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
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
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
BAB II
LANDASAN TEORI
2.1 UJI KOLMOGOROV-SMIRNOV
Misal F(x) yang merupakan fungsi distribusi kontinu tidak diketahui, sedang F0(x) merupakan fungsi distribusi kontinu yang dihipotesiskan maka prosedur uji Kolmogorov-Smirnov dijelaskan sebagai berikut :
A. H0 = F(x)= F0(x) untuk semua nilai x yang diambil
Data dapat didekati oleh distribusi dengan fungsi distribusi F0(x). H1 = F(x) F0(x) , minimal ada satu nilai x.
B. Daerah kritis penolakan H0
= probabilitas menolak H0 yang benar
H0 ditolak jika nilai asimtotik signifikan p(sig) < C. Statistik Uji
D = Sup |S(x)- F0(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).
2.2MODEL 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
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
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
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
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 :
Uji Hipotesis
i) H0 = F(x)= F0(x) ( Data yang diambil berdistribusi normal ) H1 = F(x) F0(x) ( Data yang diambil tidak berdistribusi normal ) ii) = 0.05
iii) Daerah Kritis : H0 ditolak jika P value < = 0.05 iv) Statistik Uji
Dari output diperoleh P value > 0.15 v) Kesimpulan
Karena P value > 0.15 > = 0.05 maka H0 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 :
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) H0 = F(x)= F0(x) ( Data yang diambil berdistribusi normal ) H1 = F(x) F0(x) ( Data yang diambil tidak berdistribusi normal ) ii) = 0.05
iii) Daerah Kritis : H0 ditolak jika P value < = 0.05 iv) Statistik Uji
Dari output diperoleh P value > 0.15 v) Kesimpulan
Karena P value > 0.15 > = 0.05 maka H0 diterima, artinya bahwa data yang diambil berdistribusi normal
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) H0 = F(x)= F0(x) ( Data yang diambil berdistribusi normal ) H1 = F(x) F0(x) ( Data yang diambil tidak berdistribusi normal ) ii) = 0.05
iii) Daerah Kritis : H0 ditolak jika P value < = 0.05 iv) Statistik Uji
Dari output diperoleh P value > 0.15 v) Kesimpulan
Karena P value > 0.15 > = 0.05 maka H0 diterima, artinya bahwa data yang diambil berdistribusi normal
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) H0 = F(x)= F0(x) ( Data yang diambil berdistribusi normal ) H1 = F(x) F0(x) ( Data yang diambil tidak berdistribusi normal ) ii) = 0.05
iii) Daerah Kritis : H0 ditolak jika P value < = 0.05 iv) Statistik Uji
Dari output diperoleh P value > 0.15 v) Kesimpulan
Karena P value > 0.15 > = 0.05 maka H0 diterima, artinya bahwa data yang diambil berdistribusi normal
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) H0 = F(x)= F0(x) ( Data yang diambil berdistribusi normal ) H1 = F(x) F0(x) ( Data yang diambil tidak berdistribusi normal ) ii) = 0.05
iii) Daerah Kritis : H0 ditolak jika P value < = 0.05 iv) Statistik Uji
Dari output diperoleh P value > 0.15 v) Kesimpulan
Karena P value > 0.15 > = 0.05 maka H0 diterima, artinya bahwa data yang diambil berdistribusi normal
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) H0 = F(x)= F0(x) ( Data yang diambil berdistribusi normal ) H1 = F(x) F0(x) ( Data yang diambil tidak berdistribusi normal ) ii) = 0.05
iii) Daerah Kritis : H0 ditolak jika P value < = 0.05 iv) Statistik Uji
Dari output diperoleh P value > 0.15 v) Kesimpulan
Karena P value > 0.15 > = 0.05 maka H0 diterima, artinya bahwa data yang diambil berdistribusi normal
4.2 SIMULASI
Hasil output simulasi pada software Arena 5.0 :
Dari hasil output software Arena 5.0 diperoleh hasil rata-rata service time tiap unit yaitu :
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 :
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.
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.
LAMPIRAN I
Diagram alir pembayaran pajak tahunan sepeda motor
Gambar dibawah ini adalah pembuatan Queue
Gambar dibawah ini adalah pembuatan Entity
Gambar dibawah ini adalah pembuatan Create
Gambar dibawah ini adalah pembuatan Dispose
LAMPIRAN II
