A. Kesimpulan
Berdasarkan pengolahan data dan pembahasan yang telah di bahas di bab sebelumnya, penulis dapat mengambil beberapa kesimpulan sebagai berikut: 1. Berdasarkan analisis kinerja sistem antrian saat ini SPBU Sagan Yogyakarta dapat
ditarik kesimpulan sebagai berikut:
a. Jenis sistem antrian yang diterapkan pada SPBU Sagan Yogyakarta adalah jenis antrian model Multi Channel Single Phase atau M/M/c. Dimana terdapat beberapa Server pelayanan yang dapat melayani para pelanggan namun fase yang dilewati oleh pelanggan untuk melakukan transaksi pengisian bahan bakar hanya melalui Server pelayanan satu kali tahapan. b. Disiplin pelayanan yang diberlakukan pada SPBU Sagan Yogyakarta
adalah disiplin pelayanan First In First Out (FIFO). Dimana pelanggan yang datang terlebih dulu datang mengantri di SPBU Sagan Yogyakarta yang pertama kali akan dilayani.
c. Konfigurasi sistem antrian yang diberlakukan oleh SPBU Sagan Yogyakarta dapat dinyatakan dengan model notasi (M/M/c). Dari hasil penghitungan kinerja sistem antrian pada SPBU Sagan Yogyakarta , waktu yang dibutuhkan seorang pelanggan dalam antrian hanya selama 0,612 detik. Serta antrian terpanjang hanya sebanyak 0,0586 apabila dibulatkan menjadi 1 orang dan ini terjadi hanya pada periode waktu jam
16.00-103
17.00 setiap harinya. Ini menunjukan kinerja sistem antrian pada SPBU Sagan Yogyakarta sudah baik. Namun untuk menjaga kinerja sistem antrian yang diterapkan pada SPBU Sagan Yogyakarta perlu mempertimbangkan tingkat kedatangan pelanggan dan tingkat antrian yang terjadi setiap harinya.
d. Dengan menggunakan 2 Server biaya pelayanan per pelanggan sebesar Rp14.278,423 dan biaya menunggu per pelanggan sebesar Rp21.418,269. Biaya total per pelanggan menggunakan 2 Server pelayanan adalah Rp26.437,25. Adapun biaya operasional listrik untuk 2 Server yaitu Rp1.398,45 per jam.
2. Jadi dari semua penghitungan di atas didapat kesimpulan menggunakan 2 server sebenarnya sudah cukup baik, akan tetapi dalam kondisi tertentu karena tugas server tidak hanya melayani pelanggan melainkan ada tugas lain diantaranya memantau datangnya truk tanki BBM. Jika SPBU Sagan Yogyakarta hanya mempunyai 2 server dan disaat-saat tertentu berkurang karena mendapatkan tugas lain dan tersisa hanya 1 server maka hal tersebut dapat menimbulkan permasalahan dalam antrian. Apabila menambah 1 server dari 2 menjadi 3 server akan mengakibatkan pengurangan jumlah rata-rata waktu yang dibutuhkan pelanggan dalam antrian sebanyak 86,92%. Pernyataan tersebut diperkuat dengan naiknya tingkat menganggur server sebesar 3,47% akan tetapi dengan naiknya tingkat menganggur server tersebut tidak begitu berpengaruh sebab hanya naik sedikit dan antrian akan terus bertambah dikarenakan pelanggan yang datang untuk mengisi BBM akan terus bertambah.
104
Pada saat menggunakan 3 Server biaya pelayanan per pelanggan sebesar Rp21.418,269 dan biaya menunggu per pelanggan sebesar Rp9.501,419234 dan jika menggunakan 3 Server sebesar Rp30.919,688. Adapun biaya operasional listrik untuk 3 Server adalah Rp1.092,85 per jam. Karena alasan tersebut juga penulis menyimpulkan pelayanan SPBU Sagan Yogyakarta lebih optimal menggunakan 3 server dibandingkan 2 server. Walaupun jumlah biaya pelayanan 3 sever lebih besar dibandingkan menggunakan 2 server akan tetapi apabila menggunakan 3 server dapat berpotensi pada meningkatnya jumlah pelanggan yang mengantri untuk mengisi BBM sehingga secara tidak langsung dapat menambah keuntungan perusahaan dan menutupi biaya operasional tersebut. B. Saran
Berdasarkan pengolahan data dan pembahasan yang telah dikerjakan di bab sebelumnya maka penulis dapat memberikan beberapa saran kepada SPBU Sagan Yogyakarta diantaranya adalah sbb:
1. Untuk menjaga kinerja sistem antrian yang diterapkan pada SPBU Sagan Yogyakarta perlu mempertimbangkan tingkat kedatangan pelanggan dan tingkat antrian yang terjadi setiap harinya terutama saat periode waktu 16.00-17.00 dan menambah 1 Server agar kinerja operasional SPBU Sagan Yogyakarta secara keseluruhan tidak terganggu dan proses transaksi dapat berjalan secara optimal sehingga tidak membuat pelanggan mengantri terlalu lama dalam melakukan transaksi.
2. Peneliti mengharapkan adanya penelitian lebih lanjut tentang sistem antrian dimana penulis yang bersangkutan membahas sistem antrian pada sepeda motor
105
dan jalur mobil . Serta diharapkan pada analisis data digambarkan secara rinci pengukuran waktu pelayanan secara nyata yang mengaitkan antara pelanggan dan pelayanan. Hal tersebut agar tidak terjadi penurunan kualitas kinerja pelayanan SPBU Sagan Yogyakarta dan meminimalisisr terjadinya kehilangan pelanggan. Untuk mempermudah penelitian berikutnya saat pengambilan data gunakan aplikasi Xnote.
106 Daftar pustaka
Alma, Buchori. 2000. Manajemen Pemasaran dan Pemasaran Jasa. Bandung: Alfabeta
Bain, L, & Engelhardt. 1992. . Introduction to Probability and Mathematical Statistics. California: Wadsworth Publishing Company
Bartle, R.G, & Sherbert,D.R. 2000. Introduction to Real Analysis. New York: John Wiley & Sons
Bhat, U.N.2008.An Introduction to Queueing Theory,Modeling and Analysis in Aplications.Dallas:Birkhauser Boston
Bronson, R. 1996. Teori dan Soal-Soal Operations Research. (Terjemahan Hans Wospakrik). Jakarta: Erlangga
Dimyati, A & Tarliah, T. 1999. Operation Research “ Model-model Pengambilan Keputusan”. Bandung: PT Sinar Baru Algosindo
Djauhari, M. 1997. Statistika Matematika. Bandung: FMIPA,ITB
Gross, D, & Harris, C.M. 1998. Fundamental of Queuning Theory . New York: John Wiley & Sons
Heizer, Jay, & Rander, Barry. 2004. Manajemen Operasi (Edisi ke-7). Jakarta: Salemba Empat
Hiller,F.S, & Lieberman, G.J. 2005. Introduction to Operations Research. New York: McGraw-Hill
Hogg, R.V, & Tanis, E.A. 2001. Probability and Statistical Inference .ed. new York: Prentice Hall International.inc
Iswiyanti, Agus Sri. 2004. Analisis Antrian Loket Karcis Taman Margasatwa Ragunan DKI Jakarta. Jurnal Fakultas Ekonomi Universitas Gunadarma (Nomor 3 tahun XII-2004). Hlm. 107-113
Kakiay, T.J.2004.Dasar Teori Antrian Untuk Kehidupan Nyata.Yogyakarta:Andi Kotler, Philip, & Kevin, Lane Keller. 2009. Manajemen Pemasaran (Edisi ke-12).
Jakarta: Index
Lakshmi,G.W & Bhindu, C.S. 2014. A Quening Model To Improve Quality Of Service by Reducing Waiting Time In Cloud Computing. International jurnal of Soft Computing and Engineering (IJSCE) ISSN: 2231-2307, Vol-4 ISSUE-5, November 2014
Ma’arif & Tanjung. 2003. Manajenen Produksi dan Operasi (Edisi Revisi). Jakarta: Fakultas Ekonomi Universitas Jakarta
Mussafi, Noor Saif Muhammad.2015. Penerapan Single Channel Queuing Model (SCQM) Dalam Optimasi Pelayanan Jasa SPBU Di Kota Yogyakarta.Integrated Lab Journal ISSN:2339-0905(Volume 2 Nomor 2 Tahun 2015). Hlm. 145-152
Mussafi, Noor Saif Muhammad. 2015. Pemodelan Sistem Antrian Multi-hannel Jasa Teller Pada Bank Syariah Di Yogyakarta Untuk Meningkatkan Kinerja Perusahaan. Journal AdMathdu ISSN: 2088-687X (Volume 5 Nomor 2 Tahun 2015). Hlm. 141-149
107
Prof. Dr. Syaodih S. 2009. Metode Penelitian Pendidikan (Edisi ke-5). Bandung: PT. Remaja Rosdakarya offiset
Ross, S.M. 1983. Stochastic Processes. New York: John Wiley & Sons
Satya, Ririn Regiana Dwi..Penentuan Loket Yang Optimal Pada Gerbang Selatan Tol Pondok Gede Barat dengan Menggunakan Teori Antrian Untuk Meminimasi Biaya.JurnalTeknik Industri ISSN:1411-6340. Hlm. 224-230 Shanmugasundaran, S & Banumathi, P. 2016. A Simulation Study M/M/C
Queueing Models. International Jurnal For Research matematics anf Matematical Siences. Vol-2 ISSUE-2 Februari 2016. Hal 52-61
Sinalungga, S. 2008. Pengantar Teknik Industri. Yogyakarta: Graha Ilmu
Soegito,Eddy Soeryanto. 2007. Marketing Reasearch: Panduan Bagi Manajer, Pemimpin Perusahaan Organisasi. Jakarta: Elex Media Komputindo
Taha, H. 2006. Operations Research. Jakarta: Binarupa Aksara Taha, H. 2007. Operations Research. Jakarta: Erlangga
Taha, H. 1997. Riset Operasi. (Terjemahan Daniel Wirajaya). Jakarta: Binarupa Aksara
Ulyahuna, Umi Rozqoh. 2013. Penerapan Model Antrian Untuk Mmengetahui Utilitas Pelayanan Pada Loket Ekspedisi (Studi Kasus Pada Kantor Perwakilan Bank Indonesia (KPwBI) Kediri). Jurnal Jurusan Matematika, F.MIPA, Universitas Brawijaya
Varberg, D & Pcurcell, E.J. 2001. Kalkulus Jilid 1. (Terjemahan I Nyoman Susila). Batam: Interaksa
Wagner, H. 1972. Principles of Operations Research with Aplication to Managerial Decisions. London: Prenticel-Hall
Winston,W.L. 1994. Operation Research. California: Duxbury Press
Wospakrik, H. 1996. Teori Dan Soal-Soal Operations Research. Bandung: Erlangg
http://www.pln.co.id/wp-content/uploads/2016/02/TA-Februari-2016.pdf (13 maret 2016, jam 23.21)
108
109
Lampiran 1: Data kedatangan pelanggan per jam dan penghitungan Steady-state Data Kedatangan Pelanggan Per Jam
No Hari/Tanggal Periode Waktu (Per Jam) Kedatangan (Sepeda Motor) 1 Selasa 3/11/2015 06.00-07.00 07.00-08.00 15.00-16.00 16.00-17.00 295 310 316 346 2 Rabu 4/11/2015 06.00-07.00 07.00-08.00 15.00-16.00 16.00-17.00 292 325 323 324 3 Kamis 5/11/2015 06.00-07.00 07.00-08.00 15.00-16.00 16.00-17.00 304 310 319 344
Sumber : data primer penelitian di SPBU Sagan Yogyakarta
Dari data diatas dapat dihitungan steady-state menggunakan rumus
Periode waktu untuk 2 server untuk 3 server
06.00-07.00 0, 4685 0, 3123
07.00-08.00 0,4968 0,3312
15.00-16.00 0,5032 0,3354
110
Lampiran 2: Langkah-langkah pengujian menggunakan tes satu sampel
Kolmogrove-Smirnov.
1. Uji Distribusi Kedatangan Pelanggan
a. Ukuran Banyak Kedatangan yang Masuk Sistem Antrian
Data Kedatangan Pelanggan Per Jam
No Hari/Tanggal Periode Waktu (Per Jam) Kedatangan (Sepeda Motor) 1 Selasa 3/11/2015 06.00-07.00 07.00-08.00 15.00-16.00 16.00-17.00 295 310 316 346 2 Rabu 4/11/2015 06.00-07.00 07.00-08.00 15.00-16.00 16.00-17.00 292 325 323 324 3 Kamis 5/11/2015 06.00-07.00 07.00-08.00 15.00-16.00 16.00-17.00 304 310 319 344 Langkah-langkah pengujian:
1. : Ukuran kedatangan berdistribusi Poisson
2. : Ukuran kedatangan tidak berdistribusi Poisson
3. : 0,05
111
Langkah-langkah dengan menggunakan Software SPSS: 1. Masukkan data
112
3. Pindahkan data yang akan diuji
4. Pada pilihan Test distribusi pilih Poisson( jika ingin menguji distribusi yang lain tinggal disesuaikan, misal Normal/Exponential/Uniform)
5. Klik OK
Berikut ini dengan menggunakan data kedatangan, hasil uji poisson sebagai berikut:
113
Keputusan
Hasil pengujian kesesuaian kedatangan pelanggan diperoleh angka signifikan
lebih besar dari yaitu 0,938 > 0,05 jadi diterima. Kesimpulan dari
pengujian diatas didapat bahwa kedatangan pelanggan berdistribusi Poisson, dengan rata-rata 317,33.
Lampiran 3: Langkah-langkah menggunakan WinQSB Software Analisis Antrian WinQSB
Langkah-langkah penyelesaian pada model antrian dengan software WinQSB adalah sebagai berikut:
1. Buka aplikasi dengan cara Klik Start > Program > WinQSB > Queuing Analysis
114
2. Kemudian akan muncul tampilan awal dari WinQSB dan pilih File > New
Problem atau klik icon new folder
3. Akan muncul Problem Spesification
Langkah pertama : Masukan judul masalah di Problem title. Judul akan
muncul pada bagian atas untuk tampilan windows berikutnya.
Langkah kedua : Masukan satuan waktu yang sesuai dengan masalah .
115
Langkah ketiga : Pilih/klik salah satu dari format masukannya
- Simple M/M System jika diketahui bahwa kedatangan pelanggan dan pelayanannya terdistribusi poisson.
- General Queueing System. Format GQS digunakan untuk model secara umum. Model M/M dapat pula dientrikan pada format GQS.
Berikut tampilan jika dipilih Simple M/M System. Klik OK.
116
Catatan:
Number of Servers : banyaknya Server
Service time distribution (in hour) : distribusi waktu pelayanan
Location parameter (a) : parameter yang digunakan pada D. Erlang
Scale parameter (b>0) (b=mean : parameter yang digunakan pada D. Erlang
if a=0)
Service pressure coefficient : parameter yang digunakan pada D. Erlang
Interarrival time distribution (in hour) : distribusi waktu antar kedatangan
Location parameter (a) : parameter yang digunakan pada D. Erlang
Scale parameter (b>0) (b=mean : parameter yang digunakan pada D. Erlang
if a=0)
Arrival discourage coefficient : parameter yang digunakan pada D. Erlang
Batch (bulk) size distribution : distribusi rombongan kedatangan
117
Queue capacity (maximum waiting : kapasitas antrian (maksimum banyaknya
Space yg mengantri), M adalah symbol infinity
Customer population : populasi pelanggan, M adalah symbol infinity
Busy Server cost per hour : biaya pelayanan yang sibuk setiap jam
Idle Server cost per hour : biaya pelayan yang menganggur setiap jam
Customer waiting cost per hour : biaya tunggu pelanggan
Customer being served cost per hour : biaya pelayanan pelanggan setiap jam Cost of customer being balked : biaya pelanggan
4. Isi kolom dengan nilai yang sesuai dengan kasus yang akan diselesaikan. 5. Kemudian pilih menu Solve and Analyze > Solve The Performance atau
klik icon dari Solve The Performance.
118
Lampiran 4: Penghitungan menggunakan WinQSB
Penerapan WINQSB untuk menyelesaikan masalah dalam data penelitian 1. Jam 06.00-07.00 dengan diketahui : M = 2, = 297, µ = 317
Akan digunakan WinQSB untuk mencari ukuran keefektifan dari antrian tersebut.
1) Pilih new problem, kemudian Simple M/M System.
2) Masukan data-data sesuai yang telah diketahui seperti pada gambar berikut:
119
2. Jam 07.00-08.00 dengan diketahui : M = 2, = 315, µ = 317
Akan digunakan WinQSB untuk mencari ukuran keefektifan dari antrian tersebut.
1) Pilih new problem, kemudian Simple M/M System.
2) Masukan data-data sesuai yang telah diketahui seperti pada gambar berikut:
120
3. Jam 15.00-16.00 dengan diketahui : M = 2, = 319, µ = 31
Akan digunakan WinQSB untuk mencari ukuran keefektifan dari antrian tersebut.
1) Pilih new problem, kemudian Simple M/M System.
2) Masukan data-data sesuai yang telah diketahui seperti pada gambar berikut:
121
3) Pilih solve and analyst > solve the performance
4. Jam 16.00-17.00 dengan diketahui : M = 2, = 338, µ = 317
Akan digunakan WinQSB untuk mencari ukuran keefektifan dari antrian tersebut.
1) Pilih new problem, kemudian Simple M/M System.
2) Masukan data-data sesuai yang telah diketahui seperti pada gambar berikut:
122
4) Pilih solve and analyst > solve the performance
5. Jam 06.00-07.00 dengan diketahui : M = 3, = 297, µ = 317
Akan digunakan WinQSB untuk mencari ukuran keefektifan dari antrian tersebut.
123
2) Masukan data-data sesuai yang telah diketahui seperti pada gambar berikut:
3) Pilih solve and analyst > solve the performance
6. Jam 07.00-08.00 dengan diketahui : M = 3, = 315, µ = 317
Akan digunakan WinQSB untuk mencari ukuran keefektifan dari antrian tersebut.
124
1) Pilih new problem, kemudian Simple M/M System.
2) Masukan data-data sesuai yang telah diketahui seperti pada gambar berikut:
125
7. Jam 15.00-16.00 dengan diketahui : M = 3, = 319, µ = 317
Akan digunakan WinQSB untuk mencari ukuran keefektifan dari antrian tersebut.
1) Pilih new problem, kemudian Simple M/M System.
2) Masukan data-data sesuai yang telah diketahui seperti pada gambar berikut:
126
8. Jam 16.00-17.00 dengan diketahui : M = 3, = 338, µ = 317
Akan digunakan WinQSB untuk mencari ukuran keefektifan dari antrian tersebut.
1) Pilih new problem, kemudian Simple M/M System.
2) Masukan data-data sesuai yang telah diketahui seperti pada gambar berikut:
127
3) Pilih solve and analyst > solve the performance
9. Jam 06.00-07.00 dengan diketahui : M = 4, = 297, µ = 317
Akan digunakan WinQSB untuk mencari ukuran keefektifan dari antrian tersebut.
1) Pilih new problem, kemudian Simple M/M System.
2) Masukan data-data sesuai yang telah diketahui seperti pada gambar berikut:
128
3) Pilih solve and analyst > solve the performance
10. Jam 07.00-08.00 dengan diketahui : M = 4, = 315, µ = 317
Akan digunakan WinQSB untuk mencari ukuran keefektifan dari antrian tersebut.
1) Pilih new problem, kemudian Simple M/M System.
2) Masukan data-data sesuai yang telah diketahui seperti pada gambar berikut:
129
3) Pilih solve and analyst > solve the performance
11. Jam 15.00-16.00 dengan diketahui : M = 4, = 319, µ = 317
Akan digunakan WinQSB untuk mencari ukuran keefektifan dari antrian tersebut.
130
1) Pilih new problem, kemudian Simple M/M System.
2) Masukan data-data sesuai yang telah diketahui seperti pada gambar berikut:
131
12. Jam 16.00-17.00 dengan diketahui : M = 4, = 338, µ = 317
Akan digunakan WinQSB untuk mencari ukuran keefektifan dari antrian tersebut.
1) Pilih new problem, kemudian Simple M/M System.
2) Masukan data-data sesuai yang telah diketahui seperti pada gambar berikut:
132 Lampiran 5: Penghitungan biaya
Perincian biaya penyediaan pelayanan:
Gaji 1 Server SPBU/bulan = Rp. 1.485.000 Seragam 1 Server Rp. 600.000
Rp.600.000/12 = Rp 50.000 Prin struk (susut 2 Tahun)
Rp. 3.000.000/24 = Rp. 125.000 + Rp. 1.660.000
Biaya pelayanan dan biaya menunggu
dengan: = Banyak Server = Biaya pelayanan = Biaya menunggu = Biaya total
133
Hasil Rata-Rata Kinerja Sistem Antrian Apabila Terdapat Dua dan Tiga Server Pelayanan Parameter Sistem 2 Server 3 Server ∑ 0,3335 0,3637 ∑ 0,5004 0,3336 ∑ 1,3394 1,0467 ∑ 0,2529 0,1979 ∑ 0,3386 0,0459 ∑ 0,06368 0,0086 = = Rp. 7.139,423 = = Rp.9.077,5 2 Server = 2 x Rp. 7.139,423 = Rp. 14.278,846 3 Server = 3 x Rp. 7.139,423 = Rp. 21.418,269 2 Server = 1,339371974 x Rp. 9.077,5 = Rp 12.158,404 3 Server = 1,046665634 x Rp.9.077,5 = Rp. 9.501,419 2 Server = Rp. 14.278,846 + Rp. 12.158,404 = Rp. 26.437,25 3 Server = Rp. 21.418,269 + Rp. 9.501,419 = Rp. 30.919,688
134 Biaya Listrik per jam
135
Diketahui pada setiap pengisisan bahan bakar diperlukan daya pada suatu fasilitas (mesin pompa) merek TATSUNO sebesar 750 Watt.
Dilihat dari Tabel hasil rata-rata kinerja sistem antrian apabila terdapat dua dan tiga Server pelayanan khususnya pada jumlah rata-rata kendaraan bermotor dalam sistem dan jumlah Server dapat dihitung biaya operasional listrik pejam sebagai berikut:
2 Server = 1,3394 x Rp. 1.044,09 = Rp. 1.398,45 per jam 3 Server = 1,0467 x Rp. 1.044,09 = Rp. 1.092,85 per jam
136 Lampiran 6: Foto SPBU Sagan
Gambar1: Foto antrian SPBU Sagan saat jam sibuk pulang kerja sore haridan menggunakan 3 server
Gambar 2: Foto fasilitas (mesin pompa) untuk pengisian BBM di SPBU sagan
137
Gambar 3: Foto Antrian di SPBU Sagan saat jam sibuk pagi hari dan menggunakan 2 server
Gambar 4: Foto Fasilitas (mesin pompa) untuk pengisian BBM di jalur sepeda motor