UNIVERSITAS GUNADARMA

Slides:



Advertisements
Presentasi serupa
TURUNAN/ DIFERENSIAL.
Advertisements

MODEL ANTRIAN Matakuliah Operations Research.
Manajemen Piutang Manajemen Keuangan.
Jakarta, 7 – 8 November 2013 Seminar Insentif Riset SINas, Kementerian Riset dan Teknologi “Membangun Sinergi Riset Nasional untuk Kemandirian.
ANALISIS ANTRIAN PEMBAYARAN BELANJAAN KONSUMEN PADA TOKO INDOGROSIR
Operations Management
Latar Belakang Masalah Pemerintah dewasa ini sedang dituntut melaksanakan pembangunan dan dituntut pula untuk melakukan perubahan di segala bidang. Salah.
Peramalan Penjualan Logam Mulia ( Emas Batangan ) pada Toko Mas OLIVIA JEWELLERY Nama : Megawati NPM :
MODEL ANTRIAN RISET OPERASI.
Analisis Antiran.
ANALISIS KINERJA KEUANGAN PT SRIJAYA PUSAKA NUSANTARA JAKARTA TIMUR
Panduan Kerja Praktek S1 Teknik Informatika Semester Genap 2013/2014
Bab 6B Distribusi Probabilitas Pensampelan
UJI HOMOGENITAS DATA SATU VARIABEL UJI T DAN ANOVA
STATISTIK - I.
Nonparametrik: Data Peringkat 2
Pengujian Hipotesis Parametrik 2
NURANDINI SETIANINGRUM, PENERAPAN MODEL PEMBELAJARAN KOOPERATIF UNTUK MENINGKATKAN HASIL BELAJAR PESERTA DIDIK KELAS II PADA MATERI POKOK PERKALIAN.
ANALISIS ANTRIAN PEMBELI PADA SUPERMARKET HERO CILANDAK
SOAL-SOAL LATIHAN TEORI ANTRIAN JURUSAN TEKNIK INDUSTRI UNIVERSITAS INDONUSA OLEH: EMELIA SARI.
PI Jurusan Manajemen, Fakultas Ekonomi, Universitas Gunadarma 2007 Achmad Saepulloh for further detail, please visit
PI Jurusan Manajemen, Fakultas Ekonomi, Universitas Gunadarma 2007 Supoyo for further detail, please visit
Nonparametrik: Data Peringkat 2
ANALISIS ANTRIAN PEMBAYARAN BELANJAAN KONSUMEN PADA :
UNIVERSITAS BRAWIJAYA
ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN Lia Fatmawati,
Simulasi Antrian.
ANALISIS ANTRIAN DOKTER UMUM PADA PUSKESMAS PERUMNAS Hary Julianto,
TEORI ANTRIAN Suatu antrian ialah garis tunggu dari nasabah yang
Model Antrian Ir Tito Adi Dewanto.
Simulasi Antrian Ipung Permadi, S.Si, M.Cs.
Teori Antrian/Queuing Theory Models
TEORI ANTRIAN DAN SIMULASI
PI. Jurusan Manajemen, Fakultas Ekonomi, Universitas Gunadarma 2011 ANALISIS ANTRIAN PADA SPBU BEKASI JAYA – BAKASI TIMUR. for further detail,
Judul PI. Jurusan Manajemen, Fakultas Ekonomi, Universitas Gunadarma, for further detail, please visit
Statistika Deskriptif: Distribusi Proporsi
TEORI ANTRIAN.
PI Jurusan Manajemen, Fakultas Ekonomi, Universitas Gunadarma 2007 Putri Aryani, for further detail, please visit
ANALISIS ANTRIAN PADA SPBU JL
PREDIKSI ARUS KAS DENGAN METODE TREND EXPONENTIAL Risnatamia Pratiwi for further detail, please visit
Korelasi dan Regresi Ganda
ANALISIS ANTRIAN PADA PT
PI, Jurusan Akuntansi, Fakultas Ekonomi, Universitas Gunadarma, 2008
DEPOK TOWN SQUARE ANALISIS ANTRIAN NASABAH PENGGUNA JASA ATM BCA DI
ANALISIS ANTRIAN NASABAH BANK MANDIRI CABANG TANJUNG Farah Hasanah
Operations Management
Model Antrian.
Single Channel Single Server
MODEL ANTRIAN DAN APLIKASINYA
ANALISIS RASIO LAPORAN KEUANGAN PADA PT. PANCAR TEKNIK
Operations Management
Contoh Aplikasi : Kasus 1.
Single Channel Single Server
ANALISIS SISTEM ANTRIAN PENGUNJUNG PERUSAHAAN FRANCHISE POPEYE Dwi Marleni Pratiwi for further detail, please visit
Pertemuan 7 Model Antrian
Operations Research (Model Antrian)
Operations Management
ANALISA ANTRIAN NASABAH Andri Kurniawan:
SISTEM ANTREAN Pertemuan 11
Teori antrian Manajemen Operasional
MODEL ANTRIAN 14.
Analisis Tingkat Kepuasan Konsumen Pada Ayam Bakar Kalasan
ANALISIS ANTRIAN PADA SPBU JL
Waiting Line & Queuing Theory Model
(Model Antrian).
MODEL ANTRIAN (QUEUING MODEL).
Pengertian Teori Antrian
MODEL ANTRIAN (Waiting Lines)
Kurnia Fajar Islamto( )
U Operations Research (Model Antrian) Febriyanto, SE., MM Dosen
Transcript presentasi:

