JURNAL SAINS DAN SENI POMITS Vol. 1, No.

1, (2013) 1-6

Distribusi Waktu Tunggu Pada Antrian Dengan

Menggunakan Disiplin Pelayanan Prioritas
(Studi Kasus: Instalasi Rawat Darurat Di RSUD
Dr. Soetomo Surabaya)
Tommy Yoga Aditama, Laksmi Prita Wardhani
Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111
Email: laksmi_pw@matematika.its.ac.id
Abstrak Disiplin antrian yang sering diterapkan adalah
disiplin pelayanan FCFS, namun tidