ANALISIS EFISIENSI LAYANAN PERBANKAN
UNTUK MENINGKATKAN KINERJA LAYANAN
MENGGUNAKAN SIMULASI DISKRIT
Dewa Adi Baskara Joni
1), Erma Suryani
2)Manajemen Teknik Informatika, STMIK STIKOM Indonesia
1)Jl. Tukad Pakerisan 97 Denpasar, Bali
Telp: (0361) 256995
Jurusan Sistem Informasi, Fakultas Teknologi Informasi,
Institut Teknologi Sepuluh Nopember
2)Kampus Keputih, Sukolilo, Surabaya, 60111
Telp: (031) 5922949, Fax : (031) 5964965
E-mail: dc.awsome414@gmail.com
Abstract
Customer needs fulfillments are excellent banking services that can generate loyal customers and increasing customer satisfaction. The Demand for time efficiency in completing transactions in a bank, is associated with a queuing system where it is included in the transaction through the speed of service and the number of customer service and teller. However, the concept of customer service not only depend on the existing service at cash offices or branch offices conducted by care workers, but it is the overall service performance.In this study, a computer-based simulation where the output can describe the characteristics and behavior of the observed system is designed and developed. Simulation is useful in providing information and knowledge about the existing banking customer service system and in developing scenario models to achieve an efficient service.From the output of the simulation results, we found that in normal season service with addition of passbook updater scenario, the average waiting time can be reduced as much as 4.74 minutes and the average utilization of customer service can achieve the highest efficiency to 68%. In high season service with addition of customer service scenario the average waiting time can be reduced as much as 10.97 minutes and the average utilization of customer service can achieve the highest efficiency to 60%.
Abstrak
Pemenuhan kebutuhan nasabah akan adanya layanan perbankan yang prima dapat menghasilkan nasabah yang loyal dan meningkatkan kepuasan nasabah. Timbulnya tuntutan efisiensi waktu dalam menyelesaikan transaksi di bank sangat berkaitan dengan sistem antrian dimana tercakup di dalamnya kecepatan layanan transaksi oleh teller dan jumlah teller yang beroperasi. Namun konsep layanan nasabah tidak hanya bertumpu pada layanan yang ada pada kantor kas atau kantor cabang dari bank bersangkutan yang dilakukan oleh petugas layanan. Dewasa ini layanan terhadap nasabah bank dapat dilakukan diberbagai tempat yang merupakan cakupan layanan dari bank bersangkutan dengan adanya dukungan teknologi informasi. Dalam penelitian ini dilakukan perancangan dan pembuatan suatu simulasi berbasis komputer yang outputnya dapat menggambarkan karakteristik dan perilaku sistem yang diamati. Simulasi yang dilakukan dalam hal ini bermanfaat dalam memberikan informasi (information) dan pengetahuan (knowledge) mengenai sistem layanan nasabah yang ada pada obyek penelitian ini yaitu PT. Bank BPD Bali. Tahapan yang dilalui mulai dari proses observasi dan survey, kemudian pemodelan proses bisnisnya sampai pada pembuatan model simulasinya berikut validasi terhadap model tersebut. Setelah dilakukan skenarioisasi terhadap model simulasi selanjutnya dilakukan analisis cost & benefits terhadap alternatif pilihan investasi. Dari hasil analisis output yang dilakukan lebih lanjut mampu memberikan pertimbangan kepada pihak bank dalam mengevaluasi sistem layanan nasabah yang dimiliki. Manfaat lain dari penelitian ini adalah dapat diketahui model sistem yang sesuai, dalam penerapan jasa layanan yang lebih efisien untuk mendukung kinerja sistem layanan nasabah pada PT. Bank BPD Bali berdasarkan tingkat kebutuhan dari organisasi.
