BAB 3 LANGKAH PEMECAHAN MASALAH

dokumen-dokumen yang mirip
BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 3 METODOLOGI PEMECAHAN MASALAH

SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA

Optimasi Non-Linier. Metode Numeris

Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

BAB III METODE PENELITIAN

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK

BAB 3 METODE PENELITIAN

BAB II TINJAUAN PUSTAKA

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

BAB 2 TEORI PENUNJANG

SISTEM PENDUKUNG KEPUTUSAN PERBANDINGAN TINGKAT PELANGGARAN PERLINDUNGAN KEKERASAN PADA ANAK

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

BAB II TINJAUAN PUSTAKA

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

BAB 1 PENDAHULUAN. 1.1 Latar belakang

Aplikasi diagonalisasi matriks pada rantai Markov

MODEL SISTEM ANTRIAN

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA

BAB III METODE SCHNABEL

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

Sistem Pendukung Keputusan Penerima Beasiswa SMK Menggunakan Metode Backpropagation

PENDAHULUAN TINJAUAN PUSTAKA

Makalah Seminar Tugas Akhir

III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

Pengaruh Proses Stemming Pada Kinerja Analisa Sentimen Pada Review Buku

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Peluang Peningkatan Tipe Terminal di Kecamatan Banyumaik (Analisis Demand dan Supply) Febriana Ayu K¹ dan Bitta Pigawati²

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja

PENGUKURAN PENDAPATAN NASIONAL

BAB III LANGKAH PEMECAHAN MASALAH. Dari hasil penelitian yang dilakukan pada perusahaan PITSTOP Autowash

PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION

Keragaman Struktur Tegakan Hutan Alam Sekunder The Variability of Stand Structure of Logged-over Natural Forest

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP)

ANALISIS VARIANSI (ANOVA)

III. METODOLOGI PENELITIAN

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain

PEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel

BAB II LANDASAN TEORI

BAB III MODEL KANAL WIRELESS

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure

Materi. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham

HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG

BAB V SIMPULAN DAN SARAN

VI. PEMILIHAN MODA (Modal Split/Choice)

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION

STANDAR PELAYANAN MINIMAL PADA RUAS JALAN TOL BELMERA (STUDI KASUS: RUAS JALAN TOL TANJUNG MORAWA-BELAWAN)

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

4. 1 Spesifikasi Keadaan dari Sebuah Sistem

AKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA

SATUAN ACARA PERKULIAHAN ( SAP )

TEORI ANTRIAN PERTEMUAN #10 TKT TAUFIQUR RACHMAN PENGANTAR TEKNIK INDUSTRI

TEORI KINETIKA REAKSI KIMIA


Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman

PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK

HUBUNGAN SIKAP DENGAN PRAKTIK PERAWATAN BAYI SEHARI-HARI PADA IBU PRIMIPARA DI WILAYAH KERJA PUSKESMAS NGAMPEL PABUPATEN KENDAL ABSTRAK

Simulasi Antrian Jaringan Multi Server Menggunakan Metode Open Jackson

Makalah Seminar Tugas Akhir

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak

JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA

PENERAPAN METODE FUZZY MULTI CRITERIA DECISION MAKING PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SMARTPHONE

BAB III METODE PENELITIAN (BAHAN DAN METODE)

Teori Antrian. Riset Operasi TIP FTP UB Mas ud Effendi

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN. Jl. Panjang No.25 Jakarta Barat. Penelitian dilakukan selama 2 Minggu, yaitu

3. Sebaran Peluang Diskrit

Transkripsi:

BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti aan mencari tahu inerja operasional yang paling menjadi endala dalam proses pengoperasiannya. Dengan menggunaan metode AHP (Analytical Hirarchy Process), dimana pertama-tama aan diberian uesioner 38

39 epada Manajer Operasional, yang nantinya dari hasil uesioner tersebut aan diolah dengan menggunaan software Expert Choice 2000. Analisis dan Determinasi Dampa Kendala Kinerja Operasional BLU Transjaarta Busway Pada tahap ini, aan dibahas lebih dalam hal-hal yang menjadi penyebab inerja operasional tersebut belum memenuhi standar pelayanan publi yang duharapan. Setelah itu aan dianalisis dampa-dampa yang bisa diaibatan apabila hal ini dibiaran terus-menerus. Pengumpulan Data Setelah semua fator penyebab masalah dietahui, maa tahap selanjutnya adalah mengumpulan data-data yang diperluan untu diolah menjadi suatu solusi dari masalah-masalah yang timbul. Data-data yang diumpulan tersebut diambil pada rentang watu tertentu yang telah ditetapan peneliti. Tahap pengumpulan data ini yaitu pengumpulan data secara langsung. Pengumpulan data secara langsung meliputi wawancara dengan manager operasional dan petugas layanan, dan observasi terhadap jumlah edatangan customer. Melalui pengumpulan data secara langsung diperoleh watu pelayanan dan data jumlah edatangan customer. Melalui pengumpulan data secara langsung ini diperoleh watu pelayanan dan data jumlah edatangan untu emudian diolah menjadi rata-rata tingat pelayanan (service rate) dan rata-rata tingat edatangan (arrival rate).

40 Pengolahan Data Awal Tahap beriutnya yang dilauan setelah semua data yang diperluan berhasil diumpulan adalah tahap pengolahan data awal. Tahap ini disebut tahap pengolahan data awal arena pada tahap ini sudah mulai dilauan perhitunganperhitungan yang diperluan agar data tersebut dapat diolah lagi pada tahap selanjutnya. Pengolahan data awal ini sangat penting dilauan untu menjamin hasil penelitian yang aurat dan dapat dipercaya. Langah-langah yang diambil dalam tahap pengolahan data awal ini adalah penghitungan distribusi laju edatangan () dan distribusi laju pelayanan (μ). Laju edatangan ditetapan berdasaran penelitian atas setiap edatangan di setiap halte-halte Transjaarta Busway. Sedangan laju edatangan ditetapan berdasaran 3 watu edatangan bus Transjaarta. Pengolahan Data Ahir Jia semua persyaratan dalam tiap pengolahan data awal telah dipenuhi, maa dapat dilauan pengolahan data tahap selanjutnya. Pengolahan data yang diamsudan disini adalah mengolah data sedemiian rupa dengan menggunaan teni-teni dan formula tertentu sehingga data mentah yang diumpulan dapat berubah menjadi informasi yang berguna dalam pemecahan masalah. Langah-langah yang diambil dalam tahap pengolahan data ini adalah: o Menentuan jenis model antrian yang sesuai dengan hasil pengujian data edatangan dan pelayanan. Kemudian melauan penghitungan evaluasi arateristi operasional dari sistem antrian yang ada. Penghitungan

41 arateristi operasional sistem antrian ini meliputi Po, Pw, Ls, Lq, Ws, dan Wq. Pengendalian Kinerja Operasional Pada tahap ini, setelah melihat permasalahan yang dapat terjadi dalam inerja operasional, maa perusahaan perlu menetapan ebijaan baru untu tetap mempertahanan omitmen yang sudah ditetapan dari awal beroperasinya Transjaarta. Diharapan dengan pengendalian ini, inerja operasional berlangsung semain bai dan dapat mengurangi permasalahan yang terjadi pada proses pengoperasiannya. 3.2 Pengembangan Model Optimasi Pengembangan model optimasi dengan manajemen operasional terutama diduung dengan metode Analytical Hierarchy Process. Beriut ini aan dijelasan penerapannya: Analytical Hierarchy Process (AHP) Analytical Hierarchy Process merupaan metode analisis eputusan dengan riteria majemu yang digunaan untu menurunan sala rasio dari perbandingan berpasangan dari riteria dan alternatif, bai yang disrit maupun sampai pada ontinyu, yang tersusun dalam hirari multilevel. Perbandingan ini bisa diambil dari hasil penguuran atual atau menggunaan sala dasar yang menunjuan epentingan/euatan relatif berdasaran preferensi partisipan. Dalam penelitian ini, AHP digunaan untu mendeterminasian inerja operasional yang paling merupaan permasalahan penting yang dihadapi Perusahaan Transjaarta Busway. Untu itu aan diberian uesioner yang berisi perbandingan 6 (enam) inerja operasional. Enam inerja operasional ditetapan berdasaran standar pelayanan publi yang diharapan dari sistem

42 busway. Beriut adalah gambaran uesioner yang nantinya aan diberian epada Manajer Operasional Perusahaan Transjaarta Busway untu membandingan dan memberi bobot tiap inerja operasional secara berpasangan. Keterangan pengisian : SKALA KETERANGAN 1 Kedua elemen sama pentingnya 3 Elemen yang satu sediit lebih penting etimbang lainnya 5 Elemen yang satu sangat penting etimbanga elemen lainnya 7 Satu elemen jelas lebih penting dari elemen lainnya 9 Satu elemen mutla lebih penting etimbang elemen lainnya 2,4,6,8 Nilai-nilai antara dua pertimbangan berdeatan i 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 j Berarti i sediit lebih penting dari j i = (3) j i 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 j Berarti j sediit lebih penting dari i i = (1/3) j Gambar 3.2 Gambaran uesioner AHP Sumber : http://heru.wordpress.com/2006/09/21/analytic-hierarchy-process-ahp/ Kemudian jawaban dari uesioner tersebut aan diolah menggunaan software Expert Choice 2000. Dan aan langsung ditemuan inerja operasional yang paling menjadi permasalahan yang dihadapi oleh Perusahaan Transjaarta Busway.

43 Beriut adalah gambaran penggunaan software Expert Choice 2000. Gambar 3.3 Gambaran Software Expert Choice 2000 Sumber : Expert Choice 2000 Waiting Line (Sistem Antrian) Antrian merupaan atifitas yang tida lepas dari ehidupan manusia sehari hari. Sua atau tida sua, manusia tetap harus melauan atifitas antrian tersebut. Menurut Taha (1997, p176), fenomena menunggu atau mengantri merupaan hasil langsung dari eacaan dalam operasional pelayanan fasilitas. Secara umum, edatangan pelanggan e dalam suatu sistem dan watu pelayanan untu pelanggan tersebut tida dapat diatur dan dietahui watunya secara tepat, namun sebalinya, fasilitas operasional dapat diatur sehingga dapat mengurangi antrian.

44 Dalam penelitian ini, penghitungan waiting line digunaan untu menghitung sistem antrian pada halte Bus Transjaarta yang merupaan masalah paling omples yang dihadapi oleh BLU Transjaarta Busway. Asumsi dan Rumus Rumus Dalam sripsi ini permasalahan antrian didasaran pada asumsi beriut ; 1. Satu pelayanan dan dua tahap. 2. Jumlah edatangan per unit watu digambaran oleh distribusi Poisson, dengan = rata rata ecepatan edatangan. 3. Watu pelayanan esponensial dengan μ = rata rata ecepatan pelayanan. 4. Disiplin antrian adalah First Come Firs Served (aturan antrian pertama datang, pertama dilayani) seluruh edatangan dalam barisan hingga dilayani. 5. Dimunginan panjang barisan yang ta terhingga. 6. Populasi yang dilayani tida terbatas. 7. Rata-rata edatangan lebih ecil dari rata rata watu pelayanan. 8. Rata-rata tingat edatangan lebih ecil dari tingat pelayanan semua channel (= jumlah channel dialian rata-rata tingat pelayanan per channel). Dari asumsi tersebut dapat diperoleh hasil secara statisti sebagai beriut : Probabilitas terdapat 0 orang dalam sistem Po = 1 n= 0 1 n! μ n 1 1 +! μ,.μ = dimana = jumlah saluran Probabilitas jia sedang sibu

45 1 Pw =! μ Po Jumlah pelanggan rata-rata dalam sistem μ μ Ls = Po + 2 ( 1)!( ) μ Jumlah orang rata-rata yang menunggu dalam antrian Lq = Ls μ Watu rata-rata yang dihabisan pelanggan dalam antrian atau sedang dilayani (dalam sistem) μ( μ) Ws = ( 1)!( ) 2 1 Po + = μ Ls Watu rata-rata yang dihabisan oleh seorang pelanggan untu menunggu dalam antrian Lq Wq =