KASUS 7

Sebuah penelitian dilakukan pada BNI kantor cabang utama USU beralamat di jalan Dr.
Mansyur No.11 Medan. Sumber data yang digunakan dalam penelitian ini berupa data
kedatangan dan data waktu pelayanan nasabah yang masing-masing berdistribusi
poisson dengan:

Kategori

Hari kerja pagi

Hari kerja siang

Akhir pekan
pagi

Akhir pekan
siang

Kasir
1
2
3
1
2
3
4
1
2
3
4
1
2
3
4
5

Waktu
Kedatangan
(menit/nasabah)
1,8453
1,8291
1,9088
1,8923
1,9472
1,8853
1,9435
1,9741
2,0162
2,0223
1,8933
2,0266
2,1691
2,0542
2,0596
2,1143

Waktu
Pelayanan
(menit/nasabah)
2,3022
1,4004
1,4165
2,1634
2,7805
2,6706
2,3694
2,1421
3,403
2,8755
2,4883
2,826
5,4475
4,2997
3,,0410
5,004

ANALISIS SISTEM ANTRIAN NASABAH BANK

1

PENELITIAN DI BANK NEGARA INDONESIA

KANTOR CABANG UTAMA USU
Widya Wurianto
Mahasiswa Program Studi Matematika, FMIPA, Universitas Lambung Mangkurat
widywurianto@gmail.com
Abstrak
Antrian adalah hal yang lumrah ditemui pada kehidupan sehari-hari, misalnya saja layanan teller pada suatu bank.
Antrian pada bank terjadi karena adanya keterbatasan kemampuan dari pelayanan petugas teller di loket pelayanan.
Penelitian ini bertujuan untuk menganalisa kinerja sistem antrian pada Bank Negara Indonesia, Kantor Cabang
Utama USU di jalan Dr. Mansyur No.11 Medan. Observasi dikategorikan kedalam 4 waktu (masing-masing 4 jam),
yakni hari kerja pagi, hari kerja siang, akhir pekan pagi dan akhir pekan siang dengan jumlah teller yang aktif
melayani pada tiap kategori waktu tersebut berbeda-beda jumlahnya. Setelah dilakukan proses pengumpulan data,
perhitungan dan pengolahan data menggunakan model antrian jalur berganda (M/M/c):(GD//) dengan asumsi
tingkat kedatangan nasabah dan waktu pelayanan masing-masing berdistribusi Poisson. Kemudian disimpulkan
bahwa tingkat utilitas sistem antrian pada Bank Negara Indonesia Kantor Cabang Utama USU dianggap belum efektif
karena dari masing-masing kategori waktu, loket-loket pelayanan tak terlalu sibuk dengan rata-rata secara berturutturut 30,56%, 32,55%, 34,50% dan 42,16% dari jam kerja. Kemudian dilakukan simulasi dan diapatkan hasil yang
optimal dari utilitas loket pada empat kategori waktu secara berturut-turut adalah 45,84%, 65,10%, 68,99% dan
70,26% dari jam kerja.
Kata Kunci: sistem antrian, tingkat utilitas, simulasi, teller Bank Negara Indonesia

1. Pendahuluan
Dalam kehidupan sehari-hari
sering kita sering melihat kejadian yang
berkaitan
dengan
antrian
untuk
memperoleh suatu pelayanan, misalnya
antrian pada teller di bank. Pelayanan
teller yang merupakan bagian yang penting
dari suatu bank, karena setiap nasabah
bank yang akan melakukan transaksi di
bank tersebut dilayani melalui teller. Pada
bank dengan jumlah teller yang sedikit
atau tingkat pelayanan yang rendah
seringkali mengakibatkan antrian yang
panjang.
Antrian
yang
panjang
menyebabkan nasabah yang akan dilayani
pada teller menunggu dalam jangka waktu
yang lama. Hal ini menunjukan tingkat
pelayanan yang rendah terhadap nasabah
dalam sistem pelayanan pada bank.
Berdasarkan
observasi
yang
dilakukan diketahui bahwa nasabah yang
datang pada Bank Negara Indonesia
Kantor Cabang Utama USU sangat banyak
sehingga menyebabkan antrian yang
panjang dan nasabah menunggu dalam
jangka waktu yang lama untuk dapat

dilayani teller. Jumlah teller yang aktif

pada loket untuk melayani nasabah pun
berbeda-beda setiap waktu, hal ini
dilakukan disesuaikan dengan kebutuhan
bank tersebut.
Tujuan dari analisis sistem antrian
ini untuk mengetahui model dan kinerja
sistem antrian yang sudah dijalankan.
Selain itu, nantinya juga akan dilakukan
simulasi yang dapat digunakan untuk
pedoman dalam menentukan kebijakan
bagi perusahaan, seperti mengurangi
panjangnya antrian, mengetahui jumlah
teller yang optimal serta memaksimalkan
pemanfaatan sarana pelayanan.