110 1. PENDAHULUAN
Seiring dengan perkembangan dunia perbankan yang semakin pesat, maka dibutuhkan sistem layanan yang semakin bisa memenuhi kebutuhan para nasabahnya. Salah satu permasalahan yang sering timbul dalam sistem layanan nasabah perbankan adalah berupa terjadinya penumpukan nasabah setelah tiba di lajur layanan pada suatu waktu tertentu, yang menyebabkan nasabah harus menuggu terlalu lama untuk mendapatkan layanan. Pemenuhan kebutuhan nasabah akan adanya layanan perbankan yang prima dapat menghasilkan nasabah yang loyal dan meningkatkan kepuasan nasabah.
Dewasa ini layanan terhadap nasabah bank dapat dilakukan di berbagai tempat yang merupakan cakupan layanan dari bank bersangkutan dengan adanya dukungan Teknologi Informasi (TI). TI cenderung memiliki dampak yang besar terhadap kemampuan bank untuk menjual produk ritel dan jasa. TI juga dapat menawarkan keunggulan kompetitif dengan menciptakan skala ekonomi melalui otomatisasi tugas-tugas rutin, atau dengan meningkatkan kecepatan dimana informasi manajemen dikomunikasikan. TI juga telah digunakan untuk mendorong pelanggan untuk mengurangi transaksi dengan petugas layanan bank, membebaskan staf perbankan untuk berkonsentrasi pada cross-selling yang berpengaruh terhadap profitabilitas dan pangsa pasar (Meepadung, 2009).
Untuk meningkatkan daya saing melalui inovasi dan peningkatan efisiensi untuk dapat menyediakan jasa layanan yang berkualitas dan harga yang kompetitif, dalam penelitian ini dilakukan perancangan dan pembuatan suatu simulasi berbasis komputer yang outputnya dapat menggambarkan karakteristik dan perilaku sistem yang diamati. Simulasi yang dilakukan dalam hal ini bermanfaat dalam memberikan informasi dan pengetahuan mengenai sistem layanan nasabah.
Dalam penelitian ini, data yang digunakan adalah berdasarkan observasi yang dilakukan penulis pada PT. Bank BPD Bali. Pada observasi tersebut dilakukan dengan melakukan magang (apprenticeship) dengan tujuan untuk mengumpulkan data mengenai sistem layanan nasabah perbankan.
2. METODE
Industri perbankan telah mengalami perubahan besar dalam beberapa tahun terakhir. Industri ini menjadi lebih kompetitif karena deregulasi peraturan. Saat ini, bank memiliki fleksibilitas pada layanan yang mereka tawarkan, lokasi tempat mereka beroperasi, dan tarif yang mereka bayar untuk simpanan deposit. Fleksibi-litas layanan tersebut dapat dilakukan karena saat ini teknologi informasi bukan hanya menjadi pendukung kinerja dari perbankan namun telah menjadi syarat utama dalam menjalankan industri ini. Selain itu perkembangan teknologi informasi memungkin-kan bank untuk meningkatmemungkin-kan layanan kepada nasabah melalui produk-produk Electronic Banking (Bank Indonesia, 2007). Hasan (2008) mengatakan bahwa, penggunaan teknologi informasi di industri perbankan merupakan suatu keharusan. Penggunaan teknologi tersebut seharusnya mampu memenuhi kebutuhan internal yakni kecepatan proses layanan nasabah, kecepatan informasi atau pelaporan untuk bahan pengambilan keputusan selanjutnya dan juga penghematan biaya karena berkurangnya tenaga pelaksana. Kebutuhan ekstemal yang seharusnya mampu dipenuhi berupa kelancaran pelaporan kepada pihak terkait misalnya Bank Indonesia, Departemen Keuangan RI serta tentunya yang paling penting adalah kepuasan dari konsumen, sehingga dampak akhir dari penggunaan teknologi yakni adanya perbaikan kinerja secara keseluruhan. Hays (2009), rasio efisiensi merupakan ukuran tingkat beban non-bunga yang diperlukan untuk mendukung setiap satu dolar dari pendapatan usaha, yang terdiri dari pendapatan baik pendapatan bunga dan non-bunga. Nilai rasio efisiensi dapat dipengaruhi oleh perubahan gaji dan tunjangan, produktivitas tenaga kerja, teknologi, pemanfaatan fasilitas fisik terutama pada kantor cabang bersama dengan faktor lain termasuk ekonomi. Casu (2009), efisiensi perusahaan dapat didefinisikan dan diukur sebagai jarak radial kinerja aktual dari sebuah perbatasan (frontier). Dalam konteks fungsi produksi, perbatasan ini didefinisikan sebagai tingkat kelayakan dari maksimum output yang diberikan tingkat input, atau alternatifnya sebagai tingkat minimum kelayakan dari input yang ditentukan dari tingkat output. Ketidak efisiesian (inefficiency) perusahaan yang akan diukur sebagai masukan kontraksi radial atau radial ekspansi output diperlukan untuk mencapai perbatasan.
