Dalam hal lainnya Ho ditolak. Untuk taraf nyata sebesar α nilai 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
2
χ . Uji ini membandingkan kelompok frekuensi yang diamati dengan kelompok frekuensi yang diharapkan. Frekuensi yang
diharapkan ternyata timbul dari suatu dugaan atau hipotesis. Teknik
2
χ menguji apakah frekuensi yang diamati cukup mendekati frekuensi yang diharapkan, maka
pengujian Chi-Kuadrat diawali dengan hipotesis sebagai berikut: Ho : Data menyebar Poisson
H
1
∑∑
= =
− =
B i
K j
ij ij
ij
E E
O
1 1
2 2
χ
: Data tidak menyebar Poisson Statistik uji yang digunakan adalah :
Dengan O
ij
= Banyaknya nasabah yang diamati pada baris i kolom j E
ij
1 1
1 2
2 −
− −
≥
K B
α
χ 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
1 1
1 2
− −
− K
B α
χ 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
u =
maka
1
µ λ
c
Dengan λ = Pertibaan rata-rata
µ = Pelayanan rata-rata
c = Banyak fasilitas pelayanan
2.7. Formula yang digunakan Dari model abc : def 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 nc
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 lintas Langkah II. Menentukan nilai Peluang masa sibuk Fb,
c c
c Po
b F
ρ
ρ −
=
1
Dengan harga :
∑ =
− =
−
+
1 1
1
c n
c c
c n
n
Po
ρ ρ
ρ
Dengan Fb
= Peluang masa sibuk ρ
= Intensitas lalu lintas P
o = peluang menganggur
c = Kapasitas pelayanan
Langkah III. Menentukan harga Enw, yaitu jumlah rata-rata nasabah dalam garis tunggu.
λ µ
λ
−
=
c nw
b F
E
atau
ρ ρ
−
=
c
b P
E
nw
Dengan E
nw
λ = Jumlah rata-rata nasabah dalam antrian
Fb = 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 Etn, yaitu jumlah rata-rata nasabah berada dalam sistem.
Dengan E
tn
λ = jumlah rata-rata nasabah dalam sistem
Fb = peluang masa sibuk
c = kapasitas pelayanan
= Rata – rata pertibaan dalam satuan waktu ρ
= Intensitas lalu lintas µ
= Rata- rata pelayanan dalam satuan waktu
ρ
ρ ρ
+ =
− c
b F
tn E
µ λ
λ µ
λ
+ =
− c
b F
tn E
Langkah IV. Menentukan harag E
Tw
λ
nw
E Tw
E
, yaitu waktu rata-rata nasabah dalam garis tunggu
Dengan ETw = waktu rata-rata nasabah dalam antrian
Enw = jumlah rata-rata nasabah dalam antrian λ
= Rata-rata pertibaan dalam satuan waktu Langkah VI. Menentukan harga ETt, yaitu waktu rata-rata nasabah dalam sistem
ETt =
µ 1
+ Tw
E
Dengan ETt = waktu rata-rata nasabah dalam sistem
ETw = waktu rata-rata nasabah dalam antrian µ
= Rata-rata pelayanan dalam satuan waktu
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.
Tabel 3-1 Rangkuman Data Tingkat Kedatangan Nasabah per- jam Waktu
Senin Selasa
Rabu Kamis
Jumat Senin
Selasa Rabu
Kamis Jumat
Kedatangan 08
01
– 09 33
00
32 33
23 29
34 38
42 28
31 09
01
– 10 37
00
39 36
29 32
40 38
35 29
29 10
01
– 11 35
00
35 32
26 22
35 42
41 33
32 11
01
– 12 34
00
35 35
31 18
34 40
42 30
22 12
01
– 13 33
00
36 32
26 -
36 42
39 30
- 13
01
– 14 34
00
34 32
29 -
31 40
37 28
- 14
01
– 15 27
00
27 27
27 27
28 34
32 26
36 15
01
– 16 32
00
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
3.2. Pengolahan Data