MODEL SISTEM ANTRIAN MENGGUNAKAN POLA SINGLE CHANNEL-SINGLE PHASE DENGAN PROMODEL PADA ANTRIAN ALFAMART UNSIKA

Tekmapro : Jurnal of Industrial Enggineering and Manajemen Vol. 16, No. 01, Tahun 2021, Nomor 13-24 URL: http://tekmapro.upnjatim.ac.id/index.php/tekmapro MODEL SISTEM ANTRIAN MENGGUNAKAN POLA SINGLE CHANNEL-SINGLE PHASE DENGAN PROMODEL PADA ANTRIAN ALFAMART UNSIKA Destia Anisya Ramdani 1), Wahyudin Wahyudin 2), Dimas N Rinaldi 3) 1, 2) Tenik Industri, Universitas Singaperbangsa Karawang, Jl. HS. Ronggo Waluyo, Puseurjaya, Kec. Karawang Tim., Kabupaten Karawang, Jawa Barat 41361 3) Tenik Industri, Universitas Singaperbangsa Karawang, Jl. HS. Ronggo Waluyo, Puseurjaya, Kec. Karawang Tim., Kabupaten Karawang, Jawa Barat 41361 e-mail: destia.ramdani11@gmail.com 1), hwwahyudin@gmail.com 2), dimasnurwinatarinaldi@gmail.com 3) ABSTRAK Alfamart adalah salah satu jasa ritel yang menjual berbagai kebutuhan dalam bentuk barang maupun jasa sehari-hari. Alfamart harus mampu melayani setiap konsumennya dengan optimal sehingga konsumen tidak perlu antri lebih lama dan tidak terjadi antrian yang panjang. Pada penelitian ini, data antrian diperoleh dari antri Alfamart depan kampus UNSIKA pada 26 November 2019 dan akan dihitung dan disimulasikan menggunakan software ProModel 7.5 dimana model antrian yang dianalisa adalah single channel-single phase. Tujuan dari hal tersebut adalah untuk melihat apakah sistem antrian pada Alfamart sudah optimal, dan simulasi dari software ProModel 7.5 bertujuan untuk melihat apakah terjadi penumpukan antrian atau tidak. Berdasarkan hasil perhitungan, rata-rata tingkat penggunaan kasir sebesar 77%. Jumlah rata-rata pelanggan dalam antrian sebanyak 3 orang. Rata-rata jumlah pelanggan yang menunggu dalam sistem sebanyak 3 orang. Waktu rata-rata yang dibutuhkan untuk menunggu antrian adalah 0,04 jam. Waktu rata-rata yang dihabiskan seorang konsumen dalam sistem adalah 0,05 jam. Simulasi menggunakan software ProModel 7.5 menunjukkan bahwa antrian masih belum optimal karena sistem antrian yang digunakan dapat menimbulkan penumpukan antrian. Kata Kunci: Antrian, Pelanggan, Software ProModel 7.5 ABSTRACT Alfamart is a retail service that sells various needs in the form of daily goods and services. A minimarket must be able to serve each customer optimally so that customers don't have to wait any longer and don't have long queues. In this study,queues data got from Alfamart located in front of UNSIKA on Novembe 26 th 2019 queuing data will be calculated and simulated using ProModel 7.5 software where the queue model analyzed is single channel-single phase. The purpose of this research is to see whether the queuing system at Alfamart is optimal, and the simulation of the Pro- Model 7.5 software aims to see whether there is a buildup of queues or not. Based on the calculation results, the average cashier usage rate was 77%. The average number of customers waiting in line is 3 people. The average number of customers waiting for the system is 3 people. The average time spent waiting for the queue was 0.04 hours. The average time a consumer spends on the system is 0.05 hours. Simulations using ProModel 7.5 software show that the queue is still not optimal because the queuing system used can cause a buildup of queues. Keywords: Queue, Customer, ProModel 7.5 Software 13

