (SIRO) yaitu panggilan didasarkan pada peluang
secara acak, tidak soal siapa yang lebih dulu tiba, biasanya timbul dalam keadaan praktis.
4. Priority Service (PS) yaitu pelayanan diberikan kepada mereka yang
mempunyai prioritas leih tinggi dibandingkan dengan mereka yang mempunyai prioritas lebih rendah, meskipun orang ini kemungkinannya sudah lebih dulu tiba dalam garis tunggu. Kejadian seperti ini bisa disebabkan oleh beberapa hal, misalnya seseorang yang karena kedudukan atau jabatannya lebih tinggi menyebabkan dia dipanggil terlebih dahulu atau diberi prioritas lebih tinggi, misalnya seseorang yang keadaan penyakitnya lebih berat dibanding dengan orang lain dalam suatu tempat praktek dokter.
2.3. Elemen-elemen dasar model antrian
Elemen-elemen dasar model antrian bergantung kepada faktor-faktor berikut : a. Distribusi Kedatangan
Kedatangan langganan kedalam sistem selalu menurut proses Poisson, yaitu banyaknya langganan yang datang sampai pada waktu tertentu mempunyai distribusi Poisson. Hal ini benar apabila kedatangan langganan secara random pada kecepatan kedatangan rata-rata tertentu.
b. Barisan Antri
Suatu antrian selalu ditandai dari besarnya jumlah langganan yang ada didalam sistem untuk mendapatkan pelayanan. Antrian disebut terbatas apabila jumlah langganan yang dibolehkan masuk kedalam sistem, dibatasi sampai jumlah tertentu, bila pembatasan yang demikian tidak diadakan, maka antrian dikatakan tidak terbatas.
(21)
7
Disiplin pelayanan adalah suatu urutan yang dikenakan di dalam memilih langganan,dari barisan antri untuk segera dilayani.Aturan yang biasa digunakan adalah “First In First Out ”(FIFO), yakni siapa yang lebih dahulu datang, maka ia akan dilayani lebih dahulu. Aturan-aturan lain seperti, “Last In First Out ”(LIFO), yakni belakangan datang akan lebih dahulu dilayani, Random ,Prioritas dan lain-lain.Disipli pelayanan berdasarkan prioritas, pada umumnya ditemui pada pelayanan di rumh sakit, dimana orang yang mendapat penyakit lebih parah dilayani lebih dahulu, walaupun belakangan datang.
d. Mekanisme Pelayanan
Mekanisme pelayanan adalah jumlah susunan stasiun, yang terdiri dari satu atau lebih stasiun pelayanan disusun seri atau pararel, gabungan atau sirkuler. Suatu model pelayanan tunggal, apabila sistem hanya mempunyai satu stasiun pelayanan dan kalau dikatakan model pelayanan ganda bila stasiun pelayanan lebih dari satu.
e. Waktu Pelayanan
Waktu yang diperlukan untuk pelayanan, sejak pelayanan di mulai hingga selesai disebut waktu pelayanan. Waktu pelayanan ini juga mempunyai suatu distribusi probabilitas, yakni ditentukan berdasarkan sample dari keadaan sebenarnya. Dalam keadaan tertentu, dapat berupa distribusi Erlang(Gamma), Eksponensial,
Uniform dan lain-lain. f. Sumber Masukan
Sumber populasi jumlah langganan yang mempunyai kemungkinan memasuki sistem untuk mendapatkan pelayanan. Ukuran populasi dikatakan tidak terbatas, apabila jumlah langganan cukup besar dan dikatakan tidak terbatas, apabila jumlah langganan kecil.
2.4. Model-model Antrian
Atas dasar sifat pelayanannya, dapat diklasifikasikan fasilitas-fasilitas pelayanan dalam susunan saluran dan fase yang akan membentuk suatu struktur antrian yang berbeda-beda, istilah saluran menunjukkan jumlah jalur untuk memasuki sistem pelayanan. Sedangkan istilah fase berarti jumlah stasiun-stasiun pelayanan, dimana para langganan harus melaluinya sebelum pelayanan dinyatakan lengkap.
(22)
8
Ada empat model struktur antrian dasar yang umum terjadi dalam seluruh sistem antrian:
1.Single Chanel- single fase
Sistem ini adalah yang paling sederhana. Single Chanel berarti bahwa hanya ada satu jalur untuk memasuki sistem pelayanan atau ada satu pelayanan. Single fase menunjukkan bahwa hanya ada satu stasiun pelayanan sehingga yang telah menerima pelayanan dapat langsung keluar dari sistem antrian. Contohnya adalah pada pembelian tiket kereta api antar kota yang dilayani oleh satu loket, seorang pelayan toko dan sebagainya.
2 Single Chanel- multi fase
Istilah multi fase berarti ada dua atau lebih pelayanan yang dilaksanakan secara berurutan dalam fase-fase. Misalnya pada proses pencucian mobil,lini produksi massa dan lain-lain.
3. Multi Chanel- single fase
Sistem multi chanel- single fase terjadi jika ada dua atau lebih fasilitas pelayanan dialiri oleh suatu antrian tunggal. Sebagai contoh adalah pada pembelian tiket yang dilayani oleh lebih dari satu loket, pelayanan potong rambut oleh beberapa tukang cukur dan sebagainya.
4.Multi Chanel- multi fase
Sebagai contoh adalah pada pelayanan kepada pasien di rumah sakit dari pendaftaran, diagnosa, tindakan medis sampai pembayaran. Setiap sistem-sistem ini mempunyai beberapa fasilitas pelayanan pada setiap tahap, sehingga lebih dari satu individu dapat dilayani pada suatu waktu.
Model-model ini dapat dilihat pada gambar Sistem antrain berikut :
Sumber Pelanggan
Pelanggan Datang
Antrian
Pelanggan dilayani
Pelayan Pelayan Pergi Sistem Antrian
(23)
9
Sumber Pelanggan
Pelanggan Datang
Antrian
Pelayan 2 Pelayan Pergi Pelayan 1
Pelayan 3
Sistem Antrian
Gambar II-2 : Antrian Tunggal Pelayanan Ganda
Sumber Pelanggan
Pelanggan Datang
Antrian 2
Pelayan 2
Pelayan Pergi Pelayan 1
Sistem Antrian
Antrian 1
Gambar II-3 : Antrian Ganda Pelayanan Ganda
Sumber Pelanggan
Pelanggan Datang
Antrian
Pelayan 2
Pelayan Pergi Pelayan 1
Sistem Antrian
Gambar II-4: Antrian Tunggal Pelayanan Seri
2.5Terminologi dan Notasi
Beberapa pengertian terminologi dan notasi yang biasa digunakan adalah :
a. Keadaan sistem ialah jumlah atau banyaknya aktivitas pelayanan yang
melayani satuan langganan yang berada dalam sistem
b. Panjang antrian adalah banyaknya satuan yang berada dalam sistem dikurangi dengan jumlah satuan yang sedang dilayani.
