Ukuran Keefektifan pada Hari Rabu, 17 Februari 2016

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: