Upload
arip-ethem
View
214
Download
0
Embed Size (px)
Citation preview
8/16/2019 M_M_1.docx
1/33
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Pembahasan teori antrian lebih difokuskan pada penguraian waktu
tunggu yang terjadi dalam barisan antrian. Antrian ini dapat dilihat dalam
berbagai situasi yang terjadi pada kehidupan sehari-hari,. Salah satunya
adalah pada pembelian BBM di POM Bensin dimana pelanggan yang antri
tidak terbatas, dan hanya satu pelayanan.
Situasi menunggu para pelanggan merupakan suatu bagian dari
keadaan yang terjadi dalam rangkaian kegiatan operasional yang bersifat
random dalam suatu fasilitas pelayanan. Pelanggan datang ke tempat itu
dengan waktu yang aak, tidak teratur dan tidak dapat segera dilayani
sehingga mereka harus menunggu ukup lama. !engan mempelajari teori
antrian maka penyedia layanan dapat mengusahakan agar dapat melayani
pelanggannya dengan baik dan ukup lama.
"ujuan sebenarnya dari teori antrian adalah meneliti kegiatan dari
fasilitas pelayanan dalam rangkaian kondisi random dari suatu sistem antrian
yang terjadi.Sehingga dalam makalah ini akan dibahas satu model dari teori
antrian yaitu Pelayanan tunggal dengan populasi tidak terbatas yang ada pada
pintu keluar Mobil di Parkiran Matos.
1.2 Rumusan Masalah
#. Bagaimana menentukan karekteristik model antrian M$M$# % &'&S$
∞ /∞ (
). Bagaimana menerapkan model antrian M$M$# % &'&S$ ∞ /∞ dalam
antrian keluar parkiran Matos (1.3 Tujuan
#. Menentukan karakteristik model antrian M$M$# % &'&S$ ∞ /∞
). Menerapkan model antrian *M$M$#+ % *&'&S% ∞ :∞ + dalam antrian
keluar parkiran Matos
1. Batasan Masalah
#. !iasumsikan semua pelanggan menyerahkan karis dan diperiksa
petugas.
8/16/2019 M_M_1.docx
2/33
2
). aktu pengamatan berlangsung hari sabtu tanggal #) Aprli )#
sekitar pukul #/. 0 #1.2 3B
BAB II
LANDA!AN TE"RI
8/16/2019 M_M_1.docx
3/33
3
2.1 Pengert#an
!alam teori baris antrian selalu ditemui dua bentuk yang menjadi dasar
persoalan, yaitu %
#. Bentuk ukuran populasi atau jumlah pelanggan atau yang dapat
digolongkan ke dalamnya.
). 4umlah pelayan atau ser5is *hannel+ yang dapat melayani kebutuhan
pelanggan atau yang termasuk dalam golongannya.
!engan demikian pengertian populasi tidak terbatas hanya sebagai
jumlah pelanggan yang memasuki sistem antrian.
Aturan lain yang juga digunakan sebagai ketentuan yang sudah
disepakati ialah bahwa populasi tidak berhingga pada umumnya berlaku
apabila potensi pelanggan ukup banyak untuk menapai rata-rata dan
kedatangan seorang pelanggan tidak mempengaruhi probabilitas kedatangan
yang lainnya.
!ari suatu populasi yang memasuki suatu sistem baris antrian juga akan
selalu ditemukan%
a. Barisan antrian *waiting line+
b. Pelanggan * service system+
!ari keduanya dapat dibuat model yang dapat dipergunakan untuk
menguraikan persoalan yang menyangkut jumlah populasi rata-rata di dalam
sistem, banyaknya ser5er *pelayan+ banyaknya waktu menunggu dan lain lain.
2.2 P$%ulas#
6kuran Populasi *Sumber+ 7edatangan dibagi menjadi tidak terbatas atau
terbatas. 4ika jumlah kedatangan pengunjung atau kedatangan pada waktu
tertentu hanyalah sebagian keil dari semua kedatangan yang potensial,
maka populasi kedatangan dianggap sebagai populasi yang tidak terbatas.
'ontoh populasi yang tidak terbatas adalah mobil yang datang ke sebuahtempat penuian mobil, para pengunjung yang tiba di sebuah
supermarket, dan para siswa yang datang untuk mendaftarkan diri di
sebuah uni5ersitas besar. Sebagian besar model antrean berasumsi bahwa
populasi kedatangan tidak terbatas.
2.3 D#str#&us# 'aktu Pela(anan
Pola pelayanan serupa dengan pola kedatangan dimana pola ini
konstan atau pun aak . 4ika waktu layanannya konstan , maka waktu yang
diperlukan untuk melayani setiap pelanggan adalah sama . 'ontoh kasus ini
8/16/2019 M_M_1.docx
4/33
4
adalah dalam operasi pelayanan yang menggunakan mesin, seperti penuian
mobil otomatis.aktu layanan biasanya terdistribusi seara aak. !alam
banyak kasus, dapat diasumsikan bahwa waktu layanan aak dapat dijelaskan
dengan distribusi probabilitas eksponensial negatif *negative exponential
probability distribution).
2. )a%as#tas !#stem Antr#an Maks#mum
7apasitas maksimum diasumsikan menjadi tidak terbatas, yaitu semua
kedatangan pelanggan diijinkan untuk menunggu pelayanan tanpa tergantungdengan panjang antrian. Atau, kapasitas maksimum diasumsikan terbatas,
yaitu jika pelanggan datang ketika kapasitas maksimum terapai maka
pelanggan harus kembali *artinya pelanggan tidak dapat memasuki sistem
antrian+.
2.* +umlah !aluran Pela(anan
7ita anggap model antrian single server sebagai model antrian yang
paling sederhana. 4ika terdapat lebih dari satu server, kita menyebutnya model
antrian multiple server. Benar bahwa ada garis tunggu tunggal pada model
antrian single dan multiple server.
8/16/2019 M_M_1.docx
5/33
5
2., D#s#%l#n Antr#an
!isiplin antrian adalah aturan dimana para pelanggan dilayani, atau
disiplin pelayanan * service discipline+ yang memuat urutan *order) para
pelanggan menerima layanan. Aturan pelayanan menurut urutan kedatanganini dapat didasarkan pada %
a. &'&S * First Come First Served +, dimana pelanggan yang datang
lebih awal akan mendapatkan pelayanan lebih dulu.
b. 8'&S * Last Come First Served +, dimana pelanggan yang datang
terakhir yang akan dilayani terlebih dahulu.
. !engan prioritas, dimana pelayanan terhadap pelanggan yang
datang diatur dengan prioritas tertentu. Aturan ini terdiri dari %
• Aturan preemptive % membolehkan pelanggan yang masuk
kedalam antrian untuk menyela pelanggan yang sedang dalam
pelayanan
• Aturan non-preemptive % antrian diatur sedemikian rupa
sehingga pelanggan yang berada dalam antrian dengan
pioritas tinggi akan mendapatkan pelayanan lebih dulu
8/16/2019 M_M_1.docx
6/33
6
d. 9SS * Random selection for service), dimana pelanggan yang
datang dipilih seara aak untuk dilayani.
:otasi endall!s untuk model antrian adalah
A$B$$7$m$;
!engan
A % Pola kedatangan
B % Pola pelayanan
% jumlah server
7 % kapasitas sistem antrian maksimum
m % jumlah populasi
; % disiplin antrian
2.7 Steady State
Analisa sistem antrian meliputi studi perilaku sepanjang waktu. 4ika
suatu antrian telah mulai berjalan, keadaan sistem akan sangat
dipengaruhi oleh state *keadaan+ awal dan waktu yang telah dilalui.
!alam keadaan seperti ini, sistem dikatakan dalam keadaan transient .
"etapi bila berlangsung terus0menerus keadaan sistem ini akan
independent terhadap state awal tersebut dan juga terhadap waktu yang
dilaluinya. 7eadaan sistem seperti ini akan dikatakan dalam kondisi
steady state. "eori antrian enderung memusatkan pada kondisi steady
state, sebab kondisi transient lebih suka dianalisa.
:otasi 0 notasi dibawah ini digunakan untuk sistem dalam kondisi
state %8s < 9ata 0 rata jumlah pelanggan dalam sistem
8= < 9ata 0 rata jumlah pelanggan dalam antrian
s < 9ata 0 rata waktu tunggu dalam sistem *termasuk waktu pelayanan+
bagi setiap pelanggan
n < 4umlah pelanggan atau ustomer dalam sistem
Pn < Probabilitas bahwa ada pelanggan pada sistem antrian
Po < Probabilitas bahwa tidak ada pelanggan pada sistem antrian
S < 4umlah fasilitas pelayanan dalam sistem antrian *jumlah pelayan atau
kasir+
8/16/2019 M_M_1.docx
7/33
7
> < 9ata 0 rata tingkat kedatangan *jumlah pelanggan yang datang per
satuan waktu+
? < 9ata 0 rata tingkat pelayanan *jumlah pelanggan yang dilayani per
satuan waktu+#$> < aktu antar kedatangan rata 0rata *satuan waktu per jumlah
pelanggan+
#$? < aktu pelayanan rata 0 rata *satuan waktu per jumlah pelanggan+
@ < &aktor penggunaan *utilitas+ untuk fasilitas pelayanan
< "ingkat persentasi waktu fasilitas pelayanan menganggur *+
2.- Pela(anan Tunggal
6ntuk menggunakan model pelayanan tunggal * single server +, lebih
dahulu perlu dibahas distribusi dari kedatangan *proses Arri5al+ yang pada
umumnya sudah dibentuk seara teratur dalam proses poisson. !engandemikian ditribusinya akan mempunyai nilai parameter dari distribusi
poisson.
7adangkala proses poisson juga akan ditemukan pada proses pelayanan
* services process+ yang dengan demikian juga berarti bahwa proses poisson
juga berlaku pada pelayanan sehingga dapat dikodekan%
( M 1 , M 2 , I 3) (GD4 ,∞5 , ∞6 )!i mana %6ntuk M < !istribusi Poisson
6ntuk M < !istribusi Poisson $ CDponensial
6ntuk # < # *single ser5er+
6ntuk E! < adalah &'&S *&irst 'ome &irs Ser5ie+
6ntuk∞
< Antrian tak terhingga
Sering juga ditemukan bahwa proses pelayanan ini dalam populasi
parameter-parameter dari distribusi eDponensial.
!alam membentuk rumus-rumus single ser5er dari populasi yang tidak
terbatas perlu digunakan notasi-notasi parameter, antara lain% :otasi λ < Arri5al 9ate *jumlah unit per periode waktu+
< 6nit$time periode lamda
:otasi μ < Ser5ie 9ate *jumlah unit per periode waktu+
< 6nit$time periode miu
:otasi ρ < System 6tiliFation
< Busy System
< Sistem Pelayanan
Probabilitas dari Sistem pelayanan *Busy Sistem+ ini adalah%
8/16/2019 M_M_1.docx
8/33
8
Ps= ρ= λ
μ #
2. Pengura#an /ar# 0MM1 04D ∞ /∞ Pertama-tama pada penguraian ini selalu dapat diasumsikan bahwa
proses kedatangan dengan pelaksanaan pelayanan adalah independence *tidak
ada kaitan dalam perhitungannya+. 3ni berarti rata-rata kedatangan tidak akan
ber5ariasi$berubah-ubah dalam waktu tertentu dan tidak mempengaruhi
jumlah satuan dalam antrian pertama dalam penguraian pelayanan.
!engan probabilitas dari satu kedatangan selama waktu periode
∆ t =h ini bersifat konstan, dan juga
¿hλ *ini untuk satu kedatangan.
Sedangkan onditional probability untuk melengkapi ser5ie pelayanan
adalah μ Δ t = μh pelanggan yang masuk dilayani.
Asumsi yang terakhir, harus dapat dianalisis dari periode waktu Δt
yang sangan keil, yang akan menapai ( Δ t 2 )2=h2→0 berarti h
2=0.
3ni berarti h
2
=0 . 3ni berarti yang tidak memenuhi syarat tidak akan
digunakan.
Selanjutnya untuk menguraikan single ser5er ini perlu diperhatikan
langkah-langkah yang dipergunakan yaitu%
⇒ !iberikan n < jumlah unit$satuan dalam sistem
⇒ Berarti Pn(t ) adalah probabilitas dari n unit dalam sistem periode
waktu < t, maka perlu diperhatikan bahwa%
#. Pertama-tama ditentukan besarnya P
n (t ) dalam parameter λ dan
μ .
). Menggunakan hasil *3+ ini untuk menari expected number atau
jumlah ekspektasi dari unit atau satuan-satuan sistem untuk
parameter-parameter λ dan μ .
8/16/2019 M_M_1.docx
9/33
9
2. "erakhir menggunakan hasil-hasil *33+ ini untuk mendapatkan
perumusan dari lamanya waktu *time+ di dalam sistem dan juga
rumus-rumus lainnya.
