Lentera: Multidisciplinary Studies
Volume 2 Number 1, November, 2023
p- ISSN: 2987-2472 | e-ISSN: 2897-7031
https://lentera.publikasiku.id/index.php
20
PENERAPAN SIMULASI DALAM MENGANALISIS SISTEM ANTREAN
PADA PELAYANAN KEFARMASIAN RAWAT JALAN
RUMAH SAKIT ADVENT MEDAN
Chelsea Natali Lumban Gaol
1*
, Parapat Gultom
2
, Esther Sorta Mauli Nababan
3
,
Muhammad Romi Syahputra
4
Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara, Medan,
Indonesia
1,2,3,4
Email: chelseanatalilg18@gmail.com
1
, par_gul[email protected]m
2
, esthernababan@gmail.com
3
,
moehromi89@gmail.com
4
ABSTRAK
Rumah Sakit Advent Medan sebagai pelayanan kesehatan harus memerhatikan kualitas pelayanan
termasuk pada pelayanan kefarmasian. Pelayanan kefarmasian adalah suatu pelayanan langsung dan
bertanggung jawab kepada pasien dalam menyediakan obat untuk meningkatkan mutu kehidupan pasien.
Pada hasil pengamatan diperoleh bawa rata-rata waktu tunggu sebesar 0,7652 jam atau 45 menit.
Sehingga menjadi suatu masalah bagi rumah sakit mengenai sistem antreannya. Tujuan dari penelitian ini
adalah untuk mengetahui upaya yang dilakukan Rumah Sakit untuk memperbaiki waktu tunggu dalam
antrean. Untuk mengatasi masalah ini, salah satunya adalah melakukan analisis pada sistem pelayanan
dengan menggunakan teori antrean dengan disiplin antrean First In First Out (FIFO) yang disimulasikan
melalui software ARENA 16.0. Dari hasil simulasi model awal yang rata-rata waktu tunggu sebesar
0,7652 jam atau 45 menit dan utilitas atau tingkat kesibukan sebesar 97,42%. Dengan demikian dibuat
simulasi model usulan perbaikan, skenario terpilih yaitu skenario 3 dengan menambahkan 3 pekerja untuk
melayani dalam pembuatan obat dan dari hasil simulasi diperoleh rata-rata waktu tunggu sebesar 0,0847
jam atau 5 menit dan utilitas atau tingkat kesibukan sebesar 75,08% sehingga dapat terlihat perbedaan
yang signifikan, banyak pasien yang datang dengan pasien yang keluar adalah sama, sehingga semua
pelanggan dapat terlayani. Dapat dikatakan pada skenario 3 server tidak sibuk sehingga pelayanan yang
diberikan dapat cepat dan baik membuat pasien merasa puas dan pelayanan dapat dikatakan optimal.
Kata Kunci: Antrean, Skenario, software Arena, Utilitas, Waktu Tunggu
Abstract
Adventist Hospital Medan as a health service must pay attention to the quality of services including
pharmaceutical services. Pharmaceutical service is a direct and responsible service to patients in
providing drugs to improve the quality of life of patients. In the observation results, it was obtained that
the average waiting time was 0.7652 hours or 45 minutes. So that it becomes a problem for the hospital
regarding the queuing system. The purpose of this study is to determine the efforts made by the hospital
to improve waiting time in line. To overcome this problem, one of them is to analyze the service system
using queuing theory with First In First Out (FIFO) queuing discipline simulated through ARENA 16.0
software. From the simulation results of the initial model, the average waiting time is 0.7652 hours or 45
minutes and the utility or busyness level is 97.42%. Thus a simulation of the proposed improvement model
was made, the selected scenario was scenario 3 by adding 3 workers to serve in making medicine and
from the simulation results obtained an average waiting time of 0.0847 hours or 5 minutes and a utility
or busyness level of 75.08% so that a significant difference could be seen, many patients who came in
with patients who left were the same, so that all customers could be served. It can be said that in scenario
3 the server is not busy so that the service provided can be fast and good, making patients feel satisfied
and the service can be said to be optimal.
Keywords: Queue, Scenario, Arena software, Utility, Waiting Time
This work is licensed under a Creative Commons Attribution-ShareAlike
4.0 International
Vol. 2, No. 1, 2023
https://lentera.publikasiku.id/index.php
21
PENDAHULUAN
Salah satu kejadian dalam kehidupan sehari-hari yang sering terjadi adalah menunggu
dalam sebuah pelayanan. Hal ini dapat terjadi ketika kebutuhan akan suatu pelayanan melebihi
kapasitas yang tersedia dan mengakibatkan adanya baris tunggu dari konsumen. Karena bagian
pelayanan sedang melayani yang lain, sehingga tidak mampu melayani pada saat yang bersamaan.
Kejadian tersebut sering disebut antrean.
Terjadinya antrean adalah hasil langsung dari keacakan dalam operasi sarana pelayanan.
Secara umum kedatangan pelanggan dan waktu pelayanan tidak diketahui sebelumnya, karena
jika dapat diketahui, pengoperasi sarana tersebut dapat dijadwalkan sedemikian hingga akan
memberikan pelayanan yang maksimal. Walaupun antrean telah menjadi bagian dari keseharian
manusia, namun persoalan ini membutuhkan penyelesaian untuk mendapatkan solusi yang
optimal agar tidak menjadi sebuah masalah.
Berdasarkan jurnal yang ditulis oleh Muhammad Nur dan Faulin Qitri menganalisa sistem
antrian loket pada PT(2016) (2013). Tiki Jalan teuku Umar Pekanbaru dengan menggunakan
Software Arena yang menghasilkan jumlah loket yang optimal, dapat dikatakan bahwa loket
berada dalam kegiatan normal dan tidak sibuk (Nur & Qitri, 2016). Teguh pada jurnal IKRA-ITH
pernah melakukan penelitian pada PT Indomobil Trada Nasional yang menghasilkan model
simulasi antrian yang optimal dengan menambahkan 1 server (Djati, 2016). Selain itu, Hendra,
Ellysa, dan Thomas juga melakukan penelitian mengenai analisis sistem antrian pada proses
pelayanan konsumen di rumah makan menghasilkan usulan perbaikan sistem guna
mengoptimalkan pelayanan.
Peristiwa antrean ini memang menyebabkan ketidaknyamanan ataupun kerugian baik
pengguna layanan maupun penyelenggara layanan. Misalnya, pesawat menunggu untuk lepas
landas dapat mengakibatkan ketidaknyamanan bagi penumpang serta mengacaukan jadwal
penerbangan lainnya. Pelanggan menunggu pada sebuah kasir untuk membayar belanjaan
mengakibatkan kebosanan dan tidak tertarik pelanggan untuk kembali ketempat tersebut. Mesin
industri yang menunggu perbaikan dari montir mengakibatkan terlambatnya produksi suatu
barang yang dilakukan mesin tersebut. Serta banyak kerugian lainnya. Antrean dapat ditemukan
pada beberapa fasilitas pelayanan umum dimana dapat berupa orang ataupun barang yang
mengalami proses antrean dari kedatangan, antrean, menunggu, hingga pelayanan berlangsung.
Misalnya untuk membeli karcis bioskop, membayar tol, mengambil atau menyetor uang pada
bank, dan lainnya. Pada barang, misalnya antrean bahan mentah yang akan diproses untuk
dijadikan suatu produk tertentu, komoditi ekspor yang akan dimuat ke kapal laut, ataupun data
yang akan diolah dipusat komputer, dan lain sebagainya (Melinda, Marpaung, & Liquiddanu,
2018).
Selain itu, antrean juga terdapat pada fasilitas penting yaitu pelayanan kesehatan. Pada
prosesnya, seseorang yang sakit akan melakukan proses pengobatan maupun penyembuhan
melalui perlakuan perawatan dan pemberian obat. Sehingga pelayanan penyedia obat ini
merupakan salah satu hal yang penting dalam pelayanan kesehatan. Pada Peraturan Menteri
Kesehatan Republik Indonesia Nomor 72 Tahun 2016 tentang standar pelayanan kefarmasian di
Rumah Sakit, diketahui bahwa pelayanan kefarmasian adalah suatu pelayanan langsung dan
bertanggung jawab kepada pasien yang berkaitan dengan sediaan farmasi dengan maksud
mencapai hasil yang pasti untuk meningkatkan mutu kehidupan pasien. Dimana sediaan farmasi
dapat berupa obat, bahan obat, obat tradisional, dan kosmetik. Salah satu pelayanan instalasi
farmasi adalah pada RS Advent Medan, beralamat di Jalan Gatot Subroto No. Km 4, Sei
Sikambing D, Medan Petisah, Kota Medan, Sumatera Utara (Afrane & Appah, 2014). Pada
instalasi farmasi di RS Advent Medan ini, antrean pelayanan pengolahan obat dimulai dengan
pasien yang datang langsung meletakkan resep obat yang dibawanya setelah periksa kepada
dokter dan mendapatkan nomor antrean. Kemudian menunggu sampai nomor antreannya
dipanggil untuk mendapatkan pelayanan, yaitu mendapatkan obat beserta penjelasan obat sesuai
resep. Setelah itu pasien dapat meninggalkan sistem antrean. Masalah yang timbul dari antrean di
Vol. 2, No. 1, 2023
[Penerapan Simulasi Dalam Menganalisis Sistem Antrean pada
Pelayanan Kefarmasian Rawat Jalan Rumah Sakit Advent Medan]
22
Chelsea Natali Lumban Gaol
1*
, Parapat Gultom
2
, Esther Sorta Mauli Nababan
3
, Muhammad
Romi Syahputra
4
instalasi farmasi ini tidak jarang pasien berada diwaktu yang lama dalam menunggu untuk
memperoleh giliran pelayanan. Oleh karena itu diperlukan suatu analisa mengetahui seberapa
besar ukuran dari kinerja sistem antrean, salah satunya menggunakan Teori Antrean.
Berdasarkan uraian di atas, penulis tertarik untuk melakukan penelitian dengan judul
“Penerapan Simulasi Dalam Menganalisis Sistem Antrean Pada Pelayanan Kefarmasian Rawat
Jalan Rumah Sakit Advent Medan” (Bronson, 2015).
METODE PENELITIAN
Langkah-langkah yang dilakukan penulis dalam penelitian ini adalah sebagai berikut :
1. Studi Pendahuluan
Mengumpulkan dan mempelajari berbagai sumber materi dan literatur tentang teori antrian
di jurnal-jurnal, skripsi yang berkaitan dengan teori antrian, buku yang ada di internet, serta
media pembelajaran online lainnya.
2. Observasi
Melakukan pengamatan pada Rumah Sakit Advent Medan dengan meneliti waktu
kedatangan dan waktu pelayanan pasien ke pelayanan kefarmasian rawat jalan
3. Pengumpulan data
Mengumpulkan data dengan bantuan Software Microsoft Excel untuk merekapitulasi data
menjadi data yang lebih sederhana.
4. Melakukan uji kecocokan distribusi pada tingkat kedatangan dan waktu pelayanan dengan
menggunakan Software Input Analyzer(Purwanto, 2021).
5. Menentukan struktur antrian yang diterapkan pada sistem antrian Rumah Sakit Advent
Medan.
6. Menentukan disiplin antrian yang terjadi di Rumah Sakit Advent Medan.
7. Melakukan pengolahan data dengan menggunakan Software Arena.
8. Membuat dan mengambil keputusan untuk memilih model skenario perbaikan.
Menganalisis, menarik kesimpulan, dan interpretasi hasil.
HASIL DAN PEMBAHASAN
Pengumpulan Data
Data waktu kedatangan ini diperoleh dengan melakukan pengamatan langsung di Pelayanan
Kefarmasian Rawat Jalan Rumah Sakit Advent Medan. Penelitian ini dilakukan selama 1 hari
yaitu pada hari Senin, 06 Februari 2023 pada pukul 08.00-18.00. Data ini diambil pada pasien
yang hendak mengambil obat jadi, obat kronis, dan obat racik. Data kedatangan dan pelayanan
pada pasien tertera pada Tabel 4.1.
Tabel 1. Data Kedatangan dan Pelayanan Pada Pasien
Jenis Obat
Banyaknya
Pasien
Lama Waktu
Dilayani (Menit)
Rata-Rata Lama Waktu
Dilayani (Menit)
Obat Jadi
251
133,4085
0,531507968
Obat Kronis
15
146,1958
9,746386667
Obat Racik
19
154,92778
8,154093684
Total
285
434,53208
1,524673965
Uji Distribusi Waktu Kedatangan dan Pelayanan Pada Pasien
Vol. 2, No. 1, 2023
https://lentera.publikasiku.id/index.php
23
Distribusi Waktu Antar Kedatangan
Berdasarkan hasil fitting distribusi menggunakan Software Input Analyzer Arena
disimpulkan bahwa fungsi distribusi yang terpilih untuk waktu antar kedatangan pasien adalah
distribusi Lognormal, kecocokan distribusi ini dipilih berdasarkan nilai error paling kecil. Dari
gambar 4.2 diperoleh rata-rata tiap kedatangan pasien adalah 1,74 menit.
Gambar 1. Grafik Distribusi Waktu Antar Kedatangan
Gambar 2. Hasil Uji Distribusi Waktu Antar Kedatangan
Distribusi Waktu Pelayanan Verifikasi Operator
Vol. 2, No. 1, 2023
[Penerapan Simulasi Dalam Menganalisis Sistem Antrean pada
Pelayanan Kefarmasian Rawat Jalan Rumah Sakit Advent Medan]
24
Chelsea Natali Lumban Gaol
1*
, Parapat Gultom
2
, Esther Sorta Mauli Nababan
3
, Muhammad
Romi Syahputra
4
Berdasarkan hasil penelitian, operator yang bertugas memverifikasi resep obat dari pasien
dan memberikan nomor antrean memerlukan waktu 30 detik atau 0.5 menit setiap pasien sehingga
distribusinya adalah konstan.
Distribusi Waktu Pelayanan dalam Pembuatan Obat
Berdasarkan hasil fitting distribusi menggunakan Software Input Analyzer Arena
disimpulkan bahwa fungsi distribusi yang terpilih untuk waktu pelayanan pembuatan obat adalah
distribusi Beta, kecocokan distribusi ini dipilih berdasarkan nilai error paling kecil. Dari gambar
4.4 diperoleh rata-rata tiap pelayanan pasien adalah 1,52 menit.
Gambar 3. Grafik Distribusi Waktu Pelayanan Pembuatan Obat
Gambar 4. Hasil Uji Distribusi Waktu Pelayanan Pembuatan Obat
Model Simulasi Sistem Antrean
Model simulasi di mulai dari kedatangan pasien memasuki sistem dengan membawa resep
ke farmasi Rawat Jalan, resep diterima oleh petugas farmasi(operator) untuk diberikan nomor
antrean, petugas farmasi juga melakukan verifikasi resep dan dilakukan posting ke sistem,
kemudian pelayanan farmasi menyiapkan dan meracik obat sesuai dengan resep atau postingan
Vol. 2, No. 1, 2023
https://lentera.publikasiku.id/index.php
25
resep, obat yang sudah selesai diserahkan ke pasien melalui petugas bagian pengambilan obat,
petugas memanggil nama pasien serta edukasi konseling kepada pasien.
Berikut adalah simulasi antrean pada proses pembuatan obat di Farmasi Rawat Jalan RS
Advent Medan menggunakan software arena (Fuad Dwi Hanggara & Putra, 2020) :
Gambar 5. Model simulasi antrean menggunakan arena
Verifikasi dan Validasi
Verifikasi merupakan proses perbandingan antara model konseptual dengan model simulasi.
Sehingga tujuan dilakukannya verifikasi adalah untuk mengecek apakah model simulasi yang
telah dibuat sama dan sesuai dengan model konseptualnya. Comparing system tanpa uji statistik
dilakukan dalam verifikasi, yaitu dengan melakukan pengecekan ada tidaknya error dalam model
Arena (Fuad Dwi Hanggara & Putra, 2020) (Hasan, 2014). Pada modul arena yang telah dibuat,
hasil yang didapat tertera pada gambar 6.
Gambar 6. Verifikasi Model
Arena mengeluarkan kotak dialog yang berarti simulasi yang dimodelkan tidak error,
selanjutnya menghitung jumlah replikasi. Dalam simulasi dibutuhkan adanya replikasi simulasi
berdasarkan dari pembangkitan bilangan random. Jika bilangan random yang dibangkitkan baik,
Vol. 2, No. 1, 2023
[Penerapan Simulasi Dalam Menganalisis Sistem Antrean pada
Pelayanan Kefarmasian Rawat Jalan Rumah Sakit Advent Medan]
26
Chelsea Natali Lumban Gaol
1*
, Parapat Gultom
2
, Esther Sorta Mauli Nababan
3
, Muhammad
Romi Syahputra
4
maka hasil simulasinya akan baik, sebaliknya jika bilangan random yang dibangkitkan buruk
maka hasil simulasinya akan buruk pula. Untuk mengantisipasi terjadinya kesalahan pengambilan
kesimpulan karena kondisi tersebut maka dibutuhkan adanya replikasi.
Tabel 2. Hasil Replikasi (Number Out)
Replikasi
Output Simulasi
1
280
2
267
3
281
4
280
5
282
6
285
7
276
8
281
9
284
10
282
Rata-Rata
280
Standar Deviasi
5,116422
Variansi
26,17778
Untuk menentukan berapa jumlah replikasi yang dibutuhkan maka dilakukan perhitungan
jumlah replikasi. Dalam kasus ini metode yang digunakan adalah metode absolute error.
Sedangkan selang kepercayaan yang digunakan adalah 95%.
Berikut adalah perhitungannya:
n=10
n-1 = 9
α = 0,05
hw =
󰇛
󰇜
󰇜
=


= 3,65
Jadi, perhitungan replikasinya sebagai berikut:
n’ =󰇛
󰇛

󰇜
󰇜
= 󰇛


󰇜
= 7,529 ≈ 8
Dari perhitungan yang telah dilakukan diperoleh jumlah minimal replikasi yang dibutuhkan 8.
Validasi Arena
Validasi adalah proses pengecekan model dengan real system. Suatu model akan dianggap
valid apabila hasil perbandingan antara model simulasi dengan real system tidak memiliki
perbedaan yang signifikan. Perbandingan dua alternatif dalam simulasi sistem antrean pada
umumnya digunakan dalam validasi, antara model yang dibuat dengan sistem pada dunia nyata.
Model bisa dikatakan valid jika hasil perbandingan yang muncul menunjukkan bahawa kedua
model alternatif tidak berbeda secara signifikan, dalam kasus ini menggunakan metode Paired-t-
Confidence.
Tabel 3. Paired-t-Confidence
Vol. 2, No. 1, 2023
https://lentera.publikasiku.id/index.php
27
Replikasi
Output Simulasi
Output Nyata
Throughput
Difference
1
280
285
5
2
267
285
18
3
281
285
4
4
280
285
5
5
282
285
3
6
285
285
0
7
276
285
9
8
281
285
4
Rata-Rata
280
6
Standar Deviasi
5,451081151
5,451081
Variansi
29,71428571
29,71429
Hipotesa :
H
0
:


 (Tidak ada perbedaan yang signifikan antara output sistem nyata dengan
output sistem model)
H
1
:


 (Tidak ada perbedaan yang signifikan antara output sistem nyata dengan
output sistem model)
Dengan level signifikan α = 0,05, maka diperoleh hasil sebagai berikut :
hw =
󰇛
󰇜
󰇜
=

= 4,557 ≈ 5
Sehingga confidence interval yang diperoleh sebagai berikut :
[(


󰇜hw ≤ 


󰇛


󰇜hw]
[(285 – 280) - 5 ≤ 


(285-280) + 5]
5 – 5 


≤ 5 + 5
0 


≤ 10
Karena nilai 0 berada pada rentang 


, maka keputusannya adalah H
0
diterima,
dengan demikian dapat diambil kesimpulan tidak ada perbedaan yang signifikan antara output
sistem nyata dengan output model simulasi. Dengan kata lain model simulasi yang telah dibuat
adalah valid.
Output Simulasi
Dari model simulasi awal yang dibuat dengan software simulasi arena maka dibuat tabel
dari hasil output sebagai berikut.
Tabel 4. Output Simulasi
Eksisting
Real System
Number In
320
Number Out (Total)
280
285
*Obat Jadi
246
251
*Obat Kronis
14
15
*Obat Racik
20
19
Persentase
87,50%
Waktu Tunggu
Pasien Obat Jadi
0,4089 jam
Pasien Obat Kronis
0,8694 jam
Pasien Obat Racik
0,6688 jam
Jumlah Pasien Menunggu
Vol. 2, No. 1, 2023
[Penerapan Simulasi Dalam Menganalisis Sistem Antrean pada
Pelayanan Kefarmasian Rawat Jalan Rumah Sakit Advent Medan]
28
Chelsea Natali Lumban Gaol
1*
, Parapat Gultom
2
, Esther Sorta Mauli Nababan
3
, Muhammad
Romi Syahputra
4
Number Waiting
24,9346
Tingkat Kesibukan
97,42%
Dari tabel di atas berdasarkan hasil run model sistem, banyak pasien yang datang ke loket
kefarmasian rawat jalan dari pukul 08.00 sampai 18.00 sebanyak 320 dan yang selesai dilayani
sebanyak 280 pasien yang terdiri dari 246 pasien obat jadi, 14 pasien obat kronis, dan 20 pasien
obat racik. Sehingga diperoleh persentase pasien yang dilayani sebanyak 87,5%. Kemudian,
diperoleh juga waktu tunggu masing-masing pasien yaitu pasien obat jadi menunggu selama
0,4089 jam atau 24 menit, pasien obat kronis menunggu selama 0,8694 jam atau 52 menit, pasien
obat racik menunggu selama 0,6688 jam atau 40 menit. Jumlah pasien yang menunggu untuk
dilayani sebanyak 24 orang. Dari model sistem diperoleh juga tingkat kesibukan sistem sebesar
97,42% dimana angka tersebut hampir 100% yang menunjukkan sistem sangat sibuk.
Pembuatan Skenario
Untuk memperbaiki atau mengurangi waktu tunggu pasien dan waktu pelayanan yang
masih besar, serta mengoptimalkan tingkat kesibukan server maka akan dilakukan 3 alternatif
usulan atau skenario perbaikan sistem antrean, dengan menggunakan model sistem antrean yang
sama dengan model pertama dan masing-masing skenario dilakukan dengan cara menambah
pekerja sampai mendapatkan hasil yang optimal.
Skenario 1
Dalam pembuatan Skenario 1 untuk mengoptimalkan sistem antrean kefarmasian
dilakukan dengan cara menambahkan 1 pekerja sehingga total pekerja dari 13 pekerja menjadi 14
pekerja. Pada simulasi awal, jika 13 pekerja membutuhkan waktu membuat obat 1,52 menit maka
14 pekerja membutuhkan waktu sebesar X.
Berikut adalah perhitungannya.
13 x 1,5 = 14 x X
X =


= 1,4 menit.
Berdasarkan hasil run model sistem skenario 1, banyak pasien yang datang ke loket
kefarmasian rawat jalan dari pukul 08.00 sampai 18.00 sebanyak 283 dan yang selesai dilayani
sebanyak 268 pasien. Sehingga diperoleh persentase pasien yang dilayani sebanyak 94,7%.
Kemudian, diperoleh juga waktu tunggu masing-masing pasien yaitu pasien obat jadi menunggu
selama 0,1706 jam atau 10 menit, pasien obat kronis menunggu selama 0,1499 jam atau 9 menit,
pasien obat racik menunggu selama 0,1341 jam atau 8 menit. Jumlah pasien yang menunggu
untuk dilayani sebanyak 6 orang. Dari model sistem diperoleh juga tingkat kesibukan sistem
sebesar 85,96%.
Skenario 2
Dalam pembuatan Skenario 2 untuk mengoptimalkan sistem antrean kefarmasian
dilakukan dengan cara menambahkan 2 pekerja sehingga total pekerja dari 13 pekerja menjadi 15
pekerja. Pada simulasi awal, jika 13 pekerja membutuhkan waktu membuat obat 1,52 menit maka
15 pekerja membutuhkan waktu sebesar X.
Berikut adalah perhitungannya.
13 x 1,5 = 15 x X
X =


= 1,3 menit
Vol. 2, No. 1, 2023
https://lentera.publikasiku.id/index.php
29
Sehingga waktu pelayanan dalam pembuatan obat skenario 2 adalah 1,3 menit yang akan
di input ke dalam modul membuat obat, sehingga diperoleh hasil atau output dari skenario 2 yang
dibuat dengan software simulasi arena sebagai berikut.
Berdasarkan hasil run model sistem skenario 2, banyak pasien yang datang ke loket
kefarmasian rawat jalan dari pukul 08.00 sampai 18.00 sebanyak 295 dan yang selesai dilayani
sebanyak 282 pasien. Sehingga diperoleh persentase pasien yang dilayani sebanyak 95,59%.
Kemudian, diperoleh juga waktu tunggu masing-masing pasien yaitu pasien obat jadi menunggu
selama 0,1219 jam atau 7,3 menit, pasien obat kronis menunggu selama 0,1235 jam atau 7,41
menit, pasien obat racik menunggu selama 0,1296 jam atau 7,7 menit. Jumlah pasien yang
menunggu untuk dilayani sebanyak 5 orang. Dari model sistem diperoleh juga tingkat kesibukan
sistem sebesar 85,27%.
Skenario 3
Dalam pembuatan Skenario 3 untuk mengoptimalkan sistem antrean kefarmasian
dilakukan dengan cara menambahkan 3 pekerja sehingga total pekerja dari 13 pekerja menjadi 16
pekerja. Pada simulasi awal, jika 13 pekerja membutuhkan waktu membuat obat 1,52 menit maka
16 pekerja membutuhkan waktu sebesar X.
Berikut adalah perhitungannya.
13 x 1,5 = 16 x X
X =


= 1,2 menit
Sehingga waktu pelayanan dalam pembuatan obat skenario 3 adalah 1,2 menit yang akan
diinput ke dalam modul membuat obat, diperoleh hasil atau output dari skenario 3 yang dibuat
dengan software simulasi arena sebagai berikut.
Berdasarkan hasil run model sistem skenario 3, banyak pasien yang datang ke loket
kefarmasian rawat jalan dari pukul 08.00 sampai 18.00 sebanyak 265 dan yang selesai dilayani
sebanyak 265 pasien. Sehingga diperoleh persentase pasien yang dilayani sebanyak 100%.
Kemudian, diperoleh juga waktu tunggu masing-masing pasien yaitu pasien obat jadi menunggu
selama 0,0349 jam atau 2 menit, pasien obat kronis menunggu selama 0,0673 jam atau 4 menit,
pasien obat racik menunggu selama 0,0383 jam atau 2,2 menit. Jumlah pasien yang menunggu
untuk dilayani sebanyak 2 orang. Dari model sistem diperoleh juga tingkat kesibukan sistem
sebesar 75,08% .
Setelah membuat 3 skenario, selanjutnya melakukan rekapitulasi perbandingan hasil output
simulasi awal dengan output simulasi usulan yang dapat dilihat pada tabel 4.7
Tabel 5. Perbandingan Hasil Simulasi Awal dengan Simulasi Usulan
Eksisting (13
pekerja)
Skenario I (14
pekerja)
Skenario II (15
pekerja)
Skenario III (16
pekerja)
Banyak yang
dilayani
Number In
320
283
295
265
Number Out
280
268
282
265
Persentase
87,50%
95%
96%
100%
Waktu Tunggu
Antrean Obat Jadi
0,4089 jam
0,1706
0,1219 jam
0,0349 jam
Antrean Obat Kronis
0,8694 jam
0,1499
0,1235 jam
0,0673 jam
Antrean Obat Racik
0,6688 jam
0,1341
0,1296 jam
0,0383 jam
Waktu Pelayanan
1,5 menit
1,4 menit
1,3 menit
1,2 menit
Vol. 2, No. 1, 2023
[Penerapan Simulasi Dalam Menganalisis Sistem Antrean pada
Pelayanan Kefarmasian Rawat Jalan Rumah Sakit Advent Medan]
30
Chelsea Natali Lumban Gaol
1*
, Parapat Gultom
2
, Esther Sorta Mauli Nababan
3
, Muhammad
Romi Syahputra
4
Jumlah Pasien
Menunggu
Number Waiting
24,9346
6,1591
5,4399
2,245
Tingkat Kesibukan
(Utilitas)
97,42%
85,96%
85,27%
75,08%
Berdasarkan tabel di atas, hasil usulan simulasi antrean yang optimal adalah skenario 3
dengan menambahkan 3 pekerja karena persentase pasien yang dilayani adalah 100%, terjadi
perubahan waktu tunggu pasien yang optimal, pada pasien obat jadi menunggu selama 2 menit,
pada pasien obat kronis menunggu selama 4 menit, pada pasien obat racik menunggu selama 2,2
menit. Jumlah pasien yang menunggu hanya 2 orang, dan terjadi perubahan yang signifikan
terhadap tingkat kesibukan (utilitas) dari simulasi awal yaitu menjadi 75,08%.
Perhitungan Biaya Penambahan Pekerja
Berdasarkan pengamatan dan perhitungan yang didapat, Pelayanan Kefarmasian Rawat
Jalan Rumah Sakit Advent Medan perlu melakukan penambahan 3 pekerja. Maka perlu adanya
penambahan biaya yaitu biaya tenaga kerja. Perhitungan biaya penambahan 3 pekerja adalah
sebagai berikut.
Biaya Tenaga Kerja
Biaya UMK Kota Medan/Bulan = Rp2.710.493,00
Biaya Tenaga Kerja = 3 Rp2.710.493,00
= Rp8.131.479,00
Maka, besarnya biaya yang akan dikeluarkan Rumah Sakit jika melakukan penambahan 3
pekerja adalah sebesar Rp8.131.479,00 dalam 1 bulan.
KESIMPULAN
Berdasarkan hasil dari pembahasan yang telah dijelaskan maka dapat ditarik kesimpulan
sebagai berikut: 1) Pada hasil model simulasi antrean Kefarmasian Rawat Jalan Rumah Sakit
Advent Medan yang telah dibuat dengan menggunakan bantuan software simulasi arena dapat
disimpulkan bahwa banyak pasien yang datang sebanyak 320 dan yang selesai dilayani sebanyak
280 pasien sehingga diperoleh persentase pasien yang dilayani sebanyak 87,5%. Kemudian,
diperoleh juga rata-rata waktu tunggu masing-masing pasien yaitu pasien obat jadi menunggu
selama 0,4089 jam atau 24 menit, pasien obat kronis menunggu selama 0,8694 jam atau 52 menit,
pasien obat racik menunggu selama 0,6688 jam atau 40 menit. Sedangkan rata-rata waktu
pelayanan dalam pembuatan obat sebesar 1,5 menit. Jumlah pasien yang menunggu untuk
dilayani sebanyak 24 orang. Dari model sistem diperoleh juga tingkat kesibukan sistem sebesar
97,42% dimana angka tersebut hampir 100% yang menunjukkan sistem sangat sibuk. 2) Untuk
memperbaiki waktu tunggu pasien maka dibuat skenario perbaikan dengan menambah 3 pekerja,
setelah membuat simulasi usulan perbaikan diperoleh hasil simulasi yaitu banyak pasien yang
datang ke loket kefarmasian rawat jalan sebanyak 265 dan yang selesai dilayani sebanyak 265
pasien. Sehingga diperoleh persentase pasien yang dilayani sebanyak 100%. Kemudian, diperoleh
juga rata-rata waktu tunggu masing-masing pasien yaitu pasien obat jadi menunggu selama
0,0349 jam atau 2 menit, pasien obat kronis menunggu selama 0,0673 jam atau 4 menit, pasien
obat racik menunggu selama 0,0383 jam atau 2,2 menit. Jumlah pasien yang menunggu untuk
dilayani sebanyak 2 orang. Dari model sistem diperoleh juga tingkat kesibukan sistem sebesar
75,08%. Dengan demikian Sistem Pelayanan pada Kefarmasian Rumah Sakit Advent Medan
dapat dikatakan optimal.
Vol. 2, No. 1, 2023
https://lentera.publikasiku.id/index.php
31
DAFTAR PUSTAKA
Afrane, Sam, & Appah, Alex. (2014). Queuing theory and the management of Waiting-
time in Hospitals: The case of Anglo Gold Ashanti Hospital in Ghana. International
Journal of Academic Research in Business and Social Sciences, 4(2).
https://doi.org/10.6007/IJARBSS/v4-i2/590
Amri, Amri, Muhammad, Muhammad, & Malasy, Teuku Sybran. (2013). Analisis Sistem
Antrian pada Stasiun Pengisian Bahan Bakar Umum (SPBU) dengan menggunakan
simulasi Arena. 2. https://doi.org/https://doi.org/10.53912/iejm.v2i2.74
Bronson, Richard. (2015). Teori dan soal-soal operations research. Retrieved from
https://lib.ui.ac.id/m/detail.jsp?id=20149652&lokasi=lokal
Djati, Bonett Satya Lelono. (2016). Simulasi Teori Dan Aplikasinya.
Fuad Dwi Hanggara, & Putra, Rama Dani Eka. (2020). Analisis Sistem Antrian
Pelanggan SPBU Dengan Pendekatan Simulasi Arena. Jurnal INTECH Teknik
Industri Universitas Serang Raya, 6(2), 155–162.
https://doi.org/10.30656/intech.v6i2.2543
Hasan, Iqbal. (2014). Analisis data penelitian dengan statistik.
Melinda, Intan Dewi, Marpaung, Seamus Tadeo, & Liquiddanu, Eko. (2018). Analisis
Sistem Antrean Restoran Cepat Saji McDonald’s dengan Menggunakan Simulasi
Arena. Seminar Dan Konferensi Nasional IDE.
Nur, Muhammad, & Qitri, Faulin Feratesia. (2016). Analisa Sistem Antrian Loket pada
PT. Tiki Jalan Teuku Umar Pekanbaru dengan Menggunakan Software Arena.
Jurnal Teknik Industri, 2.
Purwanto, Teguh Apriyono. (2021). Analisis Sistem Antrian Menggunakan Software
Simulasi Arena Pada PT Indomobil Trada Nasional (Nissan Depok). IKRAITH-
INFORMATIKA, 5.