Professional Documents
Culture Documents
PENDAHULUAN
Fasilitas
Pelayanan
1.4 CONTOH SISTEM ANTRIAN
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
Biaya pemberian
layanan
BIAYA
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
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 .
4
3
1
t
REALISASI PROSES KEMATIAN MURNI
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:
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
Jadi, rata-rata kurang dari 12 lusin mawar yang tersisa di akhir hari kedua
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