Berarti probabilitas dari n unit dalam sistem dapat dianalisis dengan
menjunlahan probabilitas dari semua ara yang membuat e5ent-e5ent dapat
munul.
Gal ini dapat diuraikan dengan ara-ara menuju pada penjumlahan
dengan hasil (n ) unit pada waktu ( t +h )=(t +∆ t ) , yakni %
7asus 4umlah dari
unit pada
waktu t
4umlah dari
kedatangan
*arri5al+
4umlah dari
pelayanan
*Ser5ie+
4umlah unit
pada waktu
( t +h )
# n n
) n+1 # n
2 n−1 # n
∑i=1
n
P1 ( x1= x ) x1+ix2+ (n+1 ) , n , (n+1 )
7emudian menghitung setiap kasus dengan pengertian probabilitas dari
ser5ie dan arri5al diketahui sebagai berikut% Ps= μ ∆ t = μh
Pa= λ Δ t = λh dan ( Δ t )2=h2=Φ
Berarti %
Probabilitas kasus # < H*Prob dari n pada waktu t+ D *prob dari jumlah arri5al+
D *Prob dari jumlah ser5ie+I< [ Pn (t ) ] (1− λh ) (1− μh )
< Pn (t ) [ (1− λh− μh+ λμ (h ) ) ]
< Pn (t ) [1− λh− μh ]
Probabilitas kasus ) < H*Prob dari *nJ#+ pada waktu t+ D *prob dari jumlah
arri5al+ D *Prob dari satu ser5ie+I
< [ Pn−1 ] (1− λh) ( μh )
8/16/2019 M_M_1.docx
10/33
8/16/2019 M_M_1.docx
11/33
11
< Pn (t ) ∙h [ λ+ μ ]− Pn−1 ( t ) ( λh )
Pn−1(t ) <
Pn (t )∙ h ∙ [ λ+ μ ]− Pn−1 ( t ) ( λh ) μ∙ h
Pn−1(t ) < Pn (t ) λ+ μ μ − Pn−1(t )
λ
μ
9umus probabilitas ini belum dapat digunakan untuk
menyelesaikan Pn(t ) . Oleh karena itu kita perlu menari P1(t ) dalam
bentuk P0(t ) dan λ dan μ dan kemudian baru menyelesaikan
Pn(t ) dalam bentuk P0(t ) dan λ dan μ . Selanjutnya P0 (t )
dapat dinyatakan dalam λ dan μ dan akan diselesaikan langkah #.
Pertama-tama kita tinjau segala jalan untuk P0(1+h) yang dapat
terjadi .
)asus 1
a. "idak ada pada waktu t.
b. "idak atau belum datang ¿(1− λh) .
. "idak ada ser5ie ¿(1− μh) , dimana μh=0 .
Berarti ser5ie sama dengan # atau probabiity of no ser5ie. 4adi%
¿ P0 ( t ) (1− λh ) ∙1
¿ P0 ( t ) (1− λh )
)asus 2%
a. satu setiap waktu t
8/16/2019 M_M_1.docx
12/33
12
b. tidak atau arri5al ¿(1− λh)
. tidak ada ser5ie ¿ μh .
4adi
P1 (t ) (1− λh)( μh)
Berarti
P0 (t +h ) < 7asus # J 7asus )
< P0 (t ) (1− λh )− P1 (t ) (1− λh )( μh)
< P0 (t )− P0 ( t ) ( λh )− P1 ( t ) ∙ μh
3ngat K P0 (t ) < P0 (t +h ) → independent
4adi P0 (t ) < P0 (t )− P0 ( t ) ( λh )+ P1 ( t )( μh)
P0 (t ) ( λh ) < P1 (t )( μh)
atau P1 ( t ) < P0 (t )( μh)
Apabila kemudian untuk perumusan Pn(t ) dlam bentuk P0
dan λ dan μ pada setiap waktu maka P0 (t ) < P0 karena harus
independent.