2. Metode
Penelitian dilakukan di BNI
kantor cabang utama USU beralamat di
jalan Dr. Mansyur No.11 Medan.
Penelitian dilakukan selama 6 hari, yaitu
pada hari Senin sampai dengan Sabtu,
tanggal 7 sampai dengan 12 November
2016 pukul 08.00-16.00 WIB. Jenis data
yang digunakan dalam penelitian ini
berupa data kuantitatif yaitu data yang
berbentuk angka yang dapat dihitung.

Asumsi yang digunakan dalam penelitian

ini adalah jumlah data observasi yang
dikumpulkan dianggap cukup, waktu
kedatangan
nasabah
berdistribusi
poisson dan waktu pelayanan nasabah
berdistribusi poisson. Adapun flowchart
penelitian ini dapat dilihat pada gambar
1.

(a/b/c):(d/e/f )
keterangan:
a : sebaran kedatangan
b : sebaran lama pelayanan
c : jumlah saluran pelayanan
d : disiplin antrian
e : jumlah maksimum pelanggan
dalam sistem antrian
f : ukuran banyaknya kedatangan.
2.

Menghitung
tingkat
kedatangan
nasabah dan tingkat pelayanan
Tingkat kedatangan pelanggan

a.

Tingkat pelayanan nasabah

b.

=
3.

2.1 Metode Pengumpulan Data

Data yang digunakan pada
penelitian ini adalah data primer, yaitu
data yang diambil langsung melalui proses
observasi. Data primer yang dikumpulkan
berupa data waktu kedatangan nasabah
dan data waktu pelayanan nasabah. Alat
pengukuran waktu yang digunakan untuk
menghitung waktu kedatangan nasabah
dan data waktu pelayanan nasabah ialah
stopwatch.
2.2 Metode Analisis Data
Setelah melakukan pengumpulan
data, data-data tersebut diolah melalui
beberapa tahap, yaitu :
1. Menentukan model antrian
Secara umum model antrian
dituliskan sebagai berikut :

jumlah nasabah
total waktu pelayanan

Menghitung
karakteristik
sistem antrian jalur berganda
Model antrian jalur
berganda (M/M/c):(GD//),
dengan rumus sebagai berikut :

P 0=

Gambar 1. Flowchart penelitian

jumlah nasabah
total waktu kedatangan nasabah

( )] ( )

c1

n1!
n=0

1 c c
+
c ! c

c
c

Ls=
P+
2 0

( c 1 )( c )

Ws=

Ls

L q=Ls

Wq=

( )

Lq

keterangan:

, c>

c : jumlah teller dalam bentuk

pararel
: rata-rata kedatangan nasabah
dalam satuan waktu
: rata-rata pelayanan dalam satuan
waktu
P0 : probabilitas tidak adanya
nasabah dalam sistem
: probabilitas masa sibuk
Ls : jumlah nasabah yang
diperkirakan dalam sistem
Ws : waktu tunggu yang
diperkirakan dalam sistem
Lq : jumlah nasabah yang
diperkirakan dalam antrian
Wq : waktu tunggu yang diperkirakan
dalam antrian
Setelah itu dilakukan analisis
sistem antrian menggunakan metode
simulasi jika sistem antrian yang ada
belum optimal.
Penggunaan metode simulasi
ini untuk membuat tiruan dari sistem
nyata ke dalam sistem buatan tanpa
harus mengalaminya pada keadaan
yang sesungguhnya (Herawati, 2008).

empat kategori waktu observasi dengan

jumlah loket yang aktif melayani nasabah
berbeda-beda. Tiap kategori terdiri dari 4
jam kerja.
4.1. Desain dan Disiplin Antrian
Desain antriannya Multi ChannelSingle Phase atau satu antrian beberapa
pelayanan tunggal (hanya melalui satu
tahap pelayanan).
Disiplin antriannya
yaitu First Come First Serve (FCFS),
dimana pelanggan yang mengambil nomor
antrian pertama akan dilayani terlebih
dahulu.
4.2. Menghitung Kinerja Sistem Antrian
Karena waktu observasi terbagi
menjadi empat kategori, maka selanjutnya
kita akan melakukan pengolahan data dan
analisa data berdasarkan empat kategori
tersebut (secara berurutan hari kerja pagi,
hari kerja siang, akhir pekan pagi dan akhir
pekan siang).
a. Rata-rata tingkat kedatangan nasabah
tiap kategori waktu adalah :

1=240

4. Hasil dan Pembahasan

128,9583 nasabah
2=125,1907 nasabah

Dari
pengumpulan
dan
pengolahan data, diperoleh data pada
Tabel 1. sebagai berikut :
Tabel 1: hasil pengumpulan dan pengolahan data
Waktu
Waktu
Loket/
Kedatangan
Pelayanan
Kategori
Teller
(menit per
(menit per
Nasabah)
Nasabah)
1
1,8453
2,3022
Hari kerja
2
1,8291
1,4004
pagi
3
1,9088
1,4165
1
1,8923
2,1634
Hari kerja
2
1,9472
2,7805
Siang
3
1,8853
2,6706
4
1,9435
2,3694
1
1,9741
2,1421
Akhir pekan
2
2,0162
3,4030
pagi
3
2,0223
2,8755
4
1,8933
2,4883
1
2,0266
2,8260
2
2,1691
5,4475
Akhir pekan
3
2,0542
4,2997
siang
4
2,0596
3,,0410
5
2,1143
5,0040

Dilihat pada Tabel 1. bahwa di

BNI cabang utama USU ini dibagi menjadi

( 1,8453+1,8291+1,9088
)
3

3 =121,4283 nasabah
4=115,4283 nasabah
b.

Rata-rata tingkat pelayanan nasabah

tiap kategori waktu adalah :

1=240

( 2,3022+1,4004+1,4165
)
3

140,6497 nasabah
2=96,1548 nasabah
3=88,0015 nasabah
4 =54,6162 nasabah
Model antrian yang digunakan
(M/M/c):(GD//). GD digunakan jika
disiplin antrian tidak ditentukan dan hasil
yang diperoleh akan sama dengan disiplin
antrian yang lain, misalnya FCFS dan
LCFS (Taha, 2007). Berikut diperoleh

Ws 3=2,8472 menit

ukuran kinerja sistem meliputi Ls, Lq, Ws

dan Wq antrian jalur berganda model
antrian (M/M/c):(GD//) :

P01=

Ws 4=5,0517 menit

[ ( )] ( )
c 11

1 1
c 1 ! 1

c1

c1 1 Rata-rata jumlah nasabah yang menunggu

c 1 11 dalam antrian
n=0
1
L
q
=Ls

1
1
1
1

0
1
1 128,9583
1 128,9583
128,9583
+
0,9492
0! 140,6497
1 ! 140,6497
140,6497
+1 128,9583 2
L q1=0,0323 nasabah
2! 140,6497
3
L q2=0,0464 nasabah
3(140,6497)
+1 128,9583

3 ! 140,6497 3 (140,6497)128,9583
L q =0,0607

1 1
n ! 1

) (

L q4 =0,3153 nasabah

P02=0,2706

Rata-rata waktu yang dihabiskan oleh

nasabah dalam antrian

P03=0,2500
P04 =0,1203

Wq 1=

Rata-rata jumlah nasabah dalam sistem

tiap kategori waktu adalah

1 1 1
1

c1

( )

( c 11 ) ( c1 1 1)

P +
2 01

1
1

140,6497 128,9583

Wq 1=0,0601 menit
Wq 2=0,0889 menit
Wq 4=0,6574 menit

( 128,9583
140,6497 )
128,9583
0,3965+

( 31 )( 3 140,6497128,9583 )

Ls1=0,9492 nasabah

Dari hasil penelitian diperoleh hasil utilitas

teller pada loket-loket pelayanan pada
140,6497
masing masing kategori waktu adalah

1=

1
128,9583
=
=0,3056=30,56
c 1 1 3 140,6497

2=

2
125,1907
=
=32,55
c 2 2 4 96,1548

3=

3
121,4283
=
=34,50
c 3 3 3 88,0015

4 =

4
115,1212
=
=42,16
c 4 4 3 54,6162

Ls2=1,3483 nasabah
Ls3=1,4406 nasabah
Ls4 =2,4232 nasabah
Rata-rata waktu yang dihabiskan seorang
nasabah dalam antrian atau sedang dilayani
(dalam sistem)

Ls
0,9492
Ws 1= 1 240=
240
1
128,9583
Ws 1=1,7665 menit
Ws 2=2,5849 menit

L q1
0,0323
240=
240
1
128,9583

Wq 3=0,1200 menit
3

nasabah

P01=0,3965

Ls1=

Dilihat dari nilai utilitas

diatas, terlihat bahwa pemanfaatan layanan
(loket) yang ada pada BNI cabang utama
USU kurang maksimal, oleh karena itu

dilakukan pendekatan simulasi yang dapat

memberikan solusi optimal bagi bank

lonjakan antrian yang ekstrim, hasilnya

ditunjukkan pada Tabel 2.

dengan memperhatikan tak terjadinya

Tabel 2: hasil simulasi data
Jumlah
Kategori
Loket/Teller
Hari kerja pagi
2
Hari kerja Siang
2
Akhir pekan pagi
2
Akhir pekan siang
3

Utilitas
(%)
45,84
65,10
68,99
70,26

Dari
hasil
simulasi
yang
dilakukan, terlihat bahwa tingkat utilitas
dari loket dimana teller melayani nasabah
mengalami peningkatan.

5. Simpulan
Bank Negara Indonesia cabang
utama USU jalan Dr. Mansyur No.11
Medan mengoperasikan 3 loket teller pada
hari kerja pagi, 4 loket teller pada hari kerja
siang, 4 loket teller pada akhir pekan pagi
dan 5 loket teller pada akhir pekan siang
dengan model antrian (M/M/c):(GD//)
dengan struktur antrian Multi ChannelSingle Phase. Dengan empat kategori
waktu hari kerja pagi, hari kerja siang, akhir
pekan pagi dan akhir pekan siang secara
berturut-turut memiliki utilitas (waktu
sibuk) loket teller 30,56%, 32,55%,

34,50% dan 42,16% dari kategori

waktu kerjanya. Hal ini kurang efisien
bagi bank tersebut, sehingga dilakukan
pendekatan simulasi untuk mengetahui
berapa jumlah loket teller yang harus
beroperasi
pada
masing-masing
kategori waktu tersebut, agar utilitas
loket-loket pelayanan maksimal.
Dari
hasil
simulasi
yang
dilakukan, didapat simpulan bahwa
disarankan dilakukan pengurangan loket
teller menjadi 2 loket teller pada hari kerja
pagi, 3 loket teller pada hari kerja siang, 3
loket teller pada akhir pekan pagi dan 4
loket teller pada akhir pekan siang untuk

Ls
(nasabah)
1,1608
2,2595
3,0875
3,5996

Ws
(menit)
8,6416
17,3266
24,4093
30,0170

Lq
(nasabah)
0,2440
0,9575
1,7076
1,4917

Wq
(menit)
1,8162
7,3427
13,5004
12,4398

mendapatkan utilitas dari loket teller

sebesar 45,84%, 65,10%, 68,99% dan

70,26% dari jam kerja.

Perlu dilakukan penelitian lebih
lanjut dengan memperhatikan rata-rata
waktu yang dihabiskan nasabah dalam
sistem dan rata-rata waktu yang dihabiskan
nasabah untuk menunggu dalam antrian
agar sistem antrian lebih optimal.

Ucapan Terima Kasih

Tak
lupa saya ucapkan
terimakasih kepada pihak-pihak yang
telah membantu dalam penelitian ini,
khususnya
kepada
ibu
Yuana
Sukmawati, S.Si., M.Si. selaku dosen
pembimbing penelitian ini.
Daftar Pustaka
Taha, A Hamdy. 1997. Riset Operasi : Suatu
Pengantar. Binarupa Aksara. Jakarta.
Herawati, M.G.H.S. 2008. Simulasi Antrian
pada Pom Bensin (studi Kasus pada
SPBU 54.651.13. Rampal, Malang).
Skripsi Jurusan Matematika FMIPA
Universitas Brawijaya. Malang.
http://s3.amazonaws.com/academia.edu.docume
nts/34650287/ANALISIS_PENELITIAN
_POM_BENSIN.docx. Diakses tanggal
28 Desember 2016