I-36 Pemakaian tiga kali standart deviasi disini karena data yang dipakai hanya
sedikit, sehingga mengakibatkan subgrupnya kecil.
3.9 Running Model
Setelah data yang dibutuhkan mencukupi dan model yang dibuat sudah valid kemudian dilakukan Running yaitu dengan menterjemahkan
model dan data kedalam program komputer. Dalam pengolahan ini dilakukan pengubahan jadwal shift kerja untuk mendapatkan hasil yang
paling optimal. sehingga dapat dikatakan bahwa, running dilakukan pada alternatif yang dibuat. Dalam bab ini ditampilkan adanya biaya kasir.
Namun biaya kasir tidak masuk kedalam model program simulasi karena biaya ini tidak dipengaruhi dari lamanya kasir bekerja, dengan kata lain
meskipun kasir tersebut sedang menganggur biaya kasir ini tetap ada, biaya kasir dipengaruhi oleh jumlah kasir yang bekerja dan jam kerjanya,
sehingga untuk biaya kasir dihitung sendiri secara manual yaitu dengan persamaan :
= cd
a G
B ……………………………………….……3.10
dimana B = Biaya kasir G = gaji kasir perbulan perorang
a = jumlah jam kerja perbulan c = durasi kerja kasir sesuai rentang waktu yang diambil
d = jumlah kasir yang bekerja
3.10 Pembuatan Alternatif Jadwal
Alternatif jadwal dibuat untuk mendapatkan jadwal yang paling optimal. Adapun alternatif yang dipakai adalah dengan mengubah jumlah
kasir yang bekerja pada setiap rentang waktu tertentu untuk kemudian dikombinasikan dengan shift yang berlaku.
I-37
3.11 Pemilihan Alternatif Jadwal
Pemilihan dilakukan dengan membandingkan setiap alternatif yang dibuat. Kriteria yang dipakai untuk memilih alternatif adalah:
1. Peningkatan estimasi pendapatan bagi Swalayan Mitra Sukpharjo dari pelanggan.
2. Peningkatan estimasi biaya kasir tidak melebihi peningkatan estimasi pendapatan dari pelanggan ke Swalayan Mitra Sukoharjo
3. Lama mengantri dan lama kasir menganggur yang yang lebih sesuai.
3.12 Analisis dan Interpretasi Hasil
Analisis dan interpretasi dilakukan pada hasil pengolahan data dan pembuatan serta pemilihan alternatif.
3.13 Kesimpulan dan saran
Kesimpulan diambil dari hasil analisis dan saran diberikan kepada perusahaan dan kepada penelitian berikutnya.
I-38 BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
Pada bab ini diuraikan proses pengumpulan dan pengolahan data dalam penelitian. Pengolahan yang dilakukan meliputi pengolahan
data awal, sebagai bahan input untuk program simulasi dan pengolahan di dalam program simulasi itu sendiri yang dijelaskan pada sub bab - sub
bab di bawah ini.
4.1 Pengumpulan Data
4.1.1 Data Primer
Data primer diambil secara manual dengan menggunakan stopwacth langsung di lokasi penelitian, yaitu di Swalayan Mitra
Sukoharjo. Pengambilan data ini dilakuan selama tujuh hari pada setiap shift kerja yaitu jam 9.00 sampai dengan 21.00. Pengumpulan data
dilakukan pada empat rentang waktu yaitu, antara jam 9.00 sampai dengan jam 11.30. jam 11.30 sampai dengan jam 13.30, jam 13.30
sampai dengan jam 15.30, jam 15.30 sampai dengan 18.30 dan antara jam 18.30 sampai dengan jam 21.00. Rentang waktu ini ditentukan
berdasarkan jam kerja dan jam istirahat serta banyak dan sedikitnya pelanggan yang datang. Data yang diambil berupa data waktu saat
pelangan ke-i datang yang dinotasikan dengan Sdi, waktu saat pelanggan ke-i mulai dilayani untuk selanjutnya dinotasikan dengan
Smdi dan data waktu saat pelanggan ke-i selesai dilayani untuk selanjutnya dinotasikan dengan Ssdi, untuk i = 1,2,3…n, n = jumlah
pelanggan yang datang, Hasil pengumpulan data, berupa data waktu saat pelanggan datang Sd, saat pelanggan mulai dilayani Smd, saat
pelanggan selesai Ssd, dapat dilihat pada Lampiran 1.
4.1.2 Data Sekunder
I-39 Data sekunder adalah data pendukung yang didapatkan dari
keterangan pihak Swalayan Mitra Sukoharjo. Adapun data sekunder yang didapatkan adalah:
- Jumlah loket kasir, jumlah loket kasir keseluruhan yang ada di
Swalayan Mitra Sukoharjo adalah tujuh loket kasir. Sedangkan jumlah loket kasir yang difungsikan per hari sebanyak tiga loket.
- Jadwal kerja kasir, jam kerja kasir meliputi tiga shift kerja yaitu Shift
pertama dimulai dari jam 9.00 pagi sampai dengan jam 17.00 sore dengan istirahat selama satu jam yaitu pada jam 12.00 sampai
dengan jam 13.00 siang. Shift kedua dimulai dari jam 17.00 sampai dengan jam 21.00 tanpa jam istirahat. Shift ketiga dari jam 9.00
sampai jam 13.00 kemudian istirahat dan kerja lagi pada jam 17.00 sampai jam 21.00.
- Gaji kasir Rp. 500.000,- perorang perbulan.
- Pendapatan bersih dari pelanggan rata – rata Rp. 2.325,- per satu kali
pelanggan berbelanja.
4.2 Pengolahan Data Awal
Pengolahan data awal dilakukan pada data primer sebelum data tersebut dapat dijadikan input pada program simulasi. Pengolahan
data awal dilakukan dengan menggunakan langkah – langkah pada bab III sub bab 3.6 point satu sampai dengan tujuh. dan hasil yang didapatkan
adalah sebagai berikut : 1.
Lama pelanggan mengantri Lm. Untuk pelanggan pertama yang datang, waktu lama mengantrinya adalah:
Lm1 = Smd1 – Sd1 = 2,3 – 0,03
= 2,27 untuk data lama mengantri setiap pelanggan yang datang selengkapnya dapat
dilihat pada lampiran 1. 2.
Menghitung lama waktu pelanggan dilayani Ld. Lama pelanggan pertama yang datang dilayani adalah :
Ld1 = Ssd1 – Smd1
I-40 = 3,52 – 2,3
= 1,22 sedangkan lama dilayaninya setiap pelanggan yang datang selengkapnya dapat
dilihat pada lampiran 1. 3.
Menghitung lama server menganggur Lsi. Lama server menganggur antara kedatangan pelanggan pertama dan kedua adalah :
Lsi = Smd2 – Ssd1 = 3,52 – 3,52
= 0 lama server menganggur untuk pada tiap jeda kedatangan pelanggan,
selengkapnya dapat dilihat pada lampiran 1. 4.
Menghitung waktu antar kedatangan WAK. Waktu antar kedatangan pelanggan pelanggan pertama dan kedua adalah sebagai berikut :
WAK = Sd2 – Sd1 = 0,16 – 0,03
= 0,13 waktu antar keddatangan pelanggan selengkapnya dapat dilihat pada lampiran 1.
5. Rata – rata lama pelanggan mengantri antara jam 9.00 sampai dengan jam
11.30 adalah sebagai berikut : µ
= 40
34,16
= 0,854 menit
Hasil perhitungan rata – rata pelanggan mengantri Lm, rata – rata pelanggan lama dilayani Ld, rata – rata lama server menganggur Lsi dan rata- rata waktu
antar kedatangan WAK, selangkapnya pada hari Kamis dapat dilihat pada Tabel 4.1 dan untuk data pada hari-hari yang lain dapat dilihat pada lampiran
pengolahan data awal.
Tabel 4.1 Rata – rata data waktu pada setiap rentang waktu
Rentang Waktu Data waktu
Keseluruhan 9.00-11.30 11.30-13.30 13.30-15.3015.30-18.30 18.30-21.00 Lm
Menit 3,66
0,854 2,896
0,941 11,741
1,956 Ld
Menit 1,325
1,056 1,361
1,723 2,300
1,123 Lsi
Menit 0,189
0,679 0,257
0,139 WAK
Menit 1,398
1,651 1,304
1,79 0,936
1,354 6.
Hasil perhitungan nilai deviasi standar untuk setiap data waktu lama mengantri Lm, lama pelanggan dilayani Ld, lama server menganggur Lsi
dan waktu antar kedatangan WAK pelanggan, untuk data hari kamis dapat dilihat pada Tabel 4.2 dan untuk data pada hari lain dapat dilihat pada
lampiran pengolahan data awal.
I-41
Tabel 4.2 Nilai deviasi standar data waktu pada setiap rentang waktu.
Rentang Waktu
Data waktu
Keseluruhan 9.00-11.30 11.30-13.3013.30-15.30 15.30-18.3018.30-21.00 Lm
Menit 4,65
0,876 2,180
1,158 6,279
1,608 Ld
Menit 1,234
0,813 1,289
1,859 1,754
0,793 Lsi
Menit 0,743
1,484 0,468
0,689 WAK
Menit 1,464
1,635 1,263
2,07 0,697
1,177 7.
Menentukan pola distribusi frekwensi data waktu, lama pelanggan dilayani Ld dan waktu antar kedatangan WAK. Dengan menggunakan langkah –
langkah untuk menentukan pola distribusi frekwensi data pada Bab III. sub bab 3.6 point tujuh a sampai tujuh f. Diperoleh untuk distribusi data WAK
dan Ld pada hari kamis adalah: a.
Pola distribusi data lama dilayani keseluruhan -
Rentang = 9,09 -
Banyaknya kelas interval = 9 kelas -
Panjang kelas interval = 1,01 -
Frekwensi tiap-tiap kelas dapat dilihat pada Tabel 4.3 -
Grafik distribusi dapat dilihat pada Gambar 4.1
20 40
60 80
100 120
140 160
1 2
3 4
5 6
7 8
9 Series1
Expon. Series1
Gambar 4.1 Grafik pola distribusi waktu lama pelanggan dilayani keseluruhan
- uji Chi Square.
Hipotesis yang dipakai adalah : H
= Data terdistribusi secara eksponensial H
1
= Data tidak terdistribusi secara eksponensial -
level of significance α
= 0,05 -
v = 7
I-42 -
Hasil perhitungan χ
2
dapat dilihat pada Tabel 4.3
Tabel 4.3 Data uji pola distribusi waktu lama dilayani keseluruhan
Batas kelas bawah
Batas kelas atas
fo Ft
fo-ft
2
fo-ft
2
ft 0,000
1,010 138
133,853 17,197 0.128
1,011 2,020
69 62,667
40,111 0.640
2,021 3,030
26 29,380
11,428 0.389
3,031 4,040
9 13,775
22,797 1.655
4,041 5,050
6 6,458
0,210 0.032
5,051 6,060
1 3,028
4,112 1.358
6,061 7,070
1 1,420
0,176 0.124
7,071 8,080
1 0,666
0,112 0.168
8,081 9,090
1 0,312
0,473 1.517
Jumlah 252
251,246 6,012
- Dari hasil perhitungan didapatkan bahwa
χ
2 hitung
= 6,012 sedangkan χ
2 0,05:5
= 14,067, sehingga kesimpulan yang diambil adalah H
diterima karena χ
2 hitung
≤ χ
2 α
:v,
b. Pola distribusi data lama dilayani antara jam 9.00 sampai dengan jam 11.30.
- Rentang = 3,51
- Banyaknya kelas interval = 6 kelas
- Panjang kelas interval = 0,585
- Frekwensi tiap-tiap kelas dapat dilihat pada Tabel 4.4
- grafik distribusi dapat dilihat pada Gambar 4.2
5 10
15 20
1 2
3 4
5 6
Kelas ke- fr
e k
w e
n s
i
Series1 Expon.
Series1
Gambar 4.2 Grafik pola distribusi waktu lama pelanggan dilayani keseluruhan
- uji Chi Square.
Hipotesis yang dipakai adalah :
I-43 H
= Data terdistribusi secara eksponensial H
1
= Data tidak terdistribusi secara eksponensial -
level of significance α
= 0,05 -
v = 5
- Hasil perhitungan
χ 2 dapat dilihat pada Tabel 4.4.
Tabel 4.4 Data uji pola distribusi waktu lama dilayani
antara jam 9.00 sampai dengan jam 11.30 Batas kelas
bawah Batas kelas
atas Fo
ft fo-ft
2
fo-ft
2
Ft 0,000
0,585 14 10,144 14,867
1,466 0,586
1,170 13 7,557 29,630
3,921 1,171
1,755 5
5,640 0,410
0,073 1,756
2,340 5
4,210 0,624
0,148 2,341
2,925 2
3,142 1,305
0,415 2,926
3,510 1
2,345 1,810
0,772 Jumlah
40 33,38 6,795
- Dari hasil perhitungan didapatkan bahwa
χ
2 hitung
= 6,795 sedangkan χ
2 0,05:5
= 9,488, sehingga kesimpulan yang diambil adalah H
diterima karena χ
2 hitung
≤ χ
2 α
:v.
c. Pola distribusi data lama dilayani antara jam 11.30 sampai jam 13.30.
- Rentang = 5,94
- Banyaknya kelas interval = 7 kelas
- Panjang kelas interval = 0,849
- Frekwensi tiap-tiap kelas dapat dilihat pada Tabel 4.5
- Grafik distribusi dapat dilihat pada gambar 4.3
5 10
15 20
25 30
1 2
3 4
5 6
7
kelas ke- fr
e k
w e
n s
i
Series1 Expon.
Series1
I-44
Gambar 4.3 Grafik pola distribusi waktu lama pelanggan dilayani
pada jam 11.30 sampai jam 13.30 -
uji Chi Square. Hipotesis yang dipakai adalah :
H = Data terdistribusi secara eksponensial
H
1
= Data tidak terdistribusi secara eksponensial -
level of significance α
= 0,05 -
v = 5
- Hasil perhitungan
χ
2
dapat dilihat pada Tabel 4.5
Tabel 4.5 Data uji pola distribusi waktu lama dilayani
antara jam 11.30 sampai dengan jam 13.30 Batas kelas
bawah Batas kelas
atas fo
Ft fo-ft
2
fo-ft
2
ft 0,120
0,969 29 17,584 130,328 7,412
0,970 1,817
13 11,487 2,288
0,199 1,818
2,666 5
7,515 6,328
0,842 2,667
3,514 2
4,917 8,508
1,730 3,515
4,363 2
3,217 1,481
0,460 4,364
5,211 2
2,105 0,011
0,005 5,212
6,060 1
1,377 0,142
0,103 Jumlah
54 10,752
- Dari hasil perhitungan didapatkan bahwa
χ
2 hitung
= 10,752 sedangkan χ
2 0,05:5
= 11,070, sehingga kesimpulan yang diambil adalah H diterima karena
χ
2 hitung
≤ χ
2 α
:v
d. Pola distribusi data lama dilayani antara jam 13.30 sampai dengan jam 15.30
- Rentang = 8,93
- Banyaknya kelas interval = 7 kelas
- Panjang kelas interval = 1,276
- Frekwensi tiap-tiap kelas dapat dilihat pada Tabel 4.6
- Grafik distribusi dapat dilihat pada Gambar 4.4
I-45
5 10
15 20
25 30
35
1 2
3 4
5 6
7 Series1
Expon. Series 1
Gambar 4.4 Grafik pola distribusi waktu lama pelanggan dilayani
pada jam 13.30 sampai jam 15.30 -
uji Chi Square. Hipotesis yang dipakai adalah:
H = Data terdistribusi secara eksponensial
H
1
= Data tidak terdistribusi secara eksponensial -
level of significance α
= 0,05 -
v = 5
- Hasil perhitungan
χ
2
dapat dilihat pada Tabel 4.6
Tabel 4.6 Data uji pola distribusi waktu lama dilayani
antara jam 13.30 sampai dengan jam 15.30
Batas kelas Bawah
Batas kelas atas
Fo Ft
fo-ft
2
fo-ft
2
Ft 0,160
1,436 31
25,610 29,050
1,134 1,437
2,711 11
11,719 0,517
0,044 2,712
3,987 3
6,193 10,194
1,646 3,988
5,263 3
3,272 0,074
0,023 5,264
6,539 1
1,729 0,532
0,308 6,540
7,814 1
0,914 0,007
0,008 Jumlah
51 3,717
I-46 -
Dari hasil perhitungan didapatkan bahwa χ
2 hitung
= 3,717 sedangkan χ
2 0,05:5
= 11,070, sehingga kesimpulan yang diambil adalah H
diterima karena χ
2 hitung
≤ χ
2 α
:v
e. Pola distribusi data lama dilayani antara jam 15.30 sampai dengan jam 18.30.
- Rentang = 4,92
- Banyaknya kelas interval = 7 kelas
- Panjang kelas interval = 0,703
- Frekwensi tiap-tiap kelas dapat dilihat pada Tabel 4.7
- Grafik distribusi dapat dilihat pada Gambar 4.5
5 10
15 20
25
1 2
3 4
5 6
7
Kelas Ke- F
re k
w e
n si
Series1 Expon.
Series1
Gambar 4.5 Grafik pola distribusi waktu lama pelanggan dilayani
pada jam 15.30 sampai jam 18.30 -
uji Chi Square. Hipotesis yang dipakai adalah :
H = Data terdistribusi secara eksponensial
H
1
= Data tidak terdistribusi secara eksponensial -
level of significance α
= 0,05 -
v = 5
- Hasil perhitungan
χ
2
dapat dilihat pada tabel 4.7
Tabel 4.7 Data uji pola distribusi waktu lama dilayani
antara jam 15.30 sampai dengan jam 18.30 Batas kelas
bawah Batas kelas
atas fo
ft fo-ft
2
fo-ft
2
Ft 0,130
0,833 21 16,690 18,580
1,113 0,834
1,536 14 9,558 19,731
2,064 1,537
2,239 5
6,726 2,978
0,443 2,240
2,941 6
4,733 1,606
0,339
I-47 2,942
3,644 1
3,330 5,431
1,631 3,645
4,347 1
2,344 1,805
0,770 4,348
5,050 1
1,649 0,421
0,256 Jumlah
49 45,029 6,616
- Dari hasil perhitungan didapatkan bahwa
χ
2 hitung
= 6,616 sedangkan χ
2 0,05:5
= 11,070, sehingga kesimpulan yang diambil adalah H
diterima karena χ
2 hitung
≤ χ
2 α
:v
f. Pola distribusi data lama dilayani antara jam 18.30 sampai jam 21.00.
- Rentang = 3,34
- Banyaknya kelas interval = 7 kelas
- Panjang kelas interval = 0,477
- Frekwensi tiap-tiap kelas dapat dilihat pada Tabel 4.8
- Grafik distribusi dapat dilihat pada Gambar 4.6
5 10
15 20
25
1 2
3 4
5 6
7
kelas ke- fr
e k
w e
n s
i
Series1 Expon.
Series1
Gambar 4.6 Grafik pola distribusi waktu lama pelanggan dilayani
pada jam 18.30 sampai jam 21.00 -
uji Chi Square. Hipotesis yang dipakai adalah :
H = Data terdistribusi secara eksponensial
H
1
= Data tidak terdistribusi secara eksponensial -
level of significance α
= 0,05 -
v = 5
- Hasil perhitungan
χ
2
dapat dilihat pada Tabel 4.8
Tabel 4.8 Data uji pola distribusi waktu lama dilayani
antara jam 18.30 sampai dengan jam 21.00
I-48
Batas kelas bawah
Batas kelas atas
Fo ft
fo-ft
2
fo-ft
2
ft 0,170
0,647 19
16,034 8,800
0,549 0,648
1,124 17
8,886 65,832
7,408 1,125
1,601 9
7,000 3,999
0,571 1,602
2,079 5
5,514 0,265
0,048 2,080
2,556 4
4,344 0,118
0,027 2,557
3,033 2
3,422 2,022
0,591 3,034
3,510 2
2,696 0,484
0,180 Jumlah
58 47,896 81,520
9,374
- Dari hasil perhitungan didapatkan bahwa
χ
2 hitung
= 9,374 sedangkan χ
2 0,05:5
= 11,070, sehingga kesimpulan yang diambil adalah H
diterima karena χ
2 hitung
≤ χ
2 α
:v
g. Pola distribusi data waktu antar kedatangan keseluruhan.
- Rentang = 7,82
- Banyaknya kelas interval = 9 kelas
- Panjang kelas interval = 0,869
- Frekwensi tiap-tiap kelas dapat dilihat pada Tabel 4.9
- Grafik distribusi dapat dilihat pada gambar 4.7
20 40
60 80
100 120
140
1 2
3 4
5 6
7 8
9 Series1
Expon. Series1
Gambar 4.7 Grafik pola distribusi data waktu antar kedatangan keseluruhan
- uji Chi Square.
Hipotesis yang dipakai adalah : H
= Data terdistribusi secara eksponensial H
1
= Data tidak terdistribusi secara eksponensial -
level of significance α
= 0,05 -
v = 7
I-49 -
Hasil perhitungan χ
2
dapat dilihat pada Tabel 4.9
Tabel 4.9 Data uji pola distribusi waktu antar kedatangan keseluruhan.
Batas kelas bawah
Batas kelas atas
fo ft
fo-ft
2
fo-ft
2
Ft 0.000
0.869 116
120.664 21.749
0.180 0.870
1.738 55
62.789 60.661
0.966 1.739
2.607 40
32.724 52.942
1.618 2.608
3.476 20
17.055 8.673
0.509 3.477
4.344 8
8.889 0.790
0.089 4.345
5.213 2
4.633 6.930
1.496 5.214
6.082 5
2.414 6.685
2.769 6.083
6.951 2
1.258 0.550
0.437 6.952
7.820 3
1.075 3.706
3.448 Jumlah
251 251.500
11.512
- Dari hasil perhitungan didapatkan bahwa
χ
2 hitung
= 11,512 sedangkan χ
2 0,05:4
= 14,067 sehingga kesimpulan yang diambil adalah H diterima karena
χ
2 hitung
≤ χ
2 α
:v
h. Pola distribusi data waktu antar kedatangan antara jam 9.00 sampai dengan
jam 11.30. -
Rentang = 7,71 -
Banyaknya kelas interval = 6 kelas -
Panjang kelas interval = 1,285 -
Frekwensi tiap-tiap kelas dapat dilihat pada Tabel 4.10 -
Grafik distribusi dapat dilihat pada Gambar 4.8
5 10
15 20
25
1 2
3 4
5 6
kelas ke- fr
e k
w e
n s
i
Series1 Expon.
Series1
Gambar 4.8 Grafik pola distribusi data waktu antar kedatangan
pada jam 9.00 sampai jam 11.30
I-50 -
uji Chi Square. Hipotesis yang dipakai adalah :
H = Data terdistribusi secara eksponensial
H
1
= Data tidak terdistribusi secara eksponensial -
level of significance α
= 0,05 -
v = 4
- Hasil perhitungan
χ
2
dapat dilihat pada Tabel 4.10
Tabel 4.10 Data uji pola distribusi waktu lama dilayani
antara jam 11.30 sampai dengan jam 13.30
Batas kelas bawah
Batas kelas atas
Fo Ft
fo-ft
2
fo-ft
2
Ft 0,020
1,305 20
18,772 1,507 0,080
1,306 2,590
10 9,863 0,019
0,002 2,591
3,875 5
5,188 0,035 0,007
3,876 5,160
2 2,729 0,531
0,195 5,161
6,445 2
1,435 0,319 0,222
6,446 7,730
1 0,755 0,060
0,080 Jumlah
40 38,742
0,585
- Dari hasil perhitungan didapatkan bahwa
χ
2 hitung
= 0,585 sedangkan χ
2 0,05:4
= 9,488, sehingga kesimpulan yang diambil adalah H
diterima karena χ
2 hitung
≤ χ
2 α
:v
i. Pola distribusi data waktu antar kedatangan antara jam 11.30 sampai jam
13.30. -
Rentang = 5,96 -
Banyaknya kelas interval = 7 kelas -
Panjang kelas interval = 0,851 -
Frekwensi tiap-tiap kelas dapat dilihat pada Tabel 4.11 -
Grafik distribusi dapat dilihat pada Gambar 4.9
I-51
5 10
15 20
25 30
35
1 2
3 4
5 6
7
kelas ke- fr
e k
w e
n s
i
Series1 Expon.
Series1
Gambar 4.9 Grafik pola distribusi data waktu antar kedatangan
pada jam 11.30 sampai jam 13.30 -
uji Chi Square. Hipotesis yang dipakai adalah :
H = Data terdistribusi secara eksponensial
H
1
= Data tidak terdistribusi secara eksponensial -
level of significance α
= 0,05 -
v = 4
- Hasil perhitungan
χ
2
dapat dilihat pada Tabel 4.11
Tabel 4.11 Data uji pola distribusi waktu antar kedatangan
antara jam 11.30 sampai jam 13.30
Batas kelas bawah
Batas kelas atas
Fo Ft fo-ft
2
fo-ft
2
Ft 0,070
0,921 29
19,935 82,174 4,122
0,922 1,773
9 11,793
7,802 0,662
1,774 2,624
9 7,705
1,678 0,218
2,625 3,476
3 5,033
4,135 0,821
3,477 4,327
2 3,288
1,660 0,505
4,328 5,179
1 2,148
1,319 0,614
5,180 6,030
1 1,403
0,163 0,116
Jumlah 54
51,306 7,057
I-52 -
Dari hasil perhitungan didapatkan bahwa χ
2 hitung
= 7,057 sedangkan χ
2 0,05:5
= 11,070, sehingga kesimpulan yang diambil adalah H
diterima karena χ
2 hitung
≤ χ
2 α
:v
j. Pola distribusi data lama waktu antar kedatangan jam 13.30 sampai jam 15.30
- Rentang = 7,80
- Banyaknya kelas interval = 7 kelas
- Panjang kelas interval = 1,114
- Frekwensi tiap-tiap kelas dapat dilihat pada Tabel 4.12
- Grafik distribusi dapat dilihat pada Gambar 4.10
10 20
30 40
1 2
3 4
5 6
7
kelas ke- fr
e k
w e
n s
i
Series1 Expon.