(24)
10
Notasi yang digunakan sebagai berikut :
n = Jumlah satuan nasabah dalam sistem antrian
P = Peluang bahwa ada n satuan nasabah yang masuk dalam antrian dalam waktu t λ = Kecepatan pertibaan rata-rata
t ∆
λ = Peluang bahwa ada satu satuan nasabah yang masuk dalam antrian selama
waktu t
µ= Kecepatan pelayanan rata-rata
t ∆
µ = Peluang bahwa ada satu satuan nasabah yang selesai dilayani selama waktu t ρ= Intensitas lalu lintas
cµ= Faktor utilitas untuk fasilitas pelayanan c E(nw)= Jumlah rata-rata nasabah dalam garis tunggu
E(nt)= Jumlah rata-rata nasabah dalam sistem antrian
E(tw)= Waktu menunggu rata-rata nasabah
E(tn)= Waktu rata-rata nasabah salam sisrem antrian
Untuk kemudahan dalam memahami karakteristik suatu sistem antrian digunakan notasi Kendall Lee yaitu format umum, (a / b /c ) : (d / e /f ). Notasi ini dikenalkan pertama kali oleh DG Kendall dalam bentuk (a / b /c ) dan selanjutnya AM.Lee menambahkan symbol d,e dan f pada notasi kendall.
Notasi tersebut mempunyai arti sebagai berikut :
a : bentuk distribusi pertibaan, yaitu jumlah pertibaan pertambahan waktu
b : Bentuk distribusi pelayanan, yaitu selang waktu antara satuan-satuan yang dilayani c : jumlah saluran pararel dalam sistem
d : Disiplin pelayanan
e : Jumlah maksimum yang diperkenankan berada dalam sistem f : Besarnya populasi masukan
Simbol a dan b untuk kedatangan dan kepergian digunakan kode-kode berikut sebagai pengganti :
M : Distribusi pertibaan Poisson atau distribusi pelayanan eksponensial D : Waktu pelayanan tetap
G : Distribusi umum keberangkatan atau waktu pelayanan Untuk huruf d digunakan kode-kode pengganti :
(25)
11
LIFO atau LCFS SIRO
Untuk huruf c, dipergunakan bilangan bulat positif yang menyatakan jumlah pelayanan pararel.
Untuk huruf e dan f digunakan kode N atau menyatakan jumlah terbatas atau tak berhingga satu-satuan dalam sistem antrian dan populasi masukan.
Misalnya kalau kita tulis model (M/M/1) : (FIFO/~/~), ini berarti bahwa model menyatakan pertibaan didistribusikan secara Poisson, waktu pelayanan didistribusikan secara eksponensial, pelayanan adalah first in first out, tidak berhingga jumlah langganan boleh masuk dalam sistem antrian dan ukuran (besarnya) populasi masukan adalah tak berhingga.
2.6. Pola Kedatangan dan Lama Pelayanan 2.6.1. Pola Kedatangan
Fungsi peluang Poisson diunakan untuk menggambarkan tingkat kedatangan dengan asumsi bahwa jumlah kedatangan adalah acak.Dimana persamaannya fungsi Peluang Poisson adalah sebagai berikut :
P(x-kedatangan) .
!
x
e x
λ
λ −
=
dengan : P(x) = Peluang bahwa ada x pelanggan dalam sistem
λ = Harga rata-rata kecepatan kedatangan
e = Bilangan navier ( e = 2,71828 )
x = Bilangan bulat ( 0,1,2,3,… )
2.6.2 Lama Pelayanan
Lama Pelayanan yang dihitung sejak kedatangan pelanggan dalam sistem antrian sampai selesai pelayanan mengikuti :
a. Distribusi Eksponensial yang persamaannya sebagai berikut : µ
= ) (t
f
e
- µ tµ
Dengan = Rata-rata lama pelayanan
(26)
12
t = waktu lamanya pelayanan tiap unit
Untuk mengetahui suatu proses kedatangan berdistribusi Poisson atau tidak, dapat digunakan uji kesesuain dengan menggunakan pengujian Chi-Kuadrat,dengan rumus
∑∑
= =−
=
B i K j ij ijij
E
E
O
1 1 2 2/
)
(
χ
DenganOij = Banyaknya nasabah yang diamati pada baris i kolom j
Eij
2
χ
= Banyaknya nasabah yang diharapkan pada baris i kolom j
B = Jumlah baris K = Jumlah kolom
Jika perhitungan ≤ χ2tabel distribusi dapat diterima.
2.6.3. Uji Keacakan
Uji keacakan didasarkan atas urutan skor. Skor dalam hal ini adalah jumlah pelanggan yang datang per 10 menit. Perhitungan ditampilkan berdasarkan pada banyaknya runtun. Runtun didefinisikan sebagai suatu urutan lambang yang sama. Jadi uji
keacakan membagi dua jenis jumlah data (n1 dan n2) dengan pembanding yang
ditentukan biasanya adalah nilai tengah (median). Jika n1 atau n2 lebih besar dari 20 di
uji dengan pendekatan sebaran baku. Pendekatan sebaran normal baku diawali dengan hipotesis sebagai berikut :
H0 : Data sample secara acak dari sebuah populasi
H1
(
)
) 1 2 1 ( 2 ) 2 1 ( ) 2 1 2 1 2 ( 2 1 2 2 1 2 1 2 1 − + + − − + + −=
n n n n n n n n n n n n n n rZ
: Data sample diambil tidak secara acak Statistik uji yang digunakan adalah :
Dengan :
r = banyak runtun
n1 = jumlah data pada minggu I
n2
) 1 (
2 1 −α
= jumlah data pada minggu II
Kriteria keputusan yang digunakan adalah : Terima Ho jika -Z < Z hit (1 ) 2 1 −α
(27)
13
Dalam hal lainnya Ho ditolak. Untuk taraf nyata sebesar αnilai Z (1 )
2
1 −α dapat
diperoleh dari tabel distribusi normal baku.
2.6.4. Uji Kesesuaian
Uji Kesesuaian atau kecocokan dari suatu sebaran empirik terhadap sebaran teoritis dilakukan dengan uji Chi-Kuadrat (χ2). Uji ini membandingkan kelompok frekuensi yang diamati dengan kelompok frekuensi yang diharapkan. Frekuensi yang diharapkan ternyata timbul dari suatu dugaan atau hipotesis. Teknik (χ2) menguji
apakah frekuensi yang diamati cukup mendekati frekuensi yang diharapkan, maka pengujian Chi-Kuadrat diawali dengan hipotesis sebagai berikut:
Ho : Data menyebar Poisson H1
∑∑
= =−
=
B i K j ij ijij
E
E
O
1 1 2 2/
)
(
χ
: Data tidak menyebar Poisson Statistik uji yang digunakan adalah :
Dengan
Oij = Banyaknya nasabah yang diamati pada baris i kolom j
Eij ) 1 )( 1 )( 1 ( 2 2 − − −
≥ χ α B K
χ
= Banyaknya nasabah yang diharapkan pada baris i kolom j
B = Jumlah baris K = Jumlah kolom
Kriteria keputusan yang digunakan dalm pengujian adalah :
Tolak Ho jika .Dalam hal lainnya Ho diterima.
Untuk taraf nyata sebesar α nilai χ2(1−α)(B−1)(K−1)dapat diperoleh dari tabel distribusi
Chi-Kuadrat.
