Simulasi Model Antrian Kasir Alfamart Pucangsawit Menggnakan Software Arena Karima Batennia Murti *1), Laurentius Damas Sulistya 2), dan Eko Liquidannu 3) 1,2,3) Jurusan Teknik Industri, Fakultas Teknik, Universitas Sebelas Maret, Jl. Ir. Sutami No 36A, Jebres, Surakarta, 57126, Indonesia Email: kbatenniam@gmail.com, Ldsulistya@gmail.com, liquiddanu@gmail.com 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
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.
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 No Waktu Waktu Waktu Selisih Kedatangan Waktu antri Waktu Pelayanan Kedatangan Pelayanan Selesai (menit) (menit) (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
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
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
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
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
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
Kasir 1 6,57 menit 4,38 menit Waiting Time Kasir 2 2,04 menit Kasir 1 70% 46% Number Busy 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 (C s ) = Rp 30.000 x 1 orang = Rp 30.000 b. Biaya Pelayanan untuk Model Usulan (2 kasir) E (C s ) = 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
= 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 (C T ) a. Biaya total untuk Model Exsisting (1 kasir) E(C T ) = E(Cw) + E(C S) = Rp 30.000 + Rp 109.000 = Rp 139.000 b. Biaya total untuk Model Usulan (2 kasir) E(C T ) = E(Cw) + E(C S) = 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 (C T ) 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.
Siagan, P. (1987). Penelitian Operasional : Teori dan Praktek. Universitas Indonesia Press. Jakarta