Untuk produk jasa menurut penelitian Hudgins (1982) dalam Trisusilo (1994) mengenai efisiensi waktu layanan, dikatakan bahwa 65% dari waktu petugas digunakan untuk kontak dengan pelanggan (customer) dianggap sudah efisien. Dan menurut Lawlor (1988), apabila suatu sumberdaya dipergunakan pada suatu pekerjaan dapat dikatakan produktif secara efisiennya adalah 2/3 atau 66% waktunya dipakai untuk pekerjaan tersebut.
Tujuan utama dari sistem jasa adalah memaksimalkan keuntungan dan memaksimal-kan kepuasan pelanggan. Namun bagaimanapun juga ukuran adalah hal yang dipertimbangkan menjadi kriteria penampilan internal, karena ukuran-ukuran tersebut tidak ditentukan oleh beberapa aktifitas tunggal. Model simulasi dan analisis sangat membantu mengevaluasi ukuran-ukuran yang berhubungan dengan kriteria penampilan internal. Menurut Arifin (2009), ukuran-ukuran kinerja internal yang dapat di evaluasi menggunakan simulasi adalah waktu jasa, waktu tunggu, panjang antrian, pemanfaatan sumber daya, level jasa, dan tingkat ketertinggalan. Salah satu permasalahan yang paling sulit dalam menyelesaikan suatu analisis simulasi, adalah dalam menentukan suatu model simulasi apakah merupakan penyajian yang nyata yang dapat dipelajari secara akurat dan apakah model tersebut sesuai dan telah mewakili dari sistem yang nyata. Untuk membangun model simulasi yang baik dan benar diperlukan penentuan distribusi yang tepat baik distribusi probabilitasnya maupun distribusi sampelnya. Selanjutnya setelah penentuan distribusi yang tepat untuk model, penentuan jumlah replikasi juga harus tepat sesuai dengan kebutuhan dari model simulasi yang bersangkutan.
2.1 Pengembangan Model Simulasi
Pengembangan model simulasi dalam penelitian ini terbagi menjadi dua tahap, yaitu membangun model eksisting sebagai representasi dari model nyata dari perbankan. Sedangkan tahap kedua adalah validasi model yang bertujuan untuk melihat apakah model yang telah dibangun sudah cukup baik merepresentasikan kondisi nyata perbankan. Setelah melakukan validasi model, maka tahap berikutnya adalah membangun skenario yang akan diujicobakan pada model yang telah valid.
Model Eksisting
Pembuatan model simulasi ini menggunakan bantuan perangkat lunak Arena Versi 12 – CPR 9. Dalam model eksisting terdapat dua model yaitu model musim normal dan model musim
tinggi. Pemicu perbedaan antara kedua model tersebut adalah berdasarkan pada tingkat kedatangan nasabahnya. Untuk perbedaan mendasar dari kedua model dalam model eksisting ini adalah pada beberapa hal seperti jumlah petugas layanan, nilai distribusi kedata-ngan nasabah, nilai persentase nasabah ke customer service atau ke teller dan nilai rata-rata waktu layanan oleh customer service dan teller.
