Seminar dan Konferensi Nasional IDEC ISSN: 2579-6429
2018 Surakarta, 7-8 Mei 2018
Simulasi Model Antrian Kasir Alfamart Pucangsawit
Menggnakan Software Arena
Karima Batennia Murti*1)
, Laurentius Damas Sulistya2)
, dan Eko Liquidannu3)
1,2,3)
Jurusan Teknik Industri, Fakultas Teknik, Universitas Sebelas Maret, Jl. Ir. Sutami No 36A, Jebres,
Surakarta, 57126, Indonesia
Email: [email protected], [email protected] , [email protected]
ABSTRAK Alfamart merupakan jasa retail yang menjual berbagai barang kebutuhan sehari-hari. Karena bergerak di
bidang jasa, maka sebuah minimarket harus mampu melayani pelanggannya dengan cepat dan pelanggan
tidak menunggu terlalu lama atau bahkan tidak menunggu sehingga tidak menimbulkan antrian yang
panjang. Pada jam-jam tertentu seperti pada saat pulang kantor dan malam hari terjadi antrian yang cukup
panjang karena kasir yang beroperasi melayani pelanggan hanya satu. Pada penelitian ini akan digunakan
simulasi untuk menyelesaikan masalah antrian yang ada. Model antrian yang dibuat terdiri atas model
eksisting (saat ini) dan model usulan. Berdasarkan hasil simulasi untuk kedua model, waktu menunggu
(waiting time) pada model exsisting adalah sebesar 0,109 jam dan pada model usulan menjadi sebesar
0,001 jam. Model usulan dilakukan dengan menambahkan kasir sehingga banyaknya antrian berkurang,
pada model exsisting adalah 5 orang dan banyaknya antrian pada model usulan menjadi 2 orang.
Kata kunci: Antrian, Software Arena
1. Pendahuluan
Di kehidupan sehari-hari banyak dijumpai kegiatan menunggu, salah satunya dalam suatu
antrian. Menurut Siagan (1987), mengantri merupakan kondisi dimana sekumpulan orang,
komponen atau mesin yang membutuhkan layanan harus menunggu dalam suatu urutan tertentu
sebelum akhirnya memperoleh layanan dari resource yang tersedia. Mengantri dapat terjadi
karena kemampuan menyelenggarakan layanan lebih kecil dibandingkan dengan kebutuhan
layanan.
Dalam kasus ini dapat diambil contoh pada antrian kasir Alfamart di Pucangsawit, Jebres,
Surakarta. Alfamart merupakan jasa retail yang menjual berbagai barang kebutuhan sehari-hari.
Karena bergerak di bidang jasa, maka sebuah minimarket harus mampu melayani pelanggannya
dengan cepat dan pelanggan tidak menunggu terlalu lama atau bahkan tidak menunggu sehingga
tidak menimbulkan antrian yang panjang. Pada jam-jam tertentu seperti pada saat pulang kantor
dan malam hari terjadi antrian yang cukup panjang karena kasir yang beroperasi melayani
pelanggan hanya 1.
Tujuan dilakukannya penelitian ini adalah untuk mengetahui model antrian kasir Alfamart
Pucangsawit menggunakan simulasi software Arena dan untuk membuat simulasi program dari
sistem antrian pada kasir Alfamart Pucangsawit. Pada penelitian ini akan menggunakan simulasi
untuk menyelesaikannya. Menurut Prihati (2012), simulasi merupakan salah satu teknik untuk
memecahkan masalah salah satunya masalah antrian. Perangkat lunak yang dapat digunakan
untuk memprepresentasikan sebuah sistem antrian serta menganalisanya adalah software Arena.
Model yang dibuat terdiri dari 2 jenis yaitu model eksisting (saat ini) dan model usulan. Dengan
2 model yang dibuat diharapkan pihak manajemen mampu mengevaluasi kinerja antrian
menggunakan model eksisting atau model usulan. Berdasarkan hasil simulasi untuk kedua
model, waktu menunggu (waiting time) pada model exsisting adalah sebesar 0,109 jam dan
pada model usulan menjadi sebesar 0,001 jam. Model usulan dilakukan dengan menambahkan
kasir sehingga banyaknya antrian berkurang, pada model exsisting adalah 5 orang dan
banyaknya antrian pada model usulan menjadi 2 orang.
2. Metode
Seminar dan Konferensi Nasional IDEC ISSN: 2579-6429
2018 Surakarta, 7-8 Mei 2018
Adapun metodologi penelitian ini diawali dengan melakukan studi lapangan dilakukan
dengan mendatangi Alfamart Pucangsawit dimana lokasi tersebut merupakan objek penelitian
yang dibahas. Studi lapangan dilakukan pada hari Selasa, 5 desember 2017 selama kurang lebih
satu jam yaitu saat jam pulang kantor. Berikut ini merupakan penjelasan metodologi penelitian
yang dilakukan:
a. Melakukan identifikasi masalah mengambil permasalahan antrian di kasir Alfamart
Pucangsawit pada saat jam sibuk. Permasalahan ini dipilih karena ketika jam pulang
kantor banyak orang berbelanja sehingga terjadi antrian di kasir ketika pembayaran.
b. Menentuan rumusan masalah, tujuan penelitian, manfaat penelitian dan batasan masalah
agar permasalahan yang dikaji dalam penelitian jelas sehingga mempermudah dalam
pemecahan masalah. Setelah itu dijelaskan apa tujuan dan manfaat penelitian serta
batasan masalah penelitian.
c. Mengumpulkan data dalam penelitian ini dengan menggunakan metode observasi. Data
diambil secara langsung pada sistem antrian yang terjadi di Alfamart Pucangsawit. Studi
kasus dilakukan dengan mengambil data waktu kedatangan, waktu pelayanan, serta
waktu keluar pelanggan dari antrian. Kemudian dilakukan pengolahan data yang
dilakukan menggunakan Ms. Excel untuk mengetahui jenis data yang diambil
berdistribusi apa. Hasil pengolahan dari Ms. Excel tersebut kemudian dijadikan input
utuk membuat Arena.
d. Merancangn model simulasi antrian yang terjadi di kasir Alfamart menggunakan
Software Arena. Pada langkah ini model yang dibuat terdiri dari 2 macam yaitu model
existing (saat ini) dan model usulan.
e. Menyusun kesimpulan dari penelitian yang dilakukan dan pemberian saran untuk model
antrian yang sudah ada.
3. Hasil dan Pembahasan
3.1 Activity Cycle Diagram (ACD)
Berikut ini merupakan gambaran keseluruhan sistem pada objek pengamatan.
Gambar 1. Activity Cycle Diagram (ACD) Pelayanan Kasir Alfamart Pucangsawit
Sistem dalam objek pengamatan terdiri dari 2 proses besar yaitu belanja dan membayar di
kasir. Setelah melakukan belanja, pelanggan membayar barang belanjaan di kasir. Dalam proses
ini apabila kasir idle (menganggur) maka tidak terjadi antrian sedangkan apabila kasir sedang
sibuk maka akan terjadi antrian.
3.2 Rich Picture Diagram (RPD)
Rich Picture Diagram (RPD) adalah alat yang digunakan untuk mengkomunikasikan
mengenai situasi yang rumit dan bermasalah, dimana di dalamnya terangkum mengenai segala
sesuatu yang diketahui pengamat mengenai sesuatu yang telah diteliti sebelumnya. RPD juga
menunjukan situasi secara keseluruhan yang lengkap dalam pandangan mata, gambar-gambar
yang tersaji di dalamnya memudahkan pembaca untuk memahami mengenai permasalahan yang
ada pada situasi tersebut. keterkaitan elemen satu dan lainnya baik langsung maupun tidak
langsung dapat dilihat dengan jelas dan tidak membingungkan. Berikut ini adalah Rich Picture
Diagram (RPD) dari Pelayanan Kasir Alfamart Pucangsawit.
Seminar dan Konferensi Nasional IDEC ISSN: 2579-6429
2018 Surakarta, 7-8 Mei 2018
Gambar 2. Rich Picture Diagra (RPD) Pelayanan Kasir Alfamart Pucangsawit
3.3 Data Pengamatan
Pada penelitian ini data yang diperlukan dari studi lapangan yang dilakukan antara lain data
waktu kedatangan pelanggan ke sistem, data waktu mulai dilayani, dan data waktu selesai
dilayani. Berikut merupakan tabel data pengamatan studi lapangan yang dilakukan.
Tabel 1. Data Studi Lapangan
NoWaktu
Kedatangan
Waktu
Pelayanan
Waktu
Selesai
Selisih Kedatangan
(menit)
Waktu antri
(menit)
Waktu Pelayanan
(menit)
1 15.47 15.49 15.51 0 2 2
2 15.51 15.52 15.54 4 1 2
3 15.53 15.54 15.56 2 1 2
4 15.56 15.56 15.57 3 0 1
5 15.56 15.57 15.58 0 1 1
6 15.58 15.59 16.01 2 1 2
7 16.03 16.03 16.05 5 0 2
8 16.06 16.06 16.07 3 0 1
9 16.06 16.07 16.08 0 1 1
10 16.09 16.09 16.10 3 0 1
11 16.09 16.10 16.12 0 1 2
12 16.09 16.12 16.13 0 3 1
13 16.10 16.13 16.14 1 3 1
14 16.14 16.15 16.17 4 1 2
15 16.14 16.17 16.18 0 3 1
16 16.17 16.17 16.19 3 0 2
17 16.22 16.22 16.23 5 0 1
18 16.22 16.23 16.25 0 1 2
19 16.23 16.25 16.27 1 2 2
20 16.23 16.27 16.28 0 4 1
21 16.23 16.28 16.30 0 5 3
22 16.25 16.30 16.32 0 5 1
23 16.28 16.32 16.33 3 4 1
24 16.33 16.33 16.36 5 0 3
25 16.36 16.36 16.38 3 0 2
26 16.42 16.42 16.45 6 0 3
27 16.42 16.45 16.47 1 3 2
28 16.45 16.47 16.48 2 2 1
29 16.48 16.48 16.51 3 0 3
30 16.49 16.52 16.53 1 1 1
3.4 Analisis Statistik
Analisis statistik dilakukan terkait dengan uji distribusi yang bertujuan untuk mengetahui
jenis distribusi. Analisis statistik tersebut menggunakan software Input Analyzer dan Ms. Excel.
Gambar 3. Grafik Distribusi Data Waktu Kedatangan Pelanggan menggunakan Ms. Excel
Seminar dan Konferensi Nasional IDEC ISSN: 2579-6429
2018 Surakarta, 7-8 Mei 2018
Gambar 4. Grafik Distribusi Data Waktu Kedatangan Pelanggan menggunakan Input Analyzer
Dengan Input Analyzer akan diketahui jenis distribusi dari data dan akan diketahui pula
Expression yang kemudian akan digunakan untuk input di Software Arena. Berikut ini
merupakan pengolahan data dengan Input Analyzer untuk waktu kedatangan.
Distribution Summary
Distribution: Beta
Expression: -0.5 + 6 * BETA(0.715, 1.1)
Square Error: 0.020100
Chi Square Test
Number of intervals = 4
Degrees of freedom = 1
Test Statistic = 1.06
Corresponding p-value = 0.325
Data Summary
Number of Data Points = 29
Min Data Value = 0
Max Data Value = 5
Sample Mean = 1.86
Sample Std Dev = 1.75
Histogram Summary
Histogram Range = -0.5 to 5.5
Number of Intervals = 6
Gambar 5. Grafik Distribusi Data Waktu Mengantri Pelanggan Menggunakan Ms. Excel
Gambar 6. Grafik Distribusi Data Waktu Antri Pelanggan menggunakan Input Analyzer
Seminar dan Konferensi Nasional IDEC ISSN: 2579-6429
2018 Surakarta, 7-8 Mei 2018
Dengan Input Analyzer akan diketahui jenis distribusi dari data dan akan diketahui pula
Expression yang kemudian akan digunakan untuk input di Software Arena. Berikut ini
merupakan pengolahan data dengan Input Analyzer untuk waktu mengantri.
Distribution Summary
Distribution: Lognormal
Expression: -0.5 + LOGN(1.75, 1.6)
Square Error: 0.005343
Chi Square Test
Number of intervals = 3
Degrees of freedom = 0
Test Statistic = 0.488
Corresponding p-value < 0.005
Data Summary
Number of Data Points = 28
Min Data Value = 0
Max Data Value = 4
Sample Mean = 1.21
Sample Std Dev = 1.26
Histogram Summary
Histogram Range = -0.5 to 4.5
Number of Intervals = 5
Gambar 7. Grafik Distribusi Data Waktu Pelayanan Pelanggan Menggunakan Ms. Excel
Gambar 8. Grafik Distribusi Data Waktu Pelayanan Pelanggan menggunakan Input
Analyzer
Dengan Input Analyzer akan diketahui jenis distribusi dari data dan akan diketahui pula
Expression yang kemudian akan digunakan untuk input di Software Arena. Berikut ini
merupakan pengolahan data dengan Input Analyzer untuk waktu pelayanan.
Distribution Summary
Distribution: Beta
Expression: 0.5 + 3 * BETA(1.86, 2.85)
Square Error: 0.000283
Chi Square Test
Number of intervals = 2
Degrees of freedom = -1
Test Statistic = 0.0236
Seminar dan Konferensi Nasional IDEC ISSN: 2579-6429
2018 Surakarta, 7-8 Mei 2018
Corresponding p-value < 0.005
Data Summary
Number of Data Points = 30
Min Data Value = 1
Max Data Value = 3
Sample Mean = 1.67
Sample Std Dev = 0.661
Histogram Summary
Histogram Range = 0.5 to 3.5
Number of Intervals = 3
3.5 Model Simulasi
pembuatan simulasi model exsisting dan usulan dari antrian kasir Alfamart Pucangsawit
dengan menggunakan Software Arena Simulation. Software Arena Simulation digunakan untuk
membantu menggambarkan proses bisnis yang terjadi didalam sistem.
Gambar 9. Model Simulasi Existing Pelayanan Alfamart Pucangsawit
Gambar 10. Sistem Model Simulasi Existing Pelayanan Alfamart Pucangsawit
Gambar 11. Report Output Simulasi Model Exsisting Antrian Kasir Alfamart Pucangsawit
Seminar dan Konferensi Nasional IDEC ISSN: 2579-6429
2018 Surakarta, 7-8 Mei 2018
Gambar 12. Report Output Simulasi Model Exsisting Antrian Kasir Alfamart Pucangsawit
(lanjutan)
Gambar 13. Report Output Simulasi Model Exsisting Antrian Kasir Alfamart Pucangsawit
(lanjutan)
Gambar 14. Model Simulasi Usulan Pelayanan Alfamart Pucangsawit
Gambar 15. Sistem Model Simulasi Usulan Pelayanan Alfamart Pucangsawit
Seminar dan Konferensi Nasional IDEC ISSN: 2579-6429
2018 Surakarta, 7-8 Mei 2018
Gambar 16. Report Output Simulasi Model Usulan Antrian Kasir Alfamart Pucangsawit
Gambar 17. Report Output Simulasi Model Usulan Antrian Kasir Alfamart Pucangsawit
(lanjutan)
Gambar 18. Report Output Simulasi Model Usulan Antrian Kasir Alfamart Pucangsawit
(lanjutan)
3.6 Analisis Perbandingan Model Simulasi Exsisting Dan Usulan
Berikut ini merupakan tabel perbandingan dari hasil simulasi model saat ini dan usulan
yang telah dilakukan pada kasus antrian kasir di Alfamart Pucangsawit.
Tabel 2. Perbandingan Hasil Simulasi Model Exsisting dan Model Usulan
Perbandingan Model Exsisting Model Usulan
Number In 50 50
Number Out 50 50
Seminar dan Konferensi Nasional IDEC ISSN: 2579-6429
2018 Surakarta, 7-8 Mei 2018
Waiting Time Kasir 1 6,57 menit 4,38 menit
Kasir 2 2,04 menit
Number Busy Kasir 1 70% 46%
Kasir 2 25%
Number Waiting 5 2
Dari tabel diatas dapat disimpulkan bahwa dari model exsisting dan model usulan
presentase pelannggan yang dapat dilayani oleh kasir adalah sama yaitu 100%. Hal tersebut
dapat dilihat dari jumlah pelanggan yang masuk dan keluar yaitu 50 orang. Selain itu dari model
exsisting dapat dilihat besarnya waktu tunggu (waiting time) pelanggan untuk dilayani adalah
6,57 menit sedangkan untuk model usulan besarnya waktu tunggu (waiting time) pelanggan
untuk dilayani adalah 4,38 menit untuk kasir 1 dan 2,04 menit untuk kasir 2. Dapat dilihat
bahwa besarnya waktu tunggu pelanggan untuk dilayani berkurang dari waktu tunggu
sebelumnya. Untuk number busy (tingkat kesibukan) dari pegawai kasir untuk model exsisting
adalah 69,8% sedangkan untuk model usulan presentase kesibukan kasir 1 sebesar 45% dan
presentase kesibukan kasir 2 sebesar 25%. Untuk banyaknya antrian maksimal di pada model
exsisting adalah 5 orang dan untuk model usulan adalah 2 orang. Banyaknya antrian berkurang
sebanyak 3 orang.
3.7 Analisis Biaya
Perhitungan biaya model antrian ini berdasarkan beberapa parameter diantaranya waktu
antri, waktu sistem panjang antrian, panjang sistem, dan utilisasi server.
Tabel 3. Rekapan Output Model Exsisting dan Model Usulan
Keterangan Model Exsisting Model Usulan
Tingkat pelayanan (P) 0,6988 0,45
Jumlah rata-rata pengunjung dalam sistem (nt) 5,8 6,2
Waktu rata-rata dalam antrian (tq) 0,109 0,001
Total time (average) (tt) 5 2
Berikut ini merupakan perhitungan biaya untuk model exsisting dan model usulan.
Asumsi : Honor Kasir = Rp 900.000
: Biaya produktivitas org Ind = Rp 1.000.000
: Jumlah hari kerja = 30 hari
Biaya Pelayanan (Cs)
a. Biaya Pelayanan untuk Model Exsisting (1 kasir)
E (Cs) = Rp 30.000 x 1 orang
= Rp 30.000
b. Biaya Pelayanan untuk Model Usulan (2 kasir)
E (Cs) = Rp 30.000 x 2 orang
= Rp 60.000
Biaya Menunggu (Cw)
a. Biaya menunggu untuk Model Exsisting (1 kasir)
E(Cw) = Is.Cw
= Rp 1.500.000 x 0,109
Seminar dan Konferensi Nasional IDEC ISSN: 2579-6429
2018 Surakarta, 7-8 Mei 2018
= Rp 109.000
b. Biaya menunggu untuk Model Usulan (2 kasir)
E(Cw) = Is.Cw
= Rp 1.000.000 x 0,001
= Rp 1.000
Biaya Total (CT)
a. Biaya total untuk Model Exsisting (1 kasir)
E(CT) = E(Cw) + E(CS)
= Rp 30.000 + Rp 109.000
= Rp 139.000
b. Biaya total untuk Model Usulan (2 kasir)
E(CT) = E(Cw) + E(CS)
= Rp 60.000 + Rp 1000
= Rp 61.000
Tabel 4. Rekapan Output Model Exsisting dan Model Usulan
Perbandingan Model Exsisting Model Usulan
Biaya Pelayanan (Cs) Rp 30.000 Rp 60.000
Biaya Menunggu (Cw) Rp 109.000 Rp 1.000
Biaya Total (CT) Rp 139.000 Rp 61.000
Berdasarkan hasil perhitungan biaya diatas dapat dilihat bahwa untuk biaya pelayanan
pada model exsisting adalah sebesar Rp 30.000 dan untuk model usulan sebesar Rp 60.000.
Biaya pelayanan didapatkan dari mengalikan honor pegawai kasir dengan jumlah pegawai kasir
yang ada. Untuk biaya menunggu pada model exsisting adalah sebesar Rp 109.000 dan untuk
model usulan sebesar Rp 1.000. Biaya menunggu didapatkan dari mengalikan biaya
produktivitas orang indonesia dengan waktu menunggu pelanggan untuk dilayani. Sedangkan
biaya total untuk model exsisting adalah sebesar Rp 139.000 dan untuk biaya total model usulan
adalah Rp 61.000.
4. Simpulan
Kesimpulan dari penelitian yang telah dilakukan adalah untuk mengurangi lama waktu
mengantri di Alfamart Pucangsawit dan untuk memaksimalkan jumlah konsumen yang dilayani,
maka dapat dilakukan perbaikan dengan cara menambah jumlah kasir, sehingga waktu
menunggu dapat diiminimasi. Berdasarkan hasil simulasi untuk kedua model, tingkat pelayanan
yang dapat diberikan oleh kasir adalah sebesar 100 %, hal tersebut dapat dilihat dari jumlah
Number In dan Number Out. Waktu menunggu (waiting time) pada model exsisting adalah
sebesar 0,109 jam dan pada model usulan menjadi sebesar 0,001 jam. Model usulan dilakukan
dengan menambahkan kasir sehingga banyaknya antrian berkurang, pada model exsisting
adalah 5 orang dan banyaknya antrian pada model usulan menjadi 2 orang.
Daftar Pustaka Rahmadani, Dewi., dan Julasmasari, Fitri. (2010). Simulasi Pelayanan Kasir Swalayan Citra di
Bandar Buat, Padang. Padang : Jurnal Optimasi Sistem Industri, Vol. 9 No. 1, April
2010:19-24.
Prihati, Yani. (2012). Simulasi Dan Permodelan Sistem Antrian Pelanggan di Loket
Pembayaran Rekening XYZ Semarang. Semarang : Majalah Ilmiah INFORMATIKA Vol.
3 No. 3, Sept. 2012.
Seminar dan Konferensi Nasional IDEC ISSN: 2579-6429
2018 Surakarta, 7-8 Mei 2018
Siagan, P. (1987). Penelitian Operasional : Teori dan Praktek. Universitas Indonesia Press.
Jakarta