MODEL SIMULASI PEMBAYARAN PAJAK TAHUNAN SEPEDA MOTOR DI SAMSAT SURAKARTA

  

MODEL SIMULASI

PEMBAYARAN PAJAK TAHUNAN SEPEDA MOTOR

DI SAMSAT SURAKARTA

Disusun Oleh :

M GLESUNG GAUTAMA M0104044

  

GERY LINEKER M0106011

LAILA KURNIA D M0106014

DESI LILIA S M0106053

RATNA DEWI AYU N M0106059

RETNO HESTININGTYAS M0106047

RETNO TRI V M0106059

WIDYA PRATESA M0106025

Jurusan Matematika Fakultas Matematika Dan Ilmu Pemgetahuan Alam

Universitas Sebelas Maret Surakarta

  

2008

BAB I PENDAHULUAN

1.1 LATAR BELAKANG MASALAH

  Dalam kehidupan sehari-hari fenomena menunggu merupakan hal yang seringkali harus dilakukan. Hal ini mungkin disebabkan oleh perbedaan antara unit-unit yang membutuhkan pelayanan dengan unit pelayanan itu sendiri.

  Sebuah antrian terjadi jika unit-unit yang tiba pada sebuah sistem pelayanan tidak bisa segera mendapat pelayanan karena unit-unit yang lain sedang dalam proses pelayanan. Unit-unit yang datang harus menunggu dahulu sampai unit-unit yang lain selesai dilayani. Unit yang membutuhkan pelayanan ini disebut dengan wajib pajak.

  Di era modern sekarang ini dimana jumlah pemilik kendaraan bermotor khususnya sepeda motor semakin meningkat, maka dengan sendirinya harus diimbangi dengan peningkatan pelayanan dalam pembayaran pajak kendaraan bermotor. Sumber pendapatan negara yang cukup besar salah satunya adalah dari pajak kendaraan bermotor. Pemerintah bisa memaksimalkan pendapatan dari sektor ini dengan memberikan pelayanan yang baik dan professional sehingga masyarakat tidak repot dan resah dalam membayar pajak.

1.2 PERUMUSAN MASALAH

  Untuk mempermudah dalam melakukan penelitian, maka kami membuat perumusan masalah sebagai berikut :

  1. Mengetahui bagaimana model simulasi kedatangan dan tingkat pelayanan di SAMSAT SURAKARTA..

  2. Mengetahui bagaimana tingkat antrian dalam pelayanan terhadap wajib pajak.

  3. Mengetahui bagaimana keoptimalan fasilitas pelayanan yang tersedia.

  4. Menentukan keputusan yang tepat untuk mengatasi masalah antrian pelayanan terhadap wajib pajak.

1.3 BATASAN MASALAH

  Untuk mempermudah dalam menentukan model simulasi serta ukuran keefektifan, maka batasan masalah yang digunakan daalam penulisan makalah ini adalah : 1. Asumsi Kenormalan yaitu data yang diambil adalah berdistribusi normal.

  2. Asumsi kedatangan wajib pajak untuk melakukan pembayaran adalah random.

  3. Unit-unit pelayanan memiliki kemampuan standar yang didukung distribusi kapasitas pelayanannya.

  4. Disiplin antrian yang digunakan adalah FIFO ( First in First Out ) dimana wajib pajak yang masuk dalam antrian terlebih dahulu mendapat pelayanan lebih dulu.

1.4 TUJUAN PENELITIAN

  Tujuan penelitian ini adalah untuk mengetahui model simulasi kedatangan wajib pajak yang akan melakukan pembayaran dan kapasitas pelayanan dari unit-unit pelayanan serta antrian yang ditimbulkan.

1.5 MANFAAT PENELITIAN

  Secara teoritis, manfaat penelitian ini adalah untuk mengetahui model simulasi kedatangan wajib pajak dalam melakukan pembayaran pajak STNK dan kapasitas pelayanan serta mengetahui keoptimalan fasilitas pelayanan, sehingga dapat mendukung dalam pengambilan keputusan untuk mengatasi masalah antrian (waktu tunggu wajib pajak) di SAMSAT SURAKARTA.

BAB II LANDASAN TEORI

2.1 UJI KOLMOGOROV-SMIRNOV

  Misal F(x) yang merupakan fungsi distribusi kontinu tidak diketahui, sedang F (x) merupakan fungsi distribusi kontinu yang dihipotesiskan maka prosedur uji Kolmogorov-Smirnov dijelaskan sebagai berikut :

  A. H = F(x)= F (x) untuk semua nilai x yang diambil Data dapat didekati oleh distribusi dengan fungsi distribusi F (x).

  H = F(x) F (x) , minimal ada satu nilai x.

1 B. Daerah kritis penolakan H

  = probabilitas menolak H yang benar H ditolak jika nilai asimtotik signifikan p(sig) <

  C. Statistik Uji D = Sup |S(x)- F (x)| S(x) = banyak nilai observasi yang lebih kecil dari x dibagi dengan n n = banyak observasi Statistik uji D digantikan oleh nilai asimtotik signifikan p(sig).

2.2 MODEL SIMULASI

  Model simulasi merupakan bagian dari riset operasi yang berfungsi untuk mempelajari kondisi system sesungguhnya dengan ruang lingkup luas menggunakan desain tiruan yang dihasilkan oleh software simulasi.

  Pada model simulasi dengan ARENA 5.0 ada beberapa komponen antara lain :

  Sistem : sekumpulan entitas yang berinteraksi untuk mencapai tujuan. Entitas : objek yang dikenai bergerak berdasarkan alur logika tertentu. Atribut : merupakan karakteristik umum dari suatu entitas. Variabel : merupakan suatu komponen sistem yang mengandung informasi dan nilainya diperoleh lewat eksekusi model simulasi.

  Resources : merupakan wadah untuk menampung entitas dalam jumlah tertentu.

  

Queue (antrian) : jika suatu entitas tidak dapat bergerak dimungkinkan

  sedang terdapat entitas lain yang berproses dalam system sehingga entitas tersebut ditampung dalam suatu wadah sampai dengan entitas yang lain selesai berproses. Wadah tersebut disebut dengan Queue (antrian).

  

Event (kejadian) : dalam penelitian ini ada tiga kejadian yang utama,

yaitu kedatangan ke kasir, proses pelayanan dan keluar.

Statistical Accumulator (penghimpunan statistic) : komponen ini

  berfungsi untuk melihat kondisi system yang sebenarnya berdasarkan variabel-variabel yang telah ditentukan dalam makalah ini komponennya adalah waktu tunggu, utilitas fasilitas, dan waktu total entitas dalam sistem.

  

Simulation Clock (jam simulasi) : waktu aktual pada sistem

  sesungguhnya dapat direpresentasikan kedalam model simulasi lewat suatu variabel yang disebut simulation clock.

  

Starting dan Stopping : suatu kondisi yang ditentukan berdasarkan input

tertentu dan berfungsi untuk membatasi proses simulasi.

BAB III METODOLOGI PENELITIAN

3.1 TEMPAT DAN WAKTU PENELITIAN

  1. Tempat Penelitian Tempat yang digunakan untuk melaksanakan penelitian adalah SAMSAT SURAKARTA.

  2. Waktu penelitian Penelitian dilakukan pada hari selasa, 24 Mei 2008

3.2 SUMBER DATA

  Data yang diperoleh dalam penelitian ini adalah data primer, yaitu dengan mengadakan pengamatan langsung dilapangan.

3.3 METODE PENELITIAN

  Metode penelitian yang digunakan adalah : 1. Studi literatur.

  2. Studi kasus.

3.4 METODE PENGUMPULAN DATA Metode pengumpulan data yang digunakan adalah metode Survey.

  Metode ini dilakukan dengan cara datang ke SAMSAT SURAKARTA kemudian diadakan penelitian untuk memperoleh data yang diinginkan.