2.6.5. Faktor Utilisasi
Perhitungan dalam teori antrian berdasarkan syarat bahwa sistem berada dalam kondisi tetap (Steady State). Dalam penerapan teori antrian harus diperhatikan apakah rata-rata pelayanan lebih besar dari rata-rata kedatangan.Ukuran kondisi tetap adalah :
µ λ c
(28)
14
Dengan
λ= Pertibaan rata-rata µ= Pelayanan rata-rata
c = Banyak fasilitas pelayanan 2.7. Formula yang digunakan
Dari model (a/b/c) : (d/e/f) ada beberapa kasus yang menyangkut model tersebut : n < c
Dapat diartikan bahwa tidak terdapat satuan yang menunggu untuk dilayani, dalam hal ini satu satuan berada dalam sistem satu pelayan akan sibuk dan c-1 pelayan akan menganggur,demikian seterusnya hinga n=c
n=c
Dapat diartikan bahwa tidak terdapat satuan yang antri, tetapi semua stasiun pelayanan akan sibuk, ini merupakan batas periode sibuk untuk semua pelayanan atau sistem n>c
Dapat diartikan bahwa terdapat satuan yang menunggu untuk dilayani dan semua stasiun pelayan sibuk.
µλ
c ≤ λ ( mekanisme pelayanan lebih kecil dari masukan )
Dapat diartikan bahwa akan membludak dan tidak dapat ditentukan antriannya.
Sesuai dengan rumus (a / b /c ) : (d / e / f) yang dipakai untuk model penelitian ini, secara terperinci langkah demi langkah pengolahan datanya dilakukan sebagai berikut :
Langkah I Penunjukan variable kedua jenis data λ= Rata-rata Pertibaan dalam satuan waktu µ= Rata-rata Pelayanan dalam satuan waktu Menentukan intesitas lalu lintas
µ λ
ρ
=
c dengan ρ =intensitas lalu lintasLangkah II. Menentukan nilai Peluang masa sibuk F(b),
( )
c cc Po
b
F
ρ ρ−
=
!1)
(
Dengan harga :
=
∑
−= −
+ 1
0 ! 1
! 1 c n c c c n n
Po
ρ ρ ρ(29)
15
Dengan F(b) = Peluang masa sibuk
ρ = Intensitas lalu lintas
Po = peluang menganggur
c = Kapasitas pelayanan
Langkah III. Menentukan harga E(nw), yaitu jumlah rata-rata nasabah dalam garis tunggu.
( )
µλ−λ=
cnw
F
b
E
( )(
)
atauE
(nw)=
P
(
b
)
( )
c−ρρDengan E(nw)
λ
= Jumlah rata-rata nasabah dalam antrian
F(b) = Peluang masa sibuk
c = kapasitas pelayanan
= Rata-rata pertibaan dalam satuan waktu
ρ = Intensitas lalu lintas
µ = Rata-rata pelayanan dalam satuan wakru
Langkah IV. Menentukan harga E(tn), yaitu jumlah rata-rata nasabah berada dalam sistem.
Dengan E(tn)
λ
= jumlah rata-rata nasabah dalam sistem
F(b) = peluang masa sibuk
c = kapasitas pelayanan
= Rata – rata pertibaan dalam satuan waktu
ρ = Intensitas lalu lintas
µ = Rata- rata pelayanan dalam satuan waktu
( )
ρρ+
ρ
=
F
b
c−tn
E
(
)
(
)
( )
µλλ+
µλ=
F
b
c −tn
(30)
16
Langkah IV. Menentukan harag E(Tw)
( )
(λ ))
(
EnwTw
E
, yaitu waktu rata-rata nasabah dalam garis tunggu
Dengan
E(Tw) = waktu rata-rata nasabah dalam antrian E(nw) = jumlah rata-rata nasabah dalam antrian
λ = Rata-rata pertibaan dalam satuan waktu
Langkah VI. Menentukan harga E(Tt), yaitu waktu rata-rata nasabah dalam sistem E(Tt) =
E
(
Tw
)
+
µ1Dengan
E(Tt) = waktu rata-rata nasabah dalam sistem E(Tw) = waktu rata-rata nasabah dalam antrian
(31)
BAB 3
PEMBAHASAN DAN HASIL
Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data yang diperoleh dari pengamatan langsung pada PT. Bank BRI Cabang Medan Putri Unit Medan Labuhan.
Pengamatan dilakukan selama 10 hari, yaitu pada hari Senin sampai Jumat (mulai tanggal 25 Mei sampai 1 Juni 2007) dan pada hari Senin- Jumat berikutnya (dari tanggal 4 Juni sampai tanggal 8 Juni 2007).Waktu ini dipilih berdasarkan pengamatan teller bahwa pada akhir dan awal bulan tersebut mewakili kegiatan yang sibuk.
Selang waktu yang digunakan dalam penelitian ini adalah 10 menit, dimana selama setiap 10 menit dihitung jumlah nasabah yang datang dan meletakkan berkasnya pada meja teller. Pencatatan lama pelayanan berdasarkan perhitungan dengan memakai stop wach yaitu mulai dari pelayan memanggil nasabah sampai pada pelayan mengembalikan berkas kepada nasabah. Pengambilan waktu interval adalah 1 jam guna melihat jam mana yang merupakan jam sibuk pada setiap hari pengamatan. Dari pengumpulan data di lapangan maka diperoleh jumlah kedatangan nasabah sebagai berikut.
(32)
18
Tabel 3-1 Rangkuman Data Tingkat Kedatangan Nasabah per- jam
Waktu Senin Selasa Rabu Kamis Jumat Senin Selasa Rabu Kamis Jumat Kedatangan
0801 – 0900 33 32 33 23 29 34 38 42 28 31
0901 – 1000 37 39 36 29 32 40 38 35 29 29
1001 – 1100 35 35 32 26 22 35 42 41 33 32
1101 – 1200 34 35 35 31 18 34 40 42 30 22
1201 – 1300 33 36 32 26 - 36 42 39 30 -
1301 – 1400 34 34 32 29 - 31 40 37 28 -
1401 – 1500 27 27 27 27 27 28 34 32 26 36
1501 – 1600 32 24 22 21 27 28 29 28 23 27
Tabel 3-2 Rangkuman Data Keadaan Bank
Rincian Senin Selasa Rabu Kamis Jumat Senin Selasa Rabu Kamis Jumat Jlh Teller
(orang) 2 2 2 2 2 2 2 2 2 2
Jumlah
Nasabah 265 262 249 212 155 266 303 296 227 177 (orang)
Lama Kerja 8 8 8 8 8 8 8 8 8 8
(jam)
Tabel 3-3 Data Tingkat Kedatangan Nasabah Teller
Teller Senin Selasa Rabu Kamis Jumat Senin Selasa Rabu Kamis Jumat Oij Oij Oij Oij Oij Oij Oij Oij Oij Oij 1 131 135 126 109 89 139 146 149 119 97 2 134 127 125 119 80 129 157 147 124 94
Tabel 3-4 Data Lama Pelayanan Nasabah Teller
Teller Senin Selasa Rabu Kamis Jumat Senin Selasa Rabu Kamis Jumat Oij Oij Oij Oij Oij Oij Oij Oij Oij Oij 1 3,20 3,18 3,13 3,18 3,23 3,20 3,25 3,23 3,23 3.25 2 3,18 3,20 3,13 3,17 3,25 3,18 3,23 3,25 3,22 3,25
(33)
19
3.2. Pengolahan Data 3.2.1. Pengujian Asumsi
Pengujian Model antrian dilakukan sebelum menghitung ukuran-ukuran dasar teori antrian
3.2.1.1. Uji kecukupun Sampel
Dari data terlampir dapat dihitung bahwa
Banyaknya data = N= 456 (banyak sampel observasi)
( )
∑
∑
∑
−
i i ix
x
x
N
2 220
{
2412
}
)
2412
(
)
13712
(
456
20
−
229,90 dengan NI < N,
yaitu 29,90 < 456
Berarti sampel observasi 456, cukup mewakili populasinya
3.2.1.2. Uji keacakan
Untuk menghitung nilai Z dari data pengamatan pada H1,H2, sampai H10
(
)
) 1 2 1 ( 2 ) 2 1 ( ) 2 1 2 1 2 ( 2 1 2 2 1 2 1 21
− + + − − ++
−
=
n n n n n n n n n n n n n nr
Z
diuji dengan Pendekatan Sebaran Normal Baku yaitu dengan rumus sebagai berikut := I N = I N = I N
(34)
20
Dengan :
r = Banyak runtun
n1 = Banyak data pada minggu I
n2 28 , 5 = x
= Banyak data pada minggu II
Dengan memasukkan data yang diperoleh maka dapat dihitung nilai Z sebagai berikut :
Dengan maka r = 214, yang mana
n1 = 228 dan n2
(
)
) 1 228 228 ( 2 ) 228 228 ( ) 228 ( ) 228 ( ) 228 )( 228 ( 2 )( 228 )( 228 ( 2 ) 228 ( ) 228 ( ) 228 )( 228 ( 21
214
− + + − − ++
−
=
Z
= 228 = 66 . 10 228) (1 -214 + = -1,407Hasil pengujian nilai Z tersebut dengan α =0,05dan Z = 0,475 = 1,96 Menunjukkan bahwa kedatangan nasabah per 10 menit bersifat acak.
