Optimasi Layanan BAAK dengan Menggunakan Simulasi Monte Carlo
Optimization of BAAK Services by Using Monte Carlo Simulation Efani Desi1, Siti Aliyah2
1,2Universitas Potensi Utama Jl. KL Yos Sudarso Km 6,5 No 3A, Medan 20241 Telepon: (061) 6640525
3Jurusan Fakultas Teknik dan Ilmu Komputer, Sistem Informasi-S1 UPU, Medan
1efanidesi88@gmail.com, 2aliyahsiti478@gmail.com
Abstrak
Dalam proses pelayanan akademik, melayani mahasiswa sangatlah penting. Pelayanan harus dilakukan dengan sangat cepat. Agar proses pelayanan tersebut dapat dilakukan dengan cepat, dibutuhkan sebuah simulasi dalam proses antrian pelayanannya. Simulasi Monte Carlo merupakan simulasi antrian yang sangat cocok untuk diterapkan dalam proses pelayanan ini.
Karena simulasi Monte Carlo ini perhitungannya menggunakan teori matematika untuk penyelasian proses setiap antrian pelayanan mahasiswa. Sehingga proses pelayanan antrianya dapat dihitung lebih akurat dan minim dari kesalahan. Simulasi Monte Carlo dapat dilakukan dengan cara manual dengan menggunakan perhitugnan di Excel dan juga dapat dibuat dalam bentuk aplikasi yang mudah digunakan yaitu PHP dan MySql. Dengan aplikasi ini dapat diperoleh informasi untuk proses perhitungan setiap antrian dalam pelayanan mahasiswa dapat dilakukan dengan cepat dan kesalahan yang ditimbulkan disetiap proses perhitungannya sangat minim. Hasil informasi yang akan didapat dari simulasi ini yaitu rata-rata waktu mahasiswa datang untuk dilayani, rata-rata waktu mahasiswa dalam sistem antrian sampai dengan selesai dilayani serta waktu rata-rata admin Biro Akademik(BAAK) tidak melayani mahasiswa. Dapat disimpulkan, simulasi monte carlo ini cocok diterapkan disistem antrian pelayanan pada Biro Akademik (BAAK) untuk melihat proses pelayanan mahasiswa yang membutuhkan kecepatan dalam proses pelayanannya.
Kata kunci— mahasiswa, pelayanan, antrian, simulasi, monte carlo
Abstract
In the process of academic service, serving students is very important. Service must be done very quickly. In order for the service process to be carried out quickly, it takes a simulation in the service queue process. Monte Carlo simulation is a queuing simulation that is very suitable to be applied in this service process. Because of this Monte Carlo simulation the calculation uses mathematical theory to align the process of each student service queue. So that the service process can be calculated more accurately and minimally from errors. Monte Carlo simulation can be done manually by using Perhitugnan in Excel and can also be made in the form of applications that are easy to use, namely PHP and MySql. With this application information can be obtained for the calculation process of each queue in student service can be done quickly and the errors generated in each calculation process is very minimal. The results of the information that will be obtained from this simulation are the average time students come to be served, the average time students in the queuing system until they are served and the time the average admin of the Academic Bureau (BAAK) does not serve students. It can be concluded, the Monte Carlo simulation is suitable to be implemented in the service queue system at the Academic Bureau (BAAK) to see the process of student service that requires speed in the service process.
Keywords— student, service, queue, simulation, monte carlo
1. PENDAHULUAN
Dalam kehidupan sehari-hari sering dijumpai antrian. Salah satu faktor penyebabnya adalah adanya jumlah pengunjung di server atau petugas pelayanan yang tidak seimbamg. Proses antrian berhubungan dengan kedatangan pelanggan pada fasilitas pelayanan, waktu antrian dan meninggalkan fasilitas tersebut. Ini bisa terjadi karena adanya faktor kurangnya kecepatan pelayanan server atau juga bisa terjadi adanya faktor jumlah server yang melayani tidak memadai [1]. Simulasi adalah alat untuk melakukan eksperimen yang mencari perbandingan data acak (random) yang dihitung secara manual yang kemudian diimplementasikan ke dalam aplikasi sistem yang akan diuji keakuratannya [2]. Untuk menangani permasalahan tersebut dibutuhkan sebuah sistem yang dapat mensimulasikan pelayanan dengan cepat yang menggunakan metode yang tepat.
Dalam pengambilan keputusan membutuhkan informasi yang akurat. Metode yang digunakan adalah Simulasi Monte Carlo yang sangat cocok untuk penyelesaian antrian ini. Karena Simulasi Monte Carlo menggunakan teori matematika dalam menyelesaikan sistem antriannya. Sehingga hasil untuk perhitungan manualnya dapat menghasilkan nilai yang efektif dan akurat [3].
Banyaknya jumlah kedatangan mahasiswa yang membutuhkan informasi dan pelayanan di bagian Biro Akademik secara acak (random) sangat mempengaruhi kenyamanan dari mahasiswa itu sendiri. Sehingga admin yang ada di bagian BAAK dengan cepat memberikan layanan terhadap mahasiswa tersebut. Dari masalah yang diuraikan tersebut, penulis akan membuat sebuah aplikasi sistem untuk menyelesaikan permasalahan yang ada agar sistem antrian pelayanan mahasiswa dapat berjalan dengan cepat dan lancar dengan judul Optimasi Layanan BAAK dengan Menggunakan Simulasi Monte Carlo.
2. METODE PENELITIAN 2.1 Antrian
Dalam sistem antrian, salah satu komponen penting yang terdapat di dalamnya adalah disiplin pelayanan. Disiplin pelayanan ini merupakan urutan konsumen untuk memperoleh layanan.