3.5 TEKNIK ANALISIS DATA

  Teknik analisis data yang digunakan adalah menggunakan sofware

  ARENA 5.0

BAB IV PEMBAHASAN Seorang wajib pajak ketika membayar pajak tahunan sepeda motor dari

  proses awal sampai selesai harus melewati lima unit yaitu :

  1. Unit 1 : Pengesahan Fotokopi STNK

  a) Ada 1 loket dan 1 petugas

  b) Konsumen menyerahkan fotokopi STNK dan mendapat stempel oleh petugas

  2. Unit 2 : Pengambilan Formulir

  a) Ada 2 loket dan 2 petugas

  b) Konsumen menyerahkan fotokopi STNK, fotokopi BPKB dan fotokopi KTP masing-masing 1 lembar dan melampirkan juga

  STNK asli, BPKBasli, dan KTP asli

  c) Setelah diproses oleh petugas, konsumen akan dipanggil dan mendapat formulir, STNK asli, BPKB asli, dan KTP asli d)

  Konsumen membayar Rp. 5.000,00

  3. Unit 3 : Penyerahan Berkas-Berkas

  a) Ada 1 loket dan 1 petugas

  b) Konsumen menyerahkan berkas fotokopi STNK yang distempel, fotokopi BPKB, fotokopi KTP, KTP asli, STNK asli (pada unit ini semua berkas dicek kelengkapannya)

  c) Konsumen akan dipanggil petugas untuk penyerahan BPKB asli dan KTP asli

  4. Unit 4 : Loket Pembayaran

  a) Ada 4 loket dan 4 petugas

  b) Konsumen menunggu dipanggil petugas untuk membayar pajak

  5. Unit 5 : Penyerahan STNk Asli

  a) Ada 1 loket dan 1 petugas

  b) Konsumen menunggu dipanggil petugas untuk penyerahan STNK asli

  Data hasil pengamatan yang dilaksanakan pada hari selasa, 24 Mei 2008 pukul 09.00 – 10.00 Service Time (Menit)

  15 72 259

  62

  35 98 177 126

  22

  98

  9 52 205

  61

  87

  32

  72

  30

  17 21 237

  34 20 312 135 32 284

  80 49 201

  89 48 226

  61

  62

  19 50 239

  27 24 254

  14 50 260

  18 51 233

  14

  23

  12

  26 23 278

  11

  84 25 238

  30

  21 23 286 126

  33

  61

  27 69 238

  90

  48 13 260

  39 19 144 274

  19

  16 53 309

  57

  18 16 166 157 99 204

  Unit 1 Unit 2 Unit 3 Unit 4 Unit 5

  14 27 140 108

  16 15 260

  37 17 312 136 34 116

  81

  44

  86 13 296 125

  85

  54

  73

  46

  55

  46

  18 15 220

  24 34 270 131 34 100

  75 69 307

  37 23 330

  48 19 265 109 63 100

  96

  63

  97

  35 55 310 117 86 546

  27

  48

  44 74 255

  97

  40

  22 77 175 140

  21 66 138 130 19 210

  84 17 280 101 32 380

  27 26 194 130 12 305

  24 44 226 92 100 137

  63

  67

  27 17 176 116

  69

  80

  16 7 315 137

  22 Tabel 1 Interval Waktu (Menit) Kedatangan(Orang) 0 – 10 25 11 – 20 16 21 – 30 17 31 – 40 19 41 – 50 15 51 – 60

  8 Tabel 2

4.1 UJI DISTRIBUSI

  Dilakukan uji distribusi untuk masing-masing proses yaitu :

1. Distribusi kedatangan

  Kedatangan yang dimaksud adalah kedatangan total wajib pajak yang akan melakukan pembayaran ke unit pelayanan. Dari tabel 2 kemudian diolah kedalam Input Analyzer sehingga didapat :

  Dari hasil output diperoleh bahwa distribusi kedatangan total adalah TRIA(0.06, 0.17, 0.27). Kemudian diuji apakah data tersebut berdistribusi normal.

  Uji Hipotesis

  i) H = F(x)= F (x) ( Data yang diambil berdistribusi normal ) H = F(x) F (x) ( Data yang diambil tidak berdistribusi normal )

  1

  ii) = 0.05 iii) ditolak jika P value < = 0.05 Daerah Kritis : H iv)

  Statistik Uji Dari output diperoleh P value > 0.15 v)

  Kesimpulan Karena P value > 0.15 > = 0.05 maka H diterima, artinya bahwa data yang diambil berdistribusi normal.

2. Distribusi Service Time Tiap Unit

  Service time tiap unit adalah lamanya waktu yang diperlukan untuk melayani satu orang pembayar pajak. Dari Tabel 1 kemudian diolah kedalam Input Analyzer sehingga didapat :

  Unit 1

  Dari hasil output diperoleh bahwa distribusi service time unit 1 adalah 11 + 106 * BETA(0.73, 1.91). Kemudian diuji apakah data tersebut berdistribusi normal.

  Uji Hipotesis

  i) H = F(x)= F (x) ( Data yang diambil berdistribusi normal ) H = F(x) F (x) ( Data yang diambil tidak berdistribusi normal )

  1

  ii) = 0.05 iii) ditolak jika P value < = 0.05 Daerah Kritis : H iv)

  Statistik Uji Dari output diperoleh P value > 0.15 v)

  Kesimpulan Karena P value > 0.15 > = 0.05 maka H diterima, artinya bahwa data yang diambil berdistribusi normal

  Unit 2

  Dari hasil output diperoleh bahwa distribusi service time unit 2 adalah 138 + 192 * BETA(1.37, 1.11). Kemudian diuji apakah data tersebut berdistribusi normal.

  Uji Hipotesis

  i) H = F(x)= F (x) ( Data yang diambil berdistribusi normal ) H = F(x) F (x) ( Data yang diambil tidak berdistribusi normal )

  1

  ii) = 0.05 iii) ditolak jika P value < = 0.05 Daerah Kritis : H iv)

  Statistik Uji Dari output diperoleh P value > 0.15 v)

  Kesimpulan Karena P value > 0.15 > = 0.05 maka H diterima, artinya bahwa data yang diambil berdistribusi normal

  Unit 3

  Dari hasil output diperoleh bahwa distribusi service time unit 3 adalah TRIA(30, 126, 157). Kemudian diuji apakah data tersebut berdistribusi normal.

  Uji Hipotesis

  i) H = F(x)= F (x) ( Data yang diambil berdistribusi normal ) H = F(x) F (x) ( Data yang diambil tidak berdistribusi normal )

  1

  ii) = 0.05 iii) ditolak jika P value < = 0.05 Daerah Kritis : H iv)

  Statistik Uji Dari output diperoleh P value > 0.15 v)

  Kesimpulan Karena P value > 0.15 > = 0.05 maka H diterima, artinya bahwa data yang diambil berdistribusi normal

  Unit 4

  Dari hasil output diperoleh bahwa distribusi service time unit 4 adalah 11 + EXPO(45.5). Kemudian diuji apakah data tersebut berdistribusi normal.

  Uji Hipotesis

  i) H = F(x)= F (x) ( Data yang diambil berdistribusi normal ) H = F(x) F (x) ( Data yang diambil tidak berdistribusi normal )

  1

  ii) = 0.05 iii) ditolak jika P value < = 0.05 Daerah Kritis : H iv)

  Statistik Uji Dari output diperoleh P value > 0.15 v)

  Kesimpulan Karena P value > 0.15 > = 0.05 maka H diterima, artinya bahwa data yang diambil berdistribusi normal

  Unit 5

  Dari hasil output diperoleh bahwa distribusi service time unit 5 adalah 61 + GAMM(2.37, 0.477). Kemudian diuji apakah data tersebut berdistribusi normal.

  Uji Hipotesis

  i) H = F(x)= F (x) ( Data yang diambil berdistribusi normal ) H = F(x) F (x) ( Data yang diambil tidak berdistribusi normal )

  1

  ii) = 0.05 iii) ditolak jika P value < = 0.05 Daerah Kritis : H iv)

  Statistik Uji Dari output diperoleh P value > 0.15 v)

  Kesimpulan Karena P value > 0.15 > = 0.05 maka H diterima, artinya bahwa data yang diambil berdistribusi normal

4.2 SIMULASI

  Dari distribusi dan permasalahan diatas maka dapat dibuat diagram alir pembayaran pajak tahunan sepeda motor di SAMSAT SURAKARTA

  Hasil output simulasi pada software Arena 5.0 : Dari hasil output software Arena 5.0 diperoleh hasil rata-rata service time tiap unit yaitu :