3.2.1.3. Uji Kesesuaian Poisson
Untuk menghitung nilai χ2 dari data pengamatan pada H1,H2 sampai H10 terlebih
dahulu ditentukan nilai data yang diharapkan yang ditentukan dengan rumus frekuensi teoritik yang dinyatakan dengan Eij. Rumusnya adalah sebagai berikut :
Eij = (ni0 x n0j)/n
Dengan ni0 = jumlah baris ke-i ; i= 1,2,…,B
n0j = jumlah kolom ke-j ; j= 1,,2,…,K
Demikian misalnya didapat :
E11 = (n10 x n01)/n ; E12 = (n10 x n02)/n
(35)
21
Dan seterusnya jelas bahwa n = n10 + n20 + … +nB0 = n01 + n02 + … +n
Interval
(menit)
Waktu
0K
01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’ Jumlah 0801 – 0900 6 6 5 5 4 7 33
0901 – 1000 6 5 8 7 5 6 37
1001 – 1100 8 5 6 4 5 7 35
1101 – 1200 5 6 5 7 5 6 34
1201 – 1300 5 6 5 7 5 5 33
1301 – 1400 6 7 5 7 5 4 34
1401 – 1500 3 4 4 5 4 7 27
1501 – 1600 6 5 4 5 7 5 32
Jumlah 45 44 42 47 40 46 265
Selanjutnya akan ditentukan jumlah Eij (jumlah nasabah harapan) sebagai berikut: E11 = (45 x 33) / 265 = 5,60 ; E12
Interval
(menit)
Waktu
= (44 x 33) / 265 = 5,48 Dan seterusnya sehingga data lengkap untuk hari Senin adalah :
Eij Eij Eij Eij Eij Eij
0801– 0900 5,60 5,48 5,23 5,85 4,98 5,73
0901 – 1000 6,28 6,14 5,86 6,56 5,58 6,42
1001 – 1100 5,94 5,81 5,55 6,21 5,28 6,07
1101 – 1200 5,77 5,64 5,39 6,03 5,13 5,90
1201 – 1300 5,60 5,48 5,23 5,85 4,98 5,73
1301 – 1400 5,77 5,64 5,39 6,03 5,13 5,90
1401 – 1500 4,58 4,48 4,28 4,79 4,07 4,69
1501 – 1600 5,43 5,13 5,07 5,67 4,83 5,55
(36)
22
Untuk Hari Selasa (H2)
Interval (menit) Waktu
Eij Eij Eij Eij Eij Eij
0801– 0900 5,62 5,62 5,25 5,01 5,62 4,88
0901 – 1000 6,85 6,85 6,40 6,10 6,85 5,95
1001 – 1100 6,14 6,14 5,74 5,48 6,14 5,34
1101 – 1200 6,14 6,14 5,74 5,48 6,14 5,34
1201 – 1300 6,32 6,32 5,91 5,63 6,32 5,50
1301 – 1400 5,97 5,97 5,58 5,32 5,97 5,20
1401 – 1500 4,74 4,74 4,43 4,22 4,74 4,12
1501 – 1600 4,21 4,21 3,94 3,75 4,21 3,66
Untuk Hari Rabu (H3)
Interval (menit)
Waktu Eij Eij Eij Eij Eij Eij
0801– 0900 5,70 4,90 5,56 5,70 5,56 5,56
0901 – 1000 6,21 5,34 6,07 6,21 6,07 6,07
1001 – 1100 5,52 4,75 5,40 5,52 5,40 5,40
1101 – 1200 6,04 5,20 5,90 6,04 5,90 5,90
1201 – 1300 5,52 4,75 5,40 5,52 5,40 5,40
1301 – 1400 5,52 4,75 5,40 5,52 5,40 5,40
1401 – 1500 4,66 3,27 3,71 3,80 3,71 3,71
(37)
23
Untuk Hari Kamis (H4)
Interval
(menit)
Waktu Eij Eij Eij Eij Eij Eij
0801– 0900 4,01 4,01 3,90 3,80 3,69 3,58
0901 – 1000 5,06 5,06 4,92 4,79 4,65 4,51
1001 – 1100 4,54 4,54 4,41 4,29 4,17 4,05
1101 – 1200 5,41 5,41 5,26 5,12 4,97, 4,82
1201 – 1300 4,54 4,54 4,41 4,29 4,17 4,05
1301 – 1400 5,06 5,06 4,92 4,79 4,65 4,51
1401 – 1500 4,71 4,71 4,58 4,46 4,33 4,20
1501 – 1600 3,66 3,66 3,56 3,46 3,37 3,27
Untuk Hari Jumat (H5)
Interval (menit)
Waktu Eij Eij Eij Eij Eij Eij
0801– 0900 5,24 4,30 5,42 4,86 4,86 4,30
0901 – 1000 5,78 4,75 5,99 5,37 5,37 4,75
1001 – 1100 3,97 3,26 4,11 3,69 3,69 3,26
1101 – 1200 3,25 2,67 3,37 3,02 3,02 2,67
1201 – 1300 - - - - - -
1301 – 1400 - - - - - -
1401 – 1500 4,88 4,00 5,05 4,52 4,52 4,00
(38)
24
Untuk Hari Senin (H6)
Interval
(menit)
Waktu Eij Eij Eij Eij Eij Eij
0801– 0900 6,90 6,00 5,75 4,73 5,49 5,11
0901 – 1000 8,12 7,06 6,77 5,56 6,46 6,01
1001 – 1100 7,10 6,18 5,92 4,87 5,66 5,26
1101 – 1200 6,90 6,00 5,75 4,73 5,49 5,11
1201 – 1300 7,30 6,36 6,09 5,00 5,81 5,41
1301 – 1400 6,29 5,47 5,24 4,31 5,01 4,66
1401 – 1500 5,68 4,95 4,74 3,89 4,52 4,21
1501 – 1600 5,68 4,95 4,74 3,89 4,52 4,21
Untuk Hari Selasa (H7)
Interval (menit) Waktu
Eij Eij Eij Eij Eij Eij
0801– 0900 7,40 6,02 5,64 6,77 6,39 5,77
0901 – 1000 7,40 6,02 5,64 6,77 6,39 5,77
1001 – 1100 8,17 6,65 6,24 7,48 7,07 6,37
1101 – 1200 7,88 6,34 5,94 7,13 673 6,07
1201 – 1300 8,17 6,65 6,24 7,48 7,07 6,37
1301 – 1400 7,88 6,34 5,94 7,13 6,73 6,07
1401 – 1500 6,62 5,38 5,05 6,06 5,72 5,16
(39)
25
Untuk Hari Rabu (H8)
Interval (menit) Waktu
Eij Eij Eij Eij Eij Eij
0801– 0900 6,38 5,96 7,37 7,09 8,37 6,81
0901 – 1000 5,32 4,97 6,15 5,91 6,97 5,67
1001 – 1100 6,23 5,81 7,20 6,92 8,17 6,65
1101 – 1200 6,38 596 7,37 7,09 8,37 6,81
1201 – 1300 5,93 5,53 6,85 6,59 7,77 6,32
1301 – 1400 5,62 5,25 6,5 6,25 7,37 6
1401 – 1500 4,86 4,54 5,62 5,40 6,37 5,19
1501 – 1600 4,25 3,97 4,92 4,73 5,58 4,54
Untuk Hari Kamis (H9)
Interval
(menit)
Waktu Eij Eij Eij Eij Eij Eij
0801– 0900 5,42 4,69 4,31 4,69 4,56 4,31
0901 – 1000 5,62 4,85 4,47 4,85 4,73 4,47
1001 – 1100 6,39 5,52 5,09 5,52 5,38 5,09
1101 – 1200 5,81 5,02 4,62 5,02 4,89 4,62
1201 – 1300 5,81 5,02 4,62 5,02 4,89 4,62
1301 – 1400 5,42 4,69 4,31 4,69 4,56 4,31
1401 – 1500 5,04 4,35 4,01 4,35 4,24 4,01
1501 – 1600 4,45 3,85 3,54 3,85 3,75 3,54
(40)
26
Untuk Hari Jumat (H10)
Interval
(menit)
Waktu Eij Eij Eij Eij Eij Eij
0801– 0900 5,60 4,90 5,60 5,42 5,42 4,02
0901 – 1000 5,24 4,58 5,24 5,07 5,07 3,77
1001 – 1100 5,78 5,06 5,78 5,60 5,60 4,15
1101 – 1200 3,98 3,48 3,98 3,85 3,85 2,86
1201 – 1300 - - - - - -
1301 – 1400 - - - - - -
1401 – 1500 6,50 5,69 6,50 6,30 6,30 4,68
1501 – 1600 4,88 4,27 4,88 4,73 4,73 3,50
Dari data yang diketahui kemudian diuji dengan Uji Chi-Kuadrat. Statistik yang digunakan untuk menguji hipotesisi di atas adalah
∑∑
= =−
=
B i K j ij ijij
E
E
O
1 1 2 2/
)
(
χ
DenganOij = Banyaknya nasabah yang diamati pada baris i kolom j
Eij
2
χ = Banyaknya nasabah yang diharapkan pada baris i kolom j
B = Jumlah baris K = Jumlah kolom
Dengan memasukkan data yang diperoleh dapat dihitung nilai sebagai berikut:
Hari Senin (H1)
2
χ = (6-5,60)2/ 5,60 + ( 6-5,48)2 +… + (5-5,55)2/ 5,55
=10,69
Dengan perhitungan selanjutnya sampai H10 diperoleh hasilnya sebagai berikut:
Hari Selasa (H2)
χ
2= 11,23Hari Rabu (H3)
χ
2= 12,79Hari Kamis (H4)
χ
2= 10,63(41)
27
Hari Senin (H1)
χ
2 = 11,94Hari Selasa (H2)
χ
2 = 14,94Hari Rabu (H3)
χ
2 = 13,62Hari Kamis (H4)
χ
2 = 13,02Hari Jumat (H5)
χ
2 = 9,35Kesepuluh
χ
2Hitung ini dibandingkan denganχ
2 dengan derajat kebebasan 35 an α =0,05 (χ
20,95 (35) = 49,8 ). Karenaχ
2Hitung <χ
2Tabel. Maka kedatangan nasabah per 10 menit mengikuti sebaran poisson.3.2.1.4. Uji Kesesuaian Eksponensial
Untuk menghitung nilai
χ
2 dari data pengamatan pada H1, H2, sampai H10µ = ) (t f
terlebih dahulu ditentukan nilai data yang diharapkan yang ditentukan dengan menggunakan distribusi Eksponensial. Fungsi eksponensial digunakan untuk menggambarkan tingkat pelayanan dengan asumsi bahwa lama pelayanan adalah acak dimana persamaan fungsi Eksponensialnya adalah sebagai berikut :
e
- µ tµ
Dengan = Rata-rata lama pelayanan
e = Bilangan navier ( e = 2,71828 )
t = waktu lamanya pelayanan tiap unit
Teller Senin Selasa Rabu Kamis Jumat Senin Selasa Rabu Kamis Jumat Oij Oij Oij Oij Oij Oij Oij Oij Oij Oij 1 3,20 3,18 3,13 3,18 3,23 3,20 3,25 3,23 3,23 3.25 2 3,18 3,20 3,13 3,17 3,25 3,18 3,23 3,25 3,22 3,25
(42)
28
Pada hari Senin, dari data diatas
Dengan µ= 0.31348 akan ditentukan nilai E (lama pengamatan harapan), dengan
menggunakan rumus sebagai berikut : f(t)=µ
e
- µ tTeller
diperoleh
O E
1 3,20 3,349
2 3,18 3,349
Demikianlah selanjutnya hingga diperoleh lama pelayanan harapan untuk semua hari pengamatan dan hasil selanjutnya disajikan pada tabel berikut :
Tabel 3.5. Data Lama pelayanan Nasabah Berdasarkan Harapan per Teller
Teller Senin Selasa Rabu Kamis Jumat Senin Selasa Rabu Kamis Jumat Eij Eij Eij Eij Eij Eij Eij Eij Eij Eij 1 3,349 3,349 3,373 3,355 3,330 3,349 3,330 3,330 3,336 3.326 2 3,349 3,349 3,373 3,355 3,330 3,349 3,330 3,330 3,336 3,326
Dari data yang diketahui kemudian diuji dengan uji Chi-kuadrat Statistik yang digunakan untuk menguji hipotesis diatas adalah
∑∑
= =−
=
Bi K j
ij ij
ij
E
E
O
1 1
2 2
/
)
(
χ
Dengan
Oij = Banyaknya nasabah yang diamati pada baris i kolom j
Eij
2
χ = Banyaknya nasabah yang diharapkan pada baris i kolom j
B = Jumlah baris K = Jumlah kolom
Dengan memasukkan data yang diperoleh dapat dihitung nilai sebagai berikut:
2
χ = (3,20 – 3,349)2 / 3,349 + (3,18 – 3,349)2 / 3,349 + … +(3,25 – 3,326)2/ 3,326 = 0,125
(43)
29
Hasil χ2
HITUNG ini dibandingkan dengan χ2TABEL
α
dengan derajat kebebasan 9 dan = 0,05 (χ2 0,95 (9) = 169). Karena χ2HITUNG < χ2TABEL
µ λ
c
u
=
. Maka kedatangan nasabah per 10 menit mengikuti sebaran Eksponensial.
3.2.1.5. Uji Faktor Utilisasi
Asumsi terakhir ini adalah perhitungan faktor utilisasi selama 10 hari pengamatan dengan syarat uji utilisasi (u<1).
Dengan
Maka cλµ
<
1
Dengan menggunakan uji faktor utilisasi diperoleh nilai pada hari Senin (H1) sebesar 0,85 dengan λ= 5,4 dan µ= 3,19. Demikian selanjutnya sampai hari Jumat (H10) dan hasil selengkapnya disajikan pada tabel berikut ini, yang semuanya menunjukkan nilai yang lebih dari satu. Hal ini menunjukkan bahwa sistem antrian dalam keadaan tetap.
Tabel 3.6. hasil Uji Faktor Utilisasi
Teller Senin Selasa Rabu Kamis Jumat Senin Selasa Rabu Kamis Jumat
u 0,85 0,83 0,82 0,72 0,69 0,85 0,96 0,93 0,76 0,78
Hasil keempat pengujian tersebut menunjukkan bahwa asumsi-asumsi teori antrian terpenuhi sehingga analisis selanjutnya dapat dilakukan.
3.3. Analisa Hasil Perhitungan berdasarkan Teori Antrian
Berdasarkan analisis terhadap tingkat kedatangan, waktu pelayanan dan kondisi yang ada, model antrian di PT. Bank BRI Cabang Medan Putri Unit Medan Labuhan adalah model antrian dengan pola kedatangan menyebar menurut sebaran eksponensial. Menurut notasi Kendall-Lee ditulis (M/M/@) : (GD/~/~). Dengan model ini dapat diketahui ukuran-ukuran dasar teori antriannya sebagai berikut:
(44)
30
Hari Senin (H1)
λ= 5,4 µ=3,19 ; c = 2 ;
u
=
cλµ=
0
,
85
Peluang masa sibuk F(b)
( )
0
,
7613
)
(
1
!
=
=
−c c
c Po
b
F
ρ υMenentukan harga E(nw), yaitu jumlah rata-rata nasabah dalam antrian
( )
4
,
31
)
(
)
(nw
=
F
b
cµλ−λ=
E
Menentukan harga E(tn), yaitu jumlah rata-rata nasabah berada dalam sistem.
( )
6
,
0
)
(
(
tn)=
F
b
cµλ−λ+
µλ=
E
Menentukan harga E(Tw), yaitu waktu rata-rata nasabah dalam antrian
( )
0
,
80
)
(
Tw
=
E(λnw)=
E
Harga E(Tt), yaitu Waktu rata-rata nasabah berada dalam sistem E(Tt) = E(Tw) + µ1 = 1,11
(45)
31
Tabel 3.7. Perbandingan Situasi Antrian
Ukuran Dasar antrian Senin
H1 Selasa H2 Rabu H3 Kamis H4 Jumat H5 Rata-rata nasabah dalam
antrian E(nw)
4,31 3,64 3,27 1,57 1,27
Rata-rata nasabah dalam sistem E(nt)
6,00 5,3 4,88 3,02 2,66
Rata-rata lamanya antri E(Tw)
0,80 0,69 0,64 0,34 0,28
Rata-rata waktu nasabah dalam sistem E(Tt)
1,11 0,99 0,92 0,65 0,58
Ukuran Dasar antrian Senin
H6 Selasa H7 Rabu H8 Kamis H9 Jumat H10 Rata-rata nasabah dalam
antrian E(nw)
4,31 22,38 11,59 2,08 2,45
Rata-rata nasabah dalam sistem E(nt)
6,00 24,29 13,44 3,60 4,02
Rata-rata lamanya antri E(Tw)
0,80 3,61 1,93 0,42 0,48
Rata-rata waktu nasabah dalam sistem E(Tt)
1,11 3,92 2,24 0,73 0,79
Dari hasil perhitungan ukuran-ukuran dasar teori antrian dapat diambil suatu kesimpulan bahwa keadaan Bank sama setiap akhir bulan.Rata-rata jumlah nasabah yang menunggu untuk dilayani pada hari Kamis dan Jumat adalah kecil. Hal ini wajar, karena hari-hari tersebut merupakan hari biasa yang menunjukkan kegiatan umum para nasabah. Pada hari Senin,Selasa dan Rabu apalagi pada awal bulan, rata-rata jumlah nasabah yang menunggu untuk dilayani sangat besar. Pada hari tersebut umumnya banyak kegiatan nasabah, ada yang menarik uangnya dan ada juga yang menyetorkan uangnya pada awal bulan.
(46)
32
Berdasarkan analisis perbandingan situasi antrian pada akhir dan awal bulan,kegiatan pelayanan perbankan pada PT. Bank BRI Cabang Medan Putri Unit Medan Labuhan menggambarkan bahwa pada hari Kamis dan Jumat menggambarkan hari biasa pada akhir dan awal bulan sedangkan pada hari Senin, Selasa dan Rabu merupakan kegiatan yang sibuk apalagi pada awal bulan.
3.4. Menentukan banyaknya Teller Optimal
Untuk menentukan banyaknya teller optimal digunakan metode pengambilan keputusan untuk kedua keadaan yang kita asumsikan yaitu dengan menghitung harga f(b), E(nw), E(nt), E(Tw), E(Tt), dengan perbandingan banyaknya jumlah teller (dihitung dengan variasi jumlah teller yang berbeda).Kemudian dibandingkan antara rata-rata waktu nasabah dalam sistem berdasarkan observasi dengan rata-rata waktu nasabah berdasarkan harapan pihak Bank. Dalam hal menaksir ongkos antrian nasabah per satuan waktu, akan sulit ditentukan karena harus melakukan penelitian yang lebih dalam kondisi ekonomi nasabah .
3.4.1 Hasil Pembahasan
Berdasarkan harapan pihak bank, rata-rata lamanya nasabah dalam sistem adalah
8 ) (
0≤E Tt ≤ menit.
a. Rata-rata lamanya nasabah dalam sistem (E(Tt)) pada asumsi hari biasa disajikan dalam tabel berikut:
Tabel 3.8. Rata-rata lama nasabah dalam sistem (E(Tt)) pada asumsi hari biasa
Hari E(Tt)
Kamis H4 0,65 = 6,5 menit
Jumat H5 0,58 = 5,8 menit
Kamis H9 0,73 = 7,3 menit
Jumat H10 0,79 = 7,9 menit
Ternyata harga c optimum pada asumsi hari biasa adalah 2, karena 0≤E(Tt)≤8menit .
(47)
33
b. Rata-rata lamanya nasabah dalam sistem (E(Tt)) pada asumsi hari sibuk disajikan dalam tabel berikut.
Tabel 3.9. Rata-rata lama nasabah dalam sistem pada asumsi hari sibuk
Hari E(Tt)
Senin H1 1,11 = 11,1 menit
Selasa H2 0,99 = 9,9 menit
Rabu H3 0,92 = 9,2 menit
Senin H6 1,11 = 11,1 menit
Selasa H7 3,92 = 39,2 menit
Rabu H8 2,24 = 22,4 menit
Karena E(Tt) pada hari Senin, Selasa dan Rabu pada akhir dan awal bulan lebih besar dari 8 menit, maka jumlah teller pada hari-hari ini belum optimal. Untuk memperoleh hasil optimal maka akan dihitung E(Tt) pada kondisi c+1.
Hari Senin
λ = 5,4 µ= 3,19 c = 3
u = 0,56 sehingga diperoleh
Peluang masa sibuk F(b) = 0,3102
Harga E(nw), yaitu jumlah rata-rata nasabah dalam antrian = 0,40
Harga E(nt), yaitu jumlah rata-rata nasabah dalam sistem = 2,09
Harga E(Tw), yaitu waktu rata-rat nasabah dalam antrian = 0,074
(48)
34
Demikian selanjutnya dan hasil lengkap dapat dilihat pada tabel berikut. Tabel 3.10. Perbandingan Situasi Antrian
Ukuran Dasar antrian Senin
H1
Selasa H2
Rabu H3
Senin H6
Selasa H
Rabu H8 Rata-rata nasabah dalam
antrian E(nw)
0,395 0,364 0,326 0,395 0,718 0,615
Rata-rata nasabah dalam sistem E(nt)
2,09 2,02 1,94 2,09 2,63 2,47
Rata-rata lamanya antri E(Tw)
0,074 0,068 0,064 0,07 0,116 0,103
Rata-rata waktu nasabah dalam sistem E(Tt)
0,380 0,381 0,380 0,383 0,425 0,412
Sehingga rata-rata lama waktu nasabah dalam sistem pada asumsi hari sibuk, yaitu setelah c+1 disajikan pada tabel berikut :
Tabel 3.11Rata-rata lama nasabah dalam sistem pada asumsi hari sibuk kondisi c+1
Hari E(Tt)
Senin H1 0,380 = 3,80 menit
Selasa H2 0,381 = 3,81 menit
Rabu H3 0,380 = 3,80 menit
Senin H6 0,383 = 3,83 menit
Selasa H7 0,425 = 4,25 menit
Rabu H8 0,412 = 4,12 menit
Ternyata harga c optimum pada asumsi hari sibuk seharusnya 3, artinya untuk hari Senin, Selasa dan Rabu pada akhir dan awal bulan perlu penambahan teller baru untuk mencegah antrian yang sangat panjang.
(49)
BAB 4
Kesimpulan Dan Saran
4.1.Kesimpulan
Dari hasil Pembahasan yang telah disajikan sebelumnya, maka dapat diterima kesimpulan antara lain:
1. Model antrian yang diperoleh (M/M/2) : (FIFO/~/~) yaitu tingkat kedatangan berdistribusi Poisson, waktu pelayanan berdistribusi Eksponensial, jumlah fasilitas pelayanan ada 2 orang, disiplin yang digunakan adalah pertama datang dilayani, jumlah pelanggan dalam sistem antrian dan ukuran populasi pada sumber masukan adlah tak berhingga
2. Jumlah optimum fasilitas pelayanan yang diperlukan untuk melayani pelanggan pada hari kamis dan jumat adalah 2 teller. Untuk hari Senin, Selasa dan Rabu baik pada akhir dan awal bulan 3 orang teller.
3. Rata-rata pelayanan untuk hari Senin, Selasa dan Rabu menunjukkan kegiatan yang sibuk baik akhir maupun awal bulan, hal ini sebaiknya diantisipasi dengan penambahan teller. Dan pada hari Kamis dan Jumat jumlah teller optimim adalah 2 orang.
4.2. Saran
Tingkat kedatangan nasabah dan kecepatan pelayanan setiap semester disarankan untuk selalu dianalisa, sehingga dapat ditentukan penambahan atau pengurangan fasilitas untuk mencapai sebuah sistem yang optimum, karena dapat dikatakan bahwa pelayanan teller wajah Bank dihadapan masyarakat
(50)
DAFTAR PUSTAKA
Bronson, Richard. 1983. Operations Research.Jakarta : Penerbit Erlangga
Kasim, Azhar. 1995. Teori Pembuat Keputusan.Jakarta :Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia
Siagian, P. 1987. Penelitian Operasional ; Teori Praktek. Jakarta : Indonesia : UI- Press
Supranto, Johanes. 1988. Riset Operasi Untuk Pengambilan Keputusan. Jakarta : Indonesia : UI-Press
Taha, Hamdy.A.1978. Operations Research An Introduction. London : Fourth Edition Mac Millan Publisher
Sudjana, DR. 1982. Metoda Statistika.Bandung : Tarsito
Taylor,Bernard.1998.Sains Management, Pendekatan Matematika Untuk Bisnis.Jakarta :Salemba Empat, Pearson Education Asia Pte. Ltd
(51)
Lampiran 1
Tabel Kedatangan
Data tingkat kedatangan nasabah per 10 menit Pada PT.Bank Rakyat Indonesia Cabang Medan Putri
Unit MedanLabuhan
Hari Senin (H1)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 6 6 5 5 4 7 0901 – 1000 6 5 8 7 5 6 1001 – 1100 8 5 6 4 5 7 1101 – 1200 5 6 5 7 5 6 1201 – 1300 5 6 5 7 5 5 1301 – 1400 6 7 5 7 5 4 1401 – 1500 3 4 4 5 4 7 1501 – 1600 6 5 4 5 7 5
Hari Selasa (H2)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 6 5 8 5 4 4 0901 – 1000 8 5 8 6 7 5 1001 – 1100 5 8 6 4 7 5 1101 – 1200 5 6 5 6 5 8 1201 – 1300 6 7 4 8 6 5 1301 – 1400 6 6 5 5 7 5 1401 – 1500 4 5 3 4 7 4 1501 – 1600 6 4 4 3 3 4
(52)
Hari Rabu (H3)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 4 6 4 6 8 5 0901 – 1000 5 6 6 8 5 6 1001 – 1100 7 5 4 4 6 6 1101 – 1200 6 5 5 8 5 6 1201 – 1300 7 4 6 4 4 7 1301 – 1400 4 5 6 7 6 4 1401 – 1500 4 3 7 4 5 4 1501 – 1600 6 3 4 2 3 4