Yang sering diterapkan dalam kehidupan sehari-hari antara lain Fisrt Come First Served (FCFS), Last Come First Served (LCFS), Service in Random Order (SIRO)/Random Selection For Service (RSS), dan Priority Servive (PS) [4]. Waktu antrian dan meninggalkan fasilitas merupakan proses antrian yang berhubungan dengan kedatangan konsumen pada fasilitas pelayanan. Antrian bisa terjadi diakibatkan oleh faktor kurangnya kecepatan pelayanan antara petugas (admin) dan server (yang memproses pelayanan tersebut). Faktor lain juga bisa disebabkan oleh jumlah server yang tidak bisa menampung banyaknya konsumen yang dilayani oleh sistem antrian tersebut [5]. Antrian sudah menjadi bagian dalam proses pelayanan, dalam hal ini waktu mengantri adalah komponen yang sangat penting.
Berikut ini merupakan gambar struktur pelayanan dalam sistem antrian secara umum yang sering dilakukan sehari-hari [6].
Gambar 1. Struktur Sistem Antrian Pelayanan Sehari-hari
2.2 Simulasi
Proses implementasi model menjadi software (program komputer) atau rangkaian elektronik yang mengeksekusi software tersebut sedemikian rupa sehingga menyerupai (meniru) sistem yang sebenarnya dengan tujuan mempelajari tingkah laku sistem, pelatihan bahkan permainan yang melibatkan sistem sebenarnya disebut dengan simulasi. Dengan kata lain, simulasi merupakan proses merancang model dari suatu sistem yang sebenarnya dengan melakukan percobaan tersebut yang bertujuan untuk mengevaluasi hasil uji coba sistem tersebut [7].
2.3 Metode Monte Carlo
Monte Carlo adalah algoritma komputasi untuk mensimulasikan berbagai perilaku sistem Fisika dan Matematika. Metode ini terbukti efisien dalam memecahkan persamaan diferensial, integral medan radians. Metode Monte Carlo umumnya dilakukan meggunakan komputer dan memakai teknik simulasi komputer.’Teknik Monte Carlo merupakan pendekatan khusus yang sangat berguna untuk mensimulasikan situasi yang mengandung risiko sehingga diperoleh jawaban-jawaban perkiraan yang tidak dapat diperoleh dari penelitian-penelitian secara fisik atau dari penggunaan analisis matematika. Proses Monte Carlo dalam memilih angka acak berdasarkan distribusi probabilitas bertujuan untuk menentukan variabel acak melalui uji sampel dari distribusi probabilitas. Teknik ini dapat dikerjakan dengan alat bantu yaitu perangkat lunak dari komputer di mana nantinya untuk membangkitkan bilangan random sesuai dengan yang dibutuhkan. Nilai bilangan yang dihasilkan adalah bilangan acak, seperti tabel bilangan acak, prosedur di dalam program [8].
2.4. Simulasi Monte Carlo
Simulasi komputer harus melakukan dengan menggunkana model komputer untuk menirukan kehidupan nyata atau membuat prediksi. Bila diciptakan suatu model dengan satu spreadsheet seperti Excel, maka dipunyai sejumlah tertentu parameter masukan dan beberapa persamaan yang menggunakan masukan tersebut untuk memberikan sekumpulan keluaran (variabel tanggapan). Model jenis ini umumnya deterministic, maksudnya adalah akan diperoleh hasil yang sama berapapun komputasi diulang [9].
2.5. Multiple Channel Singel Phase
Multiple Channel Singel Phase adalah jalur antrian yang terjadi pada dua atau lebih fasilitas pelayanan yang dialiri oleh aliran tunggal. Contoh model jalur antrian ini bisa dilihat dari pembelian tiket yang dilayani oleh lebih dari satu loket pelayanan dan pelanggan yang dilayani lebih dari satu admin untuk melayani pelanggan tersebut [10].
Model antrian yang terbentuk dari jalur antrian Multiple Channel Single Phase yaitu model (M/M/(s)), dimana M kesatu adalah tingkat kedatangan, pelayanan, M kedua adalah antriannya dan (s) adalah jumlah fasilitas yang digunakan. Untuk perhitungan nilai waktu rata-rata pelayanan (dalam fasilitas), waktu rata-rata dalam antrian (waktu tunggu) dan waktu rata-rata dalam sistem untuk jalur antrian Multiple Channel Single Phase adalah sebagai berikut :
1. ST (Service Time) : SET – SST (Service End Time – Service Start Time) 2. TIQ (Time in Queue) : SST – AT (Service Start Time – Arrival Time) 3. TIS (Time in System) : SET – AT (Service End Time – Arrival Time)
Adapun tahapan-tahapan dalam kerangka kerja penelitian yaitu analisa dan identifikasi masalah, mengumpulkan data, menganalisa data, pengujian menggunakan simulasi Monte Carlo, aplikasi yang digunakan dalam melakukan pengujian menggunakan sistem simulasi dengan pendekatan kepada data acak (random) yang menggunakan data manual sebagai perbandingan yang akan diuji coba dengan aplikasi sistem yang dibuat nantinya, dan hasilKerangka kerja penelitian dapat dilihat pada gambar 2 dibawah ini.
Gambar 2. Kerangka Kerja Penelitian 3. HASIL DAN PEMBAHASAN
Data yang digunakan yaitu data saat UTS dan UAS Ta. 2018/2019 dimana jumlah mahasiswa yang akan dilayani sebanyak 100 perminggu yang dapat dilihat pada tabel 1 dan 2.
Tabel 1. Data Kedatangan Mahasiswa Perhari/Minggu saat UTS No Hari Tanggal Kedatangan Mahasiswa 1. Senin 12 November 2018 55 Mahasiswa 2. Selasa 13 November 2018 15 Mahasiswa 3. Rabu 14 November 2018 5 Mahasiswa 4. Kamis 15 November 2018 15 Mahasiswa 5. Jumat 16 November 2018 8 Mahasiswa 6. Sabtu 17 November 2018 2 Mahasiswa Total Jumlah Mahasiswa 100 Mahasiswa
Tabel 2. Data Kedatangan Mahasiswa Perhari/Minggu saat UAS No Hari Tanggal Kedatangan Mahasiswa
1. Senin 11 Februari 2019 40 Mahasiswa 2. Selasa 12 Februari 2019 20 Mahasiswa 3. Rabu 13 Februari 2019 15 Mahasiswa 4. Kamis 14 Februari 2019 10 Mahasiswa 5. Jumat 15 Februari 2019 10 Mahasiswa 6. Sabtu 16 Februari 2019 5 Mahasiswa
Total Jumlah Mahasiswa 100 Mahasiswa
Untuk menghitung nilai rata-rata waktu mahasiswa dalam antrian, rata-rata waktu dalam fasilitas (pelayanan) dan rata-rata waktu dalam sistem dari data yang ada maka harus dihitung nilai-
nilai dari ketiga rata-rata waktu tersebut langsung dalam seminggu saat UTS dan saat UAS Menghitung nilai ST, TIQ dan TIS adalah dengan cara :
a. ST (Service Time) : SET – SST (Service End Time – Service Start Time) b. TIQ (Time in Queue) : SST – AT (Service Start Time – Arrival Time) c. TIS (Time in System) : SET – AT (Service End Time – Arrival Time) Maka akan menghasilkan rata-rata waktu pada saat UTS seperti pada tabel 3.
Tabel 3. Perhitungan ST, TIQ, TIS dalam Seminggu Pelayanan saat UTS No Tanggal
Kedatangan AT SST SET ST TIQ TIS
1 12/11/2018 08:01:00 08:05:00 08:07:00 00:02:00 00:04:00 00:06:00 2 12/11/2018 08:03:00 08:05:00 08:07:00 00:02:00 00:02:00 00:04:00 3 12/11/2018 08:05:00 08:05:00 08:10:00 00:05:00 00:00:00 00:05:00 4 12/11/2018 08:05:00 08:06:00 08:15:00 00:09:00 00:01:00 00:10:00 5 12/11/2018 08:06:00 08:15:00 08:25:00 00:10:00 00:09:00 00:19:00 6 12/11/2018 09:02:00 09:07:00 09:12:00 00:05:00 00:05:00 00:10:00 7 12/11/2018 09:03:00 09:03:00 09:06:00 00:03:00 00:00:00 00:03:00 8 12/11/2018 09:05:00 09:05:00 09:07:00 00:02:00 00:00:00 00:02:00 9 12/11/2018 09:07:00 09:07:00 09:10:00 00:03:00 00:00:00 00:03:00 10 12/11/2018 09:10:00 09:10:00 09:13:00 00:03:00 00:00:00 00:03:00 11 12/11/2018 10:00:00 10:01:00 10:05:00 00:04:00 00:01:00 00:05:00 12 12/11/2018 10:00:00 10:05:00 10:10:00 00:05:00 00:05:00 00:10:00 13 12/11/2018 10:01:00 10:01:00 10:03:00 00:02:00 00:00:00 00:02:00 14 12/11/2018 10:02:00 10:02:00 10:05:00 00:03:00 00:00:00 00:03:00 15 12/11/2018 10:05:00 10:10:00 10:20:00 00:10:00 00:05:00 00:15:00 16 12/11/2018 10:07:00 10:12:00 10:15:00 00:03:00 00:05:00 00:08:00 17 12/11/2018 10:07:00 10:08:00 10:10:00 00:02:00 00:01:00 00:03:00 18 12/11/2018 10:08:00 10:10:00 10:20:00 00:10:00 00:02:00 00:12:00 19 12/11/2018 10:08:00 10:12:00 10:15:00 00:03:00 00:04:00 00:07:00 20 12/11/2018 10:00:00 10:03:00 10:06:00 00:03:00 00:03:00 00:06:00 21 12/11/2018 11:15:00 11:20:00 11:29:00 00:09:00 00:05:00 00:14:00 22 12/11/2018 11:20:00 11:20:00 11:29:00 00:09:00 00:00:00 00:09:00 23 12/11/2018 11:20:00 11:22:00 11:30:00 00:08:00 00:02:00 00:10:00 24 12/11/2018 11:00:00 11:01:00 11:11:00 00:10:00 00:01:00 00:11:00 25 12/11/2018 11:02:00 11:02:00 11:07:00 00:05:00 00:00:00 00:05:00 26 12/11/2018 11:05:00 11:05:00 11:07:00 00:02:00 00:00:00 00:02:00 27 12/11/2018 11:10:00 11:10:00 11:12:00 00:02:00 00:00:00 00:02:00 28 12/11/2018 11:11:00 11:13:00 11:13:00 00:00:00 00:02:00 00:02:00 29 12/11/2018 11:13:00 11:13:00 11:16:00 00:03:00 00:00:00 00:03:00 30 12/11/2018 11:15:00 11:15:00 11:17:00 00:02:00 00:00:00 00:02:00 31 12/11/2018 11:20:00 11:20:00 11:23:00 00:03:00 00:00:00 00:03:00 32 12/11/2018 13:02:00 13:11:00 13:20:00 00:09:00 00:09:00 00:18:00 33 12/11/2018 13:05:00 13:12:00 13:20:00 00:08:00 00:07:00 00:15:00 34 12/11/2018 13:07:00 13:12:00 13:20:00 00:08:00 00:05:00 00:13:00 35 12/11/2018 13:15:00 13:20:00 13:23:00 00:03:00 00:05:00 00:08:00 36 12/11/2018 13:20:00 13:21:00 13:25:00 00:04:00 00:01:00 00:05:00 37 12/11/2018 14:20:00 14:20:00 14:27:00 00:07:00 00:00:00 00:07:00 38 12/11/2018 14:22:00 14:29:00 14:35:00 00:06:00 00:07:00 00:13:00 39 12/11/2018 14:22:00 14:29:00 14:35:00 00:06:00 00:07:00 00:13:00 40 12/11/2018 14:26:00 14:30:00 14:35:00 00:05:00 00:04:00 00:09:00 41 12/11/2018 14:32:00 14:35:00 14:40:00 00:05:00 00:03:00 00:08:00 42 12/11/2018 15:01:00 15:06:00 15:11:00 00:05:00 00:05:00 00:10:00
Tabel 4. Perhitungan ST, TIQ, TIS dalam Seminggu Pelayanan saat UTS (Lanjutan) No Tanggal
Kedatangan AT SST SET ST TIQ TIS
43 12/11/2018 12/11/2018 15:00:00 15:00:00 15:03:00 00:03:00 00:00:00 44 12/11/2018 12/11/2018 15:00:00 15:04:00 15:07:00 00:03:00 00:04:00 45 12/11/2018 12/11/2018 15:01:00 15:06:00 15:11:00 00:05:00 00:05:00 46 12/11/2018 12/11/2018 15:10:00 15:13:00 15:17:00 00:04:00 00:03:00 47 12/11/2018 12/11/2018 15:20:00 15:22:00 15:25:00 00:03:00 00:02:00 48 12/11/2018 15:20:00 15:22:00 15:25:00 00:03:00 00:02:00 00:05:00 49 12/11/2018 17:30:00 17:32:00 17:37:00 00:05:00 00:02:00 00:07:00 50 12/11/2018 17:40:00 17:45:00 17:47:00 00:02:00 00:05:00 00:07:00 51 12/11/2018 17:50:00 17:53:00 17:55:00 00:02:00 00:03:00 00:05:00 52 12/11/2018 19:15:00 19:17:00 19:20:00 00:03:00 00:02:00 00:05:00 53 12/11/2018 19:20:00 19:23:00 19:27:00 00:04:00 00:03:00 00:07:00 54 12/11/2018 19:45:00 19:48:00 19:53:00 00:05:00 00:03:00 00:08:00 55 12/11/2018 19:40:00 19:45:00 19:50:00 00:05:00 00:05:00 00:10:00 56 13/11/2018 10:33:00 10:40:00 10:45:00 00:05:00 00:07:00 00:12:00 57 13/11/2018 10:35:00 10:40:00 10:45:00 00:05:00 00:05:00 00:10:00 58 13/11/2018 10:35:00 10:40:00 10:45:00 00:05:00 00:05:00 00:10:00 59 13/11/2018 10:36:00 10:40:00 10:45:00 00:05:00 00:04:00 00:09:00 60 13/11/2018 10:36:00 10:40:00 10:45:00 00:05:00 00:04:00 00:09:00 61 13/11/2018 10:45:00 10:45:00 10:50:00 00:05:00 00:00:00 00:05:00 62 13/11/2018 10:45:00 10:45:00 10:50:00 00:05:00 00:00:00 00:05:00 63 13/11/2018 10:48:00 10:50:00 10:59:00 00:09:00 00:02:00 00:11:00 64 13/11/2018 10:48:00 10:50:00 10:59:00 00:09:00 00:02:00 00:11:00 65 13/11/2018 11:00:00 11:00:00 11:05:00 00:05:00 00:00:00 00:05:00 66 13/11/2018 11:00:00 11:00:00 11:05:00 00:05:00 00:00:00 00:05:00 67 13/11/2018 11:01:00 11:05:00 11:08:00 00:03:00 00:04:00 00:07:00 68 13/11/2018 11:02:00 11:05:00 11:10:00 00:05:00 00:03:00 00:08:00 69 13/11/2018 15:01:00 15:06:00 15:11:00 00:05:00 00:05:00 00:10:00 70 14/11/2018 15:10:00 15:13:00 15:17:00 00:04:00 00:03:00 00:07:00 71 14/11/2019 08:12:00 08:16:00 08:20:00 00:04:00 00:04:00 00:08:00 72 14/11/2020 09:12:00 09:16:00 09:20:00 00:04:00 00:04:00 00:08:00 73 14/11/2021 09:15:00 09:16:00 09:20:00 00:04:00 00:01:00 00:05:00 74 14/11/2022 10:48:00 10:50:00 10:55:00 00:05:00 00:02:00 00:07:00 75 14/11/2023 11:00:00 11:00:00 11:04:00 00:04:00 00:00:00 00:04:00 76 15/11/2018 10:00:00 10:01:00 10:05:00 00:04:00 00:01:00 00:05:00 77 15/11/2018 10:00:00 10:05:00 10:10:00 00:05:00 00:05:00 00:10:00 78 15/11/2018 10:01:00 10:01:00 10:03:00 00:02:00 00:00:00 00:02:00 79 15/11/2018 10:02:00 10:02:00 10:05:00 00:03:00 00:00:00 00:03:00 80 15/11/2018 11:01:00 11:01:00 11:05:00 00:04:00 00:00:00 00:04:00 81 15/11/2018 14:20:00 14:20:00 14:27:00 00:07:00 00:00:00 00:07:00 82 15/11/2018 14:22:00 14:29:00 14:35:00 00:06:00 00:07:00 00:13:00 83 15/11/2018 14:22:00 14:29:00 14:35:00 00:06:00 00:07:00 00:13:00 84 15/11/2018 14:26:00 14:30:00 14:35:00 00:05:00 00:04:00 00:09:00 85 15/11/2018 14:32:00 14:35:00 14:40:00 00:05:00 00:03:00 00:08:00 86 15/11/2018 15:00:00 15:00:00 15:03:00 00:03:00 00:00:00 00:03:00 87 15/11/2018 15:01:00 15:06:00 15:11:00 00:05:00 00:05:00 00:10:00 88 15/11/2018 15:01:00 15:01:00 15:01:00 00:00:00 00:00:00 00:00:00
Tabel 5. Perhitungan ST, TIQ, TIS dalam Seminggu Pelayanan saat UTS (Lanjutan) No Tanggal
Kedatangan AT SST SET ST TIQ TIS
89 15/11/2018 17:40:00 17:45:00 17:47:00 00:02:00 00:05:00 00:07:00 90 15/11/2018 17:50:00 17:53:00 17:55:00 00:02:00 00:03:00 00:05:00 91 16/11/2018 10:00:00 10:05:00 10:10:00 00:05:00 00:05:00 00:10:00 92 16/11/2018 10:01:00 10:01:00 10:03:00 00:02:00 00:00:00 00:02:00 93 16/11/2018 10:02:00 10:02:00 10:05:00 00:03:00 00:00:00 00:03:00 94 16/11/2018 14:26:00 14:30:00 14:35:00 00:05:00 00:04:00 00:09:00 95 16/11/2018 14:32:00 14:35:00 14:40:00 00:05:00 00:03:00 00:08:00 96 16/11/2018 10:00:00 10:05:00 10:10:00 00:05:00 00:05:00 00:10:00 97 16/11/2018 17:40:00 17:45:00 17:47:00 00:02:00 00:05:00 00:07:00 98 16/11/2018 17:50:00 17:53:00 17:55:00 00:02:00 00:03:00 00:05:00 99 17/11/2018 14:30:00 14:30:00 14:35:00 00:05:00 00:00:00 00:05:00 100 17/11/2018 17:00:00 17:00:00 17:05:00 00:05:00 00:00:00 00:05:00 Rata-Rata Waktu 07:23:00 04:22:00 11:45:00 Dari pengolahan data yang dilakukan, maka dapat dilakukan perhitungan untuk mengetahui rata-rata waktu mahasiswa menunggu dalam antrian yaitu 07:23:00 (443 menit), rata-rata waktu dalam fasilitas yaitu 04:22:00 (262 menit) dan rata-rata waktu dalam sistem 11:45:00 (705 menit) seperti tabel 4.
Tabel 6. Operating Characteristic Hasil Simulasi UTS
Informasi Rata-rata waktu mahasiswa dalam Antrian 07:23:00/100= 00:04:43 menit Rata-rata waktu mahasiswa dalam Fasilitas 04:22:00/100 = :00:02:62 menit
Rata-rata waktu mahasiswa dalam Sistem 11:45:00/100 = 00:07:05 menit Untuk perhitungan selanjutnya (UAS) sama dengan perhitungan yang sebelumnya. Adapun untuk perhitungan selanjutnya, mengikuti perhitungan sebelumnya yang hasil keseluruhannya dapat dilihat pada
Maka akan menghasilkan rata-rata waktu pada saat UAS seperti pada tabel 5.
Tabel 7. Perhitungan ST, TIQ, TIS dalam Seminggu Pelayanan saat UAS No Tanggal
Kedatangan AT SST SET ST TIQ TIS
1 12/11/2018 08:05:00 08:05:00 08:10:00 00:05:00 00:00:00 00:05:00 2 12/11/2018 08:05:00 08:06:00 08:15:00 00:09:00 00:01:00 00:10:00 3 12/11/2018 08:06:00 08:15:00 08:25:00 00:10:00 00:09:00 00:19:00 4 12/11/2018 08:01:00 08:18:00 08:26:00 00:08:00 00:17:00 00:25:00 5 12/11/2018 08:01:00 08:20:00 08:30:00 00:10:00 00:19:00 00:29:00 6 12/11/2018 09:02:00 09:24:00 09:35:00 00:11:00 00:22:00 00:33:00 7 12/11/2018 09:02:00 09:26:00 09:36:00 00:10:00 00:24:00 00:34:00 8 12/11/2018 09:10:00 09:31:00 09:40:00 00:09:00 00:21:00 00:30:00 9 12/11/2018 09:03:00 9:35:00 09:41:00 00:06:00 00:32:00 00:38:00 10 12/11/2018 10:00:00 10:01:00 10:05:00 00:04:00 00:01:00 00:05:00 11 12/11/2018 10:00:00 10:05:00 10:10:00 00:05:00 00:05:00 00:10:00 12 12/11/2018 10:01:00 10:01:00 10:03:00 00:02:00 00:00:00 00:02:00 13 12/11/2018 10:02:00 10:02:00 10:05:00 00:03:00 00:00:00 00:03:00 14 12/11/2018 10:05:00 10:10:00 10:20:00 00:10:00 00:05:00 00:15:00 15 12/11/2018 10:07:00 10:12:00 10:15:00 00:03:00 00:05:00 00:08:00 16 12/11/2018 10:00:00 10:03:00 10:06:00 00:03:00 00:03:00 00:06:00 17 12/11/2018 11:15:00 11:20:00 11:29:00 00:09:00 00:05:00 00:14:00
