BAB 4 PENGUMPULAN DAN ANALISIS DATA 4.1 Pengumpulan Data Sebelum melakukan pengolahan dan analisis data, penulis melakukan observasi kondisi yang ada di area final inspection VLC saat ini. Observasi dilakukan untuk mendapatkan data-data, sehingga data tersebut dapat dianalisis menggunakan teori antrian lalu dilakukan simulasi. Adapun data hasil observasi yang telah dilakukan adalah sebagai berikut : 1. Model sistem antrian area final inspection. 2. Data kedatangan kendaraan. 3. Data waktu pelayanan. 4. Data total biaya pelayanan. Untuk data total biaya pelayanan akan di tampilkan saat melakukan perhitungan optimalisasi jumlah server. 4.1.1 Model Sistem Antrian Pada sistem antrian di area final inspection penulis mengamati model sistem antrian yang digunakan saat ini yaitu jenis model antrian satu saluran satu tahap yang berarti kendaraan yang ingin menggunakan fasilitas pelayanan, menunggu dalam sebuah antrian sampai gilirannya untuk dilayani. Model sistem antrian ini didasarkan beberapa asumsi diantaranya kedatangan mengikuti distribusi poisson, waktu
67
pelayanan mengikuti distribusi eksponensial, disiplin antrian kendaraan yang datang dilayani terlebih dahulu (First Come First Served). Selain itu penulis juga melihat adanya keterbatasan antrian dikarenakan luas lokasi yang ada. Batas antrian yang diijinkan sebanyak 16 unit kendaraan. Gambaran model sistem antrian di final inspection saat ini sebagai berikut :
Keterangan : = Aliran proses = Area washing dan final inspection = Tenaga kerja = Kendaraan export Gambar 4.1 Model sistem antrian area final inspection Dari gambaran model diatas, dibawah ini merupakan gambar kondisi yang ada di lapangan sebenarnya
68
. Sumber Kedatangan (Washing)
Area Final Inspection
Antrian Final Inspection Gambar 4.2 Kondisi lapangan di area final inspection
4.1.2 Data Kedatangan Kendaraan di Final Inspection Data kedatangan didapatkan dengan pengamatan langsung di area final inspection. Data dikumpulkan dengan mencatat waktu kedatangan setiap kendaraan yang datang ke area final inspection setelah selesai proses pencucian. Pengamatan dilakukan pada bulan April 2010, data yang didapatkan merupakan data kedatangan kendaraan ke final inspection selama 2 minggu. Pengamatan mewakili semua hari kecuali sabtu dan minggu, dikarenakan sabtu minggu merupakan hari libur kerja. Berikut ini pada tabel 4.1 merupakan data kedatangan kendaraan ke final inspection selama 2 minggu.
69
Tabel 4.1 Data kedatangan kendaraan export ke area final inspection
Hari / Tanggal
Senin 12/04/2010
Selasa 13/04/2010
Rabu 14/04/2010
Kamis 15/04/2010
Interval Waktu 8:00 - 9:00 9:00 - 10:00 10:00 - 11:00 11:00 - 12:00 13:00 - 14:00 14:00 - 15:00 15:00 - 16:00 8:00 - 9:00 9:00 - 10:00 10:00 - 11:00 11:00 - 12:00 13:00 - 14:00 14:00 - 15:00 15:00 - 16:00 8:00 - 9:00 9:00 - 10:00 10:00 - 11:00 11:00 - 12:00 13:00 - 14:00 14:00 - 15:00 15:00 - 16:00 8:00 - 9:00 9:00 - 10:00 10:00 - 11:00 11:00 - 12:00 13:00 - 14:00 14:00 - 15:00 15:00 - 16:00
Jumlah Kedatangan 13 10 12 6 8 9 7 14 17 6 1 14 14 20 10 15 16 11 16 18 9 16 15 9 10 8 18 12
70
Tabel 4.1 Data kedatangan kendaraan export ke area final inspection (lanjutan)
Hari / Tanggal
Jumat 16/04/2010
Senin 19/04/2010
Selasa 20/04/2010
Rabu 21/04/2010
Interval Waktu 8:00 - 9:00 9:00 - 10:00 10:00 - 11:00 11:00 - 12:00 13:00 - 14:00 14:00 - 15:00 15:00 - 16:00 8:00 - 9:00 9:00 - 10:00 10:00 - 11:00 11:00 - 12:00 13:00 - 14:00 14:00 - 15:00 15:00 - 16:00 8:00 - 9:00 9:00 - 10:00 10:00 - 11:00 11:00 - 12:00 13:00 - 14:00 14:00 - 15:00 15:00 - 16:00 8:00 - 9:00 9:00 - 10:00 10:00 - 11:00 11:00 - 12:00 13:00 - 14:00 14:00 - 15:00 15:00 - 16:00
Jumlah Kedatangan 15 10 9 3 15 12 12 13 14 13 10 15 2 8 21 13 11 4 9 19 4 15 19 16 12 15 16 11
71
Tabel 4.1 Data kedatangan kendaraan export ke area final inspection (lanjutan)
Hari / Tanggal
Kamis 22/04/2010
Jumat 23/04/2010
Interval Waktu 8:00 - 9:00 9:00 - 10:00 10:00 - 11:00 11:00 - 12:00 13:00 - 14:00 14:00 - 15:00 15:00 - 16:00 8:00 - 9:00 9:00 - 10:00 10:00 - 11:00 11:00 - 12:00 13:00 - 14:00 14:00 - 15:00 15:00 - 16:00
Jumlah Kedatangan 15 10 9 3 15 12 12 7 13 12 5 12 13 8
Dari data diatas maka dibuatkan rangkuman total data jumlah kedatangan kendaraan dan grafik jumlah kedatangan selama pengamatan. Rangkuman total ditampilkan pada tabel 4.2. Tabel 4.2 Data total jumlah kedatangan kendaraan export ke area final inspection
Hari Senin Selasa Rabu Kamis Jumat Senin Selasa Rabu Kamis Jumat
Tanggal 12-Apr-10 13-Apr-10 14-Apr-10 15-Apr-10 16-Apr-10 19-Apr-10 20-Apr-10 21-Apr-10 22-Apr-10 23-Apr-10 TOTAL
Jumlah Kedatangan 65 86 95 88 76 75 81 104 76 70 816
72
Grafik 4.1 Total jumlah kedatangan kendaraan export ke area final inspection
Jika dilihat dari tabel total jumlah kedatangan kendaraan export ke area final inspection, dapat dilihat jumlah kedatangan kendaraan yang paling banyak yaitu pada tanggal 21 April 2010. Untuk menganalisis data antrian harus pada periode sibuk, maka data yang akan digunakan untuk analisis antrian adalah data tanggal 21 April 2010 dengan jumlah kedatangan 104 unit kendaraan.
4.1.2.1 Pengujian Distribusi Data Kedatangan Pengujian distribusi data kedatangan dilakukan untuk mengetahui apakah pola data kedatangan tersebut mengikuti suatu distribusi statistik tertentu, sehingga bisa diketahui sistem antrian apa yang sesuai untuk perhitungan. Pengujian distribusi data kedatangan menggunakan pola distribusi diskret. Berikut merupakan tabel dan grafik data kedatangan kendaraan yang akan dilakukan pengujian distribusi.
73
Tabel 4.3 Data kedatangan kendaraan terbanyak
Interval Waktu Kedatangan
Frekuensi Kedatangan
8:00-9:00 9:00-10:00 10:00-11:00 11:00-12:00 13:00-14:00 14:00-15:00 15:00-16:00
15 19 16 12 15 16 11 104
TOTAL
Grafik 4.2 Frekuensi kedatangan kendaraan berdasarkan waktu
Rata-rata tingkat kedatangan = λ =
totalkendaraan 104 = = 14,86 unit/jam jumlahwaktu 7
Tabel data diatas akan dilakukan pengujian distribusi dengan uji Goodness of Fit menggunakan software SPSS 15. Berikut ini hasil pengujian yang dilakukan oleh SPSS 15.
74
Tabel 4.4 Uji Goodness of Fit data kedatangan
Pengujian goodness of fit pada SPSS menggunakan Kolmogorov Smirnov karena pengujian lebih fleksibel dibandingkan dengan Chi Square. Hasil pengujian dengan SPSS
15
menunjukkan
bahwa
data
berdistribusi
Poisson
dengan
cara
membandingkan nilai signifikansi (Asymp. Sig) dengan nilai taraf nyata yang telah ditetapkan sebesar 0,05. Asymp. Sig > Taraf Nyata Poisson 0,954 > 0,05 Data kedatangan dapat disimpulkan berdistribusi Poisson karena nilai signifikansi lebih besar dari nilai taraf nyata pada distribusi Poisson..
4.1.3 Data Pelayanan Kendaraan di Final Inspection Data pelayanan kendaraan ke area final inspection dikumpulkan dengan mencatat waktu pelayanan pada kedatangan terbanyak untuk setiap kendaraan yang di cek pada
75
area tersebut. Pencatatan data pelayanan kendaraan di final inspection dicatat dalam satuan menit untuk setiap 1 unit kendaraan yang masuk. Tabel 4.5 Data Pelayanan Kendaraan export ke area final inspection
Waktu Frekuensi pelayanan (fi) (xi) 3,02 3,03 3,10 3,15 3,18 3,22 3,25 3,28 3,30 3,32 3,33 3,37 3,42 3,47 3,48 3,50 3,53 3,62 3,63 3,67 3,68 3,70 3,73 3,75 3,77
4 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 2 1 1 1 2 1 1 2 1
2
xi . fi
xi . fi
12,067 3,033 3,100 3,150 3,183 3,217 3,250 3,283 3,300 3,317 3,333 3,367 6,833 3,467 3,483 3,500 7,067 3,617 3,633 3,667 7,367 3,700 3,733 7,500 3,767
36,401 9,201 9,610 9,923 10,134 10,347 10,563 10,780 10,890 11,000 11,111 11,334 23,347 12,018 12,134 12,250 24,969 13,080 13,201 13,444 27,134 13,690 13,938 28,125 14,188
Waktu Frekuensi pelayanan (fi) (xi) 4,00 4,02 4,03 4,07 4,08 4,20 4,25 4,33 4,47 4,48 4,53 4,62 4,68 4,75 4,80 4,83 4,88 4,92 4,95 4,97 5,03 5,05 5,10 5,20 5,27
3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 2 1 1 1 1 1
xi . fi
xi2 . fi
12,000 4,017 4,033 4,067 4,083 4,200 4,250 4,333 4,467 4,483 4,533 4,617 4,683 4,750 4,800 4,833 4,883 9,833 4,950 9,933 5,033 5,050 5,100 5,200 5,267
48,000 16,134 16,268 16,538 16,674 17,640 18,063 18,778 19,951 20,100 20,551 21,314 21,934 22,563 23,040 23,361 23,847 48,347 24,503 49,336 25,334 25,503 26,010 27,040 27,738
76
Tabel 4.5 Data Pelayanan Kendaraan export ke area final inspection (lanjutan)
Waktu Frekuensi pelayanan (fi) (xi) 5,47 5,50 5,57 5,60 5,62 5,65 5,73 5,78 5,92 5,95 6,08 6,12 6,13 6,17 6,22 6,25 6,33 6,47 6,57 6,73 6,92 6,97
1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
xi . fi
xi2 . fi
5,467 11,000 5,567 5,600 5,617 5,650 5,733 5,783 5,917 5,950 6,083 6,117 6,133 6,167 6,217 6,250 6,333 6,467 6,567 6,733 6,917 6,967
29,884 60,500 30,988 31,360 31,547 31,923 32,871 33,447 35,007 35,403 37,007 37,414 37,618 38,028 38,647 39,063 40,111 41,818 43,121 45,338 47,840 48,534
Rata-rata waktu pelayanan =
Waktu Frekuensi pelayanan (fi) (xi) 7,05 7,15 7,25 7,33 7,42 7,50 7,75 7,92 8,05 8,10 8,55 8,67 8,75 8,83 9,08 9,25 9,45 9,57 10,15 10,23 Total
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 104
∑ Xi. fi = 549,617 = 5,28menit 104 ∑ fi
Rata-rata tingkat pelayanan = µ =
60 = 11,353unit / jam 5,284
xi . fi
xi2 . fi
7,050 49,703 7,150 51,123 7,250 52,563 7,333 53,778 7,417 55,007 7,500 56,250 7,750 60,063 7,917 62,674 8,050 64,803 8,100 65,610 8,550 73,103 8,667 75,111 8,750 76,563 8,833 78,028 9,083 82,507 9,250 85,563 9,450 89,303 9,567 91,521 10,150 103,023 10,233 104,721 549,617 3269,85
77
Dari data di atas dibuatkan rangkuman jumlah kendaraan yang dilakukan pengecekan permenitnya. Berikut merupakan tabel rangkuman total pelayanan kendaraan dan grafik untuk waktu pelayanan. Tabel 4.6 Rangkuman data pelayanan kendaraan
Waktu pelayanan (menit)
Frekuensi Observasi
3-4 4-5 5-6 6-7 7-8 8-9 9-10 10-11
32 24 16 12 8 6 4 2
Grafik 4.3 Frekuensi waktu pelayanan kendaraan
78
4.1.3.1 Pengujian Distribusi Data Pelayanan Sama halnya dengan data kedatangan, data pelayanan dilakukan juga pengujian goodness of fit untuk menentukan distribusi yang sesuai dengan distribusi statistik yang ada. Untuk data kedatangan menggunakan pola distribusi diskrit, sedangkan untuk data pelayanan menggunakan pola distribusi kontinyu. Dari grafik dapat dilihat data pelayanan mengikuti pola distribusi eksponensial. Untuk mendukung grafik diatas maka dilakukan pengujian data pelayanan dengan menggunakan software SPSS 15 . Berikut ini hasil pengujian yang dilakukan oleh SPSS 15. Tabel 4.7 Uji Goodness of Fit data pelayanan
Hasil pengujian dengan SPSS 15 menunjukkan bahwa data berdistribusi eksponensial dengan cara membandingkan nilai signifikansi (Asymp. Sig) dengan nilai taraf nyata yang telah ditetapkan sebesar 0,05. Asymp. Sig > Taraf Nyata eksponensial 0,997 > 0,05
79
Data kedatangan dapat disimpulkan berdistribusi eksponensial karena nilai signifikansi lebih besar dari nilai taraf nyata pada distribusi eksponensial.
4.2 Pengolahan Data Antrian Berdasarkan hasil pengujian data kedatangan dan data waktu pelayanan kendaraan yang dilakukan pada sistem antrian di area final inspection, model sistem antrian awal yang digunakan yaitu jenis model antrian satu saluran satu tahap dengan jumlah kedatangan terbatas. Hal ini berarti sistem antrian yang ada sekarang hanya ada sebuah antrian didepan fasilitas pelayanan yang berisi satu saluran dengan kedatangan yang dibatasi. Model antrian yang ada saat ini didasarkan beberapa asumsi yaitu data kedatangan berdistribusi poisson, data pelayanan berdistribusi eksponensial, disiplin antri First In First Serve (FCFS) , dan panjang antrian dibatasi sebanyak 16 unit. Dari hasil pengumpulan data dan observasi, ditemukan antrian pada sistem antrian yang ada saat ini. Untuk itu penulis bermaksud memberikan usulan untuk menambah jumlah server sehingga tidak terjadi antrian dan merubah model antrian menjadi jenis model antrian banyak saluran satu tahap. Server yang dimaksudkan disini adalah operator untuk jalur baru final inspection. Usulan menambah jumlah server ini dimaksudkan menambah operator baru pada jalur ke dua di final inspection. Untuk lokasi jalur ke dua di final inspection sendiri sudah ada tetapi belum beroperasi. Dalam menambah jumlah server hal yang perlu diperhatikan adalah waktu tunggu dan total biaya pelayanan akan dikeluarkan perusahaan. Untuk itu dilakukan
80
pengolahan data sistem antrian yang ada saat ini dan sistem antrian usulan, lalu dilakukan analisis optimalisasi jumlah server yang akan diimplementasikan.
4.2.1 Karakteristik Sistem Antrian Awal Sistem antrian awal dimodelkan sebagai [M/M/1]:[FCFS/16/∞] dengan k=1 sehingga karakteristik operasi antriannya sebagai berikut : Rata-rata tingkat kedatangan (λ) = 14,857 unit/jam Rata-rata tingkat pelayanan (µ) = 11,353unit/jam Ukuran antrian maksimum (N) = 16 unit
•
Utilisasi server (Rho)
ρ = λ/µ ρ=
14,857unit / jam 11,353unit / jam
ρ = 1,309 Keterangan : ρ > 1 antrian akan terjadi
ρ ≤ 1 antrian tidak akan terjadi Karena λ < µ,,maka perhitungan selanjutnya harus memakai λeff dimana lamda ini memiliki nilai lebih kecil agar kondisi pada sistem antrian ini mencapai stabilitas.
•
Probabilitas sistem antrian kosong (Po)
81
1− ρ 1 − ρ N +1 1 − 1,309 Po = 1 − 1,30916 +1 − 0,309 Po = − 95,816
Po=
Po = 0,0032 Angka diatas menunjukkan bahwa sistem antrian dengan 1 server sangat sibuk karena peluang sistem antrian sangat kecil.
•
Probabilitas sistem antrian menunggu (Pn) Pn =
1− ρ ρN N +1 1− ρ
P16 =
1 − 1,309 1,30916 1 − 1,30916 +1
P16 =
− 0,309 × 73,982 − 95,816
P16 = 0,238
•
Jumlah kedatangan unit yang diperkirakan dalam sistem (Ls) Ls =
ρ {1 − ( N + 1)ρ N + Nρ N +1 } (1 − ρ )(1 − ρ N +1 )
Ls =
ρ {1 − ( N + 1)ρ N + Nρ N +1 } (1 − ρ )(1 − ρ N +1 )
82
Ls
=
Ls
=
{
1,309 1 − (16 + 1)1,30916 + 16.1,30916 +1 (1 − 1,309)(1 − 1,30916 +1 )
}
382,596 29,573
Ls = 12,937 unit
•
Laju kedatangan efektif (λeff)
λeff = λ (1 − Pn) λeff = 14,857(1 − 0,238) λeff = 11,316 unit / jam Dalam hal ini λeff < µ yaitu 11,316 unit/jam < 11,353 unit/jam
•
Utilisasi server efektif dengan λeff :
ρ (dengan λeff) =
11,316unit / jam 11,353unit / jam
ρ (dengan λeff) = 0,9967
•
Jumlah kedatangan unti yang diperkirakan dalam antrian (Lq) Lq = Ls -
λeff µ
Lq = 12,937 -
11,316 11,353
Lq = 11,941 unit
83
•
Waktu menunggu yang diperkirakan dalam antrian (Wq) Wq =
Wq =
Lq
λeff 11,941 11,316
Wq = 1,055 jam
•
Waktu menunggu yang diperkirakan dalam sistem (Ws) W s = Wq +
1
µ
Ws = 1,055 +
1 11,353
Ws = 1,143 jam
4.2.2 Karakteristik Sistem Antrian Usulan Sistem antrian usulan yang akan dilakukan perhitungan ada 2, yaitu sistem antrian dengan menggunakan dua server dan tiga server. Sistem antrian usulan tersebut akan dijelaskan sebagai berikut.
a. Dua Server Sistem antrian usulan dimodelkan sebagai [M/M/2]:[FCFS/16/∞] dengan k=2 dan karakteristik operasi antriannya sebagai berikut : Rata-rata tingkat kedatangan (λ) = 14,857 unit/jam
84
Rata-rata tingkat pelayanan (µ) = 11,353unit/jam Ukuran antrian maksimum (N) = 16 unit •
Utilisasi server (Rho)
ρ=
λ µc
ρ=
14,857 11,353 × 2
ρ = 0,654 unit / jam
•
Probabilitas sistem antrian kosong (Po)
ρ N − c +1 c ρ − 1 − c n c −1 ρ Po= ∑ + ρ n = 0 n! c!1 − c
−1
0,654 16 − 2 +1 2 0,654 − 1 − 2 0 1 c −1 0,654 0,654 Po= ∑ + + 1! 0,654 n = 0 0! 2!1 − 2 1 0,654 0,428(1) Po= + + 1 2(0,673) 1
0,428 1 Po= + 0,654 + 1,346 1 Po= [1,972]
−1
−1
−1
−1
85
Po= 0,507
•
Probabilitas sistem antrian menunggu (Pn) Pn =
ρn c!c n − c
Po
0,65416 Pn = × 0,506 2!216 − 2 Pn =
1,128 × 10 −3 × 0,506 2 × 16384
Pn = 1,75 × 10 −8
•
Jumlah kedatangan unit yang diperkirakan dalam antrian (Lq) N −c ρ N − c ρ ρ ( ) 1 − − N − c 1 − Lq = P0 (c − 1)!(c − ρ ) 2 c c c
ρ c +1
Lq= 0,654 2 +1 0,506 (2 − 1)!(2 − 0,654) 2
16 − 2 0,654 16 − 2 0,654 0,654 − (16 − 2 ) 1 − 1 − 2 2 2
Lq= 0,506 × 0,155 × 0,327 Lq= 0,026 unit
•
Jumlah kedatangan unit yang diperkirakan dalam sistem (Ls)
86
Ls = Lq +
λeff µ
Ls = 0,026 +
11,316 11,353
Ls = 1,022 unit
•
Waktu menunggu yang diperkirakan dalam antrian (Wq) Wq =
Wq =
Lq
λeff 0,026 11,316
Wq = 0,0023 jam
•
Waktu menunggu yang diperkirakan dalam sistem (Ws) Ws = Wq +
1
µ
Ws = 0,0023 +
1 11,353
Ws = 0,0903 jam
b. Tiga Server Sistem antrian usulan dimodelkan sebagai [M/M/3]:[FCFS/16/∞] dengan k=3 dan karakteristik operasi antriannya sebagai berikut :
87
Rata-rata tingkat kedatangan (λ) = 14,857 unit/jam Rata-rata tingkat pelayanan (µ) = 11,353 unit/jam Ukuran antrian maksimum (N) = 16 unit
•
Utilisasi server (Rho)
ρ=
λ µc
ρ=
14,857 11,353 × 3
ρ = 0,436 unit / jam
•
Probabilitas sistem antrian kosong (Po)
ρ N − c +1 c ρ − 1 − c n c −1 ρ Po= ∑ + ρ n = 0 n! c!1 − c
−1
0,436 16 − 3 +1 3 0,436 − 1 − 3 0 1 2 c −1 0,436 0,436 0,436 Po= ∑ + + + 1! 2! 0,436 n = 0 0! 3!1 − 3 1 0,436 0,1902 0,083(1) Po= + + + 1 2 6(0,854) 1
0,083 Po= 1 + 0,436 + 0,095 + 5,128
−1
−1
−1
88
Po= [1,548]
−1
Po= 0,646
•
Probabilitas sistem antrian menunggu (Pn) Pn =
Pn =
ρn c!c n − c
Po
0,43616 × 0,646 3!316 − 3
1,719 × 10 −6 Pn = × 0,646 6 × 1594323 Pn = 1,161 × 10 −13
•
Jumlah kedatangan unit yang diperkirakan dalam antrian (Lq) N −c ρ N − c ρ ρ ( ) Lq = P0 N c 1 − − − 1 − c (c − 1)!(c − ρ ) 2 c c
ρ c +1
Lq= 0,4363+1 0,646 (3 − 1)!(3 − 0,436) 2
16 − 3 0,436 16 − 3 0,436 0,436 − (16 − 3) 1 − 1 − 3 3 3
Lq= 0,646 × 0,0028 × 0,145 Lq= 0,0003 unit
•
Jumlah kedatangan unit yang diperkirakan dalam sistem (Ls)
89
Ls = Lq +
λeff µ
Ls = 0,0003 +
11,316 11,353
Ls = 0,997unit
•
Waktu menunggu yang diperkirakan dalam antrian (Wq) Wq =
Wq =
Lq
λeff 0,0003 11,353
Wq = 2,287 × 10 −5 jam
•
Waktu menunggu yang diperkirakan dalam sistem (Ws) Ws = Wq +
1
µ
Ws = 2,287 × 10 −5 +
1 11,353
Ws = 0,088 jam
4.2.3 Perhitungan Biaya Pelayanan Untuk menghitung total biaya pelayanan didapat dari rumus :
TC = C1.s + C2.Ls(s)
90
Dimana :
C1 = Biaya tenaga kerja per jam C2 = Biaya menunggu s = Jumlah server Ls(s) = Jumlah rata-rata pelanggan dalam sistem untuk setiap server
Untuk menghitung total biaya pelayanan masing-masing server diperlukan data biaya pelayanan dan biaya menunggu. Dalam kasus ini, yang termasuk dalam biaya menunggu yaitu sebagai berikut :
− Biaya lembur operator − Biaya menunggu kendaraan saat mengantri Dengan adanya menunggu maka akan ada biaya penambahan lembur karyawan. Berdasarkan pengamatan dilapangan didapatkan informasi mengenai biaya yang ada di PT ADM yaitu Biaya pelayanan (C1) adalah upah reguler yang diberikan perusahaan untuk seorang operator di final inspection sebesar Rp 7.600,-/jam. Sedangkan biaya menunggu (C2) adalah upah lembur operator di pelabuhan dan final
inspection sebesar
Rp 20.400,-/jam dan dijumlahkan dengan biaya menunggu
kendaraan saat mengantri sebesar Rp 4.900,-/jam, sehingga besar biaya menunggu Rp 25.300,-/jam. Apabila seorang kendaraan yang akan dilayani terlalu lama menunggu maka akan mengakibatkan terjadinya penumpukan dan dalam hal ini operator harus bekerja lembur untuk menyelesaikannya.
91
•
Total biaya pelayanan sistem antrian satu server C1 = Rp 7.600,-/jam C2 = Rp 25.300,-/jam s = 1 server Ls = 12,937 TC = C1.s + C2.Ls(s) TC = (Rp 7.600,-) (1) + (Rp 25.300,-) (12,937) = Rp 7.600,- + Rp 327.306,10 = Rp 334.906,10 /jam
•
Total biaya pelayanan sistem antrian dua server C1 = Rp 7.600,-/jam C2 = Rp 25.300,-/jam s = 2 server Ls = 1,022 TC = C1.s + C2.Ls(s) TC = (Rp 7.600,-) (2) + (Rp 25.300,-) (1,022) = Rp 15.200,- + Rp 25.856,60 = Rp 41.056,60/jam
•
Total biaya pelayanan sistem antrian tiga server
92
C1 = Rp 7.600,-/jam C2 = Rp 25.300,-/jam s = 3 server Ls = 0,997 TC = C1.s + C2.Ls(s) TC = (Rp 7.600,-) (3) + (Rp 25.300,-) (0,977) = Rp 22.800,- + Rp 25.224,10 = Rp 48.024,10/jam
4.2.4 Analisis Pengolahan Data Antrian Pada analisa pengolahan data antrian akan dilakukan pencarian jumlah server yang paling optimal. Menurut Taha (2007,p594) dalam mengambil keputusan mengenai masalah antrian dapat menggunakan pendekatan model biaya. Model biaya pada dasarnya menyeimbangkan jenis biaya yang bertentangan yaitu : - Biaya penawaran pelayanan. - Biaya penundaan dalam penawaran pelayanan. Untuk mendukung hal tersebut maka dibuatkan rangkuman perbandingan hasil perhitungan sistem antrian awal dan usulan. Berikut merupakan rangkuman perbandingan hasil perhitungan sistem antrian awal dan usulan.
93
Tabel 4.8 Rangkuman perbandingan hasil perhitungan sistem antrian
JUMLAH SERVER Model Antrian [M/M/1]:[FCFS/16/∞] [M/M/2]:[FCFS/16/∞] [M/M/3]:[FCFS/16/∞] ρ
1,30864
0,65432
0,436214
Po
0,32%
50,69%
64,61%
Lq
11,9406 Unit
0,0256 Unit
2,58x10 Unit
Ls
12,937 Unit
1,0224 Unit
0,997 Unit
Wq
1,0551 Jam
2,267x10 Jam
2,28x10 Jam
Ws
1,1432 Jam
0,0903 Jam
0,0881 Jam
ρ (dengan λeff )
-4
-3
-5
0,99674
Dari hasil rangkuman di atas terlihat bahwa waktu tunggu yang paling kecil dengan menggunakan tiga server yaitu Wq = 2,28 x 10-5 Jam. Penggunaan tiga server belum bisa dikatakan yang paling optimal, karena laju pelayanan optimal tergantung juga dengan biaya pelayanan yang ada. Belum tentu laju pelayanan baik tetapi biaya yang dikeluarkan biaya yang paling baik. Untuk itu dibuatkan juga rangkuman perbandingan biaya sistem antrian awal dan usulan. Berikut merupakan rangkuman biaya dari sistem antrian awal dan usulan. Tabel 4.9 Rangkuman perbandingan biaya sistem antrian
Jumlah Server 1
EOC EWC ETC (Total Biaya) Rp 7.600,00 Rp 327.306,10 Rp 334.906,10
2
Rp 15.200,00 Rp
25.856,60
Rp
41.056,60
3
Rp 22.800,00 Rp
25.224,10
Rp
48.024,10
Dari rangkuman yang ada maka dilakukan perhitungan untuk menentukan jumlah pelayanan yang paling optimal. Dalam menentukan jumlah pelayanan optimal,
94
digunakan data jumlah kedatangan yang diperkirakan dalam sistem (Ls) dan perbandingan antara biaya pelayanan dan biaya menunggu. Perhitungan jumlah
server dan tabel pembanding yang paling optimal sebagai berikut : Biaya Pelayanan (C1) = Rp 7.600,Biaya Menunggu (C2) = Rp 25.300,C1/C2 = 7.600 / 25.300 = 0,3004 Dari perhitungan diatas diterapkan kondisi ini dan dibuatkan tabelnya Ls(c) – Ls(c+1) ≤ C1/C2 ≤ Ls(c-1) – Ls(c) Tabel 4.10 Perhitungan penentuan jumlah server optimal
Jumlah Server (c) 1
Ls (c) 12,937
Ls(c-1) - Ls(c) 12,937
2
1,022
11,915
3
0,997
0,025
Besar C1/C2 = 0,3004. Jika dilihat dari tabel besar nilai tersebut ada diantara jumlah
server 2 dan server 3. Maka kondisi diterapkan sebagai berikut. Ls(c) – Ls(c+1) = 0,025 ≤ 0,3004 ≤ 11,915 = Ls(c-1) – Ls(c) Dari perhitungan tersebut, angka yang paling dekat untuk perbandingan antara biaya pelayanan dan biaya menunggu (C1/C2) terdapat pada jumlah final inspection dengan dua server = 11,915. Sehingga dapat disimpulkan sementara, jumlah final
inspection dengan dua server merupakan jumlah yang server yang optimal. Untuk mendukung kesimpulan sementara tersebut, maka dilakukan simulasi dengan menggunakan promodel 7.0.
95
4.3 Simulasi Data dengan Promodel 7.0 Selain melakukan perhitungan dengan menggunakan karakteristik operasi antrian, dalam melakukan pemecahan masalah juga digunakan berbagai macam cara yaitu dengan mensimulasikannya. Dalam melakukan simulasi, menggunakan suatu alat bantu program Promodel 7.0. Simulasi ini dilakukan bertujuan mencari jumlah final
inspection yang optimal. Dalam simulasi sederhana ini melibatkan sistem yang memiliki karakteristik random, maka hasil dari simulasi pada kenyataannya juga akan bersifat random. Hasil dari eksekusi tunggal terhadap simulasi hanya mewakili satu dari beberapa keluaran yang mungkin terjadi. Oleh karena itu, diperlukan eksekusi dengan beberapa kali pengujian untuk menguji hasil kebenaran. Jumlah pengujian harus disesuaikan dengan tingkat ketelitian yang dibutuhkan oleh keluaran. Untuk tingkat ketelitian yang tinggi, dibutuhkan jumlah pengulangan pengujian yang lebih banyak supaya diperoleh kesesuaian keluaran dengan tingkat keyakinan yang telah ditetapkan. Untuk melakukan suatu simulasi, terdapat elemen-elemen penting yang harus dirancang karena sangat mempengaruhi jalan dan hasil simulasi. Dalam membuat simulasi suatu model dengan menggunakan program promodel, harus didefinisikan sejumlah elemen dasar yang harus ada dalam setiap model, yaitu : 1. Lokasi (Location) 2. Entitas (Entity) 3. Proses (Processing)
96
4. Kedatangan (Arrivals) Sebelum melakukan perancangan model antrian, maka hal yang terlebih dahulu dilakukan pendefinisian informasi umum mengenai model pada General Information yang meliputi :
Gambar 4.3 Tampilan dari elemen General Information
1. Judul Model (title) : judul dari model yang akan dibuat 2. Unit Waktu (time unit) : satuan unit waktu dalam menit 3. Unit Jarak (distance unit) : satuan unit jarak dibuat dalam meter.
4.3.1 Elemen Simulasi Final Inspection Untuk 1 Server 4.3.1.1 Layout Model Antrian Dalam melakukan perancangan model antrian sederhana ini, simulasi akan dilakukan terhadap setiap kendaraan export yang akan masuk ke final inspection. Di
97
kondisi yang pertama ini simulasi dilakukan pada kondisi yang sekarang yaitu satu
server final inspection. Kendaraan dikatakan berada dalam sistem yaitu ketika tiba dan memasuki final inspection untuk dilayani, setelah selesai maka keluar dari area
final inspection. Untuk lebih jelasnnya dapat dilihat pada gambar layout berikut :
Gambar 4.4 Layout model untuk 1 final inspection
4.3.1.2 Lokasi (Locations) Lokasi (locations) adalah tempat untuk memproses entitas dalam sistem. Untuk model ini terbagi atas :
Gambar 4.5 Tampilan dari elemen location 1 final inspection
1. Enter (Washing) : tempat dimana kendaraan masuk ke sistem setelah selesai proses washing.
98
2. Antrian final inspection : tempat dimana kendaraan mengantri untuk dilayani, lokasi ini menggambarkan pergerakan dari entitas dalam sistem, dengan jumlah 1 unit dan kapasitas 16 unit. 3. Final Inspection : lokasi dimana kendaraan dilayani, terdiri dari final inspection dengan jumlah masing-masing 1 unit dan kapasitas 1 entitas sekali proses. Karakteristik untuk tiap lokasi diisi pada Location Edit Tabel yang terdiri dari kolom-kolom sebagai berikut : 1. Icon, merupakan petunjuk grafik yang mewakili lokasi yang bersangkutan. 2. Name, merupakan nama lokasi. 3. Cap, (Capacity), banyaknya produk yang dapat diproses dalam satu unit waktu. Pengisian Infinite akan mengatur kapasitas pada nilai maksimum yang diijinkan. 4. Unit, merupakan banyaknya unit lokasi tersebut. 5. Dts, merupakan pilihan untuk melakukan pengaturan Down Times dari mesin dapat berdasarkan waktu, banyaknya material yang masuk ataupun lama pemakaian. 6. Stat, merupakan pilihan seberapa detail lokasi tersebut akan dicatat secara statistik pada saat simulasi dijalankan, time series berarti mengumpulkan statistik dasar dari seri waktu dalam lokasi, dan merupakan pilihan yang paling detail. 7. Rules, mendefinisikan bagaimana lokasi memilih entitas yang akan dipilih untuk diproses. Dalam model ini digunakan Oldest by Priority, yaitu menunggu entitas yang menunggu paling lama.
99
8. Notes, digunakan untuk menambah keterangan mengenai lokasi yang bersangkutan.
4.3.1.3 Entitas (Entities) Entitas (entities) adalah segala sesuatu yang diproses oleh sistem. Dalam model ini nama entitas yang digunakan adalah Pickup (kendaraan export). Karakteristik dari entitas dimasukkan dalam Entities Editor yang terdiri atas beberapa kolom yaitu :
Gambar 4.6 Tampilan dari elemen Entities 1 final inspection
1. Icon, merupakan petunjuk grafik yang mewakili entitas yang bersangkutan pada saat simulasi dijalankan. 2. Name, nama entitas yaitu pickup. 3. Speed (Fpm), digunakan untuk menentukan kecepatan entitas yang bergerak sendiri (bukan kecepatan entitas akan diproses), dengan default 150 meter permenit. 4. Stat, merupakan pilihan seberapa detail lokasi tersebut akan dicatat secara statistik pada saat simulasi dijalankan. Time series berarti mengumpulkan statistik dasar dari seri waktu dalam lokasi, dan merupakan pilihan yang paling detail.
100
5. Note, pengisian informasi tambahan tentang entitas.
4.3.1.4 Proses (Processing) Merupakan elemen yang paling penting karena didalamnya mendefinisikan rute dari entitas didalam sistem dan proses-proses yang akan dialami pada tiap lokasi yang dimasukinya. Proses ini terdiri dari dua tabel yaitu Process Edit Table yang menspesifikasikan apa yang terjadi pada entitas ketika tiba pada lokasi, dan Routing
Edit Table yang menspesifikasikan kemana entitas akan dirutekan setelah proses selesai.
Gambar 4.7 Tampilan dari elemen Processing (Enter) 1 final inspection
Gambar 4.8 Tampilan dari elemen Processing (Antrian_Final_Inpection) 1 final inspection
Gambar 4.9 Tampilan dari elemen Processing (Final_Inpection) 1 final inspection
101
1. Entity, menunjukkan entitas yang sedang kita buat prosesnya, yaitu pickup. 2. Locations, menunjukkan lokasi tempat entitas tersebut mengalami proses atau operasi, terdiri dari : a. Enter (washing) : tempat dimana pickup masuk ke sistem setelah proses
washing. b. Antrian_final_inpection : tempat dimana pickup mengantri untuk dilayani, lokasi ini menggambarkan pergerakan dari entitas dalam sistem. c. Final_inspection : lokasi dimana pickup dilayani, terdiri dari final_inpecion 3. Operations, logik operasi yang dijalankan, untuk model ini wait E(5,28) artinya waktu pelayanan unit berdistribusi eksponensial dengan rata-rata waktu pelayanan 5,28 menit. Sedangkan rute entitas dimasukkan pada Routing Edit Table, yang terdiri dari kolom : 1. Output, menunjukkan entitas yang keluar dari operasi tersebut. 2. Destination, menunjukkan lokasi tujuan entitas yang berikutnya. 3. Rule, berisi aturan-aturan rute. First 1 artinya unit yang datang langsung dilayani oleh destination tersebut, sedangkan Turn artinya unit yang masuk akan dilayani secara bergantian. 4. Move logic, berisikan baris program untuk aturan perpindahan route entity.
102
4.3.1.5 Kedatangan (Arrivals) Kedatangan (arrivals) menunjukkan masuknya entitas kedalam sistem ,baik dari jumlahnya, lokasi tempat kedatangannya ataupun, frekuensi waktu kedatangan. Karakteristik dari kedatangan didefinisikan dalam Arrivals Editor yang terdiri dari kolom :
Gambar 4.10 Tampilan dari elemen Arrivals 1 final inspection
1. Entity, merupakan nama atau jenis entitas yang akan diatur kedatangannya, yaitu
pickup. 2. Locations, menunjukkan pada lokasi mana entitas tersebut akan memasuki sistem, yaitu enter. 3. Qty each, menunjukkan banyaknya entitas yang tiba pada setiap kedatangan, yaitu 1 artinya 1 unit pickup tiap kali kedatangan. 4. First Time, menunjukkan waktu pada saat entitas pertama kali memasuki sistem. 5. Occurrences, merupakan jumlah kedatangan entitas selama 1 kali simulasi dijalankan. Dalam hal ini jumlah kedatangan yaitu 816 unit dalam 1 kali simulasi.
103
6. Frequency, merupakan interval waktu antara dua kedatangan. Yaitu p(60/14,857) dimana ada kedatangan sebesar 14,857 unit untuk tiap 1 jam kedatangan mengikuti distribusi Poisson. 7. Logic, merupakan tempat menambahkan logika pemrograman untuk mengatur kedatangan entitas dengan lebih detail, pada model ini dikosongkan. 8. Disable, pilihan No, digunakan jika kita ingin menon-aktifkan kedatangan yang bersangkutan secara sementara karena alasan tertentu.
4.3.2 Elemen Simulasi Final Inspection Untuk 2 Server & 3 Server 4.3.2.1 Layout Model Antrian Sama halnya dengan kondisi pada 1 final inspection, hanya pada pembuatan model ini ditambah satu final inspection menjadi 2 server final inspection dan 3 server final
inspection. Untuk lebih jelasnya dapat dilihat gambar layout berikut :
104
Gambar 4.11 Layout model untuk 2 dan 3 final inspection
4.3.2.2 Lokasi (Locations) Lokasi pada model ini, sama seperti model sebelumnya hanya dilakukan simulasi penambahan jumlah server yaitu dua server dan tiga server sehingga terdapat lokasi baru yaitu final_inpection2 dan final_inpection3. Untuk lebih jelasnya dapat dilihat pada gambar dibawah ini :
Gambar 4.12 Tampilan dari elemen location 2 dan 3 final inspection
Karakteristik untuk tiap lokasi yang diisi pada Location Edit Table sama seperti pada model 1 final inspection.
105
4.3.2.3 Entitas (Entities) Entitas merupakan segala sesuatu yang diproses dalam sistem. Dalam penambahan jumlah server, entitas tidak terdapat perbedaan dari 1 final inspection. Entitas yang digunakan tetap yaitu kendaraan pickup. Karakteristik dari entitas yang dimasukan dalam Entities Editor pun sama tidak berbeda. Oleh karena itu tidak ditampilkan tampilannya, dan dapat dilihat pada gambar 4.5.
4.3.2.4 Proses (Processing) Sama seperti elemen lokasi dan entitas, pada elemen proses dengan penambahan 2 dan 3 server, langkah-langkah Process Edit Table dan Routing Edit Table tidak terlalu banyak tambahan. Tetapi karena jumlah lokasinya ditambah menjadi 2 dan 3
final inspection maka proses dan rutenya juga ditambah. Setelah entitas memasuki lokasi antrian final inspection , rute entitas dapat memasuki final inpesction 1, final
inspection 2, atau final inspection 3 tergantung lokasi mana yang sedang tidak melayani. Untuk lebih jelasnya dapat dilihat pada gambar berikut :
Gambar 4.13 Tampilan dari elemen Processing 2 dan 3 final inspection
106
4.3.2.5 Kedatangan (Arrivals) Pada elemen kedatangan dengan tambahan jumlah server sama seperti model satu
server. Masuknya entitas dalam sistem, baik banyaknya, dan lokasi tempat kedatangannya, frekuensi serta waktu kedatangannya sama. Karena tampilannya sama dengan model satu server maka untuk tampilannya dapat dilihat digambar
4.3.3 Menjalankan Simulasi Sebelum simulasi dijalankan terlebih dahulu memasukan data-data yang terdapat pada tabel Simulation Option. Baik untuk menjalankan simulasi 1 final inspections maupun 3 final inspections pengisian data yang terdapat pada tabel Simulation Option adalah sama, untuk lebih jelasnya dapat dilihat pada gambar di bawah ini :
Gambar 4.14 Tampilan dari elemen Simulation Options
1.
Run Length, diisi dengan memilih bagaimana simulasi ini akan dijalankan. Apakah berdasarkan waktu, mingguan, tanggal kalender. Pada model ini diisi berdasarkan waktu.
107
2. Run Hours, lamanya simulasi berjalan dalam 1 hari adalah 7 yang berarti bahwa simulasi dijalankan berdasarkan pada lamanya waktu operasi. Lamanya waktu operasi selama 1 hari adalah 7 jam karena istirahat 1 jam. 3. Warmup Period, tidak diisi karena tidak adanya simulasi awal sebelum dilakukan pengetesan. 4. Clock Precision, tingkat ketelitian perhitungan yang diinginkan adalah 0,001 dan pengukuran berdasarkan menit. 5. Output Reporting, jenis report yang akan dibuat adalah jenis report standar. 6. Number of Replication, banyaknya simulasi yang akan diulang adalah 100 kali simulasi, karena diperlukan adanya keakuratan data. 7. Disable, mengaktifkan dan menon-aktifkan fungsi yang ingin ditampilkan atau tidak. Dalam simulasi ini yang perlu diaktifkan adalah fungsi animation dan time series, untuk array export dan cost tidak dinon-aktifkan. 8. At Start, mengaktifkan dan menon-aktifkan fungsi pada saat simulasi pertama dijalankan. Pada simulasi ini tidak ada yang di aktifkan. 9. General,
mengaktifkan
dan
menon-aktifkan
fungsi
umum
seperti
menampilkan animation script, common random number, skip resource DTS. Pada simulasi ini fungsi yang ada di non-aktifkan. Setelah semuanya ditentukan maka dapat dimulai langsung dengan menekan run yang ada pada bagian bawah menu. Selesai simulasi berjalan maka akan tampil report
selection. Untuk mengeluarkan data hasil simulasi pada kolom scenario dipilih normal run dan untuk kolom replication dipilih averaged yang berarti data
108
ditampilkan berdasarkan rata-rata pengulangan 100 kali simulasi. Tampilan report
selection dapat dilihat seperti gambar dibawah.
Gambar 4.15 Tampilan dari elemen Report Selection
Untuk input dan output dari program simulasi selengkapnya pada tiap kondisi dapat dilihat pada lampiran.
4.3.4 Hasil Running Test simulasi final inspection Berikut ini merupakan tampilan dari hasil running test simulasi final inspection menggunakan Promodel 7.0 untuk masing-masing jumlah server.
Running test 1 final inspection
Running test 2 final inspection
109
Running test 3 final inspection
Gambar 4.16 Tampilan running test final inspection
Dari tampilan running test dapat dilihat pada jumlah server 1 terjadi antrian yang cukup banyak, ketika server ditambahkan menjadi 2 antrian terjadi kembali tetapi tidak terlalu padat, jika ditambahkan menjadi 3 server maka antrian semakin tidak kelihatan. Jadi dapat disimpulkan semakin banyak jumlah server maka antrian yang ada pada jalur antrian final inspection akan semakin sedikit.
4.4 Analisis Simulasi Data Hasil keluaran simulasi yang akan dianalisa pada sub bab di bawah ini merupakan hasil rata-rata dari 100 kali replikasi yang dijalankan selama 7 jam atau satu hari
110
waktu operasi. Dari hasil keluaran ini akan dianalisa perbandingan dari kedua model yaitu 2 final inspection dan 3 final inspection, berikut akan dijabarkan pemecahan masalah untuk kedua kondisi tersebut. 4.4.1
Tingkat Utilitas Final Inspection
Dari hasil simulasi menggunakan promodel 7.0 maka didapat tingkat utilitas masing-masing server ketika melakukan percobaan dengan menggunakan 1 final
inspection, 2 final inspection, dan 3 final inspection. Tingkat utilitas hasil simulasi ditampilkan pada tabel berikut. Tabel 4.11 Persentase tingkat utilitas final inspection
Server No
1 2 3 Rata-Rata
Percentage Utilization Final Final Final Inspection 1 Inspection 2 Inspection unit unit 3 unit 96,94%
65,52% 64,69%
96,94%
65,11%
43,65% 43,34% 42,96% 43,32%
Pada tabel dapat dilihat tingkat utilisasi masing-masing final inspection ketika jumlahnya ditambahkan semakin kecil, itu berarti kegunaan final inspection semakin sedikit dengan kata lain aktifitas operator bekerja pada penambahan server tidak terlalu tinggi. Dari tabel tersebut jika ditampilkan grafiknya sebagai berikut.
111
Utilization 1 final inspection
Utilization 2 final inspection
Utilization 3 final inspection
Grafik4.4 Tingkat Utilitas final inspection untuk masing-masing jumlah server
112
Semakin tinggi tingkat utilitas final inspection maka antrian pada final inspection semakin tinggi juga. Berarti cara untuk mengurangi antrian bisa dilakukan dengan menambah jumlah server. Walaupun semakin banyak jumlah final inspections lebih baik, tidak bisa dibilang jumlah yang banyak merupakan jumlah yang paling optimal. Oleh karena waktu menganggur dan waktu menunggu juga perlu dipertimbangkan.
4.4.2
Tingkat Waktu Menganggur
Dengan adanya penambahan server memungkinkan terjadinya waktu menganggur untuk masing-masing final inspection. Hasil simulasi yang dijalankan untuk data waktu menganggur masing-masing final inspection ditampilkan pada tabel berikut. Tabel 4.12 Persentase tingkat waktu menganggur final inspection
Server No
1 2 3 Rata-Rata
Percentage Idle Time (waktu menganggur) Final Final Final Inspection 1 Inspection 2 Inspection unit unit 3 unit 3,06%
34,48% 35,31%
3,06%
34,90%
56,35% 56,66% 57,04% 56,68%
Hasil pada tabel menunjukkan bahwa waktu menganggur untuk penambahan
server meningkat. Dengan menambahnya jumlah server final inspection maka operasional masing-masing final inspection juga akan turun, tampilan ini dapat dilihat pada grafik berikut.
113
Idle time 1 final inspection
Idle time 2 final inspection
Idle time 3 final inspection
Grafik4.5 Tingkat waktu mengganggur final inspection untuk masing-masing jumlah server
114
Dari grafik waktu menganggur diatas dapat dilihat bahwa waktu menganggur untuk 3 final inspection lebih besar apabila dibandingkan dengan 2 final inspection dan 1 final inspection, sehingga dari kedua perbandingan tingkat kegunaan fasilitas tersebut dapat dilihat bahwa tingkat kegunaan fasilitas untuk 1 final inspection dapat dikatakan lebih baik dibandingkan dengan 2 final inspection dan 3 final inspection.
4.4.3
Tingkat Waktu Menunggu
Tingkat waktu menunggu dilihat dari kedatangan entity (pickup) kedalam sistem. Waktu menunggu hasil simulasi dituliskan dalam istilah blocked atau dengan kata lain terkena hambatan. Persentase waktu tunggu masing-masing final inspection ditampilkan pada tabel berikut. Tabel 4.13 Persentase tingkat waktu menunggu final inspection
Percentage Waiting Time (waktu menunggu) Final Final Final Inspection 1 Inspection 2 Inspection 3 unit unit unit 15,32% 11,60% 1,64%
Untuk lebih jelas melihat perbedaan waktu tunggu pada masing-masing jumlah
final inspection dapat dilihat pada grafik dibawah ini.
115
Entity state 1 final inspection
Entity state 2 final inspection
Entity state 3 final inspection
Grafik4.6 Tingkat waktu menunggu Final Inspection untuk masing-masing jumlah server
116
Dari perbandingan ketiga kondisi di atas, dilihat dari keadaan entitas dalam sistem berada dalam keadaan operasi (in operation) diketahui bahwa 3 final inspection paling besar dibandingkan dengan jumlah 2 final inspection dan 1 final inspection, ini menunjukkan bahwa keadaan entitas dalam sistem berada dalam keadaan operasi (in
operation) pada 3 final inspection lebih baik dari 2 final inspection dan 1 final inspection. Selain itu jika waktu menunggunya (blocked) semakin besar maka akan ada kendaraan yang gagal untuk dilayani sehingga menimbulkan kerugian yang lebih besar.
4.5 Evaluasi Kinerja Jika dilihat dari jumlah kendaraan yang datang menuju final inspection per jamnya, jumlah kendaraan yang datang lebih banyak dibandingkan dengan tingkat pelayanan yang diberikan perjamnya, sehingga mengakibatkan adanya penumpukan kendaraan dan menimbulkan suatu masalah antrian. Maka dilakukan analisa terhadap optimalisasi jumlah final inspection yang ada saat ini dengan penambahan jumlah
server final inspection. Pada subbab sebelumnya telah dilakukan analisa perhitungan sistem antrian dengan menggunakan perhitungan optimalisasi sistem antrian dan analisa menggunakan simulasi promodel 7.0. Sistem yang ada saat ini terdiri dari 1 final inspection dan rencana usulannya dengan menambah menjadi 2 final inspection atau 3 final
inspection. Setelah dilakukan perhitungan menggunakan analisa teori dapat diketahui
117
jumlah server yang paling optimal. Sistem yang ada saat ini dengan jumlah 1 server memiliki total biaya pelayanan sebesar Rp 334.906,10 sedangkan sistem antrian usulan dengan jumlah 2 server sebesar Rp 41.056,60 dan dengan jumlah 3 server sebesar Rp 48.024,10. Dari total biaya dapat dilihat penambahan server mengakibatkan kurangnya biaya yang dikeluarkan, tetapi ketika jumlah server ditambah menjadi 3, mengalami peningkatan kembali total biaya pelayanan. Jika dilihat dari segi waktu dan melakukan simulasi menggunakan Promodel 7.0, waktu menunggu dengan kondisi saat ini yaitu 1 server sebesar 15,32% sedangkan waktu menunggu sistem antrian usulan dengan jumlah 2 server sebesar 11,60% dan dengan jumlah 3 server 1,64%. Dari perhitungan waktu menunggu, dapat dilihat jumlah 3 server mendapatkan waktu menunggu yang paling sedikit. Dalam hal ini waktu menunggu yang sedikit belum tentu merupakan hal yang baik karena disaat jumlah kedatangan menurun maka tingkat menganggur dengan jumlah server yang banyak pasti akan semakin meningkat sehingga menjadi tidak efektif. Dari hasil analisa diatas maka dapat disimpulkan untuk evaluasi kerja, penambahan jumlah server dapat mengurangi waktu tunggu yang ada, tetapi bertambahnya jumlah
server diikuti juga penambahan total biaya yang terjadi seperti perhitungan biaya penambahan 2 server menjadi 3 server. Untuk itu pemilihan jumlah server final
inspection yang paling optimal lebih baik menggunakan 2 server final inspection.
118
4.6 Rencana Implementasi Istilah ‘Time is money’ memang sesuai dengan kondisi yang sedang dihadapi saat ini. Setiap perusahaan pasti menginginkan suatu kinerja yang memiliki mutu tinggi dengan waktu yang efektif sehingga tidak mengalami kerugian biaya dan kalah dengan pesaing lainnya. Salah satu upaya untuk meningkatkan hal tersebut adalah dengan menentukan jumlah server yang optimal sehingga waktu tunggu dan total biaya pelayanan dapat berkurang. Masalah adanya antrian di area final inspection VLC PT ADM saat ini mempengaruhi pada proses pemindahan kendaraan ke area shipping line untuk siap dikirim ke pelabuhan. Untuk mengatasi masalah tersebut, rencana implementasi yang akan dilakukan PT ADM dengan menambah jumlah server final inspection dari 1 final
inspection menjadi 2 final inspection. Tampilan model sistem antrian baru di final inspection sebagai berikut.
Gambar 4.17 Model sistem antrian 2 server final inspection
119
Dari gambaran model sistem antrian 2 server diatas, kondisi usulan yang akan terjadi dilapangan sebagai berikut.
Gambar 4.18 Area final inspection dengan 2 server