Jurnal Sistem dan Manajemen Industri Vol 2 No 1 Juli 2018, 17-22 Available online at: http://e-jurnal.
org/index.
php/JSMI Jurnal Sistem dan Manajemen Industri ISSN (Prin.
2580-2887 ISSN (Onlin.
2580-2895 Analisis Sistem Antrian Pelayanan Registrasi Mahasiswa di BAAK Universitas Tridinanti Palembang Mahmud Basuki* Program Studi Teknik Industri.
Fakultas Teknik.
Universitas Tridinanti.
Jalan Kapten Marzuki No.
Kota Palembang.
Sumatera Selatan 30129 Indonesia
ARTICLE INFORMATION
A B S T R A K
Article history:
Biro Administrasi Akademik dan Kemahasiswaan (BAAK) Universitas Tridinanti Palembang (UTP) merupakan lembaga yang melayani administrasi akademik dan kemahasiswaan UTP.
Pengesahan KRS (Kartu Rencana Stud.
, pengurusan transkip nilai, dan pengambilan ijazah merupakan keperluan mahasiswa di BAAK, sehingga pada kondisi registrasi mahasiswa terutama diakhir masa registrasi, terjadilah antrian yang cukup padat yang mayoritas mahasiswa keperluannya adalah pengesahan KRS.
Salah satu faktor penyebabnya bisa karena kurangnya server .
etugas pelayana.
Tujuan penelitian ini untuk mengetahui kebutuhan jumlah server yang sebaiknya digunakan BAAK UTP menggunakan teori antrian.
Hasil penelitian menunjukkan bahwa kondisi antrian dalam kondisi padat, perlu ditambahkan 1 server sehingga menjadi 4 server, tingkat kegunaannya yaitu 79%.
Received: March 9, 2018 Revised: May 10, 2018 Accepted: July 1, 2018 Kata Kunci:
Antrian Mahasiswa
Server
A B S T R A C T
Keywords:
Queue Server Student *Corresponding Author Mahmud Basuki E-mail:mahmudbasuki@univ-tridinanti.
Administrative Bureau of Academic and Student Affairs (BAAK) Tridinanti University of Palembang (UTP) is an institution that serves the academic administration and UTP student affairs.
The approval of the KRS (Card Study Pla.
, the management of transcripts of grades, and the taking of diplomas are the requirements of the students at BAAK, so in the registration condition of the students, especially at the end of the registration period, there is a solid queue that the majority of the students need is the endorsement of KRS.
One factor could be due to lack of servers .
ervice personne.
The purpose of this study to determine the needs of the number of servers that should be used BAAK UTP using queue theory.
The results showed that the condition of queue in solid condition, need to be added 1 server so that become 4 server, level of usage that is 79%.
A 2018 Penerbit UNSERA.
All rights reserved PENDAHULUAN Dalam kehidupan sehari-hari sering dijumpai Salah satu faktor penyebabnya adalah karena jumlah pengunjung dan server .
etugas pelayana.
yang tidak seimbang.
Contoh antrian yang terjadi seperti antrian nasabah di bank, antrian masyarakat membayar pajak di kantor pajak, antrian konsumen dalam mengisi bahan bakar minyak, antrian konsumen di warung makan, antrian mahasiswa dalam proses administrasi kuliah, dan lain sebagainya.
Dari sudut pandang konsumen, jika terdapat pilihan lebih baik mengantri atau tidak mengantri, tentu Basuki pilihan yang akan dipilih adalah tidak mengantri, sehingga keperluannya akan cepat terselesaikan tanpa harus berlama-lama menunggu.
Proses antrian berhubungan dengan kedatangan pelanggan pada fasilitas pelayanan, waktu antrian dan meninggalkan fasilitas tersebut .
Antrian bisa terjadi karena faktor kurangnya .
etugas pelayana.
, atau juga bisa terjadi karena faktor jumlah server yang melayani tidak memadai.
Antrian yang terjadi dapat diminimalisir dengan dilakukannya penganalisaan terhadap kondisi antrian dengan metode Teori Antrian, kemudian DOI: http://dx.
org/10.
30656/jsmi.
Jurnal Sistem dan Manajemen Industri Vol 2 No 1 Juli 2018, 17-22 diambil tindakan antrian tersebut.
untuk mengatasi masalah Universitas Tridinanti Palembang
(UTP)
merupakan kampus terkemuka yang berada di pusat Kota Palembang Provinsi Sumatera Selatan yang dikelola oleh Yayasan Pendidikan Nasional Tridinanti (YPNT).
YPNT didirikan sejak tanggal 7 Februari 1977, sedangkan UTP telah mendapat persetujuan pendirian perguruan tinggi dari Kopertis Wilayah II Palembang dengan Nomor SK.
449/Kop.
II/1983 tertanggal 11 Mei 1983 (Rencana Induk Pengembangan UTP.
Secara umum administrasi UTP ditopang oleh dua lembaga yaitu BAAK (Biro Administrasi Akademik dan Kemahasiswaa.
dan BAUK (Biro Administrasi Umum dan Keuanga.
Antrian terjadi karena kebutuhan pelayanan melebihi kemampuan pelayanan sehingga pelayanan.
Sistem antrian yang tidak efisien menyebabkan pengguna layanan meninggalkan antrian dan kembali di hari yang lain.
Hal ini kekecewaan pengguna layanan.
Berdasarkan penerapan model antrian diketahui kinerja sistem antrian PT PLN (Perser.
area Bali kurang efektif karena rata-rata pelayanan hanya sibuk antara 30%-50% dari jam kerja.
Hal ini disebabkan karena jumlah pelanggan dalam sistem tiap harinya hanya berkisar 3Ae5 orang .
Hal ini akan berbeda jika jumlah yang masuk sistem antrian banyak.
Beberapa penelitian mendapatkan hasil bahwa penambahan jumlah pelayanan merupakan solusi optimal untuk mengurangi antrian yang terjadi .
Ae.
Penelitian ini mencoba menganalisa sistem pelayanan BAAK UTP sebagai analisa awal sebagai tindak lanjut pengambilan keputusan Penelitian ini bertujuan untuk mengetahui kondisi antrian di BAAK UTP, apakah dalam kategori padat atau tidak, menganalisa menggunakan teori antrian untuk penentuan server .
etugas pelayana.
yang sebaiknya digunakan oleh BAAK UTP dalam melayani mahasiswa.
METODE PENELITIAN
Penelitian ini dilakukan di Biro Administrasi Akademik Kemahasiswaan (BAAK) Universitas Tridinanti Palembang (UTP) yang beralamatkan di Jalan Kapten Marzuki No.
Kamboja Palembang.
Sumatera Selatan 30129.
Proses pengamatan dilakukan bertepatan DOI: http://dx.
org/10.
30656/jsmi.
dengan jadwal registrasi mahasiswa yaitu pada tanggal 20 Februari 2017 Ae 04 Maret 2017, namun data yang akan dianalisa adalah data dimana hari yang paling padat saat registrasi mahasiswa yaitu bertepatan hari Sabtu pada tanggal 04 Maret 2017.
Waktu pelayanan hari Senin-Kamis pukul 08.
00 WIB, hari JumAoat 30 WIB, hari Sabtu pukul 08.
Penelitian ini dilakukan selama dua jam mulai pukul 09.
00 WIB Ae 11.
00 WIB, dimana data mahasiswa, dan waktu pelayanan server .
etugas pelayana.
kepada mahasiswa.
Adapun data sekunder dalam penelitian ini yaitu profil UTP dan profil BAAK UTP.
Alasan pemilihan lokasi di BAAK UTP adalah pengesahan KRS (Kartu Rencana Stud.
, pengurusan transkip nilai, dan pengambilan Berdasarkan data ristekdikti, jumlah mahasiswa aktif UTP adalah sebanyak 4.
Sehingga keperluan mahasiswa di BAAK UTP cukup banyak.
Melihat kondisi kantor BAAK UTP yang terletak di Gedung KPA (Kantor Pusat Administras.
lantai 3 cukup banyak didatangi mahasiswa, maka terjadi antrian saat proses Karena faktor tersebut, maka dipandang perlu bagi peneliti untuk melakukan kajian analisa terhadap kondisi antrian di BAAK UTP.
Tahapan penelitian ini dimulai dengan pemilihan disiplin pelayan (First come first served (FCFS) atau first in first out (FIFO)), struktur antrian .
ultiple channel single phas.
, dan model antrian Model: (M / M / s / O / O).
Batasan masalah dalam penelitian ini adalah penelitian ini dilakukan saat kondisi terpadat dengan antrian terpanjang yaitu dihari akhir registrasi.
Sabtu, 04 Maret 2017.
Server .
etugas pelayana.
di BAAK UTP ada 3 pelayan .
Sistem menggunakan First Come First Served (FCFS) dimana yang datang lebih dahulu akan dilayani.
First come first served (FCFS) atau first in first out (FIFO) adalah suatu peraturan dimana yang akan dilayani sistem pelayanan yang akan kedatangan pelanggan.
Pelanggan yang datang lebih dahulu akan menerima pelayanan terlebih dahulu .
Konsep ini banyak digunakan pada sistem antrian tiket kereta api, pelayanan akademik mahasiswa, sistem antrian di bank atau antrian yang berhubungan dengan pelayanan publik.
Basuki Jurnal Sistem dan Manajemen Industri Vol 2 No 1 Juli 2018, 17-22 Multiple Channel Single Phase merupakan sistem multiple channel single phase terjadi pada dua atau lebih fasilitas pelayanan dialiri oleh aliran tunggal.
Contoh model ini adalah pembelian tiket yang dilayani lebih dari satu loket pelayanan, nasabah yang dilayani lebih dari satu orang teller dan lain sebagainya.
Jalur antrian Gambar 1.
Model Multiple Channel Single Phase d : jumlah konsumen maksimum dalam sistem e : ukuran pemanggilan populasi atau sumber Model: (M / M / s / O / O) Rata-rata tingkat kedatangan lebih kecil daripada tingkat pelayanan keseluruhan .
atau rata-rata pelayanan di tiap jalur.
Model antrian akan berguna bila kondisi-kondisi berikut terpenuhi .
Jumlah kedatangan tiap satuan waktu mengikuti distribusi Poisson .
Waktu .
Distribusi antrian yang pertama datang pertama dilayani (FCFS) .
Sumber populasi tak terbatas .
Ada jalur tunggal .
Tingkat rata-rata kedatangan lebih kecil daripada tingkat rata-rata Panjang antrian tidak terbatas.
Fasilitas Sistem Antrian Bila barisan penunggu terus bertambah, mengatasinya maka sistem antrian dapat direncanakan dengan mengubah laju pelayanan atau menambah tempat pelayanan .
yang diharapkan mempunyai batasan Batasan ini menunjukkan bahwa keadaan pelayanan telah memiliki rata-rata total kapasitas pelayanan lebih besar dari laju rata-rata kedatangan.
Dengan demikian, proses kedatangan pelanggan dan pelayanan akan berjalan dalam kondisi sementara .
dan secara bertahap akan mencapai kondisi tetap .
teady stat.
setelah melampaui waktu yang cukup lama.
Pada kondisi sementara, sistem antrian terusmenerus tergantung pada waktu.
Sedangkan pada kondisi tetap, proses antrian berlangsung dalam keadaan yang sudah stabil dengan Tetapi sebaliknya, jika rata-rata laju kedatangan lebih besar dari laju pelayanan, maka sistem antrian tidak akan pernah mencapai kondisi tetap berapapun waktu yang dilalui, bila ukuran antrian bertambah sejalan dengan waktu .
Bila syarat-syarat tersebut dipenuhi, bisa dianalisis sistem antrian melalui rangkaian Persamaan-persamaan ini menggunakan notasinotasi berikut:
: tingkat rata-rata kedatangan per satuan waktu .
nit/wakt.
AA : tingkat rata-rata pelayanan per satuan waktu .
nit/wakt.
Ls : rata-rata jumlah individu dalam sistem .
Lq : rata-rata jumlah individu dalam antrian .
Ws : rata-rata waktu dalam sistem .
Wq : rata-rata waktu dalam antrian .
Pn : probabilitas terdapat n individu dalam sistem .
rekuensi relati.
P0 : probabilitas tidak ada individu dalam sistem .
rekuensi relati.
Pw : probabilitas menunggu dalam sistem .
rekuensi relati.
A : tingkat kegunaan fasilitas pelayanan .
Persamaan untuk model ini tergantung (M / M / s / O / O) adalah rata-rata jumlah konsumen dalam sistem dan antrian masing-masing sebagai berikut.
Probabilitas bahwa tidak ada konsumen dalam sistem .
emua server menganggu.
Model Sistem Antrian Notasi standar yang digunakan adalah sebagai berikut .
/ b / c / d / e ) Dimana simbol a, b, c, d, dan e merupakan elemen dasar dari model antrian:
a : distribusi kedatangan b : distribusi waktu pelayanan c : jumlah fasilitas pelayanan .
= 1, 2, 3, .
Basuki [Oc ( ) ] ( ) ( .
Probabilitas bahwa seorang konsumen memasuki sistem dan harus menunggu untuk dilayani .
robabilitas semua server sibu.
( ) ( DOI: http://dx.
org/10.
30656/jsmi.
Jurnal Sistem dan Manajemen Industri Vol 2 No 1 Juli 2018, 17-22
Rata-rata jumlah konsumen dalam sistem
( )
Rata-rata jumlah konsumen dalam antrian .
sedang dilayani oleh server .
etugas pelayana.
Data yang diambil sebanyak 40 pelayanan terhadap mahasiswa.
Jika ditotal ke 40 data waktu pelayanan tersebut adalah 51 menit atau 3087 detik.
Sehingga rata-rata pelayanan per/mahasiswa yaitu 1,29 menit/mahasiswa.
( )=
= 77,18 detik/mahasiswa = 1,29 menit/mahasiswa Rata-rata waktu dalam sistem adalah:
= 46,65 mahasiswa/jam 47 mahasiswa/jam .
Rata-rata waktu dalam antrian adalah:
Tingkat kegunaan fasilitas pelayanan:
HASIL DAN PEMBAHASAN
Sesuai disampaikan bahwa penelitian ini dilakukan pada hari yang terdapat antrian panjang yaitu di hari terakhir jadwal registrasi.
Hal ini dikarenakan mahasiswa UTP didominasi oleh karyawan, sehingga mereka memilih untuk melakukan pengesahan KRS di hari Sabtu dan di hari akhir jadwal registrasi yaitu Sabtu, 04 Maret 2017.
Penelitian kedatangan mahasiswa () dilakukan setiap 5 menit sekali, sehingga dalam waktu mulai pukul 00 WIB sampai dengan 11.
00 WIB terdapat 24 variabel data.
Adapun total mahasiswa yang tercatat saat dilakukannya pengamatan di BAAK UTP mulai pukul 09.
00 WIB sampai dengan 00 WIB yaitu 297 mahasiswa.
Karena perhitungan antrian menggunakan satuan jam, maka kedatangan mahasiswa () per/jam disajikan dalam perhitungan berikut:
3 mahasiswa per/menit = 2,48 x 60 menit = 148,5 per/jam 149 mahasiswa Dalam pengambilan data waktu pelayanan (AA) menggunakan stopwatch pada mahasiswa yang DOI: http://dx.
org/10.
30656/jsmi.
Terdapat tiga petugas pelayanan dan sistem yang digunakan First Come First Served (FCFS), maka model antrian yang digunakan dalam analisa yaitu model antrian Model: (M / M / s / O / O), dimana server atau petugas pelayanan lebih dari satu.
Model antrian tersebut dapat disimulasikan untuk sistem yang berada dalam kondisi tetap (Steady Stat.
dimana Keterangan:
: tingkat kedatangan S :server atau petugas pelayanan : tingkat pelayanan Untuk mengetahui, apakah antrian pada penelitian ini dalam kategori padat atau tidak, maka perlu adanya suatu batasan.
Berikut Batasan menunjukkan bahwa keadaan pelayanan telah memiliki rata-rata total kapasitas pelayanan lebih besar dari laju rata-rata kedatangan.
Untuk mengetahui apakah sistem berada pada kondisi tetap atau belum dengan nilai s = 3.
Berikut perhitungannya:
= 1,06 > 1
Melihat perhitungan di atas, 1,06 menunjukkan bahwa sistem antrian belum berada dalam kondisi tetap (Steady Stat.
dikarenakan belum memenuhi, artinya tingkat kegunaan petugas pelayanan sangat sibuk sekali, dengan kesibukan 106%.
Untuk mengurangi tingkat kegunaan petugas pelayanan di bawah 100% dan untuk dapat memenuhi ketentuan , maka dibutuhkan Adapun Basuki Jurnal Sistem dan Manajemen Industri Vol 2 No 1 Juli 2018, 17-22 penambahannya, dapat dicoba terlebih dahulu dengan penambahan 1 petugas pelayanan.
Jadi, yang semula 3 petugas menjadi 4 petugas.
Rata-rata jumlah mahasiswa dalam antrian Apakah sudah memenuhi ketentuan perhitungannya sebagai berikut:
= 0,79 < 1
Dari perhitungan di atas menggunakan 4 server .
etugas pelayana.
, menunjukkan bahwa sistem antrian sudah berada dalam kondisi tetap (Steady Stat.
Rata-rata mahasiswa waktu dalam sistem terpenuhi sehingga tingkat kegunaan petugas pelayanan menjadi 79%.
Untuk mengetahui simulasi model antrian untuk 4 server .
etugas pelayana.
= .
, berikut perhitungan teori antrian model (M / M / s / O / O):
Rata-rata mahasiswa waktu dalam antrian Probabilitas bahwa tidak ada mahasiswa dalam sistem .
emua server menganggu.
[Oc [ ( ( ) ] ( ) ( Tingkat kegunaan fasilitas pelayanan:
) ]
) (
Probabilitas bahwa seorang mahasiswa memasuki sistem dan harus menunggu untuk dilayani .
robabilitas semua server sibu.
( ) ( Hasil perhitungan simulasi model antrian untuk 4 server .
etugas pelayana.
= .
lebih ringkasnya dapat dilihat pada tabel berikut:
Tabel 1.
Simulasi Model Antrian dengan 4 Server (Petugas Pelayana.
) ( 0,03 Rata-rata jumlah mahasiswa dalam sistem
( )
) (
Basuki ) ( 0,61 2,32 0,04 0,02 0,79 Dari perhitungan simulasi teori antrian model (M / M / s / O / O) menggunakan 4 server .
= .
di atas merupakan alternatif optimum dalam upaya mengurangi antrian pada jam-jam padat di BAAK UTP.
Dimana probabilitas bahwa tidak ada konsumen dalam sistem .
emua server menganggu.
adalah 0,03 .
rekuensi relati.
Probabilitas memasuki sistem dan harus menunggu untuk dilayani .
robabilitas semua server sibu.
adalah 0,61 .
rekuensi relati.
Rata-rata jumlah mahasiswa yang diharapkan menunggu dalam DOI: http://dx.
org/10.
30656/jsmi.
Jurnal Sistem dan Manajemen Industri Vol 2 No 1 Juli 2018, 17-22 sistem adalah 5,5 mahasiswa atau 6 mahasiswa.
Rata-rata jumlah mahasiswa yang diharapkan berada dalam antrian adalah 2,32 mahasiswa atau 3 mahasiswa.
Rata-rata waktu menunggu yang diharapkan dalam sistem antrian dan pelayanan adalah 0,04 jam atau 2 menit.
Ratarata waktu menunggu yang diharapkan dalam antrian adalah 0,02 jam atau 1 menit.
Dan tingkat kegunaan fasilitas pelayanan dengan 4 server atau petugas pelayanan adalah 0,79 atau 79 %.
KESIMPULAN
Kondisi antrian hari Sabtu, 04 Maret 2017 dalam kategori sibuk dimana tingkat kegunaan fasilitas ( ) dengan jumlah server .
petugas pelayana.
hasilnya masih lebih besar dari 1 .
%).
Penambahan petugas pelayanan menjadi 4 server .
etugas pelayana.
mampu menurunkan tingkat kegunaan fasilitas server .
etugas pelayana.
menjadi 79%.
Penambahan server pelayanan diharapkan menurunkan rata-rata menunggu mahasiswa dalam sistem menjadi 6 Rata-rata waktu menunggu yang diharapkan dalam sistem antrian dan pelayanan adalah 0,04 jam atau 2 menit.
Rata-rata waktu menunggu yang diharapkan dalam antrian adalah 0,02 jam atau 1 menit.
Penelitian ini merupakan analisis awal untuk mengetahui jumlah server yang optimal pada saat jam sibuk.
Penelitian merekayasa sistem antrian untuk mendapatkan penambahan server pelayanan.
UCAPAN TERIMAKASIH
Ucapan terimakasih kepada YPNT (Yayasan Pendidikan Nasional Tridinant.
, penelitian ini merupakan pendanaan DIPA YPNT 2016/2017.
DAFTAR PUSTAKA