Tabel 8. Perhitungan ST, TIQ, TIS dalam Seminggu Pelayanan saat UAS (Lanjutan) No Tanggal
Kedatangan AT SST SET ST TIQ TIS
18 11/02/2019 11:20:00 11:20:00 11:29:00 00:09:00 00:00:00 00:09:00 19 11/02/2019 11:20:00 11:22:00 11:30:00 00:08:00 00:02:00 00:10:00 20 11/02/2019 11:00:00 11:01:00 11:11:00 00:10:00 00:01:00 00:11:00 21 11/02/2019 13:02:00 13:11:00 13:20:00 00:09:00 00:09:00 00:18:00 22 11/02/2019 13:05:00 13:12:00 13:20:00 00:08:00 00:07:00 00:15:00 23 11/02/2019 13:07:00 13:12:00 13:20:00 00:08:00 00:05:00 00:13:00 24 11/02/2019 13:15:00 13:20:00 13:23:00 00:03:00 00:05:00 00:08:00 25 11/02/2019 13:20:00 13:21:00 13:25:00 00:04:00 00:01:00 00:05:00 26 11/02/2019 14:20:00 14:20:00 14:27:00 00:07:00 00:00:00 00:07:00 27 11/02/2019 14:22:00 14:29:00 14:35:00 00:06:00 00:07:00 00:13:00 28 11/02/2019 14:22:00 14:29:00 14:35:00 00:06:00 00:07:00 00:13:00 29 11/02/2019 14:26:00 14:30:00 14:35:00 00:05:00 00:04:00 00:09:00 30 11/02/2019 14:32:00 14:35:00 14:40:00 00:05:00 00:03:00 00:08:00 31 11/02/2019 15:01:00 15:06:00 15:11:00 00:05:00 00:05:00 00:10:00 32 11/02/2019 15:10:00 15:13:00 15:17:00 00:04:00 00:03:00 00:07:00 33 11/02/2019 15:20:00 15:22:00 15:25:00 00:03:00 00:02:00 00:05:00 34 11/02/2019 17:30:00 17:32:00 17:37:00 00:05:00 00:02:00 00:07:00 35 11/02/2019 17:40:00 17:45:00 17:47:00 00:02:00 00:05:00 00:07:00 36 11/02/2019 17:50:00 17:53:00 17:55:00 00:02:00 00:03:00 00:05:00 37 11/02/2019 19:15:00 19:17:00 19:20:00 00:03:00 00:02:00 00:05:00 38 11/02/2019 19:20:00 19:23:00 19:27:00 00:04:00 00:03:00 00:07:00 39 11/02/2019 19:45:00 19:48:00 19:53:00 00:05:00 00:03:00 00:08:00 40 11/02/2019 19:40:00 19:45:00 19:50:00 00:05:00 00:05:00 00:10:00 41 12/02/2019 8:05:00 8:05:00 8:10:00 00:05:00 00:00:00 00:05:00 42 12/02/2019 09:00:00 09:05:00 09:07:00 00:02:00 00:05:00 00:07:00 43 12/02/2019 09:03:00 09:44:00 09:55:00 00:11:00 00:41:00 00:52:00 44 12/02/2019 09:10:00 09:31:00 09:40:00 00:09:00 00:21:00 00:30:00 45 12/02/2019 10:31:00 10:32:00 10:40:00 00:08:00 00:01:00 00:09:00 46 12/02/2019 10:32:00 10:32:00 10:40:00 00:08:00 00:00:00 00:08:00 47 12/02/2019 10:33:00 10:40:00 10:45:00 00:05:00 00:07:00 00:12:00 48 12/02/2019 10:35:00 10:40:00 10:45:00 00:05:00 00:05:00 00:10:00 49 12/02/2019 10:36:00 10:40:00 10:45:00 00:05:00 00:04:00 00:09:00 50 12/02/2019 10:45:00 10:45:00 10:50:00 00:05:00 00:00:00 00:05:00 51 12/02/2019 10:48:00 10:50:00 10:59:00 00:09:00 00:02:00 00:11:00 52 12/02/2019 11:00:00 11:00:00 11:05:00 00:05:00 00:00:00 00:05:00 53 12/02/2019 11:01:00 11:02:00 11:05:00 00:03:00 00:01:00 00:04:00 54 12/02/2019 11:02:00 11:03:00 11:05:00 00:02:00 00:01:00 00:03:00 55 12/02/2019 15:01:00 15:06:00 15:11:00 00:05:00 00:05:00 00:10:00 56 12/02/2019 15:10:00 15:13:00 15:17:00 00:04:00 00:03:00 00:07:00 57 12/02/2019 17:40:00 17:45:00 17:47:00 00:02:00 00:05:00 00:07:00 58 12/02/2019 17:50:00 17:53:00 17:55:00 00:02:00 00:03:00 00:05:00 59 12/02/2019 19:20:00 19:23:00 19:27:00 00:04:00 00:03:00 00:07:00 60 12/02/2019 19:45:00 19:48:00 19:53:00 00:05:00 00:03:00 00:08:00 61 13/02/2019 08:00:00 08:00:00 08:09:00 00:09:00 00:00:00 00:09:00 62 13/02/2019 08:00:00 08:00:00 08:10:00 00:10:00 00:00:00 00:10:00 63 13/02/2019 08:00:00 08:00:00 08:10:00 00:10:00 00:00:00 00:10:00 64 13/02/2019 08:01:00 08:09:00 08:18:00 00:09:00 00:08:00 00:17:00
