1. SIMULASI SISTEM ANTRIAN KLINIK KECANTIKANDR.RETNOWATIJl. Manyar Jaya 4/B N0. 19A SurabayaMata Kuliah :Teknik Simulasi

2. Anggota Kelompok1 Ainul Fatwa K(1310100096)2 Esti Lutfikasari (1310100098)3 Yanti Anggraeni(1310100100)4 Sistya Rosi Diaprina (1310100104)5 Nanta Sigit(1310100106)6 Zakariyah(1310100702)7 Rosyid Abdillah(1310100704) 3. Latar BelakangLatar belakang Pada zaman modern saat ini, banyak masyrakat yang sering heboh dalam masalah penampilan. Banyak di antara mereka yang bermasalah mulai ujung rambut sampai ujung kaki. Pada umumnya mereka remaja putri yang sangat memperhatikan penampilan sering sekali merasa kurang nyaman apabila salah satu bagian tubuh mereka ada yang kurang. Sehingga tak jarang mereka mengunjungi klinik kecantikan untuk melakukan perawatan atau hanya sekedar berkonsultasi. Namun saat ini tidak hanya perempuan saja yang mulai melakukan perawatan ini, priapun sudah mulai banyak yang melakukan perawatan di klinik-klinik kecantikan. Melihat banyaknya orang yang mulai melakukan perawatan ini, maka semakin banyak pula klinik-klinik kecantikan yang mulai membuka praktek di kalangan masyarakat. Salah satu klinik kecantikan tersebut adalah Klinik Kecantikan dr. Retnawati yang berada di Surabaya. Antrian yang panjang, jam server yang sibuk, dan waktu tunggu yang lama menyebabkan terjadinya antrian 4. RumusanRumusan masalah:MasalahBagaimana model simulator dari Sistem antrian di KlinikKecantikan dr.Retnowati Surabaya?Apakah Simulasi ini dapat mewakili sistemsesungguhnya? 5. Tujuan Tujuan penelitian1Mengetahui model simulator untuk sistem antrian pada klinikkecantikan dr.Retnowati Surabaya2Mengetahui cara untuk mengefisiensikan waktu tunggupelanggan dalam sistem antrian di Klinik Kecantikandr.Retnowati Surabaya 6. Manfaat penelitianManfaat Bagi Peneliti Bagi Klinik KecantikanDapat menerapkan mata kuliah teknik simulasi dalam membuat model simulator Dapat mengefisiensikan Dapat mengetahui bagaimana sistem antrian yang baik. waktu tunggu pelanggan 7. Batasan masalah Batasan SimulasiPenelitian ini diasumsikan pada tahap treatmentadalah satu server bisa melayani beberapa pakettreatment. Dalam antrian simulator memakai FIFO. Penghitungan tahap dimulai dari registrasi sampaitahap pembayaran. 8. LANDASANTEORI 9. Konsep dasar antrianOutputInput (customer) Proses Pelayanan (customeryang telah dilayani) 10. Unsur dasar model antrian kedatangan pelanggan waktu pelayanan disebut distribusikedatangan (arrival distribution) distribusi waktu pelayanan (service time distribution) Kedua distribusi ini mewakili kondisi dimana pelanggan tibadan dilayani secara individual (sebagai contoh : bank dansupermarket). Tetapi jika pelanggan tiba dalam kelompok(sebagai contoh : restoran) dan dilayani secara kelompok,maka kasus ini disebut sebagai antrian kelompok (bulkqueue). 11. Disiplin antrian 12. Jenis-jenis antrianSINGLE CHANNELSINGLE CHANNELSINGLE PHASEMULTI PHASEMULTI CHANNEL MULTI CHANNEL SINGLE PHASEMULTI PHASE 13. Model antrianM / M / 1 / I / I : berarti tingkat kedatangan berdistribusi poisson, tingkatpelayanan berdistribusi eksponensial, jumlah server sebanyak 1, serta jumlahsumber populasi ( input ) dan panjang antrian sifatnya tidak terbatas.M / M / S / I / I : berarti tingkat kedatangan berdistribusi poisson, tingkatpelayanan berdistribusi eksponensial, jumlah server sebanyak S, serta jumlahsumber populasi ( input ) dan panjang antrian sifatnya tidak terbatasM / M / 1 / I / F : berarti tingkat kedatangan berdistribusi poisson, tingkatpelayanan berdistribusi eksponensial, jumlah server sebanyak 1, jumlah sumberpopulasi ( input ) tidak terbatas dan panjang antrian sifatnya terbatasM / M / S / I / F : berarti tingkat kedatangan berdistribusi poisson, tingkatpelayanan berdistribusi eksponensial, jumlah server sebanyak S, jumlah sumberpopulasi ( input ) tidak terbatas dan panjang antrian sifatnya terbatas 14. Simulasi Simulasi adalah suatu teknik numerik untuk melakukan percobaan-percobaanpada suatu komputer digital, yang melibatkan bentuk-bentuk fungsi matematika dan logika tertentu untuk menjelaskan tingkah laku dan struktur suatu sistemnyata yang kompleks. Simulasi dapat digunakan untuk merancang, menganalisa, dan menilai suatu sistem. 15. EXTEND event Inf o RandF countV 1 2 31 2 3 LW0,197368 a a F U# Exit ? b 0,802632 b D C L Wselect 16. METODOLOGI PENELITIAN 17. Sumber DataPada penelitian ini data yang digunakan adalah dataprimer yaitu data diambil secara langsung di KlinikKecantikan dr.Retnowati yang buka praktik pada :Hari : Senin - SabtuPukul : 08.00 20.00 WIB Tempat dan Waktu PenelitianPengamatan sistem antrian dilakukan di KlinikKecantikan dr.Retnowati yang berada di Jl. ManyarJaya 4/B N0. 19A Surabaya pada sabtu 24 November2012 PenelitianSurvey 1 hari tanggal 24 November 2012pukul18.30 WIB 2 kali shift 18. Tahapan Proses Pelayanan 4. 5.1. Registrasi 2. Konsultasi 3. TreatmenBeli Obat Pembayaran 19. Alat dan bahanSoftwareStopwatch Statistika Laptop/ Alat TulisFlashdisk/ arloji PC 20. ANALISIS DANPEMBAHASAN 21. UJI KEACAKAN DATA 22. Uji keacakan Waktu antar 0,106 kedatanganPelayanan registrasi 0,271Pelayanan konsultasi0,3270,4800,716Pelayanan treatment 0,2250,6630,513 1,000 0,513 Pelayanan apotek0,710 0,603Pelayanan kasir0,145 0,790 23. UJI KECUKUPAN DATA 24. Uji kecukupan data waktukonseling treamentapotik kasir registantarrasikedatang1 2 3123 4 512 12tingkatkepercayaa n20% 20% 30% 20%20%20%tingkat ketelitian 25% 20% 40% 25%20%15%kecukupan2,4data 29,47 14,78 7,95 5,75 5 4,63 3,89 4,85 5,41 4,16 9,44 6,7 15,73 2,81 data yangdiambil3535 9 6 7755 6 5 1312 1817 25. Uji Distribusi Data danValiditas Server 26. Waktu antar kedatangan Probability Density FunctionH0:Waktu lama pelayanan 0.64dokter 1 berdistribusi Gamma 0.56H1:Waktu Lama 0.48pelayanan dokter 1 tdk0.4berdistribusi Gammaf(x) 0.32 0.24Gagal Tolak H0C 0.16 0.08 00 1000 2000 30004000 5000 xHistogramGamma 27. Lama RegistrasiH0:Waktu lama pelayanan dokter 1 berdistribusi normalH1:Waktu Lama pelayanan dokter 1 tdk berdistribusi normalGagal Tolak H0C 28. Uji validitas lama regitrasiH0 : Data waktu registrasi darisimulator dan data wakturegistrasi asli memilikidistribusi yang identik.H1 : Data waktu registrasi darisimulator dan data wakturegistrasi asli memilikidistribusi yang berbeda.GAGAL TOLAK H0 29. LamaKonsultasi 30. Konsultasi Server 1 H0:Waktu lama pelayanandokter 1 berdistribusiLognormal H1:Waktu Lamapelayanan dokter 1 tdkberdistribusiLognormal Gagal Tolak H0C 31. Uji validitas konsultasi 1H0 : Data lama pelayanandokter pertama dari simulatordan data lama pelayanandokter pertama asli memilikidistribusi yang identik.H1 : Data lama pelayanandokter pertama dari simulatordan data lama pelayanandokter pertama asli memilikidistribusi yang berbeda. GAGALTOLAK H0 32. Konsultasi Server 2 H0 : Data lama pelayanandokter keduapengamatanberdistribusi lognormal H1 : Data lama pelayanandokter keduapengamatan tidakberdistribusi lognormal Gagal Tolak H0 33. Uji validitas konsultasi 2H0 : Data lama pelayanan dokterkedua dari simulator dan data lamapelayanan dokter kedua aslimemiliki distribusi yang identik.H1 : Data lama pelayanan dokterkedua dari simulator dan data lamapelayanan dokter kedua aslimemiliki distribusi yang berbeda.GAGAL TOLAK H0 34. Konsultasi Server 3H0 : Data lama pelayanan dokter ketiga pengamatan berdistribusi pearson 5H1 : Data lama pelayanan dokter ketiga pengamatan tidak berdistribusi pearson 5Gagal Tolak H0 35. Uji validitas konsultasi 3H0 : Data lama pelayanan dokterketiga dari simulator dan data lamapelayanan dokter ketiga aslimemiliki distribusi yang identik.H1 : Data lama pelayanan dokterketiga dari simulator dan data lamapelayanan dokter ketiga aslimemiliki distribusi yang berbeda GAGALTOLAK H0 36. LamatreatmenT 37. Treatment server 1 H0 : Data waktu Pelayanan Treatment yang ditangani server 1 berdistribusi uniform H1 : Data waktu Pelayanan Treatment yang ditangani server 1 tidak berdistribusi Uniform Gagal Tolak H0 38. Uji validitas treatment 1 H0 : Data waktu waktu Treatment server 1 dari simulator dan data waktu Treatment server 1 dari pengamatan sebenarnya memiliki distribusi yang identik. H1 : Data waktu waktu Treatment server 1 dari simulator dan data waktu Treatment server 1 dari pengamatan sebenarnya memiliki distribusi yang berbeda.GAGAL TOLAK H0 39. Treatment server 2H0 : Data waktu PelayananTreatment yang ditangani server 1berdistribusi Johnson SBH1 : Data waktu PelayananTreatment yang ditangani server 1tidak Johnson SBGagal Tolak H0 40. Uji validitas treatment 2 H0 : Data waktu waktu Treatment server 2 dari simulator dan data waktu Treatment server 2 dari pengamatan sebenarnya memiliki distribusi yang identik. H1 : Data waktu waktu Treatment server 2 dari simulator dan data waktu Treatment server 2 dari pengamatan sebenarnya memiliki distribusi yang berberda. GAGALTOLAK H0 41. Treatment server 3H0 : Data waktu PelayananTreatment yang ditangani server 1berdistribusi UniformH1 : Data waktu PelayananTreatment yang ditangani server 1tidak berdistribusi UniformGagal Tolak H0 42. Uji validitas treatment 3H0 : Data waktu waktu Treatment server3 dari simulator dan data waktuTreatment server 3 dari pengamatansebenarnya memiliki distribusi yangidentik.H1 : Data waktu waktu Treatment server3 dari simulator dan data waktuTreatment server 3 dari pengamatansebenarnya memiliki distribusi yangberbeda. GAGALTOLAK H0 43. Treatment server 4H0 : Data waktu PelayananTreatment yang ditangani server 1berdistribusi NormalH1 : Data waktu PelayananTreatment yang ditangani server 1tidak berdistribusi NormalGagal Tolak H0 44. Uji validitas treatment 4H0 : Data waktu waktu Treatment server4 dari simulator dan data waktuTreatment server 4 dari pengamatansebenarnya memiliki distribusi yangidentik.H1 : Data waktu waktu Treatment server4 dari simulator dan data waktuTreatment server 4 dari pengamatansebenarnya memiliki distribusi yangberbeda. GAGALTOLAK H0 45. Treatment server 5 H0 : Data waktu Pelayanan Treatment yang ditangani server 1 berdistribusi Johnson SB H1 : Data waktu Pelayanan Treatment yang ditangani server 1 tidak berdistribusi Johnson SB Gagal Tolak H0 46. Uji validitas treatment 5 H0 : Data waktu waktu Treatment server 5 dari simulator dan data waktu Treatment server 5 dari pengamatan sebenarnya memiliki distribusi yang identik. H1 : Data waktu waktu Treatment server 5 dari simulator dan data waktu Treatment server 5 dari pengamatan sebenarnya memiliki distribusi yang berbeda.GAGAL TOLAK H0 47. Lamabeli obat 48. Beli obat server 1 H0 : Data pasien yang beli obat di server pertama memiliki distribusi Johnson SB H1 : Data pasien yang beli obat di server pertama tidak memiliki distribusi Johnson SB Gagal Tolak H0 49. Uji validitas obat 1H0 : Data pasien yang beli obat di serverpertama dari simulator dan data pasienyang beli obat di server pertama hasilpengamatan memiliki distribusi yangidentik.H1 : Data pasien yang beli obat di serverpertama dari simulator dan data pasienyang beli obat di server pertama hasilpengamatan memiliki distribusi yangberbeda. GAGALTOLAK H0 50. Beli obat server 2H0 : Data pasien yang beli obatdi server kedua memilikidistribusi GammaH1 : Data pasien yang beli obatdi server kedua tidak memilikidistribusi GammaGagal Tolak H0 51. Uji validitas obat server 2H0 : Data pasien yang beli obat diserver kedua dari simulator dandata pasien yang beli obat di serverkedua hasil pengamatan memilikidistribusi yang identik.H1 : Data pasien yang beli obat diserver kedua dari simulator dandata pasien yang beli obat di serverkedua hasil pengamatan memilikidistribusi yang berbeda.GAGAL TOLAK H0 52. Lamapembayaran 53. Pembayaran server 1H0 : Data pasien yang bayar diserver pertama memilikidistribusi Johnson SB.H1 : Data pasien yang bayar diserver pertama tidak memilikidistribusi Johnson SB.Gagal Tolak H0 54. Uji validitas pembayaran 1H0 : Data pasien yang bayar di serverpertama dari simulator dan datapasien yang bayar di server pertamahasil pengamatan memiliki distribusiyang identik.H1 : Data pasien yang bayar di serverpertama dari simulator dan datapasien yang bayar di server pertamahasil pengamatan memiliki distribusiyang berbeda.GAGAL TOLAK H0 55. Pembayaran server 2H0 : Data pasien yangbayar di server keduamemiliki distribusiJohnson SB.H1 : Data pasien yangbayar di server keduatidak memiliki distribusiJohnson SB.Gagal Tolak H0 56. Uji validitas pembayaran 2H0 : Data pasien yang bayar di serverkedua dari simulator dan datapasien yang bayar di server keduahasil pengamatan memiliki distribusiyang identik.H1 : Data pasien yang bayar di serverkedua dari simulator dan datapasien yang bayar di server keduahasil pengamatan memiliki distribusiyang berbeda. GAGALTOLAK H0 57. UJI VALIDITASSISTEM 58. VALIDITAS SISTEM 5000 4800 4600 4400Axis Title 4200 Series1 4000 3800 36001 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 Axis Title 59. H0 : Lama dalam sistem dari simulator = lama dalam sistem data asliH1 : Lama dalam sistem dari simulator lama dalam sistem data asli 60. KESIMPULAN 61. Distribusi untuk waktu antar kedatangan dan waktu pelayanan pada masing-masing tahap di klinik kecantikan dr. Retnawati ditampilkan pada tabel dibawah ini. 62. Data lama waktu antar kedatangan dan data pelayananpada setiap tahap memiliki distribusi yang sama dengandata hasil simulasi extend Dari hasil uji validitas sistem diperoleh hasil bahwa lamawaktu lama dalam sistem dari simulator sama denganlama waktu dalam sistem data asli sehingga dapatdisimpulkan bahwa sistem simulasi sudah valid untukantrian di klinik kecantikan dr. Retnoati dapat diakatakanbahwa simulasi mewakili sistem dengan n (n data asli = 35dan n data extend=78) 63. Dibalik Layar1. Survey di Natasha ternyata ditolak mentah-mentah2. Survey di LBC ternyata harus menunggu keputusan dari pusat selama kurang lebih satu bulan3. Survey di Apotik RS Haji sudah mengirimkan surat namun ternyata tidak ada respon dari pihak Apotik4. AKHIRNYA, berkat saran salah saumenuju ke sebuah klinik kecantika didaerah Manyar, meskipun kecilNamun pelanggannya lumayan banyak 64. TERIMA KASIH KLINIKDR.RETNOWATI !!! 65. Bersikaplah kukuh seperti batu karang yang tidak putus-putusnya dipukul ombak. Ia tidak saja tetap berdiri kukuh, bahkan ia menentramkanamarah ombak dan gelombang itu. (Marcus Aurelius)