Pada model musim normal maupun model musim tinggi, proses dari layanannya adalah pada saat kedatangan nasabah akan disambut oleh satpam dan akan ditanyakan keperluan dari nasabah tersebut. Apabila nasabah ingin bertemu dengan customer service atau bertransaksi dengan teller akan diarahkan untuk mengambil nomer antrian dan dipersilahkan menunggu seperti yang terlihat pada gambar 1. Seperti yang dijelaskan sebelumnya, salah satu perbedaan antara kedua model ini adalah pada nilai distribusi kedatangan nasabahnya yaitu 10*BETA(0.486, 2.84) pada musim normal dan 8*BETA(0.715, 3.8) pada musim tinggi. Tipe dari distribusi tersebut adalah distribusi Beta dengan parameter pertama adalah Beta dan parameter kedua adalah Alpha. Untuk persentase nasabah ke customer service atau ke teller pada musim normal 25% nasabah menuju layanan customer service dan 75% sisanya menuju layanan teller, berbeda pada musim tinggi 22% nasabah menuju layanan customer service dan 78% sisanya menuju layanan teller. Nilai distribusi pada model simulasi tersebut ditentukan berdasarkan hasil pengolahan data yang dikumpulkan pada saat proses apprentice-ship dan kemudian diolah menggunakan perangkat lunak Input Analyser yang menghasilkan nilai distribusi pada masing-masing proses. Untuk nilai persentase nasabah ke customer service atau ke teller diolah dari data yang dikumpulkan menggunakan perangkat lunak Microsoft Excel 2007.
Untuk proses layanan yang diberikan oleh customer service dan teller dapat dilihat pada gambar 2 dan gambar 3. Ketika nomer antrian nasabah dipanggil nasabah dengan nomer antrian yang diawali dengan huruf “C” akan diarahkan ke salah satu dari 2 customer service yang diaktifkan, jika nasabah dengan nomer antrian yang diawali dengan huruf “A” akan diarahkan ke salah satu dari 3 teller yang diaktifkan pada musim normal namun pada musim tinggi akan terdapat 4 teller yang diaktifkan.
112
Gambar 1. Kedatangan Nasabah Bank
Gambar 2. Layanan Customer service
Gambar 3. Layanan Teller
Setelah nasabah sampai pada jalur layanan, petugas layanan akan menanyakan keperluan nasabah dan melayani keperluan nasabah bersangkutan. Nilai waktu layanan customer service dan teller pada musim normal adalah 62+WEIB(562, 1.36) untuk customer service dan 31+1.51e+003*BETA(1.72, 12.1) untuk teller. Berbeda pada musim tinggi nilai waktu layanannya adalah 95+2.01e+003*BETA (0.69, 1.96) untuk customer service dan 29+LOGN(229, 283) untuk teller. Distribusi WEIB atau disebut juga distribusi Weibull memiliki parameter yang sama dengan distribusi BETA. Parameter dari distribusi LOGN atau disebut juga distribusi Lognormal adalah Log Mean pada parameter pertama dan Log Standar Deviasi pada parameter kedua.
2.2 Validasi Model
Untuk proses validasi model, tipe validasi yang digunakan adalah Behavior Validity Tests yaitu fungsi yang mengecek apakah model yang dibangun mampu menghasilkan tingkah laku output yang dapat diterima (Barlas, 1989). Validasi model ini dilakukan terhadap variabel VA Time pada hasil atau output simulasi dan variabel waktu layanan pada data yang dikumpulkan. Variabel VA Time dan waktu layanan yang divalidasi adalah nilai dari variabel yang dimiliki oleh customer service. Pada model musim normal, nilai rata-rata data
dan simulasi untuk perbandingan rata-rata disajikan pada tabel 1 dan untuk nilai standar deviasi data dan simulasi untuk perbandingan variasi amplitude disajikan pada tabel 2. Baik nilai data maupun nilai simulasi adalah dalam satuan menit.
Table 1. Perbandingan Rata-rata Data dan Simulasi Model Musim Normal
Data Simulasi Entity Nilai Data Entity Nilai Simulasi CS 1 9.42 CS 1 9.6301 9.48 9.26 9.47 9.45 CS 2 9.44 CS 2 9.7516 9.49 9.44 9.47 Rata-rata 9.4356 Rata-rata 9.6909 E1 0.027057103 2.7%
Table 2. Perbandingan Variasi Amplitude Data dan Simulasi Model Musim Normal
Data Simulasi Entity Nilai Data Entity Nilai Simulasi CS 1 9.42 CS 1 9.6301 9.48 9.26 9.47 9.45 CS 2 9.44 CS 2 9.7516 9.49 9.44 9.47 Std. Dev 0.0695 Std. Dev 0.0859 E2 0.235971223 23.6%
Pada tabel 1, hasil perhitungan perbandingan rata-rata didapatkan nilai E1 adalah 2.7% dan dari hasil perhitungan perbandingan variasi amplitude pada tabel 2 didapatkan nilai E2 adalah 23.6%. Dari nilai tersebut dapat disimpulkan bahwa model musim normal ini adalah valid karena nilai E1 < 5% (2.7% < 5%) dan nilai E2 < 30% (23.6% < 30%).
Pada model musim tinggi, nilai rata-rata data dan simulasi untuk perbandingan rata-rata disajikan pada tabel 3 dan untuk nilai standar deviasi data dan simulasi untuk perbandingan variasi amplitude disajikan pada tabel 4.
Table 3. Perbandingan Rata-rata Data dan Simulasi Model Musim Tinggi
Data Simulasi Entity Nilai Data Entity Nilai Simulasi CS 1 10.01 CS 1 10.2796 10.07 10.33 CS 2 10.15 CS 2 10.4169 10.06 10.22 Rata-rata 10.140 Rata-rata 10.3483 E1 0.020542 2.1%
Table 4. Perbandingan Variasi Amplitude Data dan Simulasi Model Musim Tinggi
Data Simulasi Entity Nilai Data Entity Nilai Simulasi CS 1 10.01 CS 1 10.2796 10.07 10.33 CS 2 10.15 CS 2 10.4169 10.06 10.22 Std. Dev 0.119 Std.Dev 0.0971 E2 0.184033 18.4%
Pada tabel 3 dapat dilihat dari hasil perhitungan perbandingan rata-rata didapatkan nilai E1 adalah 2.1% dan dari hasil perhitungan perbandingan variasi amplitude pada tabel 4 didapatkan nilai E2 adalah 18.4%. Sehingga dari nilai tersebut dapat disimpulkan bahwa model musim tinggi ini adalah valid karena nilai E1 < 5% (2.1% < 5%) dan nilai E2 < 30% (18.4% < 30%).
Formula (1) dan (2) adalah persamaan yang digunakan untuk menghitung behavior validity test pada tabel 1, 2, 3 dan 4 untuk perbandingan rata-rata (E1) dan perbandingan variasi amplitude (E2), persamaannya adalah sebagai berikut:
[
]
A A S E1= − (1) Sa Sa Ss E2= − (2) Dimana:S = Nilai rata-rata hasil simulasi
A = Nilai rata-rata data
Ss = Standar deviasi hasil simulasi Sa = Standar deviasi data
Model dianggap valid jika nilai dari E1 ≤ 5% dan nilai E2 ≤ 30%.
2.3 Model Skenario
Berikut ini disajikan model skenario dari sistem layanan nasabah. Jenis skenario yang diterapkan adalah skenario struktur, yaitu skenario yang dilakukan dengan jalan mengubah struktur dari model. Skenario jenis ini memerlukan pengetahuan yang cukup mengenai sistem agar struktur baru yang diusulkan dapat memperbaiki kinerja dari sistem. Dalam model skenario ini terdapat dua model yaitu satu model pada musim normal dan satu model pada musim tinggi. Perbedaan antara model musim normal dengan musim tinggi tersebut pada dasarnya sama seperti pada model yang telah dibangun, namun pada model skenario ini strukturnya juga memiliki perbedaan. Perbedaan struktur pada model musim normal adalah dengan penambahan fasilitas passbook updater yaitu fasilitas dimana nasabah dapat mencetak sendiri (self service) transaksi yang ada ke buku tabungan yang dimilikinya. Dengan adanya fasilitas ini nasabah yang datang ke bank hanya untuk mengetahui transaksi yang terjadi dan mencetak pada buku tabungannya tidak perlu mengantri pada layanan customer service, namun nasabah dapat mencetak sendiri dengan kebijakan yang ditentukan oleh pihak bank. Untuk perubahan struktur pada model musim normal dapat dilihat pada gambar 4.
Gambar 4. Model Skenario Musim Normal
114 Perubahan struktur pada model musim tinggi dapat dilihat pada gambar 5. Pada musim tinggi perubahan strukturnya adalah dengan penamba-han satu customer service yang dapat membagi beban kerja sehingga dapat menurunkan waktu tunggu nasabah dan utilisasi dari customer service.
3. HASIL dan PEMBAHASAN
Untuk menunjukkan peningkatan kinerja yang didapatkan dengan melakukan perubahan struktur pada model eksisting, dapat dilihat perbedaan nilai variabel-variabel hasil simulasi pada masing-masing model yang dapat dilihat pada tabel 5. Pada model eksisting terdapat dua model simulasi yaitu model musim normal dan model musim tinggi. Pada model skenario terdapat dua model simulasi yaitu model musim normal dengan penambahan fasilitas passbook updater dan model musim tinggi dengan penambahan satu customer service.
Untuk perbedaan nilai pada variabel VA Time dan NVA time pada empat model tidak menunjukkan perbedaan nilai yang signifikan, karena nilai tersebut merupakan hasil dari distribusi pada masing-masing proses yang memiliki perbedaan hanya pada masing-masing musim layanan saja (musim normal atau musim tinggi).
Untuk variabel Waktu tunggu memiliki perbedaan hasil simulasi yang cukup signifikan. Pada model eksisting musim normal nilai waktu tunggu rata-rata adalah 10.8197 menit, cukup kecil jika dibandingkan dengan nilai Waktu tunggu pada model eksisting musim tinggi yaitu 20.9607 menit. Perbedaan nilai tersebut terjadi karena beberapa hal seperti perbedaan jumlah petugas layanan, nilai distribusi kedatangan nasabah, nilai persentase nasabah ke customer service atau teller dan nilai rata-rata waktu layanan oleh customer service dan teller. Perbedaan Waktu tunggu dari model eksisting musim normal dengan model skenario musim normal yang terjadi penambahan fasilitas passbook updater cukup signifikan yaitu 10.8197 menit dengan 6.0797 menit. Perbedaan tersebut menunjukkan penurunan Waktu tunggu rata-rata sebanyak 4.74 menit ketika ditambahkan fasilitas passbook updater sebagai bagian dari layanan bank. Perbedaan yang lebih signifikan terjadi pada model eksisting musim tinggi dengan model skenario musim tinggi yaitu 20.9607 menit pada model eksisting dan 9.9906 menit pada model skenario. Perbedaan tersebut menunjukkan penurunan Waktu tunggu rata-rata sebanyak 10.9701 menit ketika
ditambahkan satu customer service sebagai sumber daya tambahan untuk dapat melayani kebutuhan nasabah.
Untuk perbedaan nilai utilisasi petugas layanan yang ada dapat dijabarkan sebagai berikut. Nilai utilisasi customer service pada model eksisting musim normal dan musim tinggi tidak memiliki perbedaan yang terlalu tinggi yaitu 0.8076 dan 0.8209 pada model eksisting musim normal, kemudian 0.8803 dan 0.8974 pada model eksisting musim tinggi. Utilisasi dari customer service terbukti menurun pada model skenario musim normal menjadi 0.6809 dan 0.6696 karena salah satu fungsi layanan dari customer service digantikan oleh passbook updater. Penurunan nilai utilisasi kembali berubah signifikan pada model skenario musim tinggi karena terjadi penambahan customer service yang mengakibatkan beban kerja dari customer service menurun menjadi 0.5943, 0.5827 dan 0.6104.
Nilai utilisasi dari Customer service 3 pada model skenario musim tinggi yang memiliki nilai 0.6104 (61.04%) dapat membuktikan bahwa, dengan penambahan satu customer service dapat menurunkan utilisasi dari petugas layanan secara keseluruhan dan nilai utilisasi dari sumber daya yang baru tetap pada rentang nilai yang efisien. Dari kedua model pada model skenario menunjukkan bahwa utilisasi dari petugas layanan customer service dapat mencapai rentang nilai yang efisien yaitu antara 50%-70% tidak seperti pada model eksisting yang nilai utilisasinya mencapai diatas 80%. Hal tersebut menunjukkan bahwa model skenario yang ada dapat meningkatkan efisiensi petugas layanan yang ada.
Table 4. Perbandingan Hasil Simulasi
Variabel
Eksisting Skenario
Normal Tinggi Normal Tinggi VA Time 5.1451 5.612 4.8092 5.6372 NVA Time 6.626 6.5403 6.3499 6.5451 Waktu tunggu 10.8197 20.9607 6.0797 9.9906 Utilization Value: a. CS 1 0.8076 0.8803 0.6809 0.5943 b. CS 2 0.8209 0.8974 0.6696 0.5827 c. CS 3 - - - 0.6104 d. PU - - 0.0458 -
4. SIMPULAN dan SARAN
Berikut ini adalah kesimpulan-kesimpulan yang dapat diambil berdasarkan penelitian yang telah dilakukan. Dalam penelitian ini dikembangkan dua model berdasarkan kondisi eksisting yaitu model musim normal dan model musim tinggi. Setelah dua model tersebut valid, selanjutnya dilakukan skenarioisasi pada kedua model yaitu dengan penambahan passbook updater pada musim normal dan penambahan customer service pada musim tinggi.
Dari perbandingan hasil simulasi, didapatkan untuk model skenario musim tinggi (penambahan customer service) memiliki penurunan nilai rata-rata Waktu tunggu yang terbanyak yaitu 10.9701 menit jika dibandingkan dengan model eksistingnya. Hal ini dikarenakan adanya penambahaan satu customer service yang dapat menangani laju kedatangan nasabah yang tinggi, sehingga waktu tunggu dari nasabah untuk mendapatkan layanan dapat berkurang.
Pada model musim normal dengan skenario penambahan passbook updater, Waktu tunggu rata-rata dapat duturunkan sebanyak 4.74 menit. Utilisasi dari customer service dengan nilai utilisasi rata-rata 81% dapat diturunkan pada rentang nilai efisien yaitu menjadi rata-rata 68%. Pada model musim tinggi dengan skenario penambahan customer service, Waktu tunggu rata-rata dapat diturunkan sebanyak 10.97 menit. Utilisasi dari customer service pada model eksisting dengan nilai rata-rata 89% dapat diturunkan pada rentang nilai efisien yaitu menjadi rata-rata 60%.
5. DAFTAR PUSTAKA
Arifin, Miftahol, 2009. Simulasi Sistem Industri. Yogyakarta: Graha Ilmu.
Bank Indonesia, 2007. Surat Edaran: Penerapan Manajemen Risiko dalam Penggunaan Teknologi Informasi oleh Bank Umum. Jakarta: No. 9/30/DPNP, BI.
Barlas, Yaman, 1989. Multiple tests for validation of system dynamics type of simulation models. European Journal of Operational Research. 42, hal. 59-87. Casu, Barbara., Girardone, Claudia, 2009.
Integration and Efficiency Convergence in EU Banking Markets. Omega.
Hasan, Alizar, 2008. Pengaruh Kemampuan Teknologi Informasi Terhadap Kinerja Bank Umum di Sumatera Barat. Jurnal Ilmiah Teknik Industri, Vol. 8 No. 1, hal. 32-37. Hays, Fred H., Lurgio, Stephen A. De., Gilbert
Jr, Arthur H., 2009. Efficiency Ratios and Community Bank Performance. Journal of Finance and Accountancy.
Meepadung, Napapan., Tang, John C.S., Khang, Do Ba, 2009. IT-based banking services: Evaluating operating and profit efficiency at bank branches. Journal of High Technology Management Research, 20, hal. 145-152. Trisusilo, Annie Y. K., 1994. Esfisiensi Waktu
Pelayanan di Poliklinik Anak R.S.U.D Pasar Rebo Jakarta. Tesis Magister. Jakarta: Universitas Indonesia.