Tabel 9. Perhitungan ST, TIQ, TIS dalam Seminggu Pelayanan saat UAS (Lanjutan) No Tanggal
Kedatangan AT SST SET ST TIQ TIS
65 13/02/2019 10:45:00 10:45:00 10:50:00 00:05:00 00:00:00 00:05:00 67 13/02/2019 10:48:00 10:50:00 10:59:00 00:09:00 00:02:00 00:11:00 68 13/02/2019 11:00:00 11:00:00 11:05:00 00:05:00 00:00:00 00:05:00 69 13/02/2019 11:01:00 11:01:00 11:05:00 00:04:00 00:00:00 00:04:00 70 13/02/2019 11:02:00 11:02:00 11:05:00 00:03:00 00:00:00 00:03:00 71 13/02/2019 10:45:00 10:45:00 10:50:00 00:05:00 00:00:00 00:05:00 72 13/02/2019 14:30:00 14:30:00 14:35:00 00:05:00 00:00:00 00:05:00 73 13/02/2019 14:26:00 14:30:00 14:35:00 00:05:00 00:04:00 00:09:00 75 13/02/2019 14:32:00 14:35:00 14:40:00 00:05:00 00:03:00 00:08:00 76 14/02/2019 19:15:00 19:17:00 19:22:00 00:05:00 00:02:00 00:07:00 77 14/02/2019 19:40:00 19:40:00 19:50:00 00:10:00 00:00:00 00:10:00 78 14/02/2019 8:23:00 8:35:00 8:41:00 00:06:00 00:12:00 00:18:00 79 14/02/2019 8:23:00 8:35:00 8:41:00 00:06:00 00:12:00 00:18:00 80 14/02/2019 8:12:00 8:16:00 8:20:00 00:04:00 00:04:00 00:08:00 81 14/02/2019 9:12:00 9:16:00 9:20:00 00:04:00 00:04:00 00:08:00 82 14/02/2019 9:15:00 9:16:00 9:20:00 00:04:00 00:01:00 00:05:00 83 14/02/2019 10:48:00 10:50:00 10:55:00 00:05:00 00:02:00 00:07:00 84 14/02/2019 11:00:00 11:00:00 11:04:00 00:04:00 00:00:00 00:04:00 85 14/02/2019 11:01:00 11:01:00 11:05:00 00:04:00 00:00:00 00:04:00 86 15/02/2019 10:00:00 10:01:00 10:05:00 00:04:00 00:01:00 00:05:00 87 15/02/2019 10:00:00 10:05:00 10:10:00 00:05:00 00:05:00 00:10:00 88 15/02/2019 10:01:00 10:01:00 10:03:00 00:02:00 00:00:00 00:02:00 89 15/02/2019 10:02:00 10:02:00 10:05:00 00:03:00 00:00:00 00:03:00 90 15/02/2019 15:01:00 15:01:00 15:05:00 00:04:00 00:00:00 00:04:00 91 15/02/2019 15:10:00 15:10:00 15:15:00 00:05:00 00:00:00 00:05:00 92 15/02/2019 17:40:00 17:40:00 17:44:00 00:04:00 00:00:00 00:04:00 93 15/02/2019 17:50:00 17:50:00 17:55:00 00:05:00 00:00:00 00:05:00 94 15/02/2019 18:02:00 18:02:00 18:07:00 00:05:00 00:00:00 00:05:00 95 15/02/2019 18:00:00 18:00:00 18:03:00 00:03:00 00:00:00 00:03:00 96 16/02/2019 14:30:00 14:30:00 14:35:00 00:05:00 00:00:00 00:05:00 97 16/02/2019 14:26:00 14:30:00 14:35:00 00:05:00 00:04:00 00:09:00 98 16/02/2019 14:32:00 14:35:00 14:40:00 00:05:00 00:03:00 00:08:00 99 16/02/2019 19:15:00 19:17:00 19:22:00 00:05:00 00:02:00 00:07:00 100 16/02/2019 19:40:00 19:40:00 19:45:00 00:05:00 00:00:00 00:05:00 Rata-Rata Waktu 09:16:00 07:41:00 16:57:00 Dari pengolahan data yang dilakukan, maka dapat dilakukan perhitungan untuk mengetahui rata-rata waktu mahasiswa menunggu dalam antrian yaitu 09:16:00 (556 menit), rata-rata waktu dalam fasilitas yaitu 07:41:00 (461 menit) dan rata-rata waktu dalam sistem 16:57:00 (1017 menit) seperti tabel 6.
Tabel 10. Operating Characteristic Hasil Simulasi saat UAS Informasi
Rata-Rata waktu mahasiswa dalam Antrian 09:16:00/100 = 05:56 Menit Rata-Rata waktu mahasiswa dalam Fasilitas 07:41:00/100 = 04:61 Menit Rata-Rata waktu mahasiswa dalam Sistem 16:57:00/100 = 10:57 Menit Sehingga dapat diketahui waktu rata-rata pelayanan mahasiswa yang dilayani pada saat UTS dan UAS dengan simulasi Monte Carlo yang didapatkan dari hasil perhitungan dengan jalur antrian multiple channel single phase yang dilakukan oleh admin pada Biro Akademik (BAAK) dalam
seminggu yaitu total rata-rata waktu dalam antrian dibagi dengan jumlah hari dalam seminggu yang dapat dilihat pada tabel 7 dan tabel 8.
