TEORI ANTRIAN - Matematika

BAHAN AJAR
Mata Kuliah
: TEORI ANTRIAN
Kode MK
: MAT 713
Jumlah SKS : 3 SKS
Dosen Pengampu: PUTRIAJI H, S.Si., M.Pd., M.Sc.
PROGRAM STUDI MATEMATIKA
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SEMARANG

TAHUN AKADEMIK 2011/2012
0
PENGANTAR PROSES STOKASTIK

Proses stokastik adalah suatu proses yang dalam pengambilan keputusan mengaitkan
dengan peluang.
Berhingga {1, 2, K ,10}
Tak berhingga dan terbilang {n1 , n 2 , K}
Tak berhingga dan tak terbilang {x, 0 x < 1, x R}
Proses Stokastik
adalah suatu kumpulan dari variabel random X (t ), t T yang didefinisikan dalam suatu ruang
probabilitas.
Indeks T sering kali direpresentasikan sebagai waktu dan sebagai hasil X (t ) dinyatakan
sebagai suatu keadaan (state) dari proses pada waktu t.
Contoh:
1. banyaknya konsumen yang telah memasuki suatu supermarket dalam waktu t
2. banyaknya penjualan yang tercatat di supermarket dalam waktu t
3. jumlah turis asing yang datang ke Semarang pada waktu t
4. harga saham PT. INDOSAT pada waktu t, dst.
Proses Markov adalah suatu himpunan-himpunan objek dan himpunan keadaan sedemikian
rupa sehingga:
1. pada sebarang waktu yang diketahui tiap-tiap objek harus berada dalam keadaan
tertentu.
2. peluang atau probabilitas berpindahnya keadaan satu ke keadaan lain dalam selang
waktu tertentu hanya tergantung pada dua keadaan itu.
Rantai Markov
Bilangan-bilangan bulat positif dari selang waktu setelah proses perpindahan menyatakan
tahapan-tahapan proses yang jumlahnya hingga/tak hingga tetapi dapat dihitung (countable)
maka proses markov tersebut merupakan Rantai Markov (Markov Chain).
Rantai Markov Waktu Diskrit

Konsep dasar: Sifat Markov
P (X (tk +1 ) = j X (tk ) = t , X (tk 1 ) = tk 1 ,K, X (t0 ) = t0 )

= P( X (tk +1 ) = j X (tk ) = i )
= P( X k +1 = j X k = i )
= Pij
Nilai saat ini dari rantai Markov X k disebut sebagai suatu STATE .
Probabilitas bersyarat
Pij = P{X k +1 = j | X k = i}
Catatan: k dan k+1 menunjukkan waktu.
j menunjukkan state yang baru.
i menunjukkan state yang baru
Pij disebut probabilitas transisi dengan
P =1
j =0
ij
Rantai Markov Waktu Kontinu

Perhatikan proses stokastik waktu kontinu {X(t), t 0} dengan daerah space i = 0,1,2,.
Proses {X(t), t 0} adalah rantai markov waktu kontinu jika untuk semua s, t 0 dan
bilangan non negative i, j, x(u), 0 u s.
P{X(t+s) = j | X(s) = i , X(u) = x(u), 0 u < s} = P{X(t+s) = j | X(s) = i}
Dan jika probabilitas ini bebas dari s, maka RMWK ini mempunyai probabilitas transisi
stationary.
Pij(t)=P{X(t+s) = j | X(s) = i} untuk setiap s.
Selain itu, RMWK adalah suatu proses stokastik yang memiliki sifat markov dimana distribusi
bersyarat dari state di masa mendatang pada waktu t+s, diberikan oleh state saat ini yaitu s
dan semua state yang telah berlaku/state sebelumnya hanya bergantung pada state yang
sedang berlangsung saat ini dan itu independent dari masa lalu.
Andaikan suatu RMWK memasuki state i pada suatu waktu, katakan waktu 0 dan andaikan
bahwa proses tersebut tidak meninggalkan state i (yaitu tidak terjadi transisi) selama s unit
waktu berikutnya. Maka probabilitas bahwa proses tidak akan meninggalkan state i selama t
unit waktu yang terjadi adalah sama dengan probabilitas akan tetap berada dalam state
tersebut selama interval [s, s+t] adalah hanya probabilitas bahwa ia akan bertahan di state i
untuk setidaknya selama unit waktu t. Hal ini mengingat bahwa sebagai suatu proses dalam
state i pada waktu s yang mengikuti sifat Markovian property.
Berikut ini merupakan sifat proses markov waktu kontinu:
Waktu yang dihabiskan proses pada sembarang state harus memoryless
Exponentially distributed state times
P(sistem
dalam
(1 t )
state
= e
untuk
waktu
| sistem
pada
state
i saat
ini)
dengan t 0
PROSES KELAHIRAN DAN KEMATIAN

Proses kelahiran adalah bertambahnya/bergabungnya obyek dalam suatu populasi.
Contoh: tumbuhnya tumbuhan, bakteri membelah diri
Proses kematian adalah berkurangnya obyek dalam suatu populasi apabila ada anggota
populasi yang meninggalkan populasi.
Contoh: proses peluluhan, proses migrasi
Proses kelahiran murni apabila hanya terjadi penambahan anggota atau hanya terjadi
proses kelahiran.
Proses kematian murni apabila hanya terjadi proses kematian saja.
Contoh:
-
pendaftaran lomba dalam jangka waktu tertentu tanpa dilakukan seleksi terlebih
dahulu merupakan proses kelahiran murni.
Proses seleksi setelah proses pendaftaran lomba ditutup merupakan proses kematian
murni.
Bila proses seleksi berlangsung dalam jangka waktu pendaftaran lomba maka terjadi
proses kelahiran dan kematian bersamaan.
Dalam pendefinisian proses kelahiran dan kematian terdapat beberapa pendefinisian sebagai
berikut:
Proses kelahiran dan kematian adalah suatu rantai markov waktu kontinu dengan state
{0,1,} dimana untuk setiap transisi dari state n hanya dapat menuju ke state n+1
(kelahiran) atau state n-1 (kematian).
Dengan kata lain dapat dikatakan bahwa proses kelahiran-kematian adalah kasus khusus
pada proses markov waktu kontinu di mana setiap state menggambarkan ukuran populasi
dan dimana transisinya dibatasi terhadap kelahiran-kematian.
Proses kelahiran-kematian mempunyai banyak aplikasi diantaranya penerapan dalam

demography, teori antrian, atau biologi contohnya dalam mempelajari evolusi pada bakteri.
Proses Kelahiran Markov

Adalah proses markov dimana peluang transisi/berpindah dari keadaan (state) satu ke
keadaan lain hanya bergantung pada keadaan sekarang tidak bergantung pada bagaimana
mencapai keadaan yang sekarang (prosesnya kelahiran).
Proses Kematian Markov

Adalah proses markov dimana peluang transisi/berpindah dari keadaan satu ke keadaan lain
hanya bergantung pada keadaan sekarang tidak bergantung pada bagaimana mencapai
keadaan yang sekarang (prosesnya kematian).
Suatu proses disebut proses kelahiran-kematian jika merupakan proses stokastik {X(t), t
0} yang adalah suatu rantai markov yang mempunyai probabilitas transisi stationary dan
memenuhi:
(i)
N(0) = n menyatakan banyaknya populasi pada waktu t = 0.
(ii)
Distribusi-distribusi peluang yang menentukan jumlah kelahiran dan kematian

dalam selang waktu tertentu hanya bergantung pada panjang selangnya jadi tidak
ada titik awalnya.
(iii)
Peluang untuk terjadinya satu kelahiran saja dalam selang waktu t , bila pada titik
awal selang tersebut terdapat suatu populasi dengan n anggota, adalah:
P {X(t+ t ) X(t) = 1 | X(t) = n} =
(iv)
t + 0( t ) Birth Rate
Peluang untuk terjadinya satu kematian saja dalam selang waktu t , bila pada titik
awal selang tersebut terdapat suatu populasi dengan n anggota, adalah:
P {X(t+ t ) X(t) = -1 | X(t) = n} =
(v)
h + 0( t ) Death Rate
Peluang untuk terjadi lebih dari satu kelahiran atau kematian dalam selang waktu
t , adalah:
P {dua atau lebih peristiwa terjadi (t, t+ t ) | X(t) = n} = 0( t )
dengan parameter { n ,
n , n = 0,1,2,}
dimana n laju kelahiran dan
laju kematian.
Misalkan jumlah orang dalam suatu populasi atau suatu sistem adalah n, maka:
Laju kelahiran/kedatangan dalam state n adalah n . Nilainya ditulis { n , n 0}.
Laju kematian/kepergian dalam state n adalah n .Nilainya ditulis { n , n 1}.
Berikut diagram laju (rate diagram) untuk proses kelahiran dan kematian:
State dari suatu proses biasanya idenya sebagai representasi dari jumlah beberapa populasi
dan saat state meningkat 1 dikatakan bahwa terjadi kelahiran, dan saat state menurun 1
dikatakan terjadi kematian.
Karena itu dalam suatu proses kelahiran dan kematian dapat diterka bahwa sewaktu-waktu
terdapat n orang dalam sistem sampai waktu kelahiran berikutnya berdistribusi eksponensial
(proses poisson) dengan laju
n dan independent dengan waktu hingga kematian berikutnya
yang berdistribusi eksponensial dengan laju
n.
Kedatangan baru yang masuk dalam suatu sistem pada laju n dengan waktu sampai
dengan kedatangan berikutnya berdistribusi eksponensial (proses poisson) dengan mean
Kepergian seseorang dari sistem dengan laju
dengan waktu sampai dengan kepergian
berikutnya berdistribusi eksponensial dengan mean 1 dan independen dengan kedatangan

n
berikutnya.
Bentuk proses kelahiran-kematian secara umum yang merupakan proses stokastik yang
adalah suatu rantai Markov yang mempunyai karakteristik berikut:
Jika dimisalkan populasi = n, kelahiran dan kematian adalah suatu proses poisson: laju
kelahiran n dan laju kematian n (0 = 0).
B(t,t) adalah jumlah kelahiran dalam periode (t, t+t).
D(t, t) adalah jumlah kematian dalam periode (t, t+t).
Dengan demikian:
P { B ( t , t ) = 0 | populasi
= n} = 1 n t + 0 ( t )
P { B ( t , t ) = 1 | populasi
= n} = n t + 0 ( t )
P { B ( t , t ) > 0 | populasi
= n} = 0 ( t )
P { D ( t , t ) = 0 | populasi
= n} = 1 n t + 0 ( t )
P { D ( t , t ) = 1 | populasi
= n} = n t + 0 ( t )
P { D ( t , t ) > 1 | populasi
= n} = 0 ( t )
Proses kelahiran-kematian secara umum sebagai rantai Markov dapat ditulis dalam bentuk
matriks transisi berikut:
1 0

1
P = 0
0
M
0
1 1 1
2
0
M
1
1 2 2
3
M
0
0
2
1 3 3
M
L
L
L
L
O
Perlu diketahui bahwa jumlah state dari 0 sedemikian sehingga jumlah state adalah sama
sebagaimana jumlah populasi.
Contoh Rantai Markov Waktu Kontinu Proses Kelahiran Dan Kematian
Contoh 1
Sebuah swalayan memiliki satu pelayan (kasir) dan pelanggan yang akan membayar
bergabung dalam suatu antrian saat mereka datang. Kedatangan pelanggan sesuai dengan
laju dengan waktu interval kedatangan berdistribusi eksponensial (proses poisson) dan
pelayan melayani pelanggan dengan laju
dengan waktu pelayanan berdistribusi
eksponensial. Jika X(t) adalah jumlah pelanggan dalam antrian pada waktu t, maka {X(t), t >
0} adalah proses kelahiran-kematian dengan
n = untuk n 0 dan n = untuk n 1.
Contoh 2
Suatu kasus antrian pada suatu bank dengan 5 orang teller yang melayani antrian di bank
dengan pelanggan yang akan menggunakan jasa teller bergabung bersama dalam antrian
tunggal dan pada gilirannya pelanggan akan pergi ke teller pertama yang tersedia (yang
sedang tidak melayani pelanggan lain). Ini merupakan proses kelahiran dan kematian
dengan n =
untuk n 0.
n , untuk 1 n < s
s , untuk n > s
n =
PERSAMAAN KOLMOGOROV
Dari kriteria-kriterria proses kelahiran kematian markov secara umum jika t 0 maka akan
diperoleh persamaan Kolmogorov sebagai berikut:
d Pn (t )
= (n + n ) Pn (t ) + n +1 Pn +1 (t ) + n 1 Pn 1 (t )
dt
d P0 (t )
= 1 P1 (t ) 0 P0 (t )
dt
7
Pn (t ) menyatakan peluang bahwa N (t ) adalah bilangan bulat tak negatif tertentu.

N (t ) menyatakan banyaknya populasi dalam satuan waktu tertentu.
Proses Kelahiran Markov Linear
Adalah proses kelahiran Markov dimana proses probabilitas/peluang kelahiran dalam waktu
yang kecil sebanding dengan banyaknya populasi sekarang dan panjang selang waktunya.
Solusi dari persamaan kolmogorov dimulai dari satu anggota populasi:
1 e t
Pn (t ) =
0
n 1
e t , n =1,2,K
, n= 0
n = 0 dan n = n. untuk suatu n.

Pada proses kelahiran Markov Linear
Ukuran populasi yang diharapkan pada saat t adalah
E [N (t )]= e t
Ukuran populasi yang diharapkan pada saat t jika populasinya dimulai dari N (0 )
adalah
E [N (t )]= N (0 ). e t
Proses Kematian Markov Linear

Adalah proses kematian Markov dimana proses probabilitas/peluang kematian dalam waktu
yang kecil sebanding dengan banyaknya populasi sekarang dan panjang selang waktunya.
Solusi dari persamaan kolmogorov dimulai dari N (0 ) anggota populasi:
C N (0 ) . e nt . 1 e t
Pn (t ) = n
0
)()
N 0 n
, n N (0)
, n > N (0 )
Pada proses kematian Markov Linear
adalah
E [N (t )]= N (0). e t
Proses Kelahiran Kematian Markov Linear

Adalah proses kelahiran kematian dimana n = n. dan n = n. dengan adalah laju
kelahiran dan adalah laju kematian.
Solusi dari persamaan kolmogorov jika populasinya dimulai dari 1 anggota:
[1 r (t )][1 s(t )]s (t )n1 , n =1,2,K

Pn (t ) =
, n= 0
0
dengan
r (t ) =
[e( )t 1]
[e( )t 1]
(
)
s
t
=
dan
e( )t
e( )t
Pada proses kelahiran kematian Markov Linear
E [N (t )]= e( )t
adalah
E [N (t )]= N (0 ). e( )t
Proses Kelahiran Poisson

Adalah proses kelahiran Markov murni dimana terjadinya kelahiran dalam selang waktu kecil
tidak tergantung pada ukuran populasi.
Keterangan
Bertambahnya anggota populasi tidak diciptakan oleh anggota populasinya sendiri tapi dari
luar populasi sehingga n = dan n = 0 . Contoh: lamaran ketua Hima.
Solusi dari persamaan kolmogorov jika populasinya dimulai dari 0
Pn (t ) =
(t )n et
n!
, n = 0,1,2,K
Jika populasinya dimulai dari N (0 ) anggota maka:
(t )n N (0 ) t
e , n N (0)
Pn (t ) = [n N (0)]!
0
, n < N (0)
Pada proses kelahiran Poisson
E [N (t )]= N (0 ) + t
Proses Kematian Poisson

Adalah proses kematian Markov murni dimana probabilitas terjadinya kematian dalam selang
waktu yang kecil tidak tergantung pada ukuran populasinya, sehingga n = 0 dan n = .
Contoh: seleksi lamaran ketua Hima.
Solusi dari persamaan kolmogorov jika populasinya dimulai dari N (0 )
(t )N (0 ) n t
Pn (t )=
e
[N (0 ) n ]!
N (0 )
1 Pn (t )
n =1
, n > N (0 )
,1 n N (0 )
,n=0
Pada proses kematian Poisson
E [N (t )]= N (0 ) t
Proses Kelahiran Kematian Poisson

Adalah proses kelahiran kematian Markov dimana probabilitas terjadinya kelahiran kematian
dalam selang waktu yang kecil keduanya tidak tergantung pada ukuran populasi, dengan
n = dan n = .
Contoh kasus
Kelahiran dalam suatu keadaan tersebar sepanjang waktu sesuai distribusi eksponensial
(proses poisson) dengan satu kelahiran terjadi setiap 7 menit secara rata rata.
a.
Hitung laju kelahiran per hari
b.
Hitung jumlah kelahiran dalam keadaan ini per tahun
c.
Hitung probabilitas tidak adanya kelahiran dalam satu hari tertentu
d.
Hitung probabilitas pengeluaran 45 akte kelahiran di akhir periode yang terdiri dari 3 jam
dengan diketahui bahwa 35 akte dikeluarkan dalam 2 jam pertama.
Jawab
a.
Karena waktu antara kedatangan (antar kelahiran) rata-rata adalah 7 menit, laju kelahiran
dalam keadaan ini adalah:
=
b.
2460
7
= 205, 7 kelahiran/hari
Jumlah kelahiran dalam keadaan ini pertahun adalah:
t = 205,7365 = 75080,5 kelahiran

c.
Probabilitas tidak adanya kelahiran dalam satu hari tertentu adalah:
P1 (1) =
d.
(205, 7 1)0 e (205,71)

0
0!
Karena kelahiran terjadi sesuai proses Poisson, maka probabilitas pengeluaran 45 akte
kelahiran di akhir periode yang terdiri dari 3 jam dengan diketahui bahwa 35 akte
dikeluarkan dalam 2 jam pertama adalah:
=
ingat bahwa Pn (t ) =
60
7
= 8,57 kelahiran/jam
(t )n et
n!
, n = 0,1,2,K
P{x(3) = 45 | x(2) = 35} = P11 (1)

=
(8,57 1)10 e (8,571)

= 0,1117
10!
10
Aplikasi proses kelahiran-kematian pada model antrian

Sebagian besar model antrian mengasumsikan bahwa input (pelanggan yang datang) dan
output (pelanggan yang pergi) dari sistem antrian terjadi berdasarkan proses kelahirankematian. Dalam konteks antrian, maka kelahiran merupakan pelanggan yang baru ke dalam
sistem dan kematian merupakan kepergian dari pelanggan yang dilayani. Status dari sistem
pada saat t ( t 0 ), N ( t )
jumlah
(jumlah pelanggan dalam sistem antrian pada saat
t).
Proses kelahiran-kematian menggambarkan secara probabilitas bagaimana N(t) berubah
sesuai dengan bertambahnya t. Kelahiran dan kematian individual terjadi secara random, di
mana laju kejadiannya bergantung hanya pada status saat ini dari sistem.
Asumsi dari proses kelahiran-kematian:
Asumsi 1: diberikan N(t) = n, distribusi probabilitas saat ini dari waktu tersisa hingga
kelahiran (kedatangan) berikutnya adalah berdistribusi eksponensial dengan parameter
{ n , n 0}
Asumsi 2: diberikan N(t) = n, distribusi probabilitas saat ini dari waktu tersisa hingga
kematian (penyelesaian pelayanan) berikutnya adalah berdistribusi eksponensial dengan
parameter { n , n 1}.
Asumsi 3: hanya terdapat 1 kelahiran /kematian yang dapat terjadi pada suatu saat
Berdasarkan asumsi 1 dan 2, proses kelahiran-kematian merupakan jenis khusus dari RM waktu kontinu.
Berdasarkan hubungan dengan distribusi poisson, dari distribusi eksponensial, n dan
merupakan laju rataan.
SOAL
1. Sebuah proses kelahiran markov linear dengan satu anggota mengalami laju kelahiran
rata-rata setiap jam sebesar 2. Tentukan peluang, untuk mendapatkan populasi yang lebih
besar dari 3 setelah 1 jam dan tentukan ukuran populasi yang diharapkan pada saat itu.
2. Selesaikan soal 1 jika prosesnya adalah proses kelahiran poisson.
3. Sebuah proses kematian Markov linear dimulai dengan sepuluh anggota, mengalami
kematian rata rata perminggu sebesar 0,6. Tentukan peluang mendapatkan populasi
sekurang-kurangnya 8 setelah 3 hari dan tentukan ukuran populasi pada saat tersebut.
4. Selesaikan soal 3 jika prosesnya kematian poisson.
11
5. Seorang ahli biologi mengamati pertumbuhan serat-serat bakteria dalam suatu tanaman
peliharaan dan menemukan bahwa peluang pertumbuhan serat dan peluang kematian
bakteri keduanya sebanding dengan jumlah bakteri dalam tanaman dan waktu yang
berlaku. Secara rata-rata setiap bakteri menghasilkan 1 bakteri baru setiap 7 jam dan
kemudian ia mati setelah 30 jam. Berapa banyaknya bakteri yang diharapkan dalam
tanaman peliharaan setelah satu minggu apabila populasi bakteri dimulai dari 1 bakteri.
12
TEORI ANTRIAN
Definisi Teori Antrian
Antrian terjadi pada kondisi apabila obyek-obyek menuju suatu area untuk dilayani, namun
kemudian menghadapi keterlambatan disebabkan oleh karena mekanisme pelayanan
mengalami kesibukan. Antrian timbul karena adanya ketidakseimbangan antara yang dilayani
dengan pelayanannya. Antrian timbul disebabkan oleh kebutuhan
akan layanan melebihi
kemampuan (kapasitas) pelayanan atau fasilitas layanan, sehingga pengguna fasilitas

yang tiba tidak dapat segera memperoleh
pelayanan
disebabkan kesibukan layanan.

Pada
banyak
hal,
tambahan
fasilitas pelayanan
dapat
diberikan
untuk
mengurangi antrian atau untuk mencegah timbulnya antrian. Akan tetapi biaya karena
memberikan pelayanan tambahan, akan menimbulkan pengurangan keuntungan mungkin
sampai di bawah tingkat yang dapat diterima. Sebaliknya, sering timbulnya antrian yang
panjang akan mengakibatkan hilangnya pelanggan/nasabah.
Contoh antrian :
Antrian pada pelayanan kasir supermarket
Antrian membeli bahan bakar
Antrian pada lampu merah (orang menyebrang maupun kendaraan)
Antrian pesawat akan mendarat di suatu bandara
Antrian pelayanan dokter, dan lain-lain.
Sifat fundamental problema antrian mencakup suatu imbangan antara waktu menunggu dan
waktu pelayanan (service), terlihat pada grafik di bawah ini :
Sejarah Teori Antrian

Berada pada antrian yang
panjang dengan waktu terlalu lama untuk memperoleh giliran
pelayanan sangatlah menjengkelkan. Rata-rata lamanya waktu menunggu (waiting time)

sangat
tergantung kepada rata-rata tingkat kecepatan pelayanan (rate of services).
13
Teori tentang antrian ditemukan dan dikembangkan oleh A. K. Erlang, seorang insinyur dari
Denmark
Erlang
yang bekerja pada perusahaan
telepon di Kopenhagen pada tahun 1910.
melakukan eksperimen tentang fluktuasi permintaan
fasilitas telepon yang
berhubungan dengan automatic dialing equipment, yaitu peralatan penyambungan telepon

secara
otomatis.
Dalam
waktu-waktu
yang
sibuk
operator
sangat kewalahan
untuk melayani para penelepon secepatnya, sehingga para penelepon harus antri menunggu
giliran mungkin cukup lama. Persoalan aslinya Erlang
keterlambatan (delay)
dilanjutkan
hanya memperlakukan perhitungan
dari seorang operator, kemudian
untuk
pada
tahun
1917
penelitian
menghitung kesibukan beberapa operator. Pada periode ini
Erlang menerbitkan bukunya

yang terkenal berjudul Solution Of Some Problems In The Theory Of Probabilities Of
Significance In Automatic Telephone Exhange.
Baru setelah perang dunia kedua, hasil
penelitian Erlang diperluas penggunaannya antara lain dalam teori antrian

(Supranto, 1987).
Pengertian Antrian
Menurut
Siagian (1987), antrian
yang memerlukan
layanan dari
ialah
suatu
satu atau
garis
tunggu
lebih pelayan
dari
nasabah
(fasilitas layanan).
(satuan)
Umumnya,
sistem antrian dapat diklasifikasikan menjadi sistem yang berbeda-beda di mana teori
antrian dan simulasi sering diterapkan secara luas.
Klasifikasi menurut Hillier dan Lieberman adalah sebagai berikut:
1. Sistem pelayanan komersial
2. Sistem pelayanan bisnis industri
3. Sistem pelayanan transportasi
4. Sistem pelayanan sosial
Sistem
pelayanan komersial merupakan aplikasi yang sangat luas dari model antrian,
seperti restoran, kafetaria, toko-toko, salon, butik, supermarket, dsb.

Sistem pelayanan bisnis industri
mencakup lini
produksi,
sistem material handling,
sistem pergudangan, dan sistem-sistem informasi komputer.

Sistem pelayanan sosial
merupakan
sistem-sistem pelayanan yang dikelola oleh kantor-
kantor dan jawatan-jawatan lokal aupun nasional, seperti kantor registrasi SIM dan STNK,
kantor pos, rumah sakit, puskesmas, dan lain-lain (Subagyo, 2000).
Proses pada Antrian

1. Proses Stochastic atau Proses Discrete-State atau Continuous State
Proses discrete state memiliki bilangan nilai yang terbatas atau dapat dihitung.
Sebagai contoh jumlah job dalam sistem n(t) hanya dapat menggunakan nilai 0, 1,..n.
14
Waktu tunggu di lain pihak dapat mengambil semua nilai pada garis hitung nyata.
Maka proses ini merupakan proses yang berkelanjutan. Proses discrete-state
stochastic sering pula disebut rantai stochastic.
2. Proses Markov
Jika state pada masa yang akan datang dari proses itu tidak tergantung pada masa
yang telah lalu dan hanya tergantung pada masa sekarang saja, proses ini disebut
Proses Markov. Pengetahuan state proses pada masa sekarang ini harus memadai.
Proses discrete state Markov disebut rantai Markov.
Untuk memprediksi proses Markov selanjutnya yang ada di masa datang diperlukan
pengetahuan state yang sedang berlangsung saat ini. Tidak dibutuhkan pengetahuan
berapa lama proses terjadi di masa sekarang ini. Hal ini memungkinkan jika waktu
state menggunakan distribusi eksponensial (memoryless). Ini akan membatasi
aplikabilitas proses Markov.
3. Proses Birth-Death
Area diskrit proses Markov dimana transisi jadi terlarang bagi state lain
di
sekelilingnya, disebut proses birth death. Untuk proses ini memungkinkan untuk
merepresentasikan state dengan suatu integer dimana proses pada state n dapat
berubah hanya ke state n+1 atau n-1.
Sebagai contoh adalah jumlah job dalam antrian. Kedatangan job dalam antrian (birth)
menyebabkan state berubah menjadi +1 (plus satu), dan keberangkatan dari antrian
karena telah sampai waktunya mendapatkan layanan (death) menyebabkan state
berubah menjadi -1 (minus satu).
4. Proses Poisson
Jika waktu interarrival IID dan distribusi eksponensial tercapai, jumlah kedatangan dari
n berlangsung dalam interval (t, t+x) berarti memiliki distribusi Poisson, dan oleh
karena itu proses kedatangan diarahkan pada proses Poisson atau aliran Poisson.
Aliran Poisson sangat populer dalam teori antrian karena kedatangan biasanya
memoryless sebagai waktu interarrival terdistribusi secara eksponensial.
Peran Distribusi Poisson dan Eksponensial dalam Teori Antrian

Situasi antrian dimana kedatangan dan keberangkatan (kejadian) yang timbul selama interval
waktu dikendalikan dengan kondisi berikut :
Kondisi 1 :
Probabilitas dari sebuah kejadian (kedatangan atau keberangkatan) yang

timbul antara t dan t +s tergantung hanya pada panjang s, yang berarti
bahwa probabilitas tidak tergantung pada t atau jumlah kejadian yang timbul
selama periode waktu (0,t).
Kondisi 2 :
Probabilitas kejadian yang timbul selama interval waktu yang sangat kecil h
adalah positif tapi kurang dari satu.
15
Kondisi 3 :
Paling banyak satu kejadian dapat timbul selama interval waktu yang sangat
kecil h.
Ketika kondisi diatas menjabarkan sebuah proses dimana jumlah kejadian selama satu
interval waktu yang diberikan adalah poisson dan karena itu interval waktu antara beberapa
kejadian yang berturut-turut adalah eksponensial. Dengan kasus demikian, dikatakan bahwa
kondisi tersebut mewakili proses poisson.
Komponen Dasar Dalam sistem Antrian
Komponen dasar Antrian
Komponen dasar proses antrian

1. Kedatangan (sumber)
Setiap masalah antrian melibatkan kedatangan, misalnya orang, mobil, panggilan
telepon untuk dilayani, dan lain-lain. Unsur ini sering dinamakan proses input.
Proses input meliputi sumber kedatangan atau biasa dinamakan calling population
dan cara terjadinya kedatangan yang umumnya merupakan variabel acak.
Yang termasuk input antara lain distribusi jumlah kedatangan per satuan waktu, jumlah
antrian yang dimungkinkan, maksimal panjang antrian, maksimal jumlah pelanggan.
Menurut Levin, dkk (2002), variabel acak adalah suatu variabel yang nilainya bisa
berapa saja sebagai hasil dari percobaan acak. Variabel acak dapat berupa diskrit
atau kontinu. Bila variabel acak hanya dimungkinkan memiliki beberapa nilai saja,
maka ia merupakan variabel acak diskrit. Sebaliknya bila nilainya dimungkinkan
bervariasi pada rentang tertentu, ia dikenal sebagai variabel acak kontinu.
Karakteristik dari populasi yang akan dilayani (calling population) dapat dilihat
menurut ukurannya, pola kedatangan, serta perilaku dari populasi yang akan dilayani.
Menurut ukurannya, populasi yang akan dilayani bisa terbatas (finite) bisa juga tidak
terbatas (infinite). Sebagai contoh jumlah mahasiswa yang antri untuk registrasi di
sebuah perguruan tinggi sudah diketahui jumlahnya (finite), sedangkan jumlah
nasabah bank yang antri untuk setor,
menarik tabungan, maupun membuka
rekening baru, bisa tak terbatas (infinte).

Pola kedatangan bisa teratur, bisa juga acak (random). Kedatangan yang teratur
16
sering
dijumpai
pada
proses
pembuatan/pengemasan
produk
yang
sudah
distandardisasi. Pada proses semacam ini, kedatangan produk untuk diproses pada
bagian selanjutnya biasanya sudah ditentukan waktunya, misalnya setiap 1 menit.
Sedangkan pola kedatangan yang sifatnya acak (random) banyak dijumpai misalnya
kedatangan nasabah di bank. Pola kedatangan yang sifatnya acak dapat
digambarkan
dengan distribusi statistik dan dapat ditentukan dua cara yaitu
kedatangan per satuan waktu dan distribusi waktu antar kedatangan. Jika
kedatangan diasumsikan terjadi dengan kecepatan rata-rata yang konstan dan bebas
satu sama lain disebut distribusi probabilitas Poisson.
Ciri distribusi poisson:
1. rata-rata jumlah kedatangan setiap interval bisa diestimasi dari data sebelumnya
2. bila interval waktu diperkecil misalnya dari 10 menit menjadi 5 menit, maka
pernyataan berlaku
a. probabilitas bahwa seorang pasien datang merupakan angka yang sangat
kecil dan konstan untuk setiap interval
b. probabilitas bahwa 2 atau lebih pasien akan datang dalam waktu interval
sangat kecil sehingga probabilitas untuk 2 atau lebih dikatakan nol (0).
c. Jumlah pasien yang datang pada interval waktu bersifat independent
d. Jumlah pasien yang datang pada satu interval tidak tergantung pada
interval yang lain.
2. Pelayan (Pusat layanan (service center))

Pelayan atau mekanisme pelayanan dapat terdiri dari satu atau lebih pelayan atau
satu atau lebih fasilitas pelayanan. Tiap-tiap fasilitas pelayanan kadang disebut
sebagai saluran (channel) (Schroeder, 1997).
Tata letak fisik dari sistem antrian yang barkan dengan jumlah saluran, juga disebut
sebagai jumlah pelayan. Sistem antrian jalur tunggal (single channel, single server)
berarti bahwa dalam sistem antrian tersebut hanya terdapat satu pemberi layanan serta
satu jenis layanan yang diberikan. Sementara sistem antrian jalur tunggal tahapan
berganda (single channel multi server) berarti dalam sistem antrian tersebut
terdapat lebih dari satu jenis layanan yang diberikan, tetapi dalam setiap jenis layanan
hanya terdapat satu pemberi layanan.
Sistem antrian jalur berganda satu tahap (multi channel single server) adalah
terdapat satu jenis layanan dalam sistem antrian tersebut , namun terdapat lebih dari
satu pemberi layanan. Sedangkan sistem antrian jalur berganda dengan tahapan
berganda (multi channel, multi server) adalah sistem antrian dimana terdapat lebih
dari satu jenis layanan dan terdapat lebih dari satu pemberi layanan dalam setiap jenis
layanan.
17
Yang merupakan bagian dari pelayanan antara lain waktu pelayanan pelanggan, jumlah
server, konstruksi (paralel/seri), contohnya, jalan tol dapat memiliki beberapa
pintu tol. Mekanisme pelayanan dapat pula hanya terdiri dari satu pelayan dalam
satu fasilitas pelayanan yang ditemui pada loket seperti pada penjualan tiket di
gedung bioskop.
3. Antrian
Timbulnya antrian terutama tergantung dari sifat kedatangan dan proses pelayanan.
Jika tak ada antrian berarti terdapat pelayan yang menganggur atau kelebihan
fasilitas pelayanan (Mulyono, 1991). Batasan panjang antrian bisa terbatas (limited)
bisa juga tidak terbatas (unlimited). Sebagai contoh antrian di jalan tol masuk dalam
kategori panjang antrian yang tidak terbatas. Sementara antrian di rumah makan,
masuk kategori panjang antrian yang terbatas karena keterbatasan tempat.
Dalam
kasus batasan panjang antrian yang tertentu (definite line-length) dapat menyebabkan
penundaan kedatangan antrian bila batasan telah tercapai. Contoh : sejumlah tertentu
pesawat pada landasan telah melebihi suatu kapasitas bandara, kedatangan pesawat
yang baru dialihkan ke bandara yang lain.
4. Disiplin antrian
Beberapa disiplin antrian diantaranya FIFO, LIFO, random, seleksi prioritas.
Karakteristik sumber:
1. Ini adalah tipe, terbatas atau tidak terbatas. Jika sumber terbatas, maksimum jumlah
job yang dibuat oleh sumber dalam suatu model mengandung batas atas tertentu.
2. Distribusi interval maing-masing job yang berturut-turut (waktu interarrival).
3. Permintaan setiap job untuk dilayani oleh setiap pusat layanan terdapat dalam model;
jika setiap tipe permintaan didistribusi secara bersamaan untuk semua job perlu
dipertimbangkan permintaan itu menjadi salah satu karakteristik hubungan antara
pusat layanan, bukan sekedar sumber saja.
Karakteristik Pusat Layanan:
1. Jumlah dan kapasitas dalam antrian: kapasitas antrian adalah jumlah maksimum job
yang dapat ditampung.
2. Jumlah server dan jumlah channel pada setiap server tersebut.
3. Kecepatan server: Jika permintaan suatu job d diberikan dalam unit layanan, dan v
adalah kecepatan server dalam memberikan layanan per waktu unit, maka waktu
layanan ts =
d
. Rata-rata layanan server pada periode waktu yang telah lewat
v
didefinisikan sebagai
1
, dimana rata rata ts adalah rata-rata waktu
rata rata ts
layanan yang telah lewat.
18
4. Tertib layanan yang akan terlihat dalam kondisi server memberi perlakuan terhadap
order job yang dilayani.
Karakteristik elemen dalam menganalisa sistem antrian:

1. Proses kedatangan (Arrival Process). Jika waktu kedatangan job t1, t2, ... tj, variabel
random dinyatakan sebagai waktu interarrival. Ini secara umum diasumsikan sebagai
waktu interval dari urutan yang tidak tergantung dan terdistribusi secara identik (IID)
oleh variabel random.
2. Distribusi waktu layanan (Service Time Distribution). Waktu layanan adalah waktu
yang dipakai pada server. Ini juga mengasumsikan suatu variabel random IID.
Distribusi yang banyak digunakan adalah eksponensial, Erlang, hipereksponensial dan
distribusi umum yang dapat diaplikasikan untuk semua layanan distribusi waktu.
3. Jumlah Server, adalah jumlah server yang melayani sistem antrian. Ini diasumsikan
identik ketika server itu menjadi bagian dari suatu sistem antrian. Jika server tersebut
tidak identik, biasanya dikelompokkan berdasarkan kesamaannya masing-masing.
Dalam kasus ini berarti setiap kelompok merupakan sistem antrian tersendiri.
4. Kapasitas Sistem. Menyatakan jumlah maksimum job yang dapat berada dalam
antrian, atau menunjukkan area yang tersedia dalam jaringan dan tentu akan
menghindari waktu tunggu yang lama. Dalam sebagian besar sistem, nilai ini terbatas.
Namun jika nilai ini sangat besar, maka ini dapat diasumsikan sebagi nilai yang tidak
terbatas.
5. Besar Populasi adalah total jumlah job yang dapat datang ke server. Pada kebanyakan
sistem nyata, nilai besar populasi ini terbatas, agar lebih mudah dianalisa
dibandingkan nilai yang tidak terbatas .
6. Tertib Layanan. Parameter ini menjelaskan bagaimana perlakuan terhadap order job
yang dilayani tersebut. Biasanya menggunakan metode First Come First Served
(FCFS), Last Come First Serverd (LCFS), Last Come First Served with Preempt and
Resume (LCFSPR), Round Robin (RR) dengan ukuran pasti waktu quantum,
Processor Sharing (PS). Sistem dengan delay yang tetap seperti sambungan satelit,
disebut server tidak terbatas (Infinite Server) atau pusat delay (delay center).
Kadangkala tertib layanan ini berdasarkan waktu layanan seperti : Shortest Processing
Time first (SPT), Shortest Remaining Processing Time first (SRPT), Shortest Expected
Processing Time first (SEPT), Shortest Expected Remaining Processing Time first
(SERPT).
Disiplin Antrian
Disiplin antri adalah aturan keputusan yang menjelaskan cara melayani pengantri.
Menurut Siagian (1987), ada 5 bentuk disiplin pelayanan yang biasa digunakan, yaitu:
1. First-Come First-Served (FCFS) atau First-In First-Out (FIFO)
artinya, lebih dulu datang (sampai), lebih dulu dilayani (keluar).
19
Misalnya, antrian pada loket pembelian tiket bioskop.

2. Last-Come First-Served (LCFS) atau Last-In First-Out (LIFO)
Artinya yang tiba terakhir yang lebih dulu keluar.
Misalnya, sistem antrian dalam elevator untuk lantai yang sama.
3. Service In Random Order (SIRO)
Artinya panggilan didasarkan pada peluang secara random, tidak soal siapa yang
lebih dulu tiba.
4. Priority Service (PS)
Artinya prioritas pelayanan diberikan kepada pelanggan yang mempunyai prioritas
lebih tinggi dibandingkan dengan pelanggan yang mempunyai prioritas lebih rendah,
meskipun yang terakhir ini kemungkinan sudah lebih dahulu tiba dalam garis tunggu
Kejadian seperti ini kemungkinan disebabkan oleh beberapa hal, misalnya seorang yang
dalam keadaan penyakit lebih berat dibanding dengan orang lain dalam suatu tempat pr
aktek dokter.
Dalam
hal di atas telah
dinyatakan bahwa
entitas
yang
berada dalam garis tunggu tetap tinggal di sana sampai dilayani. Hal ini bisa saja
tidak terjadi. Misalnya, seorang pembeli bisa menjadi tak sabar menunggu
antrian dan meninggalkan antrian.
Untuk
entitas
yang
meninggalkan
antrian
sebelum
dilayani
digunakan
istilah pengingkaran (reneging). Pengingkaran dapat bergantung pada panjang garis tun
ggu atau lama waktu tunggu. Istilah penolakan (balking) dipakai untuk
menjelaskan entitas yang menolak untuk bergabung dalam garis tunggu.
Macam Bentuk Antrian
1. Antrian tunggal, server tunggal (Single Channel Single Phase)
Single Channel berarti hanya ada satu jalur yang memasuki sistem pelayanan atau
ada satu fasilitas pelayanan. Single Phase berarti hanya ada satu pelayanan.
2. Antrian tunggal, server banyak (Single Channel Multi Phase)

Istilah Multi Phase menunjukkan ada dua atau lebih pelayanan yang dilaksanakan
secara berurutan (dalam phase-phase). Sebagai contoh : pencucian mobil.
Server seri
20
server paralel
3. Antrian banyak, server tunggal (Multi Channel Single Phase)

Sistem Multi Channel Single Phase terjadi kapan saja di mana ada dua atau lebih
fasilitas pelayanan dialiri oleh antrian tunggal, sebagai contoh model ini adalah
antrian pada teller sebuah bank.
Antri
Fasilitas
pelayanan
21
4. Antrian banyak, server banyak (Multi Channel Multi Phase)

Sistem Multi Channel Multi Phase ditumjukkan dalam Gambar.
Sebagai contoh, registrasi para mahasiswa di universitas, pelayanan kepada pasien
di rumah sakit mulai dari pendaftaran, diagnosa, penyembuhan sampai pembayaran.
Setiap sistem-sistem ini mempunyai beberapa fasilitas pelayanan pada tiap tahapnya.
server seri :
server paralel
Model-model Antrian
Pada pengelompokkan model-model antrian yang berbeda akan digunakan suatu notasi
yang disebut dengan Notasi Kendal. Notasi ini sering digunakan karena beberapa alasan.
Diantaranya, karena notasi tersebut merupakan alat yang efisien untuk mengidentifikasi
tidak hanya model-model antrian, tetapi juga asumsi-asumsi yang harus dipenuhi.
Format umum model (a/b/c):(d/e/f)

di mana :
a = distribusi pertibaan/pola kedatangan (arrival distribution), yaitu jumlah pertibaan
pertambahan waktu.
b = distribusi waktu pelayanan/pola pelayanan, yaitu selang waktu antara satuansatuan yang dilayani (atau keberangkatan).
c = jumlah saluran pelayanan paralel (jumlah pelayan) dalam sistem.
d = disiplin pelayanan.
e = jumlah maksimum yang diperkenankan berada dalam sistem (kapasitas fasilitas
pelayanan ditambah penampungan).
Teori Antrian Putriaji Hendikawati
f = besarnya populasi masukan.

Keterangan:
1. Untuk huruf a dan b, dapat digunakan kode-kode berikut sebagai pengganti:
M = Distribusi pertibaan Poisson atau distribusi pelayanan eksponensial; juga sama
dengan distribusi waktu antara pertibaan eksponensial
atau
distribusi
satuan
yang dilayani Poisson, atau waktu antar kedatangannya berdistribusi eksponensial

D = berdistribusi deterministik
G = waktu antar kedatangan berdistribusi yang lain (pola secara umum)
2. Untuk huruf c, digunakan bilangan bulat positif yang menyatakan jumlah pelayanan
paralel.
3. Untuk huruf d, dipakai kode-kode pengganti :
FIFO atau FCFS : First In First Out atau First Come First Served.
LIFO atau LCFS : Last In First Out atau Last Come First Served.
SIRO : Service In Random Order.
G D : General Service Disciplint.
4. Untuk huruf e dan f, dipergunakan kode N (untuk menyatakan jumlah terbatas) atau
(tak berhingga satuan satuan dalam sistem antrian dan populasi masukan).
Sebagai ilustrasi pertimbangkan model (M/M/1):(FIFO/ / )
model ini menyatakan pola kedatangan berdistribusi secara Poisson, waktu
pelayanan berdistribusi secara eksponensial, jumlah pelayanan adalah satu,
disiplin antrian adalah FIFO, tidak berhingga jumlah langganan boleh masuk dalam
sistem antrian, dan ukuran (besarnya) populasi masukan adalah tak berhingga.
Untuk selanjutnya model (M/M/1):(FIFO/ / ) seringkali hanya dituliskan dalam
bentuk (M/M/1).
SOAL
1. Sebuah pesawat televisi baru tiba/datang setiap 3 menit untuk diperiksa oleh bagian
quality control dengan dasar yang pertama datang yang akan pertama dilayani. Pada
bagian quality control hanya terdapat seorang ahli dan dibutuhkan waktu 4 menit
untuk memeriksa tiap pesawat televisi yang baru. Tentukan jumlah rata-rata pesawat
televisi yang menunggu untuk diperiksa setelah
1
jam pertama dari suatu jam kerja
2
jika pada awal jam kerja tidak ada pesawat televisi yang menunggu!
2. Bis-bis mendatangi suatu tempat pusat untuk pencucian dalam kelompok-kelompok
yang terdiri dari dari 5 bis setiap jam. Bis-bis dilayani dalam urutan yang acak 1 bis
Prodi Staterkom Jurusan Matematika FMIPA Unnes
2011
dalam 1 saat. Tiap-tiap bis membutuhkan waktu pelayanan 11 menit dan segera
meninggalkan tempat tersebut setelah bersih. Tentukan:
a. Jumlah rata-rata dari bis yang berada di tempat pencucian.
b. Jumlah rata-rata bis yang menunggu untuk dibersihkan.
c. Berapa waktu rata-rata yang dihabiskan bis dalam suatu tempat pencucian.
3. Para pasien didaftarkan untuk suatu tes kesehatan di sebuah klinik setiap 5 menit
dimulai pukul 9 pagi. Tes ini membutuhkan waktu 8 menit dan biasanya dilakukan
oleh seorang dokter yang digaji khusus untuk tugas ini. Jika terdapat 3 atau lebih
pasien dalam ruang tunggu maka seorang dokter lainnya juga melakukan tes ini
hingga ruang tunggu menjadi kosong. Pada saat itu dokter kedua kembali
menjalankan tugasnya semula hingga ia dibutuhkan kembali.
a. Pada jam berapa dokter kedua untuk pertama kalinya melakukan tes ini dan
pada jam berapa ia berhenti juga untuk pertama kalinya.
b. Berapa jumlah rata-rata pasien dalam ruang tunggu antara pukul 9 pagi dan
pukul 10 pagi.
c. Berapa jumlah rata-rata pasien dalam klinik dari pukul 9 pagi sampai pukul 10
pagi.

2011
Peran distribusi Poisson dan Eksponensial pada Antrian

Suatu proses kelahiran-kematian adalah suatu proses markov yang transisi dari state k
hanya dapat terjadi dari state k-1 dan k+1. Dapat digambarkan bahwa transisi dari k ke
k+1 adalah kelahiran, sedangkan arah berlawanannya yaitu dari k ke k-1 adalah
kematian. Hal ini dapat dianggap sebagai kedatangan dan kepergian dari suatu antrian
dengan queue kedatangan dan kepergian masing-masing adalah proses poisson.
Pola kedatangan poisson :
Dalam sistem antrian, customers datang untuk memperoleh layanan
Customers datang secara acak
Asumsi-asumsi dalam kedatangan poisson :
Peluang sebuah customer (disebut job) datang dalam selang waktu yang sangat
singkat t dapat dinyatakan dengan P = t, dimana adalah konstan.
Hanya ada dua kemungkinan yang terjadi di dalam selang t yaitu datang satu job
atau tidak ada kedatangan.
Di dalam selang t, baik ada atau tidak ada kedatangan, tidak tergantung pada
kedatangan dalam selang waktu lainnya.
Contoh proses poisson:

Jika rata-rata kedatangan = 72 setiap jam, berapakah peluang dari x = 4 kedatangan
dan t = 3 menit. Gunakan proses poisson.!
Jawab :
Diketahui = 72 kedatangan setiap jam atau 72/jam maka 1 jam atau 60 menit adalah
unit waktunya. Berarti 3 menit adalah
3
1
1
=
unit waktu maka t =
dan x = 4
60 20
20
e t ( t ) x
x!
72(1/20)
e
(72*(1/ 20)) 4
P( x) =
4!
P( x) =
= 0.191 atau 19.1 %

2011
SISTEM ANTRIAN M/M/1

Adalah suatu sistem antrian yang pola kedatangannya dan pola pelayanannya
berdistribusi eksponensial dengan jumlah pelayan satu, kapasitas fasilitasnya tak hingga
dan disiplin pelayanannya FIFO. M/M/1 adalah model antrian dengan satu server, yang
dapat digunakan sebagai pendekatan untuk berbagai system yang sederhana.
Ilustrasi :
Model antrian ini dalam notasi Kendal secara lengkap adalah (M/M/1):(GD/~/~)
dimana:
Notasi M (Markov)
: Distribusi Poisson (interarrival)
: Distribusi Poisson/ Eksponensial
: Single Server
GD (General Disciplin) : FCFS (First Come First Service) / FIFO

~
: Antrian tak terhingga
Dalam topik ini akan dibahas permasalahan antrian yang didasarkan pada asumsi berikut:
1) Satu pelayanan dan satu tahap.
2) jumlah kedatangan per unit waktu digambarkan oleh proses Poisson dengan =
rata-rata kecepatan kedatangan
3) waktu pelayanan eksponensial dengan = rata-rata kecepatan pelayanan
4) disiplin antrian adalah First Come First Served (aturan antrian pertama datangpertama dilayani) seluruh kedatangan dalam barisan hingga dilayani.
5) dimungkinkan panjang barisan yang tak terhingga.
6) populasi yang dilayani tidak terbatas
7) rata-rata kedatangan lebih kecil dari rata-rata waktu pelayanan
Kasus contoh sederhana yang seringkali dapat kita jumpai dalam kehidupan sehari-hari:
1. Sebuah kantor pos dengan seorang petugas saja.
2. Sebuah pom bensin dengan satu pelayan.
3. Sebuah supermarket dengan seorang kasir.
Parameter model antrian ditentukan dengan notasi berikut:
= rata-rata laju/kecepatan kedatangan (jumlah kedatangan persatuan waktu)
= rata-rata waktu antar kedatangan (waktu antar kedatangan yang diharapkan)
2011
= rata-rata laju/kecepatan pelayanan (jumlah satuan yang dilayani persatuan waktu

bila
pelayan sibuk).
= rata-rata waktu yang dibutuhkan pelayan (waktu yang diharapkan untuk melayani 1
pelanggan)
jumlah pelanggan
satuan waktu
dan satuannya dalam
Sistem antrian M/M/1 merupakan proses kelahiran kematian Poisson, maka n = dan
n = untuk semua n.
Steady State (Keadaan Tunak)
Peluang terjadinyakeadaan tunak untuk sistem antrian, jika:
Pn = lim Pn (t ) , n = 0,1,2,K
t n
(jika limitnya ada)
Untuk sistem M/M/1 didefinisikan faktor kegunaan:
jumlah keda tan gan yang diharapkan

=
rata rata waktu pelayanan
akan bernilai 1 apabila =

Keadaan tunak akan tercapai bila <1 sehingga tidak terdapat antrian.
Jika <1 peluang-peluang keadaan tunak ada.
Peluang keadaan tunak Pn = n (1 ) .
Bukti:
Dari persamaan Kolmogorov:
d Pn (t )
= (n + n ) Pn (t ) + n +1 Pn +1 (t ) + n 1 Pn 1 (t )
dt
d P0 (t )
= 1 P1 (t ) 0 P0 (t )
dt
Keadaan tunak dicapai jika
d Pn (t )
= 0 dengan n = dan n =
dt
( + ) Pn (t ) + Pn +1 (t ) + Pn 1 (t ) = 0
Pn (t ) Pn (t ) + Pn +1 (t ) + Pn 1 (t ) = 0
Pn +1 (t ) = Pn (t ) + Pn (t ) Pn 1 (t )
Pn +1 (t ) = Pn (t ) + Pn (t ) Pn 1 (t )
Pn +1 (t ) = ( + 1)Pn (t ) Pn 1 (t )
2011
Jadi, Pn +1 = ( + 1)Pn Pn 1
.. (1)
n = 0 P1 (t ) = ( + 1)P0 (t ) P1 (t )
P1 (t ) = P0 (t ) + P0 (t )
P1 (t ) = P0 (t )
P1 = P0
n = 1 P2 = ( + 1)P1 P0
= ( + 1) P0 P0
P2 = 2 P0
n = 2 P3 = ( + 1)P2 P1
= ( + 1) 2 P0 2 P0
P3 = 3 P0
n = 3 P4 = ( + 1)P3 P2
= ( + 1) 3 P0 2 P0
P4 = 4 P0
Secara umum Pn = n P0
Jumlah peluang-peluang di atas harus sama dengan 1 dan 0 < <1 , maka
P =1
n=0
n=0
P0
P0 =1
=1
n=0
1
=1
P0
1
P0 =1
Dengan demikian Pn = n P0
Pn = n (1 )
TERBUKTI
Jika >1 maka kedatangan pelanggan terjadi dengan kelajuan yang cepat dari pada
yang dapat ditampung oleh pelayan akibatnya panjang antrian yang diharapkan
bertambah tanpa batas sehingga tidak terjadi keadaan tunak.
Demikian pula jika =1 akibatnya kedatangan pelanggan terjadi dengan kelajuan yang
sama dengan rata-rata waktu pelayanan akhirnya tidak akan terjadi keadaan tunak
karena tidak terjadi antrian.

2011
Ukuran keefektifan
Dalam keadaan tunak (steady state) terdapat ukuran-ukuran keefektifan.
n = jumlah pelanggan dalam sistem
= waktu rata-rata kedatangan

= waktu rata-rata pelayanan
L = jumlah pelanggan rata-rata yang diharapkan dalam sistem
Lq = panjang antrian yang diperkirakan/ jumlah pelanggan yang menunggu dalam

antrian
Ls = rata-rata jumlah satuan dalam sistem

W = waktu rata-rata yang dihabiskan seorang pelanggan dalam sistem
Wq = waktu rata-rata yang dihabiskan seorang pelanggan dalam antrian
Ws = rata-rata waktu tunggu dalam sistem
W (t ) = peluang bahwa seorang pelanggan menghabiskan waktu lebih dari t unit
waktu di dalam sistem
Wq (t ) = peluang bahwa seorang pelanggan menghabiskan waktu lebih dari t unit

waktu di dalam antrian
Pn = peluang bahwa di dalam sistem terdapat n pelanggan.

P0 = peluang bahwa tidak terdapat pelanggan di dalam sistem.
Ukuran keefektifan yang digunakan pada saat steady state
Jumlah pelanggan rata-rata yang diharapkan dalam sistem L =
n.P
i =0
Tingkat intensitas (factor kegunaan) pelayanan =
Probabilitas kepastian n pelanggan terdapat dalam sistem Pn = n (1 )

Jumlah rata-rata pelanggan yang diharapkan dlm sistem Ls =
Jumlah pelanggan yang diharapkan menunggu dalam antrian
Lq =
2
2
=
1 ( )
Waktu yang diharapkan oleh pelanggan selama dalam sistem Ws =

2011
Waktu yang diharapkan oleh pelanggan selama menunggu dalam antrian
Wq =
( )
Peluang pelanggan menghabiskan waktu lebih dari t waktu dalam sistem
W (t ) = e
, t 0
W (t ) = P[T > t ] = 1 P[T t ]

Peluang pelanggan menghabiskan waktu lebih dari t waktu dalam antrian (untuk
dilayani)
Wq (t ) = e
, t 0
Wq (t ) = P Tq > t = 1 P Tq t
Hubungan antara L, Lq , Ws , Wq adalah:
Ls = .W
Lq = .Wq
W s = Wq +
untuk model M/M/1 maka = .
Contoh (Aminudin, 2005: 178)

Sebuah minimarket mempunyai satu cash register dan satu orang petugas kasir untuk
mengoperasikannya dalam transaksi pembayaran terhadap konsumen. Konsumen harus
antri dalam satu jalur di depan kasir untuk membayar belanjaannya. Tingkat rata-rata
kedatangan konsumen = 24 per jam dan sesuai dengan distribusi Poisson. Waktu
pelayanan berdistribusi eksponensial dengan tingkat rata-ratanya adalah = 30
konsumen per jam. Manajer minimarket ingin mengevaluasi karakteristik operasional dari
sistem antrian tersebut. Tentukan:
a. probabilitas tidak ada konsumen dalam sistem (P0 )
( )
b. rata-rata jumlah konsumen dalam antrian Lq

2011
c. rata-rata jumlah konsumen dalam sistem (Ls )
( )
d. rata-rata waktu dalam antrian Wq
e. rata-rata waktu dalam sistem (Ws )

f. tingkat kegunaan fasilitas cash register ( )
Penyelesaian
a. 0,2
b. 3,2 konsumen
c. 4 konsumen
d. 0,133 jam (8 menit)
e. 0,167 jam (10 menit)
f. 0,8 (80 %)
Soal
1. Bagian Pelayanan khusus untuk pria disebuah toko memperkerjakan seorang penjahit
baju.jumlah pelanggan yang hendak mengukur baju mengikuti distribusi poisson
dengan laju kedatangan rata rata 24 orang per jam. Para pelanggan dilayani berdasar
aturan FIFO dan mereka rela menunggu pelayanan penjahit karena pengubahan
ukuran bajunya gratis. Waktu yang dibutuhkan penjahit untuk mengambil baju
pelanggan terdistribusi secara eksponensial dengan rata ratanya 2 menit.
a. Berapa jumlah pelanggan rata-rata dalam ruang pas.

b. Berapa lama waktu yang diharapkan seorang pelanggan akan dihabiskannya
dalam ruang pas.
c. Berapa presentase waktu penjahit tersebut mengangur.

d. Berapa peluang bahwa seorang pelanggang akan menunggu pelayanan pejahit
lebih dari 10 menit.
2. Seorang ahli cicip makanan dari sebuah toko makanan
adalah pemilik toko itu
sendiri. Pola kedatangan pelanggan pada hari sabtu kelihatanya mengikuti pola
distribusi poisson dengan rata-rata laju kedatangan 10 orang per jam. Para pelanggan
dilayani dengan aturan FIFO. Karena reputasi toko yang baik, para pelanggan rela
menunggu begitu meraka tiba. Waktu yang dibutuhkan untuk melayani pelanggan
ditaksir berdistribusi eksponensial dengan waktu pelayanan rata-rata 4 menit.
a. Peluang bahwa terdapat sebuah antrian.

b. ukuran rata-rata dari antrian tersebut.
2011
c. Waktu yang diharapkan seorang pelanggan harus menunggu didalam antrian.

d. Peluang bahwa seorang pelanggan akan menghabiskan waktu kurang 12 menit.
3. Tempat pembayaran pada sebuah penjualan eskrim dilayani oleh seorang pelayan.
Para pelanggan berdatangan mengikuti proses Poisson dengan laju kedatangan ratarata 30 orang perjam. Meraka dilayani berdasarkan aturan FIFO dan karena kualitas
eskrim yang memuaskan mereka rela menunggu bila perlu. Waktu pelayanan
per
pelanggan kelihatan berdistribusi eksponensial dengan rata-rata 1,5 menit. Tentukan :
a. Jumlah pelanggan rata-rata yang menunggu untuk dilayani

b. Jumlah waktu yang diharapkan seorang pelanggan menunggu dilayani.
c. Peluang bahwa seorang akan menghabiskan waktu lebih dari 15 menit dalam
antrian.
d. Peluang bahwa pelayannya menganggur.

4. Kedatangan bis pada sebuah fasilitas pelayanan mengikuti proses Poisson dengan
laju rata-rata 10 buah bis tiap jam. Tempat pelayanan hanya dapat melayani satu bis
pada saat tertentu dan pelayanannya terdistribusi secara Eksponensial dengan ratarata
1
hari. Biaya operasi yang ditanggung perusahaan bis pemilik fasilitas
12
pelayanan adalah Rp 200.000,-/hari ditambah Rp 50.000,-/hari jika sedang melayani

sebuah bis. Apabila perusahaan membeli peralatan yang akan meningkatkan biaya
operasional harian menjadi Rp 245.000,-/hari maka perusahaan dapat mengurangi
waktu pelayanan rata-rata menjadi
1
hari. Apakah kebijakan membeli peralatan
15
baru ini menarik secara ekonomis bagi perusahaan? Jelaskan!

2011
10
BUKTI BEBERAPA UKURAN KEEFEKTIFAN
LS =
W s = Wq +
L = n Pn
Kedua ruas dikalikan
n =0
= n n (1 )
W s = Wq +
n =0
= (1 )
d n
n = 0 dp
d
n
dp n =0
= (1 )
d 1
dp 1
= (1 )
LS =
(1 )
dalam M / M / 1 berlaku =
1
W=
1
(1 )
=
1
=
Lq =
2
1
LS = W
Lq = L s
LS = W
W=
L s = Lq +
= (1 )

2011
Wq =
Lq
2
1
=
2
2 1
=
.

1
2
=
Wq =

11
SISTEM ANTRIAN YANG LAIN DENGAN

TIPE KEDATANGAN SEMACAM POISSON DAN
TIPE PELAYANAN SEMACAM EKSPONENSIAL
Dalam praktek/kenyataan sering kali dijumpai suatu antrian yang tidak mengikuti pola
kedatangan berdistribusi poisson dengan parameter yang tetap, tetapi sering kali
berubah menurut jumlah pelanggan di dalam sistem. Dapat pula terjadi para pelanggan
yang meninggalkan sistem tidak berlangsung dengan rata-rata yang tetap, tetapi
berlangsung seperti halnya terdapat seorang pelayan yang waktu pelayanannya
mengikuti semacam distribusi eksponensial dengan berubah menurut keadaan sistem.
Proses-proses antrian semacam ini dapat dimodelkan sebagai semacam proses
kelahiran-kematian Markov secara umum.
Jumlah kedatangan yang diharapkan dalam waktu t kecil adalah: n . t
dan
Jumlah kepergian yang diharapkan dalam waktu t kecil adalah: n. t

Sehingga peluang-peluang dalam keadaan tunak (steady state):
Pn =
n 1
. .K. 0
.Pn 1 atau Pn = n 1 n 2
.P0 , n = 1, 2
n
n . n 1 .K 1
P0 dapat ditentukan dengan
P
n=0
=1
Jumlah tersebut konvergen asal pernbandingan dan tidak besar.

Jadi keadaan tunak dijamin jika:
n 1
< 1 untuk semua n yang besar
n
Rumus Litle:
Laju kedatangan rata-rata pelanggan memasuki suatu fasilitas pelayanan.
= n Pn
n =0
Jumlah pelanggan rata-rata yang diharapkan dalam sistem
Ls = nPn
n =0
Jumlah pelanggan rata-rata yang diharapkan dalam antrian
Lq = maks {n S n , 0} Pn
n =0
S n = banyaknya pelayan dalam keadaan n.

2011
PENOLAKAN DAN PEMBATALAN

Populasi yang dalam dan akan dilayani dalam suatu sistem antrian mempunyai perilaku
yang berbeda-beda dalam membentuk antrian. Ada tiga jenis perilaku, yaitu reneging,
balking, dan jockeying.
PENOLAKAN (BALKING)
Terjadi apabila seorang pelanggan menolak masuk kedalam fasilitas pelayanan karena
antrian yang terlalu panjang. Balking menggambarkan orang yang tidak masuk dalam
antrian dan langsung meninggalkan tempat antrian.
Jika pola kedatangan pelanggan tidak tergantung pada keadaan dengan laju rata-rata
maka laju ratarata kedatangan pelanggan masuk dalam fasilitas pelayanan adalah
n = [1 b(n )]
Dengan b(n ) = fungsi penolakan, bila tidak terjadi penolakan b(n ) = 0.
PEMBATALAN (RENEGING)
Terjadi apabila pelanggan meninggalkan antrian sebelum dilayani karena waktu
menunggu untuk dilayani terlalu lama. Reneging menggambarkan situasi dimana
seseorang masuk dalam antrian, namun belum memperoleh pelayanan, kemudian
meninggalkan antrian tersebut.
Efek keseluruhan akan memperbesar laju pelayanan.
Untuk sistem antrian M/M/1, laju pelayanan:
n = + r (n )
dengan r (n ) adalah fungsi pembatalan yang didefinisikan.
r (n ) = lim
P[1 pelanggan batal dalam waktu t n pelanggan dalam sistem ]
t 0
JOCKEYING
Jockeying menggambarkan orang yang pindah-pindah antrian.
Soal
1. Pemilik sebuah toko kecil tetapi cukup sibuk menjual surat kabar dan rokok. Melayani
pelanggannya dengan rata-rta pelayanan 1 pelanggan tiap 30 detik dan distribusi
sebenarnya berbentuk eksponensial. Kedatangan pelangganya mengikuti proses
poisson dengan laju rata-rata 3 0rang per menit dan mereka rela menunggu untuk
dilayani. Beberapa pelanggan tidak ingin menunggu dan mereka mencari toko yang

2011
lain. Peluang bahwa seorang pelanggan yang datang menolak masuk adalah
n
3
dengan n banyaknya pelanggan yang telah ada di dalam toko. Berapa keuntungan
yang hilang menurut perkiraan pemilik toko karena berpindahnya pelanggan ke toko
lain, jika keuntungan rata-rata tiap pelanggan $ 30.
2. Stasiun pompa bensin pada suatu jalan pedesaan mempunyai sebuah pompa untuk
menyalurkan bensin ke mobil. Kedatangan mobil ke statiun ini untuk mengisi bensin
mengikuti proses poisson, dengan laju rata-rata 10 mobil perjam. Waktu yang
dibutuhkan untuk melayani sebuah mobil kelihatannya berdistribusi eksponensial
dengan rata-rata 2 menit. Stasiun ini dapat menampung paling banyak 4 mobil.
Sedangkan peraturan lalu lintas lokal melarang mobil-mobil menunggu dijalanan.
Stasiun pompa ini cukup populer karena menjual bensin dengan harga yang lebih
rendah dari pesaingnya. Tetapi harga ini tidak cukup menggantikan kerugian karena
beberapa pelanggan cenderung membatalkan niat untuk mengisi bensin karena
antrian yang panjang. Fungsi pembatalannya adalah
0 per jam , n = 0,1

rn = n
e 2 per jam , n = 2, 3,K
Tentukan :
a. Jumlah rata-rata mobil dalam stasiun pada setiap saat

b. Jumlah mobil yang membatalkan niatnya tiap jam

2011
SISTEM ANTRIAN M/M/S

Model antrian ini dalam notasi Kendal ditulis (M/M/s) : (GD//)
Asumsi:
-) waktu antar kedatangan = distribusi eksponensial
-) waktu pelayanan = distribusi eksponensial
-) jumlah pelayanan paralel = s
-) disiplin antrian = general discipline
-) jumlah maksimum antrian = tak terhingga
-) jumlah populasi = tak terhingga
Pola kedatangan eksponensial, ada s pelayan masing-masing independen laju
kedatangan tidak tergantung pada keadaan ( n = )
Pola pelayanan berdistribusi eksponensial.
Waktu pelayanan tidak tergantung pada keadaan tetapi tergantung pada banyaknya
pelanggan.
n =
n , n = 0,1, K , s
s , n = s + 1, s + 2, K
n =
Keadaan tunak (steady state) tercapai jika:
<1
s.
Peluang pada keadaan Tunak:

n
s
s s s +1
(
s )
P0 =
+
s!(1 ) n =0 n!
(s )n
P0
n
!
Pn = s n
s
s!
Lq =
s s s +1
s!(1 p )
, n = 1, 2, K , s
, , n = s + 1, s + 2, K
P0
dengan = berdasar rumus Little dapat dihitung Wq , L s , dan W.
Lq = .Wq
2011
W = Wq +
L s = .W
W (t ) = e
(s )s P0 1 e
1 +
,t 0
s!(1 )(s 1 s )
t ( s 1 s )
(s )s P0 st (1 )
Wq (t ) =
e
s!(1 )
,t 0
Soal
1. Pada sebuah bank kecil terdapat 2 teller yang samasama efisien , dan mereka
sanggup melayani transaksi masing-masing 60 pelanggar/jam, dengan waktu
pelayanan terdistribusi secara eksponensial. Kedatangan pelanggan mengikuti proses
poisson dengan laju rata-rata kedatangan 100 pelanggan/jam.Tentukan:
a. peluang terdatat lebih dari 3 pelanggan pada waktu yang sama.

b. peluang bahwa salah satu teller mengangur.
c. peluang bahwa seorang pelanggan menghabiskan lebih dari 3 menit dalam bank.
2. Sebuah departemen transportasi negara mempunyai 3 tim penyelidik keselamatan
yang secara terus menerus melakukan penyelidikan begitu ada kecelakaan yang fatal
di jalan raya, menganalisis dan kemudian melaporkannya. Ke-3 tahun tersebut samasama efisien, masing-masing membutuhkan rata-rata 2 hari untuk menyelidiki dan
melaporkan
kecelakaan
lalu
lintas
dengan
waktu
penyelidikan
kelihatanny
berdistribusi eksponensial. Jumlah kecelakaan lalu lintas fatal di jalan raya

kelihatannya
mengikuti
proses
poisson
dengan
lahu
rata-rata
300
kecelakaan/tahun.Tentukan L, Lq, W dan Wq untuk proses ini dan berikan arti

masing-masing tersebut?
3. Sebuah tempat penjualan roti bakar dilayani oleh 2 orang, masing-masing sanggup
melayani rata-rata 30 pelanggan/jam, dengan waktu pelayanan berdistribusi secara
eksponensial. Para pelanggan mendatangi tempat tsb mengikuti proses poisson
dengan poisson dengan laju rata-rata 40 orang/jam. Tentukan :
a. Presentasi waktu seorang pelayan menganggur

b. Peluang bahwa tidak terdapat lebih dari 2 pelanggan menunggu pelayanan pada
sembarang waktu.
4. Sebuah stasiun KA bagian luar memiliki 5 buah telpon umum. Selama jam-jam sibuk
pada siang hari orang-orang yang ingin melakukan pembicaraan telpon mendatangi
2011
ke lima tempat ini, menurut proses poisson, dengan laju rata-rata 100 orang per
jam.Lama waktu melakukan satu pembicaraan telepon 2 menit mengikuti distribusi
eksponensial. Tentukan :
a. Lama waktu yang diharapkan seseorang harus menunggu untuk melakukan

pembicaraan telpon begitu ia tiba si tempat pesawat telepon tersebut
b. Peluang bahwa lama waktu menunggu tidak lebih dari 1 menit.

c. Jumlah orang yang diharapkan sedang menunggu/melakukan pembicaraan telp.

2011
SISTEM ANTRIAN M/M/1/K

Sistem Antrian M/M/1/K
Pola kedatangan
: berdistribusi poisson
Pola pelayanan
: berdistribusi eksponensial
Jumlah pelayan
:1
Kapasitas pelayanan : k
= Laju kedatangan rata-rata para pelanggan waktu kedatangan rata-rata ke fasilitas

jika dalam keadaan n adalah
, n = 0,1, K , k 1
n =
0 , n = k , k + 1
Keadaan tunak selalu dipertahankan, berapapun nilai dari =
dengan peluang
peluang Pn = 0 untuk n > k, dan untuk n = 0, 1, ...... k maka:
n (1 )
1 k +1
Pn =
1
k + 1
, 1
, =1
Ukuran keefektifan :

(k + 1) k +1
1
1 k +1
L=
k
2
, 1
, =1
dengan = (1 Pk ) .
SOAL
1. Sebuah stasiun pompa bensin terletak disebuah pedesaan mempunyai sebuah
pompa untuk menyalurkan bensin ke mobil. Kedatangan mobilmobil pada stasiun ini
untuk mengisi bensin mengikuti proses poisson dengan laju rata-rata 10 buah mobil
per jam. Waktu yang dibutuhkan untuk melayani sebuah mobil kelihatannya
berdistribusi eksponensial dengan nilai rata-rata 2 menit. Stasiun ini dapat
menampung paling banyak 4 mobil, sedangakan peraturan lalu lintas di desa tsb
melarang mobil-mobil menunggu di jalanan.
Tentukan:
2011
a. Jumlah mobil rata-rata yang secara serempak berada di stasiun pompa bensin.
b. Waktu rata-rata yang dihabiskan seorang menunggu dilayani begitu terjadi
kelebihan daya tampung di stasiun ini.
c. Laju rata-rata stasiun ini kehilangan pendapatannya karena beberapa pelanggan

mencari stasiun yang lain bila stasiun ini penuh jika harga penjualan rata-rata Rp
1.500.000 per jam.
2. Di luar sebuah restoran terdapat ruang yang dapat menampung paling banyak 5
pelanggan. Selama musim dingin bila pelanggan. Selama musim dingin bila
pelanggan datang dan menemukan restoran penuh maka tidak ada yang mau
menunggu di luar dalam suaca yang sangat dingin tetapi mencari restoran lainnya.
Para pelanggan mendatangi restoran ini menurut proses poisson dengan rata-rata 15
orang perjam. Restoran ini melayani para pelanggannya berdasar disiplin sntrian
FIFO.Restoran ini dilayani hanya oleh seseorang pemiliknya dengan waktu pelayanan
terdistribusi secara eksponensial dengan rata-rata 15 orang per jam.Tentukan :
a. Jumlah rata-rata pelanggan dalam restoran pada sebarang waktu.

b. Waktu yang diharapkan seseorang pelanggan menunggu untuk dilayani.
c. Laju rata-rata pendapatan restoran yang hilang akibat terbatasnya fasilitas jika
bayaran rata-rata 1 juta rupiah perjam.
3. Sebuah Perusahaan bus memerintahkan armada bisnya ketempat servis mobil untuk
memelihara rutin setiap menempuh 25.000 km.Tempat servis buka 24 jam tiap hari
dan dilayani seorang ahli service yang sanggup menservis 1 bis pada satu saat.
Waktu yang dibutuhkan untuk menservis 1 bis terdistribusi secara eksponensial
dengan rata-rata 4 jam. Bis bis mendatangi tempat servis menurut proses poisson
dengan laju rata-rata 12 bis perhari. Para sopir diperintahkan tidak memasuki tempat
servis jika telah terdapat 4 buah bis di dalamnya dan kembali ke pusat untuk
ditugaskan kembali.
a. Jumlah waktu yang dihabiskan sebuah bis ditempat servis tersebut bila bis tetap
berada di sana.
b. Kerugian yang dialami perusahaan bis karena terbatasnya fasilitas servis jika
biaya yang dikirim untuk sebuah bis ke tempat servis dan ternyata kembali tanpa
diservis adalah Rp.800.000.
4. Sebuah rumah sakit untuk pasien hamil mempunyai 5 buah ruang bersalin pasien
hamil mendatangi RS ini menurut proses poisson dengan rata-rata 12 pasien tiap hari
dan dikirim ke ruang bersalin jika ada yang kosong. Jika tidak ada yang kosong maka
pasien dikirim ke RS lain. Seorang pasien rata-rata menempati ruang bersalin selama
2011
6 hari. Sedangkan waktu untuk menempati ruang tersebut terdistribusi secara

eksponensial sekitar waktu rata-rata tersebut.Tentukan :
a. Laju rata-rata untuk menempati ruang bersalin tersebut yaitu persentase

penggunaan ruang bersalin untuk jangka waktu yang lama.
b. Laju rata-rata saat pasien hamil dikirim ke RS yang lain.

2011
10
SISTEM ANTRIAN M/M/S/K (dengan K S)

Model antrian ini dalam notasi Kendal (M/M/s) : (GD/K/), s K
Asumsi:
-) Waktu antar kedatangan = distribusi eksponensial
-) Waktu pelayanan = distribusi eksponensial
-) Jumlah pelayan paralel = s
-) Disiplin antrian = general discipline
-) Jumlah maksimum pelanggan dalam sistem/kapasitas pelayanan = K
-) Jumlah populasi = tak terhingga
n =
0
, n = 0, 1, 2, K , k 1
, n = k , k + 1, K
n , n = 0, 1, 2, K , s
s , n = s + 1, s + 2, K
n =
Keadaan tunak terjadi untuk berapapun dengan =
dengan peluang-peluang
s
keadaan tunak:
n 1
s s . s +1 1 k s
s
(
s )
+
, 1
s!(1 )
n!
n =0
P0 =
1
s s .(k s ) s s n
, =1
+
s
n
!
!
=
0
n
(s ) n
P0
n!
s s . n
Pn =
P0
s!
0
, n = 0, 1, 2, K , s
, n = s + 1, K , k
, n = k + 1, K
dengan = (1 Pk ) .
Ukuran-ukuran keefektifan:
Lq =
Wq =
s s . s +1
s!(1 )
{1
k s
(1 )(k s ) k s .P0
Lq

2011
11
W = Wq +
L = .W
dengan = (1 Pk ) .
Soal
1. Sebuah tempat pencucian mobil swalayan. Mempunyai 4 buah petak dimana para
pelanggan dapat mencuci dan mengkilapkan mobil secara swalayan. Juga terdapat
ruang dimana para pelanggan dapat memarkir mobilnya jika keempat petak tadi
penuh. Ruangan ini hanya dapat menampung 3 buah mobil. Kedatangan mobil-mobil
mengikuti proses poisson dengan laju rata-rata 15 pelanggan perjam.Jika tidak ada
ruang untuk memarkir mobil maka pelanggan harus pergi ketempat lain. Waktu ysng
dibutuhkan
untuk
melayani
sebuah
mobil
kelihatannya
terdistribusi
secara
eksponensial dengan rata-rata 12 menit. Tentukan :

a. Jumlah rata-rata mobil ditempat pencucian pada sebarang saat
b. Laju yang diharapkan mobil menolak masuk ke tempat pencucian tsb.

2011
12
MODEL SWALAYAN
Pada model swalayan, pelanggan yang akan membeli barang-barang keperluannya
melayani sendiri sehingga pelanggan sekaligus sebagai pelayan.
Contohnya pada ujian tertulis untuk mendapatkan SIM.
Catatan :
1. Hal yang dimaksudkan diatas bukan pada pembayaran, tetapi pada pelayanan
pembelian.
2. Pompa pengisian bahan bakar dan Bank yang bekerja 24 jam (ATM) tidak termasuk
pada model ini. Meskipun pelanggan melayani diri sendiri tetapi yang dimaksud
pelayan
pada
kasus
tersebut
adalah
mesin
ATM
dan
komputer
bukan
pelanggannya.
Dengan demikian model antrian pada swalayan dapat dicirikan: M/M/
Untuk model yang digeneralisasi:
n =
, n 0
n = n
,n 0
Peluang-peluang dalam keadan tunak:
n
n
.
P
=
.P0
0
n!
n! n
Pn =
P
n =0
=1
P0 +
1!
P0 +
2
2!
P0 +
3
3!
P0 + K = 1
2 3
P0 1 + +
+
+ K = 1
2!
3!
P0 =
P0 =
P0 = e
3
1
+
+
+
+ K
2!
3!
1
e

2011
13
Dengan demikian:
e . n
Pn =
, n = 0, 1, 2, K n ~ POI ( )
n!
Ingat kembali distribusi poisson :
f (x ) =
x ~ POI ( )
e . x
x!
Karena persyaratan dari swalayan maka, akibatnya:

i)
Lq = .Wq = .0 = 0
ii)
W = Wq +
iii)
L = .W = .
=0+
1
= = E [n]

2011
14
MODEL PERBAIKAN MESIN

Misal terdapat k mesin yang harus diperbaiki dan tersedia s ahli mesin.
Model yang digeneralisasi untuk perbaikan mesin:
(k n )
0
,0 n k
n =
,n>k
n , 0 n s
n = s , s n k
0
,n > k
C nk . n .P0
Pn = k n! n
P0
C n
s! s n s
,0 n s
,s < n k
k
s
n! n
P0 = C nk n + C nk
s! s n s
n = s +1
n =0
Ukuran-ukuran keefektifan:
Lq =
(n s )P
n = s +1
, s >1
L = L q + (s s )
s
s = (s n ).Pn
n =0
dengan s = banyaknya ahli mesin yang sedang menganggur yang diperkirakan.

L dapat dinyatakan dalam bentuk yang lain, sebagai berikut:
L = L q + (s s )
= Lq +
dengan = E [ (k n )] .
Jika s =1 maka Lq = k 1 +
1 P0
L = k

1
(1 P0 )


2011
15
Soal
1. Sebuah bengkel secara keseluruhan memiliki 5 mesin. Rata-rata sebuah mesin rusak
setiap 2 jam. Diperlukan waktu 12 menit untuk melakukan perbaikan. Pemilik bengkel
berminat untuk menentukan jumlah petugas perbaikan yang diperlukan agar bengkel
tersebut berjalan cukup lancar.
2. Dua petugas reparasi merawat 5 buah mesin disebuah bengkel. Setiap mesin rusak
sesuai dengan distribusi poisson dengan rata-rata 3 mesin per jam. Waktu reparasi
per mesin terdistribusi secara eksponensial dengan rata-rata 15 menit. Tentukan :
a. Peluang bahwa kedua petugas reparasi tidak bekerja ( P0 )
b. Peluang bahwa seorang petugas reparasi tidak bekerja ( P1 )
c. Jumlah yang diperkirakan dari mesin-mesin yang tidak beroperasi yang tidak
diperbaiki.( Lq )

2011
16
DAFTAR PUSTAKA
Bronson, R. 1982. Theory and Problems of Operations Research. New York:

McGraw-Hill, Inc.
Hillier, Frederick. S dan Lieberman, Gerald. I. 1980. Introduction to Operations Research.
San Francisco Holden Day, Inc. .
Mulyono, S. 1991. Operations Research. FE-UI. Jakarta.
Schroeder, Roger G. 1997. Operations Management. New Jersey. McGraw-Hill, Inc.
Siagian,
P.
1987. Penelitian
Universitas Indonesia Press.
Operasional:
Teori
dan
Praktek. Jakarta.
Subagyo, Pangestu, dkk. 2000. Dasar-Dasar Operations Research. Yogyakarta.

BPFE.
Supranto, Johannes. 1987. Riset Operasi: Untuk Pengambilan Keputusan. Jakarta.
Universitas Indonesia Press.
Taha, HA. 1993. Operation Research Jilid 2. Fayetteville. Department of Industrial
Engineering University of Arkansas.

2011
17

TEORI ANTRIAN - Matematika

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

TEORI ANTRIAN - Matematika

Uploaded by

Copyright:

Available Formats

BAHAN AJAR

PROGRAM STUDI MATEMATIKA

UNIVERSITAS NEGERI SEMARANG

PENGANTAR PROSES STOKASTIK

Rantai Markov Waktu Diskrit

P (X (tk +1 ) = j X (tk ) = t , X (tk 1 ) = tk 1 ,K, X (t0 ) = t0 )

Pij disebut probabilitas transisi dengan

Rantai Markov Waktu Kontinu

Waktu yang dihabiskan proses pada sembarang state harus memoryless

Exponentially distributed state times

PROSES KELAHIRAN DAN KEMATIAN

Proses kelahiran-kematian mempunyai banyak aplikasi diantaranya penerapan dalam

Proses Kelahiran Markov

Proses Kematian Markov

N(0) = n menyatakan banyaknya populasi pada waktu t = 0.

Distribusi-distribusi peluang yang menentukan jumlah kelahiran dan kematian

dimana n laju kelahiran dan

Laju kelahiran/kedatangan dalam state n adalah n . Nilainya ditulis { n , n 0}.

Laju kematian/kepergian dalam state n adalah n .Nilainya ditulis { n , n 1}.

n dan independent dengan waktu hingga kematian berikutnya

yang berdistribusi eksponensial dengan laju

Kepergian seseorang dari sistem dengan laju

dengan waktu sampai dengan kepergian

berikutnya berdistribusi eksponensial dengan mean 1 dan independen dengan kedatangan

B(t,t) adalah jumlah kelahiran dalam periode (t, t+t).

D(t, t) adalah jumlah kematian dalam periode (t, t+t).

dengan waktu pelayanan berdistribusi

n = untuk n 0 dan n = untuk n 1.

Pn (t ) menyatakan peluang bahwa N (t ) adalah bilangan bulat tak negatif tertentu.

n = 0 dan n = n. untuk suatu n.

Ukuran populasi yang diharapkan pada saat t adalah

Proses Kematian Markov Linear

Pada proses kematian Markov Linear

Proses Kelahiran Kematian Markov Linear

[1 r (t )][1 s(t )]s (t )n1 , n =1,2,K

Pada proses kelahiran kematian Markov Linear

Ukuran populasi yang diharapkan pada saat t adalah

Proses Kelahiran Poisson

Jika populasinya dimulai dari N (0 ) anggota maka:

Pada proses kelahiran Poisson

Ukuran populasi yang diharapkan pada saat t adalah

Proses Kematian Poisson

Pada proses kematian Poisson

Ukuran populasi yang diharapkan pada saat t adalah

Proses Kelahiran Kematian Poisson

Hitung laju kelahiran per hari

Hitung jumlah kelahiran dalam keadaan ini per tahun

Hitung probabilitas tidak adanya kelahiran dalam satu hari tertentu

Jumlah kelahiran dalam keadaan ini pertahun adalah:

t = 205,7365 = 75080,5 kelahiran

Probabilitas tidak adanya kelahiran dalam satu hari tertentu adalah:

(205, 7 1)0 e (205,71)

P{x(3) = 45 | x(2) = 35} = P11 (1)

(8,57 1)10 e (8,571)

Aplikasi proses kelahiran-kematian pada model antrian

(jumlah pelanggan dalam sistem antrian pada saat

Berdasarkan hubungan dengan distribusi poisson, dari distribusi eksponensial, n dan

merupakan laju rataan.

akan layanan melebihi

kemampuan (kapasitas) pelayanan atau fasilitas layanan, sehingga pengguna fasilitas

disebabkan kesibukan layanan.

Antrian pada pelayanan kasir supermarket

Antrian membeli bahan bakar