Hari Kamis (H4)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 3 4 4 4 4 4 0901 – 1000 5 6 4 5 4 5 1001 – 1100 4 5 5 3 4 5 1101 – 1200 6 5 6 5 4 5 1201 – 1300 5 4 5 4 5 3 1301 – 1400 6 5 4 5 4 5 1401 – 1500 4 5 5 5 5 3 1501 – 1600 4 3 3 4 4 3
(53)
Hari Jumat (H5)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 6 4 5 5 5 4 0901 – 1000 5 4 6 6 5 6 1001 – 1100 5 3 5 4 2 3 1101 – 1200 4 3 3 3 3 2 1201 – 1300 - - - - 1301 – 1400 - - - - 1401 – 1500 4 4 5 4 5 5 1501 – 1600 4 5 5 4 6 3
Hari Senin (H6)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 8 6 5 4 5 6 0901 – 1000 7 8 9 6 4 6 1001 – 1100 6 8 6 5 6 4 1101 – 1200 8 6 5 4 6 5 1201 – 1300 6 4 5 8 7 6 1301 – 1400 5 4 7 4 6 5 1401 – 1500 7 5 4 3 4 5 1501 – 1600 7 6 4 3 5 3
(54)
Hari Selasa (H7)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 6 9 5 6 7 5 0901 – 1000 9 6 6 5 8 4 1001 – 1100 10 6 7 7 5 7 1101 – 1200 8 6 4 9 7 6 1201 – 1300 7 5 5 10 8 7 1301 – 1400 6 5 9 7 8 5 1401 – 1500 8 4 6 5 4 7 1501 – 1600 5 7 3 5 4 5
Hari Rabu (H8)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 7 5 6 7 10 7 0901 – 1000 8 6 6 5 4 6 1001 – 1100 5 7 6 9 8 6 1101 – 1200 4 5 8 10 7 8 1201 – 1300 6 5 7 5 10 6 1301 – 1400 6 5 7 4 9 6 1401 – 1500 5 4 5 7 6 5 1501 – 1600 4 5 7 3 5 4
(55)
Hari Kamis (H9)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 5 5 4 4 5 5 0901 – 1000 6 5 6 3 5 4 1001 – 1100 6 5 4 6 5 7 1101 – 1200 5 6 4 5 6 4 1201 – 1300 6 5 4 6 4 5 1301 – 1400 6 4 5 6 3 4 1401 – 1500 5 4 5 4 5 3 1501 – 1600 5 4 3 4 4 3
Hari Jumat (H10)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 5 4 6 5 6 5 0901 – 1000 5 5 4 5 6 4 1001 – 1100 6 6 5 5 6 4 1101 – 1200 5 4 4 4 3 2 1201 – 1300 - - - - 1301 – 1400 - - - - 1401 – 1500 6 5 7 7 6 5 1501 – 1600 5 4 6 5 4 3
(1)
DAFTAR PUSTAKA
Bronson, Richard. 1983. Operations Research.Jakarta : Penerbit Erlangga
Kasim, Azhar. 1995. Teori Pembuat Keputusan.Jakarta :Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia
Siagian, P. 1987. Penelitian Operasional ; Teori Praktek. Jakarta : Indonesia : UI- Press
Supranto, Johanes. 1988. Riset Operasi Untuk Pengambilan Keputusan. Jakarta : Indonesia : UI-Press
Taha, Hamdy.A.1978. Operations Research An Introduction. London : Fourth Edition Mac Millan Publisher
Sudjana, DR. 1982. Metoda Statistika.Bandung : Tarsito
Taylor,Bernard.1998.Sains Management, Pendekatan Matematika Untuk Bisnis.Jakarta :Salemba Empat, Pearson Education Asia Pte. Ltd
(2)
Lampiran 1
Tabel Kedatangan
Data tingkat kedatangan nasabah per 10 menit Pada PT.Bank Rakyat Indonesia Cabang Medan Putri
Unit MedanLabuhan
Hari Senin (H1) Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 6 6 5 5 4 7
0901 – 1000 6 5 8 7 5 6
1001 – 1100 8 5 6 4 5 7
1101 – 1200 5 6 5 7 5 6
1201 – 1300 5 6 5 7 5 5
1301 – 1400 6 7 5 7 5 4
1401 – 1500 3 4 4 5 4 7
1501 – 1600 6 5 4 5 7 5
Hari Selasa (H2) Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 6 5 8 5 4 4
0901 – 1000 8 5 8 6 7 5
1001 – 1100 5 8 6 4 7 5
1101 – 1200 5 6 5 6 5 8
1201 – 1300 6 7 4 8 6 5
1301 – 1400 6 6 5 5 7 5
1401 – 1500 4 5 3 4 7 4
(3)
Hari Rabu (H3) Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 4 6 4 6 8 5
0901 – 1000 5 6 6 8 5 6
1001 – 1100 7 5 4 4 6 6
1101 – 1200 6 5 5 8 5 6
1201 – 1300 7 4 6 4 4 7
1301 – 1400 4 5 6 7 6 4
1401 – 1500 4 3 7 4 5 4
1501 – 1600 6 3 4 2 3 4
Hari Kamis (H4)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 3 4 4 4 4 4
0901 – 1000 5 6 4 5 4 5
1001 – 1100 4 5 5 3 4 5
1101 – 1200 6 5 6 5 4 5
1201 – 1300 5 4 5 4 5 3
1301 – 1400 6 5 4 5 4 5
1401 – 1500 4 5 5 5 5 3
(4)
Hari Jumat (H5)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 6 4 5 5 5 4
0901 – 1000 5 4 6 6 5 6
1001 – 1100 5 3 5 4 2 3
1101 – 1200 4 3 3 3 3 2
1201 – 1300 - - - -
1301 – 1400 - - - -
1401 – 1500 4 4 5 4 5 5
1501 – 1600 4 5 5 4 6 3
Hari Senin (H6)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 8 6 5 4 5 6
0901 – 1000 7 8 9 6 4 6
1001 – 1100 6 8 6 5 6 4
1101 – 1200 8 6 5 4 6 5
1201 – 1300 6 4 5 8 7 6
1301 – 1400 5 4 7 4 6 5
1401 – 1500 7 5 4 3 4 5
(5)
Hari Selasa (H7)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 6 9 5 6 7 5
0901 – 1000 9 6 6 5 8 4
1001 – 1100 10 6 7 7 5 7
1101 – 1200 8 6 4 9 7 6
1201 – 1300 7 5 5 10 8 7
1301 – 1400 6 5 9 7 8 5
1401 – 1500 8 4 6 5 4 7
1501 – 1600 5 7 3 5 4 5
Hari Rabu (H8)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 7 5 6 7 10 7
0901 – 1000 8 6 6 5 4 6
1001 – 1100 5 7 6 9 8 6
1101 – 1200 4 5 8 10 7 8
1201 – 1300 6 5 7 5 10 6
1301 – 1400 6 5 7 4 9 6
1401 – 1500 5 4 5 7 6 5
(6)
Hari Kamis (H9)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 5 5 4 4 5 5
0901 – 1000 6 5 6 3 5 4
1001 – 1100 6 5 4 6 5 7
1101 – 1200 5 6 4 5 6 4
1201 – 1300 6 5 4 6 4 5
1301 – 1400 6 4 5 6 3 4
1401 – 1500 5 4 5 4 5 3
1501 – 1600 5 4 3 4 4 3
Hari Jumat (H10)
Interval (menit)
Waktu 01’ – 10’ 11’ – 20’ 21’ – 30’ 31’– 40’ 41’– 50’ 51’– 60’
0801 – 0900 5 4 6 5 6 5
0901 – 1000 5 5 4 5 6 4
1001 – 1100 6 6 5 5 6 4
1101 – 1200 5 4 4 4 3 2
1201 – 1300 - - - -
1301 – 1400 - - - -
1401 – 1500 6 5 7 7 6 5