Maka diperoleh %
Langkah 1
P1 <
P0( λ μ )
8/16/2019 M_M_1.docx
13/33
13
"elah dibuktikan %
Pn−1 < Pn( λ+ μ μ )− Pn−1(
λ
μ )
maka apabila n < # maka %
P2 < P1( λ+ μ μ )− P0(
λ
μ )
P1 < P0( λ μ )
berarti %
P2 < P0( λ μ )( λ+ μ μ )− P0( λ μ )
< P0( λ μ ) (
λ+ μ μ )−1
< P0( λ μ )[ λ− μ− μ μ ]
< P0[ λ μ ]2
P3 < P0[ λ
μ ]3
P4 < P0[ λ μ ]4
kesimpulan Pn < P0[ λ μ ]
n
←2
8/16/2019 M_M_1.docx
14/33
14
!ari kesimpulan ini sudah diketahui Pn (t ) dinyatakan dalam
P0 < P0 (t ) dan λ dan μ , untuk mendapatkan P0 dalam
bentuk λ dan μ sudah dapat diketahui ρ=
λ
μ *dalam kegiatan
penuh$busy system+. Berarti %
P0=1− ρ=1− λ
μ
!engan demikian diperoleh %
Pn < P0[ λ μ ]n
→ Pn (t ) < Pn (t )
Pn < (1− λ μ )( λ μ )n
akhir langkah #
Langkah 2
!alam langkah ) ini kita akan menari jumlah yang diharapkan
*ekpektasi+ dari unit-unit dalam sistem → yang dikodekan dengan 8 atau
8s. !ari definisi ekspektasi dinyatakan%
E ( x )=∑i=0
∞
xi ∙ P ( i )
Ls=∑n=0
∞
n ∙ P(n)
Pn
3ni adalah bentuk infinite series. Bentuk ini dpat diubah menjadi
geometri series *deret geometri+ dengan bentuk%
8/16/2019 M_M_1.docx
15/33
15
¿1+ x2− x2− x4+… dan seteusnya
!iambil %
a. ! =0+ λ
μ+2( λ μ )
2
+3( λ μ )3
+…
dikalikan bentuk a ini dengan λ
μ sehingga menjadi %
b.
!
( λ
μ
)=0+
( λ
μ
)
2
+2
( λ
μ
)
3
+…
7emudian kedua bentuk a dan b ini diselisihkan, yakni%
! −! ( λ μ )=( λ μ )+[2( λ μ )2
−( λ μ )2
]+[3( λ μ )3
−( λ μ )3
]−[4 ( λ μ )4
−( λ μ )4
]+…
¿
( λ
μ
)+
( λ
μ
)
2
+
( λ
μ
)
3
+
( λ
μ
)
4
+…
!alam bentuk geometri series%
∑n=1
∞
axn−1=
a
1− x
∑n=1
∞
xn=
1
1− x →k"n#e$%en
ditambahkan dengan nilai J# berarti
! −! ( λ μ )−1=1+( λ μ )+( λ μ )2
+( λ μ )3
+( λ μ )4
+…
8/16/2019 M_M_1.docx
16/33
16
! (1− λ μ )−1= 1
1− λ
μ
! (1− λ μ )= 1
1− λ
μ
−1
¿ μ
μ− λ− μ− λ μ− λ
!
(1−
λ
μ )= λ
μ− λ
! = μ
μ− λ∙
λ
μ− λ
¿ μλ
( μ− λ )2
7esimpulan%
Ls=! (1− λϖ)= μ− λ μ ∙ μλ( μ− λ )2
¿ λ
μ− λ→ Ls= L
!engan demikian langkah ke-) selesai dengan Ls dapat
dinyatakan dari μ dan λ .
Langkah53
8/16/2019 M_M_1.docx
17/33
17
!alam penguraian lebih lanjut kita perlu menari(a ) & s ' (( ) L) ' (c )& )' Ln
dan& n dalam bentuk μ dan λ .
a. Ckspektasi waktu dalam sistem¿& s adalah & =& s
& s < *ekspektasi jumlah unit dalam sistem+ $ *kedatanganan per
unit waktu atau arri5al rate+
¿ L s
λ
¿
λ
μ− λ
λ
¿ 1
μ− λ (e$a$ti :& s=
1
μ− λ
3ni berarti ekspektasi jumlah unit dalam sistem sama dengan
ekspektasi dalam sistem kali arri5al rate, yang berarti Ls=& s x λ
b. Ckspektasi waktu dalam antrian%& )=¿ *ekspektasi dalam sistem waktu − waktu dalam ser5ie+
¿& s−1
μ
¿ 1
μ− λ−
1
μ
¿ μ− μ+ λ μ( μ− λ)
¿ λ
μ( μ− λ)(e$a$ti :& )=
λ
μ( μ− λ)
. 4umlah ekspektasi *yang diharapkan+ dalam antrian *=ueue+
8/16/2019 M_M_1.docx
18/33
18
L)=¿ jumlah ekspektasi dalam sistem
L
(¿¿ s)−¿¿
jumlah waktu
dalam ser5ie λ
μ
¿ λ
μ− λ− λ
μ
¿ μ ( λ )− λ( μ ∙ λ) μμ( μ− λ)
¿ μλ− λμ+ λ2
μ( μ− λ)
¿ λ
2
μ( μ− λ)(e$a$ti : L)=
λ2
μ( μ− λ)
d. 4umlah ekspektasi dalm non-empty =ueue *antrian yang tidak kosong+
Ln=¿ *jumlah ekspektasi dalam antrian+ $ *probabilitas dari antrian
yang tidak kosong+
Probabilitas dari non empty antrian dinyatakan dengan%
¿1− P0 → P0=1− λ
μ
¿1−( 1
μ− λ)
¿ λ
μ →(e$a$ti : ρ=
λ
μ
Sedangkan waktu kosong *idle time+
4."¿1− P=1−
λ
μ
Berarti%
8/16/2019 M_M_1.docx
19/33
19
Ln=
λ2
μ( μ− λ) μ
λ
¿ μ
λ x
λ2
μ ( μ− λ)
¿ λ
μ− λ→(e$a$ti : Ln=
λ
μ− λ
e. Ckspektasi waktu tunggu dalam antrian untuk non empty *untuk tidak
kosong+ dalam barisan *=ueue+
& n=¿ *ekspektasi waktu dalam antrian+ $ *probabilitas dari waktu
tunggu+
¿& )
λ
μ
μ− λ¿
μ−¿ λ¿¿¿
¿ 1
μ− λ→(e$a$ti :& n=
1
μ− λ
N$tas# /alam Te$r# Antr#an
Untuk 0MM104D ∞ /∞
M % 4umlah pelanggan *'ustomer+ → terbatas
7 % 4umlah hannel
ρ % Sistem pelayanan *busy system+
Pr % Probabilitas dari busy sistem < ρ
λ % 4umlah rata-rata pelanggan tiba per unit waktu *arri5al rate per
unit time+
µ % 4umlah rata-rata per unit waktu *ser5ie rate per unit time+
8/16/2019 M_M_1.docx
20/33
20
P % Probabilitas dari empty$kosong atau dalam ideal sistem
P <1−
1
μ− λ →P$=¿
λ
μ= ρ
dengan ketentuan % λ
μ
8/16/2019 M_M_1.docx
21/33
21
Berarti %
L)= λ
2
μ ( μ− λ )
¿ ρ
2
1− ρ2
BAB III
PEMBAHA!AN
!ata yang digunakan dalam penelitian ini adalah data kedatangan dan
data pelayanan pelanggan pada antrian pintu keluar parkiran mobil Matos
pada hari sabtu tanggal #) April )# pukul #/. 3B.
)A!IH 4AMBAR 6A IRA
⇒ Pengujian distribusi lama pelayanan dengan easyfit %
!ari tabel di atas bahwa uji Anderson !arling menunjukan bahwa
data berdistribusi eDponensial. memenuhi asumsi.
8/16/2019 M_M_1.docx
22/33
22
⇒ Pengujian distribusi waktu antar kedatangan dengan menggunakan
easyfit %Pada easyfit uji Anderson !arling mununjukan bahwa waktu antar
kedatangan berdistribusi eDponensial, sehingga sudah memenuhi
asumsi.
⇒ Berikut ini merupakan tabel kedatangan Mobil yang akan keluar dari
Matos %
Ta&el )e/atangan Pelanggan
Selang waktu
kedatangan pelanggan
4umlah
7edatangan
-#
##-)# 2
))-2)
22-2 2
- )
8/16/2019 M_M_1.docx
23/33
23
-/ )
//-1/ )
11-N1 )
NN-N #
-# )
##-### )
####-#)##
#)#)-#2#) #
#2#2-##2 )
##-##
##-#/# #
⇒ Gasil pengujian distribusi jumlah kedatangan mobil waktu antar kedatangan
ada selang terdengan menggunakan easyfit %
!ari tabel diatas menunjukan bahwa kedatangan pelanggan berdistribusi
poisson. sudah sesuai asumsi.
1 !truktur Dasar M$/el Antr#an
Model Sistem Antrian
8/16/2019 M_M_1.docx
24/33
24
!alam sistem antrian ini menggunakan sistem antrian Single C"aunnel #
Single $"ase. !ari tabel di atas diketahui 9ata-rata waktu antar kedatangan
(1 λ ) dan 9ata-rata waktu layanan (
1 μ ) adalah sebagai berikut %
1
λ=39,8077*λ=
1
39,8077=0,0251208
1
μ=32,1825* μ=
1
32,1825=0,0310728
# "ingkat intenstas *kegunaan+ pelayanan atau ρ
ρ=
1
μ
1
λ
= λ
μ=0,0251208
0,0310728=0,808449
Angka tersebut menunjukkan bahwa operator akan sibuk melayani pelanggan selama N,N dari waktunya. Sedangkan ,###atau #,#
dari waktunya *# 0 ρ + yang sering disebut idle time akan digunakan
operator untuk istirahat, dll
) 9ata-rata banyaknya pelanggan dalam sistem
Ls= ρ
1− ρ=
0,808449
0,191551=4,22055+4
Angka tersebut menunjukkan bahwa operator dapat mengharapkan
pelanggan yang berada dalam sistem.
2 9ata-rata banyaknya pelanggan menunggu untuk dilayani
L)= ρ
2
1− ρ=(0,808449)2
0,191551 =
0,653590
0,191551=3,41210
Angka tersebut menunjukkan bahwa motor yang menunggu untuk dilayani
dalam antrian sebanyak 2 pelanggan
9ata-rata waktu yang digunakan pada sistem
8/16/2019 M_M_1.docx
25/33
25
& s= 1
μ (1− ρ)=
1
0,0310728 (0,191551)=168,010
detik
Angka tersebut menunjukkan bahwa waktu rata-rata dalam pelanggan
sistem selama 168,010 detik
9ata-rata waktu tunggu
& )= ρ
μ(1− ρ)=
0,808449
0,0310728(0,191551)=135,828
detik
Angka tersebut menunjukkan bahwa waktu rata-rata pelanggan menunggu
dalam antrian selama 135,828 detik
/ Probabilitas terdapat n pelanggan
n=(1− ρ ) ρn
• 6ntuk n <
40=(1− ρ ) ρ40
¿ (1−0,808449 )(0,808449)40
¿0,0000387
4adi, peluang terdapat adalah ,2N1
• 6ntuk n
8/16/2019 M_M_1.docx
26/33
26
BAB I7
PENUTUP
.1 )es#m%ulan
# Permasalahan di atas seara umum memenuhi model antrian Model
* M$ M$ #$ ∞ $ ∞ +.
) !ari pemasalahan di atas diperoleh%
a. "ingkat intenstas *kegunaan+ pelayanan atau ρ dari
perhitungan manual didapat hasil yaitu sebagai berikut%
ρ=0,808449
Angka tersebut menunjukkan bahwa operator akan sibuk
melayani pelanggan selama N,N dari waktunya.
Sedangkan #,# dari waktunya *# 0 p+ yang sering
disebut idle time akan digunakan operator untuk istirahat, dll
b. 9ata-rata banyaknya pelanggan dalam sistem dari
perhitungan manual diperoleh hasil sebagai berikut%
Ls=4,22055+4
Angka tersebut menunjukkan bahwa operator dapat
mengharapkan pelanggan yang berada dalam sistem.
. 9ata-rata banyaknya pelanggan menunggu untuk dilayani dari
perhitungan manual yaitu sebagai berikut% L)=3,41210
Angka tersebut menunjukkan bahwa mobil yang menunggu
untuk dilayani dalam antrian sebanyak 2 pelanggan
d. 9ata-rata waktu yang digunakan pada system dari
perhitungan manual yaitu sebagai berikut%& s=168,010 detik
8/16/2019 M_M_1.docx
27/33
27
Angka tersebut menunjukkan bahwa waktu rata-rata dalam
pelanggan sistem selama 168,010 detik
e. 9ata-rata waktu tunggu dari perhitungan manual yaitu sebagai
berikut%& )=135,828
Angka tersebut menunjukkan bahwa waktu rata-rata
pelanggan menunggu dalam antrian selama 135,828 detik
DA8TAR PU!TA)A
8/16/2019 M_M_1.docx
28/33
28
7akiay, ".4., *)+, %asar &eori 'ntrian (ntu e"idupan *yata, Andi
Press, ogyakarta.
Purwaningsih, Geti., *)#2+, &eori $enun+ang , Adobe 9eader.
Megister 3"A"S, *)#2+, odel &eotri 'ntrian, Adobe 9eader.
8/16/2019 M_M_1.docx
29/33
29
LAMPIRAN
Lam%#ran 1
8/16/2019 M_M_1.docx
30/33
30
!ata Antrian pintu keluar parkiran mobil Matos pada hari sabtu tanggal
#) April )# pukul #/. 0 #1. 3B
:O
aktuMulaiAntrian*detikke+
8amaAntrian*detik+
aktu Antar7edatangan*detik+
aktuMulaidi8ayani
aktuSelesaidi8ayani*detik
ke-+
8amaPelayanan*detik+
waktudalamsistem*detik +
# ,N 2#, 2#, 2#,
) ,N #, )2,# 2#,/ 1/, ,2 /,N
2 2#,# 1, 2,N 11,) ##,) ) ,
//, ),1 )1 #) #/,N ,N ),
,/ #,N #,2 #1,) #/,/ 2, 12,)
/ ##2, #1 /,) #/#, #/,# 2,) #,)
1 #1N,# ), )#, # )#2, #, 2,
N ) #, )#, )# )2,) #/,) 2,1 ))#, 2 )2, )1N, N N
# )), /N )N ) # N2
## ))N, ), , ) 2,N /,N /1,2
#) )/N, 2 1,) 21,# 22,1 /,/ 2/,/
#2 2,# # 2/ 2,2 22,1 2N, N,
# 2N,# #), # 2 # / #N,
# 2,# ##,# ), 2 #2,) #,) )#,2
#/ #,/ #, /, # #/, ##, ###,
#1 N , ## #,2 21, #N,/ )N,
#N )#,1 ),# 2 //,) /1,) NN,
# ),# )2,/ ), /N /),) 2,) 1,N
) /)#, ),2 , / /N,/ 2,/ )2,)# /1) )1,2 /N /2,) /,/ ), ),1
)) 1 ), /#, /1 1#, 2, 12,N
)2 N#, # ), 1##, 1),2 ,N ,N
) N)) # ##,/ 1 112, #, ),
) 2),/ 1, 11 1NN,) #2,) )),)
)/ , #1 #),1 1,2 N),1 2, ),
)1 #2,) , ), N)1 N2, N, #N,2
)N #1),1 N,1 N2N, NN, # /
) ##1#, ## #N N# /,N ,N //,N
2 ##N, )1, 2,1 1 2 / 22,
2# ##2,# #,2 N, 1/,/ )#,/ 2/,
2) #)) ,N #,N 1N #2/,N N,N /N,/
22 #))#,N )/,2 /,) #2N, #), N,22 #)1N , N,# # ##, , /,2
2 #2/1,# ),2 2,2 ##/,2 ##N,1 ), )),1
2/ ##, #,2 ),/ ##2 ##1N,N ),N #,#
21 #2/ /,1 2, ##N# ##NN,) 1,) #2,
2N #//, ##, #/,1 ##),1 #)2, #,N )),2
2 #N2,/ )1,2 1/,N #), #2)),2 ##/, #2,1
#/, 2#,# #2),1 #2/,# 2, 1,
Lam%#ran 2
8/16/2019 M_M_1.docx
31/33
31
⇒ 'ara pengujian waktu lama pelayanan dengan menggunakan easyfit %
# Buka Program Casyfit
) !ata lama pelayanan isikan pada tabel
2 7emudian pilih analysis 0 &it !istribution
Lam%#ran 3
Pada input data pilih 'ontinuous- Ok
8/16/2019 M_M_1.docx
32/33
32
8alu pilih Eoodness of fit untuk melihat hasil uji !istribusi
:B % 8akukan yang langkah sama untuk menguji !istribusi waktu antar
kedatangan.
⇒ 'ara pengujian dengan menggunakan POM LM
# 7lik Module pilih waiting lines
Lam%#ran
) klik file 0 :ew 0 M$M$# exponential service time akan munul gambar
di bawah ini
8/16/2019 M_M_1.docx
33/33
33
2 3si lamda dan mu pada kolom 5alue
Selajutnya klik slo5e akan diperoleh tabel sebagai berikut%