  Unit 1 = 0.7016 menit Unit 2 = 4.0611 menit Unit 3 = 1.7128 menit Unit 4 = 0.9323 menit Unit 5 = 3.0255 menit

BAB V PENUTUP

5.1 KESIMPULAN

  Berdasarkan pada pembahasan diperoleh kesimpulan sebagai berikut :

  1. Distribusi kedatangan wajib pajak adalah TRIA(0.06, 0.17, 0.27)

  2. Distribusi service time pada unit 1 adalah 11 + 106 * BETA(0.73, 1.91)

  3. Distribusi service time pada unit 2 adalah 138 + 192 * BETA(1.37, 1.11)

  4. Distribusi service time pada unit 3 adalah TRIA(30, 126, 157)

  5. Distribusi service time pada unit 4 adalah 11 + EXPO(45.5)

  6. Distribusi service time pada unit 5 adalah 61 + GAMM(2.37, 0.477)

  7. Rata-rata service time pada unit 1 adalah 0.7016 menit

  8. Rata-rata service time pada unit 2 adalah 4.0611 menit

  9. Rata-rata service time pada unit 3 adalah 1.7128 menit

  10. Rata-rata service time pada unit 4 adalah 0.9323 menit

  11. Rata-rata service time pada unit 5 adalah 3.0255 menit

  12. Data yang diambil berdistribusi normal

5.2 SARAN

  Dari hasil pembahasan diperoleh waktu yang cukup singkat untuk membayar pajak tahunan sepeda motor yaitu sekitar 10.4423 menit padahal dalam kenyataannya dibutuhkan waktu lebih dari satu jam bahkan lebih dari dua jam. Hal ini bisa disebabkan beberapa faktor antara lain :

  1. Para wajib pajak belum mengerti dan faham alur serta syarat-syarat berkas dalam membayar pajak. Hal ini tampak ketika banyak wajib pajak yang ke sana kemari, bolak balik dan sebagainya. Oleh karena itu pada pintu masuk dekat unit 1 perlu adanya informasi yang jelas (semacam plakat) tentang alur dan berkas-berkas yang diperlukan dalam pembayaran pajak.

  2. Sering kali terjadi wajib pajak yang datang akhir mendapat pelayanan lebih awal.

  3. Pada unit 3 ada pembayar pajak yang dipanggil ulang karena berkas- berkas belum lengkap sehingga pembayar pajak pajak tersebut harus melengkapi berkas-berkasnya terlebih dahulu.

  4. Pada unit 4 ketika pembayar pajak dipanggil tetapi tidak dating atau sedang tidak berada di tempat tersebut mengakibatkan pembayar pajak tersebut harus menunggu giliran selanjutnya.

  5. Dalam proses unit 3 ke unit 4 ada proses lain yang kami tidak ketahui.

  Jika kita ingin mengetahuinya harus mengurus perijinan ke Semarang Dalam pengambilan sampel kami hanya melakukan survey satu kali sehingga kurang mewakili populasi secara keseluruhan. Dalam pengambilan sampel hendaknya sampel yang kita ambil tersebut bisa mewakili populasi secara keseluruhan sehingga nanti kesimpulan yang kita dapat tidak bias. Karena keterbatasan waktu dan kesibukan masing-masing anggota kelompok kami, maka kami hanya bisa melakukan satu kali survey.

DAFTAR PUSTAKA

  Kelton, W. D., (1996), “Statistical Issue in Simulation,” Proceedings of the

• 1996 Winter Simulation Conference , J. M. Charnes et al. (eds.), pp. 47-54.

  Kelto, W. D., Sadowski, R. P. and Sadowski, D. A., (1998), “Simulation

• with Arena” The McGraw-Hill Companies, Inc. Sadowski, R. P., (1989), “The Simulation Process: Avoiding the Problems • and Pitfalls,” Proceedings of the 1989 Winter Simulation Conference, E. A. MacNair et al. (eds.), pp. 72-79. Sadowski, R. P., (1993), “Selling Simulation and Simulation Results,”
• Proceedings of the 1993 Winter Simulation Conference , G. W. Evans et al.

  (eds.), pp. 55-64.