You are on page 1of 21

BAB I

PENDAHULUAN

1.1 Latar Belakang


Model antrian merupakan bentuk analisis probabilitas . Oleh karena itu , hasil
dari analisis antrian disebut sebagai karakteristik operasi . Karakteristik operasi
merupakan nilai rata-rata dari karakteristik yang menggambarkan kinerja suatu sistem
antrian . Karakteristik opertasioanal ini menghasilkan statistik operasi yang digunakan
oleh manajer untuk mengambil putusan dalam suatu operasi yang mengandung masalah
antrian .
Ada sejumlah model antrian yang berbeeda yang dapat digunakan untuk
menganalis sistem antrian yang berbeda . Pada multimedia ini akan dipusatkan pada dua
jenis sistem yang paling umum yaitu sistem pelayanan tunggal (single-server-system )
dan sistem pelayanan multiple ( multiple-server-system ) .
Antrian yang panjang sering kali kita lihat di bank saat nasabah mengantri di
teller untuk melakukan transaksi , airport saat para calon penumpang melakukan check-
in , di supermarket saat para pembeli antri untuk melakukan pembayaran , di tempat
cuci mobil : mobil antri untuk dicuci dan masih banyak contoh lainnya . Di sector jasa ,
bagi sebagian orang antri merupakan hal yang membosankan dan sebagai akibatnya
terlalu lama antri , akan menyebabkan pelanggan kabur . Hal ini merupakan kerugian
bagi organisasi tersebut .
Untuk mempertahankan pelanggan , sebuah organisasi selalu berusaha untuk
memberikan pelayanan yang terbaik. Pelayanan yang terbaik tersebut diantaranya
adalahmemberikan pelayanan yang cepat sehingga pelanggan tidak dibiarkan menunggu
( mengantri ) terlalu lama. Namun demikian , dampak pemberian layanan yang cepat ini
akan menimbulkan biaya bagi organisasi , karena harus menambah fasilitas layanan .
Oleh karena itu , layanan yang cepat akan sangat membantu untuk mempertahankan
pelanggan , yang dalam jangka panjang tentu saja akan meningkatkan
Berbagai bentuk sistem antrian dapat membuat antrian secara potensial menjadi
bidang analisis yang kompleks . Karena antrian sering dialami dalam kehidupan sehari-
hari ,analisi atas hal ini menjadi penting dan dapat digali secara luas dalam ilmu
manajemen .
Beberapa sistem antrian dapat menjadi sangat kompleks sehingga tidak mungkin
untuk model analitis . Ketika situasi ini terjadi , bentuk analisis alternatifnya adalah
simulasi , dimana sistem antrian yang nyata dalam kehidupan sehari-hari disimulasikan
melalui model matematika yang terkomputerisasi . Karakteristik operasi ini ditentukan
melalui pengamatan sistem antrian yang disimulasikan tersebut .

1.2 CONTOH ANTRIAN


1. Pelanggan menunggu di kasir
2. Mahasiswa menunggu konsultasi dengan pembimbing
3. Mahasiswa menunggu registrasi dan pembayaran spp
4. Penumpang kereta api menunggu pelayanan loket penjualan karcis
5. Pengendara kendaraan menunggu pengisian bahan bakar
6. Beberapa produk atau komponen menunggu untuk diselesaikan

1.3 STRUKTUR MODEL ANTRIAN


1. Garis tunggu atau sering disebut antrian ( queue )
2. Fasilitas pelayanan ( service facility )

Garis tunggu atau 2


Pelanggan masuk Antrian pelanggan
Ke dalam sistem keluar dari
Antrian
sistem antrian
s

Fasilitas
Pelayanan
1.4 CONTOH SISTEM ANTRIAN

SISTEM GARIS TUNGGU ATAU FASILITAS


ANTRIAN
1. LAPANGAN TERBANG PESAWAT MENUNGGU LANDASAN PACU
DI LANDASAN
2. BANK NASABAH KASIR
3. PENCUCIAN MOBIL MOBIL TEMPAT PENCUCIAN
MOBIL
4. REGISTRASI MAHASISWA MAHASISWA PUSAT REGISTRASI
5. PERPUSTAKAAN ANGGOTA PEGAWAI
PERPUSTAKAAN PERPUSTAKAAN

1.5 ELEMEN DASAR MODEL ANTRIAN


Faktor utama customer dan server . Elemen dasar :
1. Distribusi kedatangan customer
2. Distribusi waktu pelayanan
3. Desain fasilitas pelayanan ( seri , paralel atau jaringan )
4. Disiplin antrian ( pertama datng pertama dilayani , terakhir datang pertama
dilayani , pelayanan secara acak ) dan prioritas pelayanan
5. Ukuran antrian ( terbatas atau tidak terbatas )
6. Perilaku manusia

1.6 PROSEDUR ANTRIAN


1. Tentukan sistem antrian yang harus dipelajari
2. Tentukan model antrian yang cocok
3. Gunakan formula matematik atau metode simulasi untuk menganalisa model
antrian

1.7 KOMPONEN SISTEM ANTRIAN


1. Populasi masukan
Berapa banyak pelanggan potensial yang masuk sistem antrian .
2. Distribusi kedatangan
Menggambarkan jumlah kedatangan per unit waktu dan dalam periode waktu
tertentu berturut-turut dalam waktu yang berbeda.

3. Disiplin pelayanan
Pelanggan yang mana yang akan dilayani lebih dulu :
a. FCFS ( FIRST COME , FIRST SERVED )
b. LCFS ( LAST COME FIRST SERVED )
c. ACAK
d. PRIORITAS
4. Fasilitas pelayanan
Mengelompokkan fasilitas pelayanan menurut jumlah yang tersedia :
a. Single-channel
b. Multiple-channel
5. Distribusi pelayanan
a. Berapa banyak pelanggan yang dapat dilayani per satuan waktu
b. Berapa lama setiap pelanggan dapat dilayani
6. Kapasitas sistem pelayanan
Memaksimumkan jumlah pelanggan yang diperkenakan masuk dalam sistem
7. Karakteristik sistem lainnya
Pelanggan akan meninggalkan sistem jika antrian penuh

1.8 KARAKTERISTIK SISTIM ANTRIAN


Ada 3 komponen dalam sistim antrian yaitu :
1. Kedatangan , populasi yang akan dilayani ( calling population )
2. Antrian
3. Fasilitas pelayanan
Masing-masing komponen dalam sistim antrian tersebut mempunyai
karakteristik sendiri-sendiri . Karakteristik dari masing masing komponen
tersebut adalah :
Karakteristik Antrian adalah bahwa terdapat kedatangan , antrian dan
pelayanan .
1. Kedatangan populasi yang akan dilayani ( calling population )
Karakteristik dari populasi yang akan dilayani dapat dilihat menurut
ukurannya , pola kedatangan , serta perilaku dari populasi yang akan
dilayani .Menurut ukurannya , populasi yang 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 ( infinite ) .
Pola kedatngan bisa teratur , bisa juga acak ( random ) . Kedatangan yang
teratur sering kita jumpai pada proses pembuatan / pengemasan produk
yang sudah distandarisasi . Pada proses semacam ini , kedatangan produk
untuk diproses pada bagian selanjutnya biasanya sudah
ditentukanwaktunya , misalnya setiap 30 detik . Sedangkan poal
kedatangan yang sifatnya acak ( random ) banyak kita jumpai misalnya
kedatangan nasabah di bank . Pola kedatangan yang sifatnya acak dapat
digambarkan dengan distribusi satistik dan dapat ditentukan dua cara yaitu
kedatangan per satuan waktu dan distribusi waktu antar kedatangan.
2. Antrian
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 .
3. Fasilitas Pelayanan
Karakteristik fasilitas pelayanan dapat dilihat dari3 hal , yaitu tata letak (
lay out ) secar fisik dari sistem antrian , disiplin antrian , waktu
pelayanan .
1.9 KERANGKA KEPUTUSAN MASALAH ANTRIAN
Berbeeda dengan mathematical programming , tak ada pengetahuan terpadu yang
berhubungan dengan optimisasi masalah antrian . Sehingga kebanyakan literature
teori antrian menekankan penemuan operating characteristics atau cirri-ciri
operasi sistem antrian . Ciri-ciri operasi menjelaskan bekerjanya sistem dalam
bentuk ukuran ukuran , misalnya rata-rata waktu menunggu , waktu nganggur
pelayanan dan lain-lain .Namun ukuran prestasi sistem sesungguhnya hanya input
dalam suatu kerangka konsep yang lebih luas .
Ciri-ciri operasi yang akan dipelajari adalah :
Pn = probabilitas n pengantri dalam sistem L = rata-rata banyaknya pengantri
dalam sistem Lq = rata-rata banyaknya pengantri dalam antrian , W= rata-rata
waktu menunggu dalam sistem ( antri + pelayanan ) Po atau I = proporsi waktu
nganggur pelayan ( tidak ada pengantri ) , Kebanyakan analisis masalah antrian
akhirnya sampai pada pertanyaan bagaimana merancang fasilitas pelayanan atau
berapa tingkat pelayanan yang seharusnya disediakan . Jika variabel keputusannya
adalah tingkat pelayanan , maka model harus mengidentifikasi hubungan antara
tingkat pelayanan dengan parameter dan variabel-variabel yang relaevan . Kriteria
evaluasi keputusan dari model ini adalah total expected cost . Hubungan variable
keputusan ( tingkat pelayanan ) dengan kriteria evaluasi ( total expected cost ) .
Terlihat bahwa total expected cost merupakan jumlah dari dua biaya yang
berlainan yaitu 1. Biaya pelayanan , 2. Biaya menunggu .
Jadi jelas bahwa tingkat pelayanan yang disarankan adalah yang menyebakan total
expected cost terendah . Namun , ini tidak berarti analisis ini dapat menetukan
biaya total terendah secara tepat sebab operating characteristics yang diperoleh
hanya merupakan angka rata-rata dan sehingga tidak pasti . Dengan demikian
analisis antrian bukanlah suatu teknik optimisasi melainakan hanya penyedia
informasi .
Gambar 3
KERANGKA KEPUTUSAN MASALAH ANTRIAN
TOTAL BIAYA DIHARAPKAN

Biaya pemberian

layanan

BIAYA

Biaya atas waktu utk


menunggu
TINGKAT PELAYANAN
1. Biaya Pelayanan
Suatu supermarket yang ingin menambah check out counter perlu membiayai
seluruh perlengkapan counter tambahan dan menggaji pelayan baru . Ini berrti jika
tingkat pelayanan diperbaiki , biaya pelayanan akan bertambah . Biaya pelayanan
dapat juga dilihat dari sisi pandang yang lain . Jika tingkat pelayanan bertambah ,
waktu nganggur pelayan diperkirakan juga bertambah , yang berarti suatu kenaikan
dalam opportunity cost karena tidak mengalokasikan pelayan ke kegiatan produktif
yang lain . Cara yang digunakan untuk menghitung biay apelayanan dapat berbeda
untuk kasus yang berbeda . Cara apapun yang dipakai seharusnya memberikan jumlah
yang sama .
2. Biaya Menunggu
Umumnya terdapat hubungan terbalik antara tingkat pelayanan dan waktu
menunggu . Namun terkadang sulit menyatakan secara ekspilit biaya menunggu per
unit waktu . Biaya menunggu dapat diduga secara sederhana sebagai biaya kehilangan
keuntungan bagi penguasaha , atau biaya turunnya produktivitas bagi pekerja . Ini
berarti serupa dengan biaya pelayanan , dimana penentuannya dapat berbeda dari satu
kasus ke kasus lain. Sehingga , masalah keputusannya merupakan konflik antara
biaya menunggu bagi pengantri melawan baiay apelayanan.

1.10 MENGUKUR KINERJA ANTRIAN


Model antrian membantu para manajer membuat keputusan untuk
menyeimbangkan biaya pelayanan dengan menggunakan biaya antrian. Dengan
menganalisis antrian akan dapat diperoleh banyak ukuran banyak ukuran kinerja sebuah
sistem antrian , meliputi hal berikut ini :
1. Waktu rata-rata yang dihabiskan oleh pelanggan dalam antrian ( Wq )
2. Panjang antrian rata-rata ( Lq )
3. Waktu rata-rata yang dihabiskan oleh pelanggan dalam system ( Ws )
4. Jumlah pelanggan rata-rata dalam system ( Ls )
5. Probabilitas fasilitas pelayanan akan kosong ( Po )
6. Probabilitas sejumlah pelanggan ( Pn )
7. Faktor utilitas system ( )

1.11 RAGAM MODEL ANTRIAN


Beragam model antrian dapat diterapkan . 4 model ini yang paling sering
digunakan . Keempat model ini menggunakan asumsi :
1. Kedatangan berdistribusi poisson
2. Penggunaan aturan FIFO
3. Pelayanan satu tahap
BAB II
PEMBAHASAN

2.1 PENGERTIAN DISTRIBUSI EKSPONENSIAL


Salah satu distribusi yang banyak digunakan dalam statistika , khususnya proses
stokastik , adalah distribusi eksponensial . Distribusi eksponensial adalah salah satu
kasus khusus dari distribusi gamma. Peubah acak kontinu berdistribusi eksponensial
dengan para meter I , bila fungsi padatnya : diamna juga didapat dengan b > 0 ,
sehingga distribusi eksponensial juga disebut dengan distribusi gama dengan dengan
a= 1. Distribusi eksponensial juga merupakan suatu distribusi yang berguna untuk
mencari selisih waktu yang terjadi dalam suatu peluang tertentu . Dalam distribusi
eksponensial ini digunakan pencarian atau pengolahan data dengan menggunakan
variabel random . Dimana variabel random itu sendiri adalah variabel yang berupa
nilai atau angka yang merupakan outcome dari eksperimen random. Variabel random
bersifat diskrit bila hanya berupa nilai tertentu yang dapat dihitung. Namun variabel
random bersifat kontinu bila mana berupa suatu nilai manapun dalam suatu interval .
2.2 KARAKTERISTIK DISTRIBUSI EKSPONENSIAL
Adapun karakteristik distribusi eksponensial sebagai berikut :
1. Mempunyai nilai variansi
2. Mempunyai nilai mean
3. Pencarian pada distribusi eksponensial menggunakan variabel random
4. Peluang yang terjadi pada suatu percobaan mempengaruhi selisih waktu yang
terjadi pada percobaan tersebut
5. Mempunyai nilai b > 0
2.3 KEGUNAAN DAN APLIKASI DISTRIBUSI EKSPONENSIAL
Distribusi eksponensial berguna dalam mencari selisih waktu yang terjadi dalam
suatu peluang pada daerah tertentu . Dalam aplikasinya distribusi eksponensia ini
sangat berperan sekali , seperti : untuk mengukur selisih waktu antara orang 1 dan ke
2 dalam suatu antrian. Selanjutnya distribusi ini juga berguna untuk mengukur
tingkat kegagalan yang mungkin terjadi dalam suatu peluang . Kemudian distribusi
eksponensial juga berguna dalam mencari peubah acak kontinu x dengan
menggunakan variabel random ( bilangan acak ).

2.4 PARAMETER DISTRIBUSI EKSPONENSIAL


Rataan , varians , dan fungsi pembangkit momen dari distribusi eksponensial
dirumuskan sebagai berikut
1. =
2. =
3. Mx ( t ) = (1 -t);t <
Bukti :
1. Berdasarkan definisi rataan kontinu , maka :
=E(X)= .f(x) dx
= .f(x) dx + .f(x) dx
= .0 dx + .dx
= 0 + .dx
=. dx
Integral di atas diselesaikan dengan menggunakan integral parsial misalnya :
U = x , maka du=dx
Dv=dx maka v= -
=E(X)=
terbukti
2. Berdasarkan definisi varians , maka :
=Var(x)=E(X)-
dengan :
E(X) = .f(x) dx
= .f(x) dx + .dx
=.0 dx + . dx
= 0 + .dx
Integral ini diselesaikan dengan mengguankan integral parsial .
Misalnya : u= X maka du = 2x dx
Dv = dx ,maka v= -
E(X)
Integral yang ada di dalam kurung diselesaiakan dengan menggunakan integral
parsial .
Misalnya : u =x , maka du=dx
Dv = dx , maka v = -
E(X) = (0-0-0- 2 )
E(X) = 2
Maka : = Var ( X ) = 2 -
= Var ( X ) =
TERBUKTI
3. Berdasarkan definisi fungsi pembangkit momen kontinu , maka :
Mx (t) = . f (x ) dx
= . f (x ) dx + . f (x ) dx
= .0 dx + . dx
= dx
= ( 1 t )
= ( 1 t ) . ( 0+ 1)
M(x) t = ( 1 t ) ; t <
TERBUKTI

CONTOH SOAL
1. Suatu sistem memuat sejenis komponen yang mempunyai daya tahan pertahun
dinyatakan oleh perubah acak T yang berdistribusi eksponensial dengan parameter
waktu rata-rata sampai gagal biala sebanyak 5 komponen tersebut dipasangkan dalam
sistem yang berlainan , berapa probabilitas bahwa paling sedikit 2 masih akan
berfungsi pada akhir tahun ke delapan
Penyelesaian :
Probabilitas bahwa suatu komponen tertentu masih akan berfungsi setelah 8 tahun
adalah :
P ( T > 8 ) = dt = 0,2
2.5 FUNGSI IDENTITAS EKSPONENSIAL
Distribusi eksponensial ini diperoleh dari distribusi gamma =1 dan
= . Sehingga kita peroleh definisi distribusi ekspoensial berikut .
Peubah acak X berdistribusi , jika dan hanya jiak fungsi densitasnya berbentuk :
f(x) = ( / ). e (-x / ); x > , >0
= 0 ; x lainnya

Peubah acak X yang berdistribusi eksponensial disebut juga peubah acak


eksponensial . Penulisan notasi dari peubah acak yang berdistribusi eksponensial
adalah Exp ( x ; ) , artinya peubah acak X berdistribusi eksponensial dengan
parameter . Peubah acak X yang berdistribusi eksponensial dengan parameter
bisa juga ditulis sebagai : X ~ Exp () .
CONTOH : Misalnya peubah acak Y berdistribusi eksponensial dengan parameter
=3 . Hitunglah peluang bahwa Y bernilai lebih dari 2 .
Penyelesaian :
_h ( y ) = 3 ( /3 ) .e ( -y/3 ) ; y > 0
P ( Y > 2 )= 1 P ( Y 2 )
= 1 - . ( - 3 .e y/3 }/y = 0 )
= 1 + ( e - - 1 )
P ( Y > 2 )= e = 0,5134

Rumus Distribusi Eksponensial dalam kehidupan sehari-hari


- Syarat dari distribusi eksponensial yaitu :
X0
>0
- Dalam menghitung probabilitas distribusi eksponensial , rumus yang diguanakan
adalah :
P ( X Xo ) = e - Xo
Dimana :
X = interval rata-rata
= parameter rata-rata
Xo = rata-rata sampel yang ditanyakan
e= eksponensial = 2,71828

Contoh soal :
1. Toko Cd Beat the Hits tengah mengadakan diskon besar-besaran sehingga
kedatangan pengunjung yang berdistribusi eksponensial meningkat dari
biasanya menjadi 8,4 per 35 menit . Berapa probabilitas kedatangan
pengunjung dalam selang waktu 8 menit atau lebih ?
Diketahui :
Xo= 8 menit / 35 menit = 0,228
= 8,4
Ditanyakan : P (X8menit )?
Jawab :
P(X Xo ) = eXo
P(X Xo )= e (-8,4*0,228)
= 0,1473
Jadi peluang probabilitas bahwa kedatangan pelanggan Beat The Hits
memiliki selang waktu kedatangan 8 menit atau lebih sebesar 0,1473 .

2.6 Proses Kematian Murni ( PURE DEATH MODEL )


Jika proses stokastik X (t ), t 0 adalah
rantai Markov dengan peluang transisi stasioner,
ruang keadaan k , k 0,1, 2,..., n , memenuhi :
1. X (0) n
2. P ( X (t h) X (t ) 1 | X (t ) k ) k h o(h)
3. P ( X (t h) X (t ) 2 | X (t ) k ) o(h)
maka proses dinamakan proses kematian murni
dengan parameter
k , k 1, 2, ..., n.
X (t )

4
3

1
t
REALISASI PROSES KEMATIAN MURNI

Tulis peluang transisi dengan kondisi awal X (0) n,


Pk (t ) P N (t ) k | X (0) n (k 0,1, 2,...)
menyatakan peluang bahwa ada k unit yang
tersisa pada interval (0,t]. Seperti proses kelahiran murni, dengan
persamaan Kolmogorov diperoleh:

Pn ' (t ) n Pn (t )
Pk ' (t ) k Pk (t ) k 1 Pk 1 (t ) (k 1, 2,..., n 1)
P0 ' (t ) 1 P1 (t )
Khusus jika
k (k 1, 2,..., n) , Pn (0) 1,
t e t
nk

Pk (t ) , (k 1, 2,..., n)
n k!
DAN

t e t
nk
n n
P0 (t ) 1 Pk (t ) 1
k 1 k 1 n k!
t
k
n 1 e t
1 k 0 k!
Jika parameter kematian
k berbeda untuk setiap k, artinya

k j k j , maka
PN (t ) e N t
Untuk n N ,

Pn (t ) P X (t ) n | X (0) N
n 1 n 2 ... N An ,n e nt ... AN ,n e N t
DIMANA
1
Ak , n
( N k )...( k 1 k )( k 1 k )...( n k )
2.7 Contoh Kematian Murni
Sebuah toko bunga memiliki persediaan 18 lusin bunga mawar setiap awal pekan,
rata-rata toko tersebut menjual 3 lusin mawar per hari, dengan permintaan yang
mengikuti distribusi Poisson. Ketika persediaan mencapai 5 lusin, pesanan baru akan
ditempatkan di awal pekan selanjutnya. Semua mawar yang tersisa di akhir pekan
akan dibuang.
Tentukan:
a) Peluang mawar yang tersisa paling banyak 5 lusin.
b) persediaan habis dalam waktu 3 hari
c) Rata-rata (lusin) mawar yang tersisa di akhir hari kedua
d) Peluang tidak ada mawar yang terjual selama hari pertama

Jawab:

N banyak mawar di awal pekan = 18 lusin

laju permintaan = 3 per hari

Peluang n unit yang tersisa selama periode t :

t
N n
e t
Pn (t ) , (n 1, 2,..., N )
N n !

t
N n
n e t
P0 (t ) 1
k 1 N n !
P N (t ) 5 Pn 5 (t )
P0 (t ) P1 (t ) P2 (t ) P3 (t ) P4 (t ) P5 (t )

3t 3t
18 n 18 i
18 e 3t 5 e 3t
1
n 1 18 n ! i 1 18 i !
3t
18 n
18 e 34t

P 1
n 5 (1) 3,116 10
n 6 18 n !
Pn 5 (2) 9, 3213 10 3
Pn 5 (3) 0,124768
Pn 5 (4) 0, 4243
Pn 5 (5) 0, 7323

Pn 5 (6) 0, 9085
Pn 5 (7) 0, 9754
b. Peluang persediaan habis dalam waktu 3 hari
Jadi, peluang persediaan habis dalam 3 hari adalah 0,00608

c) Rata-rata (lusin) mawar yang tersisa di akhir


hari kedua

Tabel berikut meringkas perhitungan dengan diketahui t=6


n 0 1 18
Pn(2) 3,932x10 1,1796x10-4 2,4787x10-3

Jadi, rata-rata kurang dari 12 lusin mawar yang tersisa di akhir hari kedua

d) Peluang tidak ada mawar yang terjual pada hari pertama :


Jadi, peluang tidak ada mawar yang terjual pada hari pertama adalah 0,049 (4,9%).

2.8 PURE DEATH MODEL


adalah sistem antrian dimana customer ditarik dari sistem dan hampir tidak ada
customer yang masuk ke dalam sistem dalam dalam suatu periode waktu tertentu.
Model pertimbangan situasi penyimpanan N unit barang diawalminggu untuk
memenuhi permintaan pelanggan selama minggu tersebut . Jika kita
mengasumsiskan bahwa permintaan pelanggan terjadi dengan laju unit perhari dan
bahwa proses permintaan tersebut sepenuhnya acak , probabilitas untuk memperoleh
n unit yang tersissa dalam sediaan setelah waktu t diketahui dengan distribusi
truncated poisson .

BAB III
3.1 KESIMPULAN

1. Distribusi eksponensial adalah salah satu kasus khusus dari distribusi gamma.
Peubah acak kontinu berdistribusi eksponensial dengan para meter I , bila fungsi
padatnya : diamna juga didapat dengan b > 0 , sehingga distribusi eksponensial
juga disebut dengan distribusi gama dengan dengan a= 1. Untuk
KARAKTERISTIK DISTRIBUSI EKSPONENSIAL terdapat :
- Mempunyai nilai variansi
- Mempunyai nilai mean
- Pencarian pada distribusi eksponensial menggunakan variabel random
- Peluang yang terjadi pada suatu percobaan mempengaruhi selisih waktu yang
terjadi pada percobaan tersebut
- Mempunyai nilai b > 0
2. Model antrian merupakan bentuk analisis probabilitas . Oleh karena itu , hasil dari
analisis antrian disebut sebagai karakteristik operasi . Karakteristik operasi
merupakan nilai rata-rata dari karakteristik yang menggambarkan kinerja suatu
sistem antrian . Antrian yang panjang sering kali kita lihat di bank saat nasabah
mengantri di teller untuk melakukan transaksi , airport saat para calon
penumpang melakukan check-in , di supermarket saat para pembeli antri untuk
melakukan pembayaran , di tempat cuci mobil : mobil antri untuk dicuci dan
masih banyak contoh lainnya . Di sector jasa , bagi sebagian orang antri
merupakan hal yang membosankan dan sebagai akibatnya terlalu lama antri ,
akan menyebabkan pelanggan kabur.
3. adalah sistem antrian dimana customer ditarik dari sistem dan hampir tidak ada
customer yang masuk ke dalam sistem dalam dalam suatu periode waktu tertentu.
Model pertimbangan situasi penyimpanan N unit barang diawalminggu untuk
memenuhi permintaan pelanggan selama minggu tersebut

DAFTAR PUSTAKA

HTTP: // WWWRAHMATHIDAYAT-DAYAT.BLOGSPOT /MAKALAH DISTRIBUSI


UNIFORM-STATMAT-1
HTTP ://MAWAN123456789DISTRIBUSI.BLOGSPOT.CO.ID/
HERRHYANTO,NAR (2009).PENGANTAR STATISTIKA
MATEMATIS.BANDUNG:CV.YRAMA WIDYA
SUPRIANTO,HARY(2009).PENGANTAR SATISTIKA MATEMATIKA .
YOGYAKARTA:MEDIA GRAFFINDO PRESS