Professional Documents
Culture Documents
TINJAUAN PUSTAKA
1. Distribusi Poisson
interval waktu ataupun daerah yang spesifik dikenal sebagai eksperimen Poisson.
Interval waktu tersebut dapat merupakan menit, hari, minggu, bulan, maupun
tahun, sedangkan daerah yang spesifik dapat berarti garis, luas, sisi, maupun
berikut.
a. Jumlah sukses yang tejadi pada interval waktu atau daerah yang tertentu
c. Besar kemungkinan terjadinya lebih dari satu sukses pada interval waktu
1 , x yang lain
( Djauhari, 1997:163-164)
2. Disribusi Eksponensial
pada fasilitas jasa pengasumsian bahwa waktu pelayanan bersifat acak. Artinya,
waktu untuk melayani pendatang tidak tergantung pada banyaknya waktu yang
(Djauhari, 1997:175-176 )
kali sukses dengan λ= rata-rata banyaknya sukses dalam selang waktu satuan.
B. Peranan Distribusi Poisson dan Eksponensial
timbul selama satu interval waktu dikendalikan dengan kondisi berikut ini.
Kondisi 3: Paling banyak satu kejadian dapat timbul selama interval waktu
Definisikan
P (t + h) = P (t)P (h)
0 0 0
( 2.1 )
(Taha, 1999:179)
Untuk h > 0 dan cukup kecil, kondisi 2 menunjukkan bahwa 0 < P (h) < 1.
0
berikut.
-αt
P (t) = e ,t≥0 ( 2.2 )
0
poisson.
Anggaplah f(t) merupakan fungsi kepadatan peluang dari interval waktu antar
∫ f (t )dt=1−e αT
0 ,T>0
( 2.5 )
dengan mengambil derivatif dari kedua sisi dalam kaitannya denagan T pada
-αt
f(t) = αe ,t≥0 ( 2.6 )
1
E(t )=
dengan mean α unit waktu.
(αt )n eαt
Pn (t )=
n! , n = 0, 1, 2, … ( 2.7 )
Kesimpulan dari hasil diatas adalah bahwa jika interval waktu antara
1
beberapa kejadian yang berturut-turut adalah Eksponensial dengan mean α
unit waktu, maka jumlah kejadian dalam satu periode waktu tertentu pastilah
Poisson dengan laju pemunculan rata-rata (kejadian per unit waktu) α, dan
sebaliknya.
Distribusi Poisson merupakan proses yang sepenuhnya acak
bergantung pada interval waktu yang telah berlalu. Sifat ini setara dengan
P (t>T + S , t> S)
P(t > T +S | t > S) =
(t> S)
P (t>T + S)
=
P( t> S)
e−α (T +S)
=
e−α S
= e−α T
=P(t>T) ( 2.9 )
Satu ciri unik lainnya dari distribusi poisson adalah bahwa ini adalah
merupakan distribusi dengan mean yang sama dengan varian. Sifat ini kadang-
kadang digunakan sebagai indikator awal dari apakah sebuah sampel data
Uji kebaikan-suai (goodness of fit test) adalah uji yang dilakukan untuk
1982:287)
adalah dasar untuk uji Kolmogorov-Smirnov (K-S). Uji ini hanya dapat
tertentu. Uji statistik lainnya yang berlaku untuk variabel diskrit maupuin kontinu
adalah uji khi-kuadrat. Uji ini didasari oleh perbandingan fungsi kepadatan
probabilitas, daripada fungsi kepadatan kumulatif seperti dalam uji K-S (Taha,
1997: 10-11).
Nilai K-S hitung dalam pengujian statistik dengan uji K-S diberi
D = max | f - f | ( 2.10 )
e o
(Siegel, 1994:59)
hitung lebih kecil dari nilai kritis D (D tabel). Nilai kritis D dapat
λ x e−λ
p(x) = x!
(2.11 )
f = n p(x) ( 2.12 )
e
2
Nilai khi-kuadrat hitung (χ ) dihitung dengan rumus sebagai
berikut
2 ( f ¿ ¿ 0−f e )2
m
X =∑ ¿ ( 2.13 )
x=0 fe
Eksponensial
Misalkan variabel acak X berdistribusi Eksponensial. Frekuensi
i
f e =n ∫ f ( t ) dt, i = 1, 2,.., m ( 2.14 )
i−1
parameter μ.
-μt
f(t) = μ e t > 0, μ > 0 ( 2.15 )
berikut.
2 (f 0 −f e )2
m
X =∑
x=0 fe
( 2. 17 )
(Taha, 1997:11-12)
2
H diterima jika harga χ tabel dengan derajat kebebasan dk = m - k –
0
D. Proses Kelahiran-Kematian
hanya bergantung pada keadaan sekarang dan tidak pada bagaimana keadaan
waktu Δt jika pada titik awal selang terdapat suatu populasi dengan n
jika pada titik awal selang terdapat suatu populasi dengan n anggota
dPn (t )
=−( λn +μn) Pn (t )+μn+1 Pn+1 (t )−( λ n−1 +μ n−1 )Pn−1 (t )
dt
kematian Markov dimana probabilitas dari suatu kematian dan probabilitas dari
suatu kelahiran kedua-duanya dalam sebarang selang waktu yang kecil tidak
(Wospakrik, 1996:300)
E. Teori antrian
Teori antrian adalah teori yang menyangkut studi matematis dari antrian
merupakan suatu fenomena yang biasa terjadi apabila kebutuhan akan suatu
itu. Keputusan-keputusan yang berkenaan dengan jumlah kapasitas ini harus dapat
ditentukan, walaupun sebenarnya tidak mungkin dapat dibuat suatu prediksi yang
tepat mengenai kapan unit-unit yang membutuhkan pelayanan itu akan datang dan
atau berapa lama waktu yang diperlukan untuk menyelenggarakan pelayanan itu
(Dimyati, 1999:349).
pelayanan, kemudian menunggu dalam suatu baris (antrian) jika seua pelayannya
sibuk, dan akhirnya meninggalkan fasilitas tersebut. Sebuah sistem antrian adalah
suatu himpunan pelanggan, pelayan, dan suatu aturan yang mengatur kedatangan
suatu populasi yang terdiri atas pelanggan yang sedang menunggu mendapatkan
pelayanan atau yang sedang dilayani. Suatu kelahiran terjadi apabila seorang
1. Struktur Dasar Model Antrian Proses yang terjadi pada proses antrian dapat
(pelanggan) unit –
unit yang telah
dilayani
System antrian
suatu sumber input memasuki sistem antrian dan ikut dalam antrian. Dalam
waktu-waktu tertentu, anggota antrian ini dipilih untuk dilayani. Pemilihan ini
antrian.
Suatu karakteristik yang perlu diketahui dari sumber input ini ialah
ukurannya (jumlahnya), yaitu jumlah total unit yang memerlukan pelayanan dari
waktu ke waktu atau disebut jumlah total langganan potensial. Ini bisa dianggap
terbatas atau tidak terbatas. Karena perhitungannya akan lebih mudah untuk
Pola statistik dari penurunan unit-unit yang memerlukan pelayanan ini harus
juga ditentukan. Dalam hal ini, asumsi yang biasa digunakan adalah unit-unit ini
diturunkan dengan mengikuti proses Poisson, artinya sampai suatu waktu tertentu
jumlah unit yang diturunkan ini mempunyai distribusi Poisson. Ini adalah suatu
kasus dimana kedatangan pada sistem antrian terjadi secara random, tetapi dengan
boleh ada di dalam sistemnya. Antrian ini dikatakan terbatas atau tidak terbatas,
berkaitan dengan cara memilih anggota antran yang akan dilayani. Sebagai
contoh, disiplin pelayanan ini dapat berupa first come-first served (yang datang
lebih dahulu dilayani lebih dahulu), atau random, atau dapat pula berdasarkan
prosedur prioritas tertentu. Jika tidak ada keterangan apa-apa maka asumsi yang
Mekanise pelayanan terdiri atas satu atau lebih fasilitas pelayanan yang
masing-masing terdiri atas satu atau lebih aturan pelayanan paralel. Jika ada lebih
dari satu fasilitas pelayanan maka unit-unit yang memerlukan pelayanan akan
dilayani oleh serangkaian fasilitas pelayanan ini (saluran pelyanan seri). Pada
satu saluran pelayanan paralel dan dilayani sepenuhnya oleh pelayan yang
Waktu yang digunakan sejak pelayanan dimulai sampai satu unit selesai
(Dimyati, 1999:349-352)
Suatu garis penungguan tunggal (yang pada suatu saat bisa juga kosong)
terbentuk di depan suatu fasilitas pelayanan tunggal dimana ada satu atau
beberapa pelayan. Setiap unit (langganan) yang diturunkan oleh suatu sumber
input dilayani oleh salah satu dari pelayan-pelayan yang ada, mungkin setelah unit
itu menunggu dalam antrian (garis penungguan). Sistem antrian semacam itu
pelayanan, yaitu :
kedatangan
pelanggan
Antrian pelayan
system antrian
Gambar 2.3
skema antrian satu saluran satu tahap
b. banyak saluran satu tahap
Kedatangan
pelanggan
Antrian pelayan
System antrian
Gambar 2.4
Skema antrian banyak saluran satu tahap
Kedatangan
Pelanggan
Antrian pelayan
System antrian
Gambar 2.5
Skema antrian satu saluran banyak tahap
kedatangan
pelanggan
Antrian
pelayan
system antrian
Gambar 2.6
skema antrian banyak saluran banyak tahap
Pn (t) : kemungkinan bahwa tepat ada n pelanggan pada system antrian pada saat
t.
waktu) dari calling unit (pelanggan) baru jika ada n unit dalam sistem.
1
jika n ≥ s sehingga seluruh pelayan (sejumlah s sibuk). Dalam hal ini λ
1
menyatakan ekspektasi waktu di antara kedatangan, sedangkan μ menyatakan
λ
ρ=
ekspektasi waktu pelayanan. sμ adalah faktor penggunaan (utilisasi) untuk
fasilitas pelayanan, yaitu ekspektasi perbandingan dari waktu sibuk para pelayan.
Jika suatu sistem antrian telah mulai berjalan, keadaan sistem (jumlah pelanggan
dalam sistem) akan sangat dipengaruhi oleh state (keadaan) awal dan waktu yang
telah dilalui. Dalam keadaan seperti ini, sistem dikatakan dalam kondisi transien.
tersebut, dan juga terhadap waktu yang dilaluinya. Keadaan sistem seperti ini
Notasi-notasi berikut ini digunakan untuk sistem dalam kondisi steady state.
λn adalah konstan untuk semua n sehingga cukup ditulis λ . Maka dalam proses
Lq =λ(W q )
( 2.20 )
1
untuk semua n ≥ 1 sehingga cukup ditulis sebagai μ
1
W=W q +
μ
( 2.21 )
L=L +ρ ( 2.22 )
q
(Dimyati, 1999:353-355).
5. Notasi Kendall
Terdapat banyak variasi yang mungkin dari model antrian. Ciri-ciri dari
a : distribusi kedatangan
c : jumlah pelayan
d : peraturan pelayanan (misalnya PMPK, TMPK, Prioritas)
(Mulyono, 2002:293)
deterministik
(Taha, 1997:186)
adalah umum (GD) dalam arti bahwa peraturan tersebut dapat PMPK,
TMPK, Prioritas, atau prosedur apapun yang dapat digunakan oleh para
d Pn ( t)
=0.
lim Pn ( t )= P n
menetapkan dt Asumsikan t →∞ sehingga
t →∞
0 = – (λ μ ) P (t) + μ P + λ P
0+ 0 0 1 1 -1 -1
( 2.23 )
0=-λ P +μ P ,
0 0 1 1
λ0
⇔ P1 = P0
μ1 ( 2.24 )
λn μ P −λ P
⇔ Pn+1= P n + n n n−1 n-1
μn+1 μ n+1 ( 2.25 )
Pada persamaan 2.25, perhatikan ruas kanan yang kedua. Jika n > 1 maka:
λ n−1 μ P −λ P
μn Pn −λ n−1 Pn−1=μ n
[ μn μn ]
Pn−1 + n−1 n−1 n−2 n−2 − λn−1 P n−1
=μn−1 Pn−1 −λ n−2 Pn−2
( 2.26 )
λn−1
Pn = P
μn n−1
λn−1 λn−2
=
=. ..
[
μ n μn−1
Pn−2
]
Sehingga diperoleh
λ λ . . . λ0
pn = n−1 n−2 P
μn μn−1 .. . μ 1 0
( 2.28 )
∞ ∏ λi
i=0
1+ ∑ n
n=1
∏ μi
i =1 ( 2.30 )
(Dimyati, 1999:361-363)
diperkirakan.
∞
L= ∑ nPn
n=0 ( 2.31 )
∞
Lq = ∑ (n−s)P n
n=0 ( 2.32 )
L
W=
λ
( 2.33 )
Lq
W q=
λ ( 2.34 )
( 2.36 )
λ
ρ= <1
dapat tercapai. Asumsi ini terjadi jika sμ
7. Model Antrian ( M / M / S ) : ( GD / ∞ / ∞ )
1
masing unit mempunyai distribusi Eksponensial dengan rata-rata μ .
(Dimyati, 1999:373).
Tingkat pelayanan rata-rata per pelayanan yang sibuk adalah μ, karena itu
semua pelayan sibuk sehingga μ = sμ. Jadi model ini adalah kasus khusus
n
sebagai berikut.
1
P0 = s−1
( λ/ μ )n ( λ/ μ) s ∞ λ n−s
∑ n ! + s ! ∑ sμ
n=0 n=s
( )
1
= s−1
( λ /μ )n ( λ /μ )s 1
∑ + .
n=0 n! s! λ
1−
sμ
Dan
( λ/ μ )n
P0
n! , jika 0 ≤n≤s
Pn = ( 2.37 )
n
( λ/ μ )
P0
s!sn−s , jika n≤s
λ
ρ=
Dengan sμ , maka
Lq
W q=
λ ( 2.40 )
1
W =W q +
μ
( 2.41 )
(Dimyati, 1999:374).