Series1
Gambar 4.10 Grafik pola distribusi data waktu antar kedatangan
pada jam 13.30 sampai jam 15.30 -
uji Chi Square, Hipotesis yang dipakai adalah :
H = Data terdistribusi secara eksponensial
H
1
= Data tidak terdistribusi secara eksponensial -
level of significance α
= 0,05 -
v = 5
- Hasil perhitungan
χ
2
dapat dilihat pada tabel 4.18
Tabel 4.12 Data uji pola distribusi waktu antar kedatangan
antara jam 13.30 sampai jam 15.30.
Batas kelas bawah
Batas kelas atas
fo Ft
fo-ft
2
fo-ft
2
Ft 0,020
1,134 30
22,076 62,795 2,845
1,135 2,249
6 12,341 40,205
3,258 2,250
3,363 5
7,069 4,282
0,606
I-53
3,364 4,477
3 4,050
1,102 0,272
4,478 5,591
3 2,320
0,463 0,199
5,592 6,706
2 1,329
0,450 0,339
6,707 7,820
2 0,761
1,535 2,016
Jumlah 51
49,945 9,534
- Dari hasil perhitungan didapatkan bahwa
χ
2 hitung
= 9,534 sedangkan χ
2 0,05:5
= 11,070, sehingga kesimpulan yang diambil adalah H
diterima karena χ
2 hitung
≤ χ
2 α
:v
k. Pola distribusi data waktu antar kedatangan antara jam 15,30 sampai jam
18.30. -
Rentang = 15,11 -
Banyaknya kelas interval = 7 kelas -
Panjang kelas interval = 2,159 -
Frekwensi tiap-tiap kelas dapat dilihat pada Tabel 4.13 -
Grafik distribusi dapat diliat pada Gambar 4.11
2 4
6 8
10 12
14 16
1 2
3 4
5 6
7
Kelas Ke- F
re k
w e
n si
Series1
Gambar 4.11 Grafik pola distribusi data waktu antar kedatangan
pada jam 15.30 sampai jam 18.30 -
uji Chi Square. Hipotesis yang dipakai adalah :
H = Data terdistribusi secara normal
H
1
= Data tidak terdistribusi secara normal -
level of significance α
= 0,05 -
v = 5
- Hasil perhitungan
χ
2
dapat dilihat pada Tabel 4.19
Tabel 4.13 Data uji pola distribusi waktu antar kedatangan
I-54 antara jam 15.30 sampai jam 18.30
Batas kelas bawah
Batas kelas atas
Fo ft
fo-ft
2
fo-ft
2
Ft 0,020
0,457 14 12,053 3,793
0,315 0,458
0,894 10 11,253 1,569
0,139 0,895
1,331 11 11,665 0,442
0,038 1,332
1,769 7
8,264 1,597
0,193 1,770
2,206 5
4,000 1,001
0,250 2,207
2,643 1
1,322 0,104
0,079 2,644
3,080 1
0,298 0,492
1,650 Jumlah
49 48,854 8,997 2,664
- Dari hasil perhitungan didapatkan bahwa
χ
2 hitung
= 2,664 sedangkan χ
2 0,05:5
= 11,070, sehingga kesimpulan yang diambil adalah H
diterima karena χ
2 hitung
≤ χ
2 α
:v
l. Pola distribusi data waktu antar kedatangan jam 18.30 sampai jam 21.00.
- Rentang = 5,26
- Banyaknya kelas interval = 7 kelas
- Panjang kelas interval = 0,751
- Frekwensi tiap-tiap kelas dapat dilihat pada Tabel 4.14
- Grafik distribusi dapat dilihat pada Gambar 4.12
5 10
15 20
25 30
1 2
3 4
5 6
7
kelas ke- fr
e k
w e
n s
i
Series1 Expon.
Series1
Gambar 4.12 Grafik pola distribusi data waktu antar kedatangan
pada jam 18.30 sampai jam 21.00 -
uji Chi Square Hipotesis yang dipakai adalah :
H = Data terdistribusi secara eksponensial
H
1
= Data tidak terdistribusi secara eksponensial
I-55 -
level of significance α
= 0,05 -
v = 5
- Hasil perhitungan
χ
2
dapat dilihat pada Tabel 4.20
Tabel 4.14 Data uji pola distribusi waktu waktu antar kedatangan
antara jam 18.30 sampai jam 21.00 Batas kelas
bawah Batas kelas
atas fo
ft fo-ft
2
fo-ft
2
Ft 0,020
0,771 22 18,562 11,820 0,637
0,772 1,523
14 12,332 2,781 0,226
1,524 2,274
12 8,470 12,462 1,471
2,275 3,026
4 5,817 3,302
0,568 3,027
3,777 4
3,995 0,000 0,000
3,778 4,529
1 2,744 3,041
1,108 4,530
5,280 1
1,884 0,782 0,415
Jumlah 58 53,805
4,425 -
Dari hasil perhitungan didapatkan bahwa χ
2 hitung
= 4,425 sedangkan χ
2 0,05:5
= 11,070, sehingga kesimpulan yang diambil adalah H
diterima karena χ
2 hitung
≤ χ
2 α
:v
Sedangkan untuk pola distribusi lama dilayani dan waktu antar kedatangan selama semimggu dapat dilihat pada Tabel 4.15.
