QUEUEING

TI FT UTY
ANTRIAN
PENDAHULUAN
Dalam banyak operasi, terjadi antrian untuk menunggu pelayanan, seperti bila pelanggan
menunggu di jalur kasir pada suatu toko grosir, mesin-mesin yang menunggu untuk diperaiki
dalam suatu pabrik, atau pesawat yang menunggu untuk mendarat pada suatu lapangan terbang.
Karakteristik umum dari berbagai macam contoh yang nyata tersebut adalah bahwa sejumlah
kesatuan fisik (pendatang) sedang berusaha untuk menerima pelayanan dari fasilitas yang terbatas
(pemberi pelayanan). Sebagai akibatnya, pendatang harus menunggu beberapa waktu dalam suatu
antrian untuk menunggu gilirannya menerima pelayanan.
Situasi barisan-tunggu juga disebut masalah antrian, dari istilah bahasa Inggris antri
(queue). Banyak sekali masalah antrian dalam operasi, termasuk rancangan tata-letak faslitas,
keputusan tentang pemilihan staf, dan masalah kapasitas fisik. Teori antrian berguna dalam
analisis banyak masalah yang berkaitan dengan desain proses.
Masalah antrian dapat dipecahkan dengan formula analisis atau metode simulasi. Akan
tetapi penggunaan formula analisis dibatasi oleh asumsi-asumsi matematis yang harus dibuat
untuk memperoleh formula tersebut. Sebagai akibatnya, model antrain analisis kadang-kadang
tidak begitu cocok dengan situasi yang nyata, meskipun metode ini memiliki keuntungan lebih
sederhana dan lebih murah daripada metode simulasi. Model antrian analisis dapat digunakan
untuk mendapatkan pendekatan pertama pada masalah antrian atau untuk membuat analisis yang
murah. Metode simulasi digunakan untuk memecahkan masalah antrian yang lebih kompleks dan
memerlukan pemecahan yang lebih teliti.
Unsur dasar dari model antrian bergantung pada model-model berikut :
1. Distribusi kedatangan (tunggal/kelompok)
2. Distribusi waktu pelayanan (tunggal/kelompok)
3. Rancangan sarana pelayanan (serial/paralel/jaringan)
4. peraturan pelayanan (FCFS/LCFS/SIRO/prioritas)
5. Ukuran antrian (terhingga/tidak terhingga)
6. Sumber pemanggilan (terhingga/tidak terhingga)
7. Perilaku manusia (tetap/pindah/batal)
DISTRIBUSI KEDATANGAN & PELAYANAN
1. Kedatangan. Sebagai contoh, seseorang mungkin menggambarkan jumlah kedatangan
dalam waktu satu jam. Bila kedatangan terjadi acak, informasi yang penting adalah
probabilitas n kedatangan dalam periode waktu tertentu, dimana n = 0, 1, 2, .. Jika
kedatangan diasumsikan terjadi dengan kecepatan rata-rata yang konstan dan bebas satu
sama lain, maka kejadian tersebut sesuai dengan distribusi probabilitas Poisson. Dalam hal
Page 1 of 8
QUEUEING
TI FT UTY
ini probabilitas dari n kedatangan dalam probabilitas dari n kedatangan dalam waktu T
ditentukan dengan rumus :
P (n, T) =
( )
n
n
e
n

!
T -
T

= 0, 1, 2, ..
Dimana
= rata-rata kedatangan per satuan waktu
T = periode waktu
N = jumlah kedatangan dalam waktu T
P (n, T) = probabilitas n kedatangan dalam waktu T
2. Pelayanan. Metode kedua untuk menspesifikasikan adalah waktu pelayanan. Dalam hal ini
ditentukan distribusi probabilitas dari suatu variabel acak kontinyu yang mengukur waktu
dari satu pelayanan ke pelayanan berikutnya. Jika kedatangan mengikuti distribusi Poisson,
dapat ditunjukkan secara matematis bahwa waktu pelayanan akan terdistribusi sesuai dengan
distribusi eksponensial.
P (T t) = 1 e
-

t
0 t <
Dimana
P (T t) = probabilitas dimana waktu antar-kedatangan T suatu waktu t tertentu
= rata-rata kedatangan per satuan waktu
t = suatu waktu tertentu
MERUMUSKAN MASALAH ANTRIAN
Dengan asumsi-asumsi tertentu tersebut, kita ingin menduga prestasi suatu sistem antrian
tertentu. Perkiraan prestasi dari sistem tersebut dapat digambarkan, misalnya , dengan rata-rata
jumlah kedatngan dalam antrian, rata-rata waktu tunggu dari suatu kedatangan, dan presentase
waktu luang dari pelayanan. Ukuran prestasi ini dapat digunakan untuk memutuskan jumlah
pelanggan yang harus diberikan, perubahan yang harus dilakukan dalam kecepatan pelayanan,
atau perubahan lain dalam sistem antrian.
Ukuran prestasi dan parameter model antrian ditentukan dengan model antrian ditentukan
dengan notasi berikut ini :
= rata-rata kecepatan kedatangan (jumlah kedatangan per satuan waktu)
1/ = rata-rata waktu antar kedatangan
= rata-rata kecepatan pelayanan (jumlah satuan yang dilayani per satuan waktu bila
pelayan sibuk)
1/ = rata-rata waktu yang dibutuhkan untuk pelayanan
= faktor penggunaan pelayan (proporsi waktu pelayan ketika sedang sibuk)
Pn = probabilitas bahwa n satuan (kedatangan) dalam sistem
Lq = rata-rata jumlah satuan dalam antrian (rata-rata panjang antrian)
Page 2 of 8
QUEUEING
TI FT UTY
Wq = rata-rata satuan dalam sistem
ws = rata-rata waktu tunggu dalam
Formula model antrian diperoleh dari enam variabel tersebut diatas yang terakhir, dengan
harga masukan dan yang tertentu. Formula ini diperoleh dari kondisi yang stabil, yang
menggambarkan kondisi yang stabil, yang menggambarkan kondisi yang setimbang dalam jangka
waktu panjang dari sistem antrian. Dalam kondisi yang stabil, kondisi-kondisi awal tidak
mempengaruhi ukuran prestasi. Akan tetapi, keadaan stabil akan dicapai, hanya bila > ;
kecepatan pelayanan harus lebih besar daripada kecepatan kedatangan agar terjadi keadaan yang
stabil. Bilamana > , sistem antrian tidak stabil, dan antrian dapat terbentuk hingga panjang
yang tidak terhingga sebab satuan datang lebih cepat daripada kecepatan pelayanan yang
diberikan.
Model Antrian Sederhana
Model antrian yang paling sederhana yang telah didefinisikan dalam literature didasarkan pada
asumsi-asumsi berikut ini :
1. Satu pelayanan dan satu tahap
2. Distribusi kedatangan Poisson dengan = rata-rata kecepatan pelayanan
3. Waktu pelayanan eksponensial dengan = rata-rata kecepatan pelayanan
4. Aturan antruan pertama-datang-pertama-dilayani, seluruh kedatngan menunggu dalam
barisan hingga dilayani, dan dimungkinkan panjang barisan yang tidak terhingga.
Dari asumsi-asumsi tersebut, dapat diperoleh hasil secara statistik berikut ini :
= /
Lq =
( )

-
2
Ws = 1 ( / )
P0 = 1 - / Ls = ( / )
Wq =
( )

-
Pn = P0 ( / )
n
Contoh : Misalkan seorang kasir bank dapat melayani pelanggan dengan kecepatan rata-rata
10 pelanggan per jam ( = 10). Diasumsikan juga bahwa pelanggan datang pada jendela kasir
dengan kecepatan rata-rata 7 per jam ( = 7). Kedatangan mengikuti distribusi eksponensial.
Dalam keadaan stabil, sistem antrian akan memiliki karakteristik hasil sebagai berikut :
= 7/10; pelayan akan sibuk 70 persen dari waktunya
P0 = 1 7/10 = 0,3; 30 persen dari dalam sistem terdapat pelanggan dalam sistem
Pn = 0,3 (7/10)
n
; rumus untuk mencari probabilitas n pelanggan dalam sistem pada suatu
waktu : n = 1, 2, 3, ; P1 = 0,21; P2 = 0,147, P3 = 0,1029; dan seterusnya.
Lq =
( ) 7 - 10 10
7
2
= 1,63; rata-rata : 1,63
Page 3 of 8
QUEUEING
TI FT UTY
Pelanggan akan terdapat dalam antrian
Ls = 7 / (10 7) = 2,33; rata-rata 2,33
Pelanggan akan terdapat dalam sistem (antrian atau pelayanan)
Wq =
( ) 7 - 10 10
7
2
= 0,233; rata-rata waktu tunggu pelanggan dalam antrian adalah 0,233 jam
Ws = 1 / (10 7) = 0,333; rata-rata waktu yang dibutuhkan dalam sistem adalah 0,333
(antrian dan pelayanan)
Jika pelanggan pergi dari kasir bilamana terdapat tiga atau lebih pelanggan lain didepan
mereka dalam sistem, proporsi kehilangan pelanggan adalah :
1 (P0 + P1 + P2 + P3)
= 1 (0,3 + 0,21 + 0,14 + 0,1029)
= 0,2401
Dalam kasus ini, 24 persen pelanggan akan hilang sebab menunggu terlalu panjang.
Sekarang hasil dari sistem antrian dapat dievalusi. Manajer harus mempertimbangkan waktu
luang pelayanan (30%), waktu tunggu pelanggan (0,233 jam), dan panjang antrian yang
terbentuk (1,63 pelanggan). Jika hasil ini tidak dapat diterima, maka perlu ditambahkan
pelayanan lainnya dalam karakteristik kedatangan, antrian, atau pelayanan.
Banyak Pelayanan
Model sederhana dengan distribusi kdeatangan Poisson dan waktu pelayanan eksponensional
dapat diperluas menjadi banyak pelayanan tanpa banyak kesulitan. Jika kita misalkan s adalah
jumlah pelayanan, ukuran prestasi dari sistem antrian banyak pelayanan adalah :
=

s
1
1
1
1
1
]
1

,
_

!
0
n
P P
n
n

1<n<s
1
1
0
0
1
!
1

,
_

,
_

+
1
1
1
1
1
]
1

,
_

s s n
P
s
s
n
n

1
1
1
1
1
]
1

,
_

s n
n
n
s s
P P
) ( !
0

n>s
2
0
) 1 ( !

,
_

s
P
L
s
q
Ls = Lq + / Wq = Lq/ Ws = Wq + 1/
Page 4 of 8
QUEUEING
TI FT UTY
Rumus ini bertujuan untuk kondisi yang stabil dan berasumsi kedatangan berdistribusi yang stabil
dan berasumsi kedatangan berdistribusi Poisson, waktu pelayanan berdistribusi eksponensial,
pelayanan pertama-datang-petama-dilayani; seluruh kedatangan menunggu dalam antrian hingga
dilayani, dan oanjang antrian tak terhingga.
Contoh : Misalkan kita menambahkan kasir bank yang kedua untuk contoh diatas. Seberapa jauh
pelayanan akan ditingkatkan? Perhitungan hasil untuk s = 2 adalah sebagai berikut :
=
( ) 10 2
7
= 0,35 (pengunaan waktu pelayanan 35 persen)
P0 = 1 / {(1 + / ) +
( )
( )
2
2
2 / - 1
! 2
/



} = 1 / {(1 + 7 / 10) +
( )
( )
1
2
20 / 7 - 1
2
10 / 7

}
= 0,4814 (probabilitas tida terdapat pelanggan dalam sistem)
P1 = 0,3369 (probabilitas satu pelanggan dalam sistem
P2 = 0,1179 (probabilitas dua pelanggan dalam sistem)
P3 = 0,0413 (probabilitas terdapat tiga pelanggan dalam sistem
P4 = 0,0145 (probabilitas terdapat empat pelanggan dalam sistem dan seterusnya)
LQ =
( ) ( )
( )
2
2
0,35 - 1 ! 2
35 , 0 10 / 7 4814 , 0
= 0,0977 (rata-rata terdapat 0,0977 pelanggan dalam antrian
Ls = Lq + 7 / 10 + 0,7977 (rata-rata 0,7977 pelanggan akan terdapat dalam antrian)
Wq = Lq / 7 = 0,0139 (rata-rata waktu pelanggan dalam antrian adalah 0,0139 jam)
Ws = Wq + 1 / 10 = 0,1139 (rata-rata waktu yang dibutuhkan pelanggan dalam sistem adalah
0,1139 jam)
Dengan dua pelayan, statistik pelanggan meningkat secara dramatis. Sekarang, rata-rata
pelanggan dalam antrian hanya 0,0977, dan rata-rata waktu tunggu pelanggan untuk pelayanan
hanya 0,0139 jam (kurang dari 1 menit). Harga dari pelayanan yang baik ini adalah bahwa
kesibukan pelayanan hanya 35 persen dari seluruh waktunya. Jika tidak diinginkan pelayanan
yang ekstra baik, bank mungkin tidak ingin mengadkan biaya untuk kasir yang kedua.
Pendekatan lain, seperti mengurangi rata-rata waktu pelayanan atau mengurangi pelayanan yang
ditawarkan selama jam-jam sibuk, mungkin daoat dipertimbangkan. Dalam masalah antrian,
distribusi waktu pelayanan dapat diubah dengan menghilangkan waktu pelayanan yang panjang.
III. TUJUAN ANALISIS ANTRIAN
1. Mengerti cara-cara pengumpulan data, mengetahui data-data apa saja yang diperlukan
serta dapat mengolahnya dalam analisis antrian.
Page 5 of 8
QUEUEING
TI FT UTY
2. Untuk memahami metode pengambilan keputusan optimal dalam penempatan server
dari sistem deterministic yang berasal dari kehidupan nyata
IV. ALAT YANG DIGUNAKAN
1. Lembar pengamatan
2. Komputer lengkap dengan monitor dan printer
3. Software pengolah data penugasan (Quantitatif Systems)
4. Kalkulator
5. Alat tulis
V. PROSEDUR PRAKTIKUM
1. Siapkan semua alat yang diperlukan untuk praktikum
2. Cari data dan catat pada lembar pengamatan (atau sesuai petunjuk aisten)
3. Pengolahan data secara teoritis / manual
4. Penganalisaan dengan menggunakan Paket QSB
VI. PROSEDUR MENJALANKAN KOMPUTER
Langkah-langkah penggunaan menu antrian pada paket QSB sebagai berikut :
1. Aktifkan komputer (masuk pada paket QSB dengan mengklik mouse seperlunya)
2. Untuk memilih menu antrian, maka klik A. Queuing Theory
3. Memasukkan data, klik 2. Enter New Problem
Anda diminta menuliskan :
- Nama problem : antrian
- Spesifikasi waktu : hour
- Rerata kedatangan per jam: 7
- Jumlah server : 1
- Rerata pelayanan per jam : 10
- Jenis distribusi : Eksponensial
- Panjang antrian : 8
Klik OK dan isi data
Page 6 of 8
QUEUEING
TI FT UTY
4. Pemecahan masalah
Page 7 of 8
QUEUEING
TI FT UTY
Tampilan data keseluruhan :
Page 8 of 8