I. PENDAHULUAN Antrian atau queueing seringkali terjadi pada rutinitas keseharian. Pada umumnya, mengantri seringkali terjadi pada fasilitas pelayanan dan semua orang pasti pernah merasakan dalam suatu garis antrian. Antrian merupakan suatu keadaan dimana pelanggan harus menunggu untuk dilayani. Masalah keterlambatan dalam suatu antrian adalah suatu hal yang paling umum dalam situasi kehidupan sehari-hari seperti di bank atau kantor pos, di kantor tiket, di transportasi umum atau dalam kemacetan lalu lintas tetapi juga di lingkungan yang lebih teknis, seperti di bidang manufaktur, jaringan komputer dan telekomunikasi (Shanmugasundaram & Umarani, 2015). Antrian juga sangat memainkan peran penting untuk tujuan rekayasa ulang proses bisnis dalam tugas administratif (Jhala & Bhathawala, 2017). Dalam hal ini, antrian terasa sangat familiar dalam keseharian kita. Teori antrian merupakan bagian dari penelitian operasi yang nantinya akan digunakan untuk membuat suatu keputusan mengenai aspek yang dibutuhkan untuk menyediakan suatu layanan (Shanmugasundaram & Umarani, 2015). Kedatangan merupakan suatu proses pada sistem antrian untuk menentukan distribusi probabilitas untuk jumlah kedatangan pada waktu tertentu. Proses kedatangan pelanggan satu dengan pelanggan lainnya waktunya seringkali tidak terduga atau dapat disebut sebagai varibel acak. Agar dapat mengetahui pola kedatangan pelanggan distribusi poisson dapat memvisualisasikan dalam bentuk model yang cukup baik(sztrik, 2012). Proses antrian ialah proses dimana saling berkesinambungan antara pelanggan yang datang pada suatu fasilitas pelayanan, lalu menunggu jika seluruh sistem layanan sibuk, hingga pada akhirnya mendapatkan pelayanan dan meninggalkan antrian. Sistem antrian merupakan kumpulan sistem yang terdiri dari pelanggan, pelayan serta aturan yang mengatur kedatangan dan proses pelayanan. Sistem antrian mencangkup pelanggan yang datang dengan laju konstan atau bervariasi untuk mendapatkan pelayanan pada suatu tempat layanan, pelanggan dapat langsung dilayani. Teori antrian menggunakan model matematika dan ukuran kinerja untuk menilai diharapkan dapat meningkatkan arus pelanggan melalui sistem antrian (Okhuese, 2015). Model matematis sering dilakukan pada sistem antrian untuk meningkatkan jumlah pelanggan masuk tanpa menimbulkan resiko antrian (Babicheva, 2015). Simulasi pada sistem antrian juga dapat digunakan untuk melihat kondisi antrian sesuai model matematika dan ukuran kinerja yang didapat (Haikal, 2020). Alfamart UNSIKA merupakan minimarket yang tidak terlepas dari permasalahan pada antrian. Lokasi yang berada di depan kampus UNSIKA serta berada di lingkungan jalan raya dan pemukiman warga menyebabkan banyak orang yang datang Alfamart untuk berbelanja kebutuhan sehari-hari. Setiap orang yang berbelanja selalu ingin mendapat pelayanan yang cepat sehingga tidak perlu menunggu lama dalam antrian sebelum mereka melakukan pembayaran ke kasir. Panjangnya antrian dan lama waktu pelayanan dapat menyebabkan pelanggan merasa bosan dan jenuh dalam antrian. Pada penelitian sebelumnya yang dilakukan oleh (Jaelani, 2015) yang menjelaskan suatu antrian pada SPBU di daerah Majalengka, peneliti ini menganalisis dengan model menggunakan sofeware ProModel untuk melihat sistem antrian apakah tingkat antrian yang terjadi pada SPBU tersebut masih cukup tinggi atau tidak, dan hasil dari penelitian tersebut ternyata terlihat bahwa masih terjadi antrian yang cukup tinggi pada salah satu saluran antriannya. Maka dari itu, penelitian kali ini akan melihat bagaimana tingkat antrian yang terjadi pada Alfamart UNSIKA apakah sudah optimal atau belum, dan masih terjadi penumpukan dalam antrian atau tidak yang akan dapat dilihat dari hasil visualisasi ProModel 7.5. II.TINJAUAN PUSTAKA A. Definisi Sistem dan Model Setiap orang memiliki cara padang yang berbeda dalam mendefinisikan pengertian 14

sistem. Menurut aturan sistem dilihat sebagai sekumpulan aturan yang memberi batasan baik dari sisi muatan sistem itu sendiri atau lingkup tempat sistem tersebut, agar menjamin keselarasan dan keadilan. Sistem sebagai kumpulan entiti yang saling berhubungan antar berbagai atribut untuk mencapai sesuatu yang menjadi tujuan akhir yang logis (Jaelani, 2015). Suatu desktipsi nyata tentang bagaimana berbagai sistem saling berhubungan atau bereaksi yang diartikan sebagai model. Untuk mempermudah dalam melakukan analisis maka dibuatkan model dari suatu sistem (Jaelani, 2015). B. Definisi Antrian Fenomena menunggu atau antri merupakan hal yang sering kali terjadi, dimana setiap pelanggan menunggu untuk mendapatkan pelayanan. Antrian terjadi saat dimana pelanggan menunggu untuk mendapatkan sutau pelayanan dari jasa layanan (Nurfitria et al., 2017). Antrian adalah suatu kegiatan yang dimana baik orang maupun barang berada dalam suatu barisan tunggu (Heizer dan Render, 2005). Hubungan antara kedatangan seorang pelanggan dengan suatu fasilitas pelayanan, kemudian masuk dalam antrian untuk menggu pelayan, dan akhirkan mendapatkan layanan lalu meninggalkan layanan tersebut disebut sebagai proses antrian. Sebuah sistem antrian merupakan himpunan yang terdiri dari pelanggan, pelayan dan suatu aturan yang mengatur kedatangan pada pelanggan dan pemrosesan masalah (Ekoanindiyo, 2011). Dalam antrian, rata-rata lamanya waktu menunggu dalam antrian sangat bergantung pada tingkat pelayanan terselesaikan (Rachman, 2016). C.Sistem Alur Antrian Sistem dasar proses antrian adalah mulai dari datangnya pelanggan, kemudian antrian, dan pelayanan, komponen sistem tersebut akan diilustrasikan seperti pada gambar dibawah ini: Gambar 1. Gambaran Antrian D. Struktur Dasar Proses Antrian Menurut (Bahar et al., 2018), pada umumnya proses antrian dibagi menjadi empat stuktur dasar menurut karakter atau sifat fasilitas pelayanannya, yaitu: 1. Single Channel-Single Phase Pada proses antrian Single Channel-Single Phase, Single Channel memiliki arti jika pada suatu sistem antrian hanya ada satu proses pelayanan dan satu jalan untuk memasuki sistem pelayanan tersebut. Sedangkan Single Phase memiliki arti bahwa hanya ada satu tempat pelayanan. Sistem ini memiliki satu jalan masuk dan satu jalur keluar antrian. Gambar 2. Satu jalan Satu Tahap 15

2. Multi Channel-Single Phase Pada proses antrian Multi Channel-Single Phase, Multi Channel memiliki arti bahwa ada dua atau lebih pelayanan yang dilaksanakan pada waktu ke waktu. Sedangkan Single Phase memiliki arti bahwa ada satu tempat antrian sebelum masuk ke banyak pelayanan. Gambar 3. Banyak Jalan Satu Tahap 3. Single Channel-Multi Phase Pada proses antrian Single Channel-Multi Phase, Single Channel memiliki arti bahwa dalam suatu sistem antrian hanya ada satu tempat pelayanan. Sedangkan Multi Phase memiliki makna jika ada dua atau lebih pelayanan yang dilakukan dalam suatu proses antrian. Gambar 4. Satu Jalan Banyak Tahap 4. Multi Channel-Multi Phase Pada proses antrian Multi Channel-Multi Phase, Multi Channel memiliki arti bahwasannya dalam suatu antrian terdapat lebih dari satu pelayanan. Sedangkan Multi Phase memiliki arti bahwa ada dua atau lebih pelayanan yang dilakukan dalam suatu proses antrian. Proses ini memiliki pelayanan yang berbeda dari setiap kebutuhan pelanggan, sehingga jalur masuk antrian dan jalur pelayanannya bervariasi. Gambar 5. Banyak Saluran Banyak Tahap Gambar diatas menunjukan bahwa proses layanan secara paralel dengan banyaknya saluran dalam proses antrian. Berbagai alur menunjukan keseluruhan kedatangan yang harus dilayani secara berurutan. Gambar diatas menunjukan merupakan ilustrasi dasar untuk menggambarkan suatu antrian, masih banyak variasi struktur antrian lain yang dari sistem antrian banyak saluran dan banyak tahap. 16

E. Asumsi Teori Antrian 1. Distribusi Kedatangan Model antrian merupakan bentuk probabilistic karena aspek-aspek tertentu dalam model antrian merupakan variabel acak. Distribusi probabilistic dapat digambarkan dengan variabel random (Mussafi, 2016). Waktu pelayanan dan kedatangan pada sistem antrian termasuk dalam variabel random. Distribusi poisson merupakan hipotesis yang seringkali digunakan dalam ditribusi kedatangan (unit waktu). Rumus untuk mengetahui distribusi probabilitas poisson adalah: P(x) = e λ λx x! Dimana: x : Banyaknya kedatangan p(x) : Probabilitas kedatangan λ : Rata-rata tingkat kedatangan e : Dasar logaritma natural, yaitu 2,71828 x! = x (x-1) (x-2)... 1. (dibaca x faktorial) 2. Distribusi Waktu Pelayanan Distribusi probabilitas merupakan salah satu bentuk dalam waktu pelayanan dalam sistem antrian. Distribusi eksponential negative adalah asumsi yang biasa dipakai untuk distribusi waktu pelayanan. Sehingga jika waktu pelayanan mengikuti distribusi eksponensial negatif, maka tingkat sistem layanan akan seperti distribusi Poisson. Rumus umum density function probabilitas eksponensial negatif adalah (Buana, 2007): f (t) =µe µt (2) Dimana: T : Waktu pelayanan f (t) : Probabilitas yang berhubungan dengan t µ : Rata-rata tingkat pelayanan 1/µ : Rata-rata waktu pelayanan e : Dasar logaritma natural, yaitu 2,71828 Penelitian menunjukkan bahwa terjadi ketidak absahan pada asumsi distribusi eksponensial negatif maupun poisson. Sehingga asumsi yang dilakukan harus diuji terlebih dahulu dan kemudian dapat digunakan suatu model. Pengujain diterapkan melalui test goodness of fit dengan menggunakan distribusi Chi square (Aulele, 2014). 3. Disiplin Antrian Sikap disiplin antrian dari pengantri dapat berpengaruh terhadap aturan pelayanan adalah pengantri yang terburu-buru biasanya akan meninggalkan antrian sebelum dilayani, yang disebut dengan reneging (Buana, 2007). 4. Sistem Antri Steady State dan Transient Steady state dipermisalkan bahwa kriteria operasi seperti panjang antrian dan waktu rata-rata menunggu memiliki bobot tetap setelah sistem melaju dalam waktu tertentu. Keadaan transient ialah dimana sistem suatu antrian yang tidak bisa diharapkan berlangsung cukup lama dalam keadaan steady state. Sistem antrian transient solusinya tergantung pada waktu yang telah dilewati sejak sistem mulai beroperasi(buana, 2007). (1) 17

5. Tingkat Kedatangan dan Pelayanan Dipermisalkan banyaknya pelayanan dengan (μ) harus dapat lebih dari tingkat kedatangan pengantri. Dampak dari tingkat kedatangan yang cukup banyak akan menyebabkan suatu antrian sehingga tidak memiliki solusi keseimbang. Banyaknya kedatangan (λ), banyaknya pelayanan (µ) dan panjang antrian berhubungan satu sama lain dan sangat berpengeruh pada sistem antrian. Jika λ < µ, maka traffic intensity atau utilization faktor R = λ / µ kurang dari 1. Jika rasio ini mendekati 1, panjang antrian yang diharapkan akan mendekati tak terbatas(buana, 2007). III. METODOLOGI PENELITIAN Alfamart di depan kampus UNSIKA menjadi objek penelitian kali ini. Penelitian ini dilakukan untuk mengetahu sistem antrian pada Alfamart tersebut. Maka dari itu dilakukan survey langsung untuk melihat antrian yang terjadi pada waktu-waktu tertentu, serta melihat berapa lama tingkat pelayanan yang dilakukan kasir dalam melayani setiap satu pelanggan. Gambar 6. Tahap Pengolahan Data Metode penelitian yang digunakan yaitu penelitian deskriptif observasional dengan secara langsung melakukan pengamatan terhadap sistem antrian yang ada pada Alfamart di depan kampus UNSIKA. Setelah masalah diidentifikasi dan data didapat, maka dilakukan pengolahan data. Dalam menyelesaikan permasalahan yang ada, penelitian ini juga menggunakan software ProModel 7.5. Simulasi ini menggunakan bentuk pendekatan aktivitas dimana terdapat interaksi dari beberapa entitas yang menggamparkan proses operasi (Ekoanindiyo, 2011). Aktor-aktor dalam simulasi antrian ini adalah server dan pelanggan (Vierdyan Rosawijaya; Hotniar Siringoringo, 2004). Adapun langkah-langkah simulasi menggunakan software ProModel 7.5 adalah (Cornellia, 2018): 1. Membuka Software ProModel 7.5 Klik Start, kemudian pilih All Programs, pilih ProModel 7.5. 2. Membuat Model Simulasi Baru Klik File, lalu klik New untuk mengisi General Information yang berfungsi untuk memberikan judul dari simulasi yang akan dibuat, menentukan lokasi penyimpanan, dan memilih unit sesuai dengan kebutuhan. 3. Membuat Location Klik Build, lalu pilih Location (CTRL + L) untuk membuat lokasi proses entitas dalam sistem simulasi. Gambar 7. Location 18

4. Membuat Entities Klik Build, lalu pilih Entities (CTRL + E) untuk menentukan entitas yang akan digunakan dalam simulasi. Gambar 8. Entities 5. Membuar Arrivals Klik Build, lalu pilih Arrivals (CTRL + A) untuk menentukan kedatangan entitas yang sudah dijadwalkan untuk tiba dalam sistem simulasi. Gambar 9. Arrivals 6. Membuat Process Klik Build, lalu pilih Processing (CTRL + P) untuk membuat proses rute entitas dalam sistem dan operasi yang dimasukinya. Gambar 10. Process IV. HASIL DAN PEMBAHASAN Alfamart atau minimarket merupaan salah satu bidang usaha yang dimana pelayan berhubungan langsung dengan pelanggan, oleh karena itu presepsi pelanggan terhadap beberapa aspek yang ada pada minimarket sangat diperhitungkan. Metode antrian ini digunakan untuk melihat seberapa baik penanganan antrian yang dilakukan Alfamart UNSIKA. Dalam kasus ini pengumpulan data dilakukan dengan cara observasi lapangan serta wawancara. Hasil dari pengamatan yang dilakukan pada 26 November 2019 dan dilakukan pada saat jam sibuk atau dapat dikatakan jam ramainya pelanggan berbelanja di Alfamart yaitu pukul 12.00-17.00 WIB hingga didapatkan beberapa sample. Data-data ini akan dihitung menggunakan metode single channel-single phase atau satu saluran satu tahap. No Jam kerja TABEL I DATA ANTRIAN ALFAMART UNSIKA Jumlah Kedatangan (Orang) Rata-rata waktu pelayanan (Menit) 1 12.00-13.00 95 88,2 2 13.00-14.00 33 85,2 3 14.00-15.00 41 78 4 15.00-16.00 73 78 5 16.00-17.00 75 84 Rata-rata 63,4 82,8 19

A. Uji Kecukupan Data Menurut Roscoe (1975) yang dikutip pada penelitian (Goleman et al., 2019), untuk menentukan ukuran sample yang menjadi acuan umumnya adalah: 1. Ukuran sample 30 n 500 dapat dikatakan cukup untuk penelitian. 2. Apabila sample dibagi menjadi beberapa subsample (pria/wanita, junior/senior, dan sebagainya), ukuran sample paling sedikit 30 untuk setiap kategori sudah dapat dikatakan cukup. 3. Pada penelitian mutivariat (termasuk analisis regresi berganda), ukuran sample sebaiknya 10 kali lebih besar dari jumlah variabel dalam penelitian. 4. Penelitian yang dapat dikatakan berhasil mungkin dengan ukuran sample kecil dengan kisaran 10 sampai dengan 20 sample untuk penelitian eksperimental sederhana dengan kontrol eskperimen yang ketat. Dari ke empat point umum tersebut, sample yang diambil sudah tepat untuk penelitian karena ukuran sampel 30 n 500. B. Definisi Masalah, Pengembangan Model dan Pemecahan Model 1. Definisi Masalah Penelitian ini menggunakan metode antrian dengan struktur Single Channel Single Phase (M/M/1):(GD/ / ). Hal ini terjadi karena dalam sistem antrian hanya ada satu jalur masuk, satu jalur pelayanan, dan satu jalur keluar antrian (Aji & Bodroastuti, 2013). Dari Tabel I, didapat bahwa rata-rata jumlah kunjungan per jam (λ) adalah 63,4 orang per jam, sedangkan untuk rata-rata waktu pelayanan yakni 82,8 orang per jam. Dari data tersebut, akan diidentifikasi keefektifan pelayanan kasir Alfamart UNSIKA terhadap antrian yang ada. 2. Pengembangan Model Fungsi Tujuan: ρ = λ μ (3) Dimana: λ : Rata-rata jumlah kunjungan (per jam) μ : Rata-rata waktu pelayanan (per jam) Batasan: μ λ (4) 3. Pemecahan Model Model (M/M/1):(GD/ / ) menunjukkan bahwa M pertama adalah distribusi kedatangan, M kedua adalah distribusi pelayanan, 1 menunjukkan jumlah fasilitas pelayanan dalam sistem, dan GD menunjukkan disiplin antrian (Prawiro & Agfazar, 2020). Pada model (M/M/1):(GD/ / ), waktu kedatangan dan waktu pelayanan berdistribusi eksponensial (Sari et al., 2017). Dari rumus yang ada (Sivakami Sundari & Palaniammal, 2019), model (M/M/1):(GD/ / ) memiliki lima rumus antrian yang akan digunakan dalam perhitungan kali ini, yaitu: a. Periode Sibuk ρ = λ μ ρ = 63,4 82,4 ρ = 0,77 Dari hasil perhitungan diketahui bahwa tingkat kesibukan kasir sebesar 77% dan tingkat menganggur sebesar 23%. Hal ini menunjukkan bahwa produktivitas kasir sudah cukup bagus karena melebihi 70% dan waktu menganggur disebabkan oleh waktu menunggu pelanggan masuk kedalam sistem. 20

b. Rata-rata jumlah Pelanggan pada Antrian L q = μ(μ λ) 63,4 2 L q = 82,4(82,4 63,4) L q = 4019,56 1565,6 L q = 2,57 3 Dari perhitungan diketahui bahwa rata-rata pelanggan yang berada dalam antrian sebanyak 3 orang. c. Jumlah Rata-Rata Pelanggan dalam Sistem L s = λ μ λ L s = λ 2 63,4 82,4 63,4 L s = 3,33 3 Dari perhitungan dalam antrian diketahui bahwa rata-rata pelanggan yang masuk dalam sistem antrian sebanyak 9 orang. d. Waktu Menunggu Rata-Rata dalam Antrian λ W q = μ(μ λ) W q = 63,4 82,4(82,4 63,4) W q = 0,04 Dari hasil perhitungan diketahui bahwa rata-rata waktu pelanggan menunggu dalam sistem sebesar 0,04 jam. e. Waktu Menunggu Rata-Rata dalam Sistem W s = 1 μ λ W s = 1 82,4 63,4 W s = 1 19 W s = 0,05 Dari hasil perhitungan waktu menunggu rata-rata dalam sistem, diketahui bahwa ratarata waktu pelanggan menunggu di dalam sistem sebesar 0,05 jam. C.Simulasi Model Antrian Menggunakan ProModel 7.5 Setelah semua data telah diproses dan didapatkan hasilnya, maka data tersebut siap disimulasikan pada software ProModel 7.5. Lokasi untuk mewakili keadaan hasil observasi ditunjukkan pada gambar 11 dibawah. 21

Gambar 11. Locations pada ProModel Kemudian setelah lokasi telah mewakilkan keadaan, maka selanjutnya adalah memasukkan entitas seperti pada gambar 12 dibawah. Gambar 12. Entities pada ProModel Selanjutnya yaitu mengatur proses kedatangan entitas kedalam simulasi yang ditunjukkan pada gambar 13 dan gambar 14 dibawah. Gambar 13. Arrivals pada ProModel Gambar 14. Routing Entitas pada ProModel Setelah semua aspek selesai dimasukkan, maka simulasi dapat dijalankan. Hasil simulasi menggunakan ProModel 7.5 ditunjukkan pada gambar 15 dibawah. 22

Gambar 15. Simulasi Antrian Alfamart UNSIKA Dari simulasi yang telah dibuat, dapat terlihat bahwa masih terjadi penumpukkan antrian dari sistem antrian Alfamart UNSIKA. Sistem dirasa masih belum dapat menampung keseluruhan pelanggan sehingga jika hal ini terjadi secara terus menerus, maka dapat terjadi penumpukan pelanggan secara terus menerus dan membuat sistem antrian pada Alfamart UNSIKA masih belum optimal. D. Hasil dan Pembahasan Dari hasil perhitungan yang dilakukan dapat dilihat bahwa tingkat produktivitas kasir untuk melayani pelanggan sebesar 77%, dengan terdapat 3 pelanggan dalam baris antrian, jumlah rata-rata pelanggan dalam sistem sebanyak 9 orang, waktu tunggu untuk dihabiskan setiap pelanggan saat mengantri selama 0,04 jam, dan untuk waktu yang dihabiskan dalam sistem rata-rata selama 0,05 jam. ProModel 7.5 membantu untuk memvisualkan apakah sistem antrian pada Alfamart UNSIKA masih terjadi penumpukan atau tidak. Dan hasil yang divisualkan oleh Pro- Model 7.5 ternyata masih terjadi penumpukan antrian. V. KESIMPULAN Sistem antrian pada Alfamart UNSIKA dengan metode single channel-single phase untuk di jam sibuk, rata-rata tingkat penggunaan kasir di Alfamart UNSIKA adalah 0,77 = 77%. Hasil tersebut menunjukkan bahwa tingkat kesibukan kasir di Alfamart UNSIKA sebesar 77% dan mengangur sebanyak 23%. Jumlah rata-rata pelanggan dalam antrian sebanyak 3 orang. Terdapat 3 orang pelanggan yang menunggu sistem pada jumlah ratarata pelanggan. Hasil pengolahan data memperlihatkan jika sistem hanya mampu menampung sebagian pelanggan. Dengan kisaran waktu yang dihabiskan untuk menunggu dalam antrian adalah 0,04 jam. Seorang pelanggan mengha waktu 0,05 jam dalam untuk waktu rata-rata pada antrian. Hal tersebut menunjukkan bahwa konsumen menghabiskan banyak waktu lebih banyak saat di dalam sistem, sehingga beresiko terjadinya penumpukan antrian pada Alfamart UNSIKA. Untuk simulasi antrian, software ProModel 7.5 dapat dengan baik membuat simulasi antrian yang terjadi pada antrian Alfamart UNSIKA. Meskipun gambar yang disediakan Pro- Model 7.5 masih terbatas, tetapi mampu merepresentasikan setiap entitas dan prosesnya. Simulasi tersebut menunjukkan bagaimana konsumen masuk kedalam antrian, berada di sistem antrian, dan keluar dari sistem antrian. Simulasi dari software ProModel 7.5 juga menunjukkan bahwa terjadi penumpukan antrian pada Alfamart UNSIKA. Hal tersebut menunjukkan sistem antrian pada Alfamart UNSIKA terlihat kurang optimal melihat kedatangan pelanggan yang cukup ramai. PUSTAKA Aji, S. P., & Bodroastuti, T. (2013). Penerapan Model Simulasi Antrian Multi Channel Single Phase Pada Antrian Di Apotek Purnama Semarang. Jurnal Kajian Akuntansi Dan Bisnis, 1(1), 1 16. http://www.jurnal.widyamanggala.ac.id/index.php/wmkeb/article/view/75 Aulele, S. N. (2014). Analisis Sistem Antrian Pada Bank Mandiri Cabang Ambon. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 8(1), 45 49. https://doi.org/10.30598/barekengvol8iss1pp45-49 23

Babicheva, T. S. (2015). The use of queuing theory at research and optimization of traffic on the signal-controlled road intersections. Procedia Computer Science, 55(December), 469 478. https://doi.org/10.1016/j.procs.2015.07.016 Bahar, S., Mananohas, M. L., & Montolalu, C. (2018). Model Sistem Antrian dengan Menggunakan Pola Kedatangan dan Pola Pelayanan Pemohon SIM di Satuan Penyelenggaraan Adminstrasi SIM Resort Kepolisian Manado. D CARTESIAN, 7(1), 15. https://doi.org/10.35799/dc.7.1.2018.19549 Buana, U. M. (2007). Oleh : eliyani. Cornellia, R. (2018). Analisis Antrian pada Loket Pembuatan Elektronik KTP dengan Menggunakan Simulasi Promodel. STRING (Satuan Tulisan Riset Dan Inovasi Teknologi), 3(2), 119. https://doi.org/10.30998/string.v3i2.2763 Ekoanindiyo, F. (2011). Pemodelan Sistem Antrian Dengan Menggunakan Simulasi. Jurnal Ilmiah Dinamika Teknik, 5(1), 72 85. Goleman et al., 2019. (2019). 済無 No Title No Title. Journal of Chemical Information and Modeling, 53(9), 1689 1699. Haikal, F. (2020). Analisis Antrian Pada Loket Pintu Tol Cijago Dengan Menggunakan Simulasi Promodel. 2(1), 32 36. Jaelani, E. (2015). Optimalisasi Sistem Pelayanan Untuk Mengurangi Antrian Dengan Pendekatan Simulasi Menggunakan Software Pro Model (Studi Kasus Pada Spbu Kadipaten, Majalengka). 7(1), 101 118. Jhala, N., & Bhathawala, P. (2017). Analysis and application of queuing theory in Supermarkets. International Journal of Innovative Research in Science, Engineering and Technology, 6(9), 6. https://doi.org/10.15680/ijirset.2017.0609021 Mussafi, N. S. M. (2016). Pemodelan Sistem Antrian Multi-Channeljasa Teller Pada Bank Syariah Di Yogyakarta Untuk Meningkatkan Kinerja Perusahaan. AdMathEdu : Jurnal Ilmiah Pendidikan Matematika, Ilmu Matematika Dan Matematika Terapan, 5(2). https://doi.org/10.12928/admathedu.v5i2.4770 Nurfitria, D., Nureni, N., & Utami, I. T. (2017). Analisis Antrian Dengan Model Single Channel Single Phase Service Pada Stasiun Pengisian Bahan Bakar Umum (Spbu) I Gusti Ngurahrai Palu. Jurnal Ilmiah Matematika Dan Terapan, 12(2), 65 71. https://doi.org/10.22487/2540766x.2015.v12.i2.7906 Okhuese, V. A. (2015). Application of Queuing Theory: Analysis of Services of Commercial Banks. The Journal of Science Teachers Association of Nigeria, 48(1), 102 120. Prawiro, K. S., & Agfazar, D. (2020). Analisis Antrian Sepeda Motor pada SPBU Tanah Merdeka Menggunakan Simulasi Promodel. 2(1), 28 31. Rachman, T. (2016). Simulasi model antrian optimal loket pembayaran parkir. Jurnal INOVISI, 12(2), 72 85. http://ejurnal.esaunggul.ac.id/index.php/inovisi/article/view/1919/1712 Sari, N. P., Sugito, S., & Warsito, B. (2017). Penerapan Teori Antrian Pada Pelayanan Teller Bank X Kantor Cabang Pembantu Puri Sentra Niaga. None, 6(1), 81 90. Shanmugasundaram, S., & Umarani, P. (2015). Queuing Theory Applied in Our Day To Day Life Ijser Queuing Theory Applied in Our Day To Day Life. International Journal of Scientific & Engineering Research, 6(4), 533 541. http://www.ijser.org Sivakami Sundari, M., & Palaniammal, S. (2019). An ann simulation of single server with infinite capacity queuing system. International Journal of Innovative Technology and Exploring Engineering, 8(12), 4067 4071. https://doi.org/10.35940/ijitee.l3633.1081219 Sztrik, J. (2012). Queueing theory and its applications. 1, 1 1. https://doi.org/10.1145/2350716.2350717 Vierdyan Rosawijaya; Hotniar Siringoringo. (2004). SIMULASI SISTEM ANTRIAN MENGGUNAKAN PERANGKAT LUNAK SIMULASI PROMODEL : Studi Kasus WARTEL. Proccedings, Komputer Dan Sistem Intelijen (KOMMIT2004). 24