Tabel 4.15 Hasil uji pola distribusi waktu waktu antar kedatangan WAK
dan Lama dilayani Ld untuk masing-masing hari dan rentang waktu
Sehari 09.00-11.30
11.30-13.30 113.30-15.30
15.30-18.30 18.30-21.00
WAK Weibull
0,1.05,1.36 Weibull
0,1.624,0.779 Pearson 6
0,4.42,1.417 Weibull
0,0.741,1.512 Weibull
0,1.3.1.19 Weibull
0,1.172,1.4 Senin
Ld Pearson 6
0,4.18,2.58,8.52 Weibull
0,0,2.3207,1.506 Erlang
0,3,0.619 Log normal
0,0.123,0.897 Erlang
0,3,0.619 Erlang
0,2,0.544 WAK
Exponential 0,1.41
Weibull 0,1.013,1.691
Beta 0,3.8,0.825,1.61
Gamma 0,0.628,2.91
Weibull 0.09,0.943
Weibull 0,1.13,1.47
Selasa Ld
Pearson 6 0,1.41,4.02,4.87
Pearson 6 0,21.4,2.77,47.6
Pearson 6 0,1.92,3.76,6.36
Pearson 6 0,0.69,4.07,2.64
Pearson 5 0,3.75,4.53
Weibull 0,1.8,1.44
WAK Pearson 5
0,8.86,18.7 Weibull
0,1.65,1.77 Inverse Gaussian
0,4.29,1.31 Gamma
0,2.19,0.798 Weibull
0,1.81,1.11 Pearson 6
0,1.08,7.16,6.85 Rabu
Ld Pearson 5
0,4.77,5.35 Pearson 6
0,0.391,32.3,12.6 Pearson 5
0,6.12,7.67 Gamma
0,5.648,0.306 Pearson 5
0,6.14,7.5 Inverse gaussian
0,3.87,1.15 WAK
Exponential 0,1.41
Exponential 0,1.3
Exponential 0,1.3
Exponential 0,1.79
Normal 0,1.83,6.39
Exponential 0,1.35
Kamis Ld
Exponential 0,1.32
Exponential 0,1.1.36
Exponential 0,1.36
Exponential 0,1.72
Exponential 0, 2.3
Exponential 0,1.12
WAK Pearson 6
0,22.9,3.08,53.6 log normal
0,0.378,0.525 LogNormal
0,0.378,0.525 Log normal
0,0.378,0.629 Weibull
0,1.7,1.02 Weibull
0,2.41,1.35 Jumat
Ld Pearson 5
0,5.09,5.87 LogNormal
0,0.129,0.361 LogNormal
0,0.129,0.361 Pearson 5
0,5.53,6.34 Pearson 5
0,4.66,1.08 Pearson 5
0,5.2,5.16 Sabtu
WAK Pearson 6
Erlang Inverse Gaussian
Pearson 5 Weibull
Pearson 5
I-56
0,32.4,3.24,76.1 0,3,0.554
0,6.947,1.306 0,4.31,5.33
0,1.96,1.05 0,5.99,7.4
Ld Gamma
0,4.15,0.318 Weibull
0,1.68,1.16 Erlang
0,5,0.299 pearson 5
0,58.65,9.50 Pearson 5
0,5.61,6.52 pearson 5
0,8.16,9.58 WAK
Pearson 6 0,7.76,4.57,27.4
Pearson 6 0,2,5.84,8.31
Pearson 6 0,2,5.84,8.31
Erlang 0,6,0.252
Gamma 0,3.46,0.285
Pearson 5 0,6.98,7.89
Minggu Ld
Pearson 5 0,6.85,7.6
Pearson 6 0,0.46,34.5,14.2
Pearson 6 0,0.46,34.5,14.2
Weibull 0,2.65,1.56
Pearson 5 0,12.8,13.7
Pearson 6 0,1.11,8.91,8.42
4.3 Pembuatan Model Simulasi