UNIVERSITAS GUNADARMA ANALISIS ANTRIAN PADA SPBU 34-17135 BEKASI JAYA - BEKASI TIMUR   SEMINAR PENULISAN ILMIAH Diajukan Guna Melengkapi Syarat-Syarat Untuk Mencapai Gelar Setara Sarjana Muda Jurusan Manajemen Jenjang Strata Satu Fakultas Ekonomi Universitas Gunadarma     Nama : Bayu Mayura Pridatama NPM : 10208239 Jurusan : Manajemen / S1 Pembimbing : Supriyo Hartadi W. SE., MM FAKULTAS EKONOMI UNIVERSITAS GUNADARMA BEKASI 2011

A. Latar Belakang Seperti yang kita ketahui, bahwa antrian merupakan proses yang sering kita jalani dalam kehidupan sehari-hari, dimana dalam proses tersebut menerapkan suatu sistem agar memudahkan dalam melayani para konsumen. Dalam proses tersebut kita harus meminimalkan waktu rata-rata dalam antrian maupun sistemnya sehingga dapat meningkatkan mutu pelayanan yang akan diberikan. Beberapa penyimpangan antrian akan dapat dihindari apabila memahami dengan benar teori antrian, sehingga desain pelayanan yang memadai akan dapat diterapkan dengan dasar yang kuat dan terpercaya. Seperti antrian pengisian bahan bakar di SPBU 34-17135 Bekasi Jaya– Bekasi Timur yang merupakan salah satu tempat pengisian bahan bakar untuk kendaraan roda dua, dimana setiap harinya banyak masyarakat yang melakukan pengisian bahan bakar seperti bensin.

B. Rumusan Masalah Penulis ingin mengetahui bagaimana cara untuk meningkatkan pelayanan agar dapat meminimalkan waktu rata-rata pengisian bahan bakar saat menunggu dalam antrian dan sistem antrian pelayanan agar tidak terjadi antrian yang terlalu lama pada SPBU 34-17135 Bekasi Jaya – Bekasi Timur.

C. Batasan Masalah Penulis membatasi masalah pada antrian mesin bagian pengisian bahan bakar bensin premium pada SPBU 34-17135 Bekasi Jaya – Bekasi Timur dengan menggunakan metode Multi Chanel - Single Phase yang di amati mulai tanggal 14 Maret 2011 – 20 Maret 2011 pada jam sibuk pukul 06.00 – 10.00 dan pukul 16.00 – 19.00 WIB, sedangkan pada jam biasa pukul 10.00 – 16.00 WIB.

D. Tujuan Penelitian Untuk mengetahui Pelayanan yang diberikan kepada masyarakat yang ingin melakukan pengisian atau pembelian bahan bakar agar dapat meminimalkan waktu rata – rata masyarakat yang ingin mengisi atau membeli bahan bakar dan memperbaiki sistem agar tidak adanya antrian yang terlalu panjang.

E. METODOLOGI PENELITIAN 1. Objek Penelitian Objek dalam Penulisan Ilmiah ini adalah penelitian yang dilakukan pada SPBU 34-17135 Bekasi Jaya – Bekasi Timur. 2. Data atau Variabel a. Tingkat kedatangan pengguna jasa = λ b. Tingkat pelayanan rata-rata c. Jumlah fasilitas pelayanan atau chanel = μ

E. METODOLOGI PENELITIAN 3. Metode Pengumpulan Data Untuk penulisan ilmiah ini, penulis berusaha mengumpulkan data dengan metode antara lain : a. Data Primer Studi Lapangan : melakukan pengamatan terhadap kendaraan yang mengantri dari datang sampai selesai proses pelayanan. b. Data Sekunder 1. Wawancara: dalam memperoleh data penulis melakukan wawancara dengan manajer maupun pegawai lain di dalam perusahaan tersebut. 2. Studi Pustaka : Membaca literatur - literatur yang berhubungan dengan penulisan.

E. METODOLOGI PENELITIAN 4. Alat Analisis Yang Digunakan Alat analisis yang digunakan oleh penulis yaitu metode pengumpulan data dengan menggunakan metode perhitungan Multi Channel Single Phase. SUMBER POPULASI   Model Multi Chanel – Single Phase

F. Pembahasan Lama Pelayanan Kendaraan Waktu pelayanan rata – rata = 45 detik / 60 menit= 0,75 menit per kendaraan Tingkat pelayanan rata – rata (µ) = 60 menit / 0,75 menit = 80 kendaraan per jam

1. Hasil Penghitungan Pada Jam Sibuk Tingkat Kedatangan Kendaraan Pada Jam Sibuk

Tingkat kedatangan rata – rata per jam λ = Total jumlah kedatangan kendaraan n x jam kerja = 4322 = 4322 = 88,204 kendaraan per jam 7 x 7 49 1. Tingkat kegunaan karyawan (p) = λ = 88,204 = 0,276 = 27,6 % s x µ 4 x 80 Maka total jam sibuk bagian pelayanan melayani kendaraan sebesar 0,276 atau 27,6% selama 7 jam kerja.

= 1 2. Probabilitas tidak ada kendaraan dalam sistem (Po) Po= 1 s-1 ( λ/µ )n ( λ/µ )s Σ + n=0 n! S! (1- (λ/S.µ)) = 1 1 +(88,204 / 80) + (88,204 / 80)2+ (88,204 / 80)3 + (88,204 / 80)4 0! 1! 2! 3! 4!(1-(88,204/4 x 80)) = 1 0 + 1,102 + 0,608 + 0,223 + 0,085 = 1 2,018 = 0,495 = 49,5 %

3. Jumlah rata – rata kendaraan dalam antrian (nq) nq= Po (λ/µ)s 3. Jumlah rata – rata kendaraan dalam antrian (nq) nq= Po (λ/µ)s . λ/s x µ S! (1- (λ/s.µ))2 = 0,495 (88,204/80)4 . 88,204/4 x 80 4! (1- (88,204/4 . 80)2 = 0,495 (1,478) . 0,276 24 (1- (0,276)2 = 0,732 x 0,276 17,376 = 0,202 = 0,012 kendaraan

4. Jumlah rata – rata kendaraan dalam sistem (nt) nt = nq + λ/µ = 0,012 + 88,204/80 = 0,012 + 1,102 = 1,114 kendaraan 5. Waktu rata – rata dalam antrian (tq) tq = nq/λ = 0,012/88,204 = 0,000136 jam atau 0,00816 menit atau 0,4896 detik 6. Waktu rata – rata dalam sistem (n) n = tq + 1/µ = 0,000136 + 1/80 = 0,000136 +0,0125 = 0,012636 jam atau 0,75816 menit atau 45,4896 detik

7. Probabilitas waktu menunggu dalam antrian Pw = (λ/µ)s Po S. (1-(λ/s 7. Probabilitas waktu menunggu dalam antrian Pw = (λ/µ)s Po S!(1-(λ/s.µ) = (88,204/80)4 0,495 4!(1-(88,204/4 x 80) = (1,478) 0,495 17,376 = 1,478 x 0,028 = 0,041 = 4,1%

2. Hasil Penghitungan Pada Jam Biasa Tingkat Kedatangan Kendaraan Pada Jam Biasa

Tingkat kedatangan rata – rata per jam λ = Total jumlah kedatangan kendaraan n x jam kerja = 4031 7 x 6 42 = 68,976 kendaraan per jam 1. Tingkat kegunaan karyawan (p) = λ = 95,976 = 0,3 = 30% s x µ 4 x 80 Maka total jam biasa begian pelayanan melayani kendaraan sebesar 0,3 atau 30% selama 6 jam kerja.

2. Probabilitas tidak ada kendaraan dalam sistem (Po) Po = 1 s-1 ( λ/µ )n ( λ/µ )s Σ + n=0 n! S! (1- (λ/S.µ)) 1 = 1 +(95,976 / 80) + (95,976 / 80)2+ (95,976 / 80)3 + (95,976 / 80)4 . 0! 1! 2! 3! 4!(1-(95,976 /4 x 80)) =  1 0 + 1,2 + 0,72 + 0,288 + 0,123 = 1 2,331 = 0,429 = 42,9 %

3. Jumlah rata – rata kendaraan dalam antrian (nq) nq= Po (λ/µ)s 3. Jumlah rata – rata kendaraan dalam antrian (nq) nq= Po (λ/µ)s . λ/s x µ S! (1- (λ/s.µ))2 = 0,429 (95,976 /80)4 . 95,976 /4 x 80 4! (1- (95,976 /4 . 80)2 = 0,429 (2,071) . 0,3 24 (1- (0,3)2 = 0,399 x 0,3 14,827 = 0,085 11,76 = 0,007 kendaraan

4. Jumlah rata – rata kendaraan dalam sistem (nt) nt = nq + λ/µ = 0,007 + 95,976/80 = 0,007 + 1,2 = 1,207 5. Waktu rata – rata dalam antrian (tq) tq = nq/λ = 0,007/95,976 = 0,000073 jam atau 0,00438 menit atau 0,2628 detik 6. Waktu rata – rata dalam sistem (n) n = tq + 1/µ = 0,000073 + 1/80 = 0,000073 +0,0125 = 0,012573 jam atau 0,75438 menit atau 45,263 detik

7. Probabilitas waktu menunggu dalam antrian Pw = (λ/µ)s Po S. (1-(λ/s 7. Probabilitas waktu menunggu dalam antrian Pw = (λ/µ)s Po S!(1-(λ/s.µ) = (95,976/80)4 0,429 4!(1-(95,976/4 x 80) = (2,971) 0,429 16,8 = 2,971 x 0,039 = 0,116 = 11,6%

F. Kesimpulan 1. Hasil analisis pada jam sibuk sebagai berikut: a. Tingkat Kegunaan Karyawan Waktu dalam melayani yang terjadi adalah 0,276 atau 27,6% dan waktu menggangur 0,724 atau 72,4% selama 7 jam kerja, dengan probabilitas tidak ada kendaraan dalam sistem adalah 0,495 atau 49,5%. b. Kendaraan Dalam Antrian Dan Sistem (Detik) Jumlah rata–rata kendaraan dalam antrian sebesar 0,012 kendaraan dengan waktu rata-rata 0,4896 detik. Sedangkan jumlah rata – rata kendaraan dalam sistem sebesar 1,114 kendaraan dengan waktu rata-rata 45,4896 detik. Dengan probabilitas waktu menunggu 0,041 atau 4,1%.   2. Hasil analisis pada jam biasa sebagai berikut: Waktu dalam melayani yang terjadi adalah 0,3 atau 30% dan waktu menggangur 0,7 atau 70% selama 7 jam kerja, dengan probabilitas tidak ada kendaraan dalam sistem adalah 0,429 atau 42,9%. Jumlah rata–rata kendaraan dalam antrian sebesar 0,007 kendaraan dengan waktu rata-rata 0,2628 detik. Sedangkan jumlah rata – rata kendaraan dalam sistem sebesar 1,207 kendaraan dengan waktu rata-rata 45,263 detik. Dengan probabilitas waktu menunggu 0,116 atau 11,6%. Jadi berdasarkan analisis yang didapat, antrian yang terjadi di SPBU 34-17135 Bekasi Jaya-Bekasi Timur ini hampir tidak adanya antrian kendaraan.

G. Saran Kinerja karyawan di SPBU 34-17135 Bekasi Jaya-Bekasi Timur yang sudah sangat efektif namun bagi perusahaan yang bergerak dibidang jasa, pelayanan yang baik seperti ini akan sangat menambah keuntungan bagi perusahaan sehingga dapat menjaga stabilitas keadaan perusahaan, maka sistem pelayanan agar tidak terjadi antrian yang terlalu lama dan panjang diharapkan petugas SPBU 34-17135 Bekasi Jaya-Bekasi Timur agar mengarahkan konsumen tidak menunggu hanya disatu mesin saja, tetapi dialihkan kemesin dispenser bahan bakar premium lainnya