Tabel 11. Rata-Rata Waktu Pelayanan dalam Seminggu saat UTS No. Hari/Tanggal Jumlah Antrian Total Dalam
Sistem(waktu) 1. Senin, 12 November 2018 55 Mahasiswa 06:44:00 menit 2. Selasa,13 November 2018 15 Mahasiswa 02:04:00 menit 3. Rabu, 14 November 2018 5 Mahasiswa 00:32:00 menit 4. Kamis, 15 November 2018 15 Mahasiswa 01:39:00 menit 5. Jum’at, 16 November 2018 8 Mahasiswa 00:44:00 menit 6. Sabtu, 17 November 2018 2 Mahasiswa 00:10:00 menit Rata-Rata Waktu /Minggu 100 Mahasiswa 11:53:00 menit Tabel 12. Waktu Rata-Rata Pelayanan dalam Seminggu saat UAS No. Hari/Tanggal Jumlah Antrian Total Dalam
Sistem(waktu) 1. Senin, 11 Februari 2019 40 Mahasiswa 08:16:00 menit 2. Selasa, 12 Februari 2019 20 Mahasiswa 02:36:00 menit 3. Rabu, 13 Februari 2019 15 Mahasiswa 01:58:00 menit 4. Kamis, 14 Februari 2019 10 Mahasiswa 01:24:00 menit 5. Jum’at, 15 Februari 2019 10 Mahasiswa 00:46:00 menit 6. Sabtu, 16 Februari 2019 5 Mahasiswa 00:34:00 menit Rata-Rata Waktu /Minggu 100 Mahasiswa 15:34:00 menit
4. KESIMPULAN
Dari data yang dihasilkan, kondisi pelayanan mahasiswa pada saat UAS merupakan waktu pelayanan yang sibuk dilakukan oleh admin BAAK dengan rata-rata waktu yang dibutuhkan untuk pelayanan mahasiswa dalam sistem selama seminggu sebesar 15:34:00 menit dari pada pelayanan saat UTS yang rata-rata waktu untuk melayani mahasiswa dalam seminggu sebesar 11:53:00 menit. Dengan demikian tingkat selisih akurasi yang dihasilkan apabila hasil keseluruhan dijumlahkan dengan selisih rata-rata waktu mahasiswa dalam sistem pada saat UTS dan UAS sebesar 03:41:00 menit.
5. SARAN
Diharapkan Simulasi Monte Carlo juga bisa diterapakan untuk berbagai aktifitas yang lain dalam kegiatan akademisi pada bagian BAAK untuk mengetahui rata-rata waktu yang dibutuhkan admin dalam pelayan kemahasiswaan.
DAFTAR PUSTAKA
[1] Mahmud Basuki, "Analisa Sistem Antrian Pelayanan Registrasi Mahasiswa di BAAK Universitas Tridinanti Palembang," Jurnal Sistem dan Manajemen Industri, Vol 2, No 1, Juli 2018.
[2] Erwin Prasetyowati, “Aplikasi Simulasi Persediaan Teri Crispy Prisma Menggunakan Metode Monte Carlo,” Jurnal Sistem dan Teknologi Informasi Indonesia (JUSTINDO), Volume 01, Nomor 01, Februari 2016.
[3] Harvei Desmon Hutahaean, “Analisa Simulasi Monte Carlo Untuk Memprediksi Tingkat Kehadiran Mahasiswa Dalam Perkuliahan,” Jurnal of Informatic Pelita Nusantara, Volume 3, No. 1, Maret 2018.
[4] Tessy Octavia Mukhti, Dodi Devianto dan Hazmira Yozza, “Simulasi Quasi Monte Carlo Menggunakan Bariasan Quasi Acak Halton;” Jurnal Matematika UNAND, Vol. VII No. 2 Hal. 221- 228.
[5] Siti Hizanah Harahap, dan Nurjayadi, "Simulasi Monte Carlo dan Animasi Operasinya dalam Mengelola Persediaan Bahan Baku Bangunan," Sains dan Teknologi Informasi, Vol. 2, No. 2, Desember 2016.
[6] Gerd Wagner, “Introduction to Simulation Using Java Script,” Proceeding of the 2016 Winter Simulation Conference..
[7] Ricky Zulfiandry, “Optimasi Kegiatan Pelatihan Menggunakan Metode Simulasi Monte Carlo,” Jurnal Ilmiah, Volume 10 Nomor 1 April 2018.
[8] Luh Hena Terecia Wismawan Putri, Komang Dharmawan, dan I Wayan Sumarjaya, “Penentuan Harga Jual Opsi Barrier Tipe Eropa dengan Metode Antithetic Variate Pada Simulasi Monte Carlo,” E-Jurnal Matematika, Vol. 7 (2), Mei 2018, pp. 71-78.
[9] Mira Chandra Kirana dan Deni, “Simulasi Pengendalian Bahan Baku Produksi Menggunakan Metode Monte Carlo dan Exponensial,” Volume 7 No. 1, Mei 2017.
[10] Mikulas Gangur and Miland Svoboda, “Simulation of Bayes’ rule by means of Monte Carlo method,”
2018 Teaching Statics Trust.
[11] Iphov Kumala, I Wayan Sukania, dan Santo Christianto, “Optimasi Persediaan Spare Part Untuk Meningkatkan Total Penjualan Dengan Menggunakan Simulasi Monte Carlo”, Jurnal Ilmiah Teknik Industri (2016), Vol. 4 No. 3, 166 – 174.
[12] M. Haviz Irfani, Dafid, “Estimasi Pengunjung Menggunakan Simulasi Momte Carlo Pada Warung Internet XYZ,’ Jurnal Ilmiah Informatika Global, Volume 8 No. 2 Desember 2017.
