129
�
= , + ,
= ,
� � �
�
= , + ,
= ,
�� �� ≈ �� ��
Dengan demikian, rata-rata waktu menunggu pasien dalam antrean selama 28,875 menit dan rata-rata panjang antrean sebanyak 13
pasien.
2 Ukuran Keefektifan Loket D
Simulasi Monte Carlo di Loket D sama seperti simulasi di Loket C yang dilakukan sebanyak 100 kali percobaan. Hal ini
dilakukan karena rata-rata pasien BPJS pada hari-hari sibuk sekitar 100 pasien. Selain itu, semakin banyak percobaan yang dilakukan
maka simulasi tersebut akan mencapai kondisi steady state. Berdasarkan hasil perhitungan pada lampiran 12.C maka
rata-rata waktu menunggu dalam antrean
�
dan panjang antrean �
�
selalu berubah-ubah. Perubahan yang terus menerus ini disebabkan karena simulasi Monte Carlo menggunakan bilangan
acak. Oleh karena itu, penulis melakukan 10 kali ulangan pada kedua ukuran keefektifan tersebut. Berikut merupakan tabel hasil
ulangan
�
dan �
�
:
130
Tabel 4.29 Ulangan ukuran keefektifan di Loket D
Ulangan Ukuran Keefektifan
Rata-rata waktu menunggu dalam
antrean
�
�
Rata-rata panjang antrean
�
1 29,67
13,3 2
38,51 15,26
3 29,34
9,96 4
41,37 15,01
5 28,46
11 6
25,52 11,42
7 20,85
9,1 8
27,95 13,02
9 24,64
11,53 10
22,06 9,77
Berdasarkan Tabel 4.29 kemudian dibuat grafik untuk mencari nilai tengah dari kedua ukuran keefektifan tersebut. Nilai
tengah dicari dengan menggunakan batas bawah dan batas atas. Pada Tabel 4.29 dapat dilihat bahwa nilai batas bawah
�
berada pada
ulangan ke-7 dan batas atas berada pada ulangan ke-4. Nilai batas
bawah �
�
terdapat pada ulangan ke-7 dan batas atas pada ulangan ke-2. Berikut merupakan grafik kedua ukuran keefektifan dari tabel
4.29:
131
Grafik 4.3 Rata-rata waktu menunggu dalam antrean
�
Grafik 4.4 Rata-rata panjang antrean �
�
Berdasarkan Grafik 4.3 dan Grafik 4.4 dapat diketahui bahwa nilai tengah rata-rata waktu menunggu dalam antrean dan
panjang antrean adalah:
132
�
= , + ,
= , � �
�
�
= , + ,
= , �� �� ≈
�� ��
Dengan demikian, rata-rata waktu menunggu pasien dalam antrean selama 31,11 menit dan rata-rata panjang antrean sebanyak 12
pasien.
b. Ukuran Keefektifan pada Hari Kamis, 18 Februari 2016
Ukuran keefektifan di Loket C pada hari Kamis dapat dihitung menggunakan rumus dengan model MM1:
GD∞∞. Lain halnya di Loket D, ukuran keefektifan harus dihitung menggunakan simulasi
Monte Carlo. Penggunaan simulasi Monte Carlo disebabkan karena sistem antrean di Loket D belum mencapai kondisi steady state.
1 Ukuran Keefektifan di Loket C
Ukuran keefektifan
di Loket
C dengan
model MM1:GD
∞∞ terdiri dari
�
dan �
�
. Pada perhitungan rata- rata waktu menunggu dalam antrean
�
digunakan persamaan 2.59, sedangkan rata-rata panjang antrean
�
�
menggunakan persamaan 2.60. Berikut merupakan perhitungan dari
�
dan �
�
dengan model MM1 : GD∞∞:
= 0,6833 customermenit =
0,6889 customermenit
133
� = = ,
, = ,
�
= �
− � =
, ,
− , =
,
menit
�
�
= �
− � =
, − ,
= ,
pasien ≈ 121 pasien
� = − � = − , = ,
Berdasarkan perhitungan tersebut, disimpulkan bahwa rata- rata waktu menunggu pasien dalam antrean selama 177,759 menit.
Selanjutnya untuk rata-rata jumlah pasien dalam antrean sebanyak 121 pasien dan peluang server menganggur sebesar 0,0081.
2 Ukuran Keefektifan di Loket D
Ukuran keefektifan di Loket D dihitung dengan menggunakan simulasi Monte Carlo yang dapat dilihat pada
lampiran 13.C . Berdasarkan hasil perhitungan pada lampiran 13.C
maka rata-rata waktu menunggu dalam antrean
�
dan panjang antrean
�
�
selalu berubah-ubah. Perubahan yang terus menerus ini disebabkan karena simulasi Monte Carlo menggunakan bilangan
acak. Oleh karena itu, penulis melakukan 10 kali ulangan pada
134
kedua ukuran keefektifan tersebut. Berikut merupakan hasil ulangan
�
dan �
�
: Tabel 4.30 Ulangan ukuran keefektifan di Loket D
Ulangan Ukuran Keefektifan
Rata-rata waktu menunggu dalam
antrean
�
�
Rata-rata panjang antrean
�
1 35,25
18,57 2
44,92 18,82
3 51,14
23,23 4
36,85 15,68
5 36,02
17,59 6
41,55 18,96
7 37,09
15,04 8
47,76 18,45
9 38,77
17,8 10
34,32 15,51
Berdasarkan Tabel 4.30 kemudian dibuat grafik untuk mencari nilai tengah dari kedua ukuran keefektifan tersebut. Nilai
tengah dicari dengan menggunakan batas bawah dan batas atas. Pada Tabel 4.30 dapat dilihat bahwa nilai batas bawah
�
berada pada
ulangan ke-10 dan batas atas berada pada ulangan ke-3. Nilai batas
bawah �
�
terdapat pada ulangan ke-7 dan batas atas pada ulangan ke-3. Berikut merupakan grafik kedua ukuran keefektifan dari tabel
4.30:
135
Grafik 4.5 Rata-rata waktu menunggu dalam antrean
�
Grafik 4.6 Rata-rata panjang antrean �
�
Berdasarkan Grafik 4.5 dan Grafik 4.6 dapat diketahui bahwa nilai tengah rata-rata waktu menunggu dalam antrean dan
panjang antrean adalah: