BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian dilakukan di Kantor Penjualan Senayan City PT Garuda Indonesia (Persero) Tbk yang berlokasi di Senayan City, Jakarta. Penelitian dilakukan selama 14 hari, yaitu pada hari Senin-Minggu pada tanggal 12 25 Oktober 2015. Data yang digunakan pada penelitian ini adalah data primer, yaitu data diambil langsung melalui proses pengamatan (observasi). Data primer tersebut berupa data waktu kedatangan pelanggan dan data waktu pelayanan. B. Desain Penelitian Data yang digunakan dalam penelitian ini yaitu deskriptif kuantitatif. Metode deskriptif dilakukan karena peneliti ingin menggambarkan panjangnya antrian yang terjadi di PT Garuda Indonesia. Metode kuantitatif dilakukan untuk menghitung populasi jumlah kedatangan dan waktu pelayanan dalam menyelesaikan kepentingan pelanggan yang terjadi di PT Garuda Indonesia. C. Defenisi dan Operational Variabel Variabel-variabel yang digunakan dalam penelitian ini adalah: 1. Karakteristik Antrian Menurut Heizer dan Render (2005:659) ada tiga komponen karakteristik dalam sistem antrian: 40

41 a. Kedatangan Kedatangan memiliki karakteristik seperti ukuran populasi, perilaku, dan sebuah distribusi statistik. b. Antrian Menurut Heizer dan Render (2005:662) disiplin antrian adalah komponen yang kedua pada sebuah sistem antrian. Karakteristik antrian berkaitan dengan aturan antrian. Aturan antrian mengacu pada peraturan pelanggan yang mana dalam barisan yang akan menerima pelayanan. Sebagian besar sistem menggunakan sebuah aturan antrian yang dikenal sebagai aturan first-in, first out (FIFO) dimana sebuah aturan antrian yang menetapkan pelanggan yang pertama datang pada antrian berhak menerima pelayanan yang pertama. c. Pelayanan Terdapat 2 (dua) hal penting dalam karakteristik pelayanan yaitu (1) desain sistem pelayanan dan (2) distribusi waktu pelayanan (Heizer dan Render 2005:662). Desain dasar sistem antrian pelayanan pada umumnya digolongkan menurut jumlah saluran yang ada (sebagai contoh, jumlah kasir) dan jumlah tahapan (sebagai contoh, jumlah pemberhentian yang harus dibuat). 2. Pola Kedatangan Pola kedatangan dianggap sebagai kedatangan yang acak bila kedatangan tersebut tidak terikat satu sama lain dan kejadian kedatangan tersebut tidak dapat diramalkan secara tepat. Sering dalam permasalahan antrian, banyaknya kedatangan pada setiap unit waktu dapat diperkirakan oleh sebuah distribusi

42 probabilitas yang dikenal sebagai distribusi poisson (Heizer dan Render, 2005:660). Kedatangan para pelanggan ke dalam sistem menurut proses poisson, yaitu banyaknya pelanggan yang datang sampai pada waktu tertentu mempunyai distribusi poisson. Hal ini benar apabila kedatangan pelanggan secara random pada kecepatan kedatangan rata-rata tertentu. Dikatakan random bila interval waktu yang tersisa sampai pemunculan kejadian berikutnya sepenuhnya tidak bergantung pada interval waktu sebelumnya. Dengan menggunakan software SPSS 22.0, maka akan mendapatkan hasil pengujian terhadap jumlah kedatangan pelanggan melalui distribusi poisson. Apabila hasil perhitungan menggunakan SPSS 22.0 nilai signifikansi (Asymp. Sig.) yang didapat lebih besar dari dibandingkan nilai tarif nyata yang telah ditetapkan yaitu 0.05, maka dapat disimpulkan bahwa data jumlah kedatangan berdistribusi poisson. 3. Pola Pelayanan (Multi Channel Single Phase) Sistem antrian yang digunakan dalam penelitian ini adalah Multi Channel Single Phase dimana ada dua atau lebih fasilitas pelayanan dialiri oleh antrian tunggal. (Heizer dan Render 2005:662). Pemberian pelayanan tersebut ditujukan untuk memberikan kepuasan kepada pelanggan. Pola pelayanan serupa dengan pola kedatangan dimana pola ini bisa konstan ataupun acak. Jika waktu pelayanan konstan maka waktu yang diperlukan untuk melayani setiap pelanggan sama. Dapat diasumsikan bahwa waktu pelayanan acak dijelaskan oleh distribusi probabilitas eksponensial negatif,

43 yaitu distribusi probabilitas yang sering digunakan untuk menjelaskan waktu pelayanan dalam sebuah sistem antrian. Jika tingkat kedatangan mengikuti distribusi Poisson dengan tingkat kedatangan rata-rata λ, maka waktu antar kedatangan mengikuti distribusi eksponensial negatif dengan waktu antar kedatangan rata-rata 1/λ. Dengan menggunakan software SPSS 22.0, maka akan mendapatkan hasil pengujian dari pola data pelayanan melalui distribusi eksponensial. Apabila hasil perhitungan menggunakan SPSS 22.0 nilai signifikansi (Asymp. Sig.) yang didapat lebih besar dari dibandingkan nilai tarif nyata yang telah ditetapkan yaitu 0.05, maka dapat disimpulkan bahwa data pola pelayanan berdistribusi eksponensial. 4. Kinerja sistem antrian Kinerja sistem antrian banyak diperoleh dari hasil analisis antrian. Heizer dan Render (2005:663) juga menambahkan komponen dasar antrian yaitu mengukur kinerja antrian : Wq adalah waktu rata-rata yang dihabiskan seseorang untuk menunggu dalam antrian Ws adalah waktu rata-rata yang dihabiskan dalam sistem (waktu menunggu ditambah waktu pelayanan) Lq adalah jumlah pelanggan rata-rata yang menunggu dalam antrian Ls adalah jumlah pelanggan rata-rata dalam sistem (yang sedang menunggu untuk dilayani)

44 Di dalam suatu penelitian, harus terdapat variabel yang diteliti dan diperjelas serta dibatasi definisinya agar sesuai dengan tujuan dilakukannya penelitian. Penjelasan mengenai pembatasan definisi dari variabel tersebut dapat dilihat pada Tabel 3.1 Tabel 3.1 Variabel Sistem Antrian VARIABEL DIMENSI INDIKATOR PEMIKIRAN SKALA PENGUKURAN Karakteristik sistem antrian Multi Channel Single Phase Jumlah server Pola Kedatangan Berdistribusi Poisson Pola Pelayanan Berdistribusi Eksponensial Kinerja antrian sistem Waktu rata-rata yang dihabiskan pelanggan untuk menunggu dalam antrian (Wq) Waktu rata-rata yang dihabiskan dalam sistem (waktu menunggu ditambah waktu pelayanan) (Ws) Jumlah pelanggan rata-rata yang menunggu dalam antrian (Lq) Jumlah pelanggan rata-rata dalam sistem (yang sedang menunggu untuk dilayani) (Ls) Sumber: (Heizer dan Render 2005)

45 D. Populasi dan Sampel Penelitian Untuk mengetahui seberapa besar tingkat produktivitas operasional pada proses pelayanan di PT Garuda Indonesia, maka penulis mengambil sample dari seluruh populasi jumlah kedatangan dan waktu pelayanan dalam menyelesaikan kepentingan pelanggan. Populasi dalam penelitian ini adalah pelanggan yang datang dan masuk dalam sistem antrian pada Travel consultant di kantor penjualan PT Garuda Indonesia. Sampel dalam penelitian ini adalah semua pelanggan yang datang mengantri atau masuk dalam sistem antrian pada periode penelitian selama 14 hari kerja. Dengan meneliti sebagian dari populasi, penulis mengharapkan hasil yang diperoleh dapat menggambarkan sifat populasi yang bersangkutan. E. Teknik Pengumpulan Data Dalam penulisan ini, metode pengumpulan data yang penulis gunakan adalah teknik pengumpulan data secara observasi. Menurut (Creswell pada Sugiyono 2014: 197) observasi merupakan proses untuk memperoleh data dari tangan pertama dengan mengamati orang dan tempat pada saat dilakukan penelitian. Penelitian ini dilakukan dengan cara mengadakan pengamatan atau peninjauan secara langsung pada objek penelitian yaitu pada PT Garuda Indonesia untuk mendapatkan data-data yang diperlukan sehubungan dengan penelitian yang dilakukan.

46 F. Metode Analisis Dalam proses penerimaan pelayanan pelanggan, PT Garuda Indonesia menggunakan model antrian Multiple Channel Query System atau model antrian jalur berganda artinya terdapat lebih dari satu Travel consultant (layanan) yang disediakan untuk melayani seluruh kepentingan pelanggan. Dalam melayani seluruh kepentingan pelanggan, waktu yang dibutuhkan oleh Travel consultant bersifat acak. Lamanya pelayanan tergantung pada tingkat kesulitan atau banyaknya jumlah kepentingan pelanggan yang harus diselesaikan. Standar waktu yang ditetapkan oleh perusahaan dalam melayani pelanggan adalah 12 menit / orang. PT Garuda Indonesia menerapkan disiplin antrian First Come First Serve (FCFS) dimana pelanggan yang pertama datang maka dilayani terlebih dahulu. Untuk mengoptimalkan proses pelayanan dapat digunakan rumus sebagai berikut: M = Jumlah jalur yang terbuka λ = Jumlah kedatangan rata-rata persatuan waktu µ = Jumlah rata-rata yang dilayani persatuan waktu pada setiap jalur Probabilitas terdapat 0 orang dalam sistem (tidak adanya pelanggan dalam sistem) Po = Jumlah pelanggan rata-rata dalam sistem Ls =

47 Waktu rata-rata yang dihabiskan seorang pelanggan dalam antrian atau sedang dilayani (dalam sistem) WS = Jumlah orang atau unit rata-rata yang menunggu dalam antrian Lq = Ls - Waktu rata-rata yang dihabiskan oleh seorang pelanggan untuk menunggu dalam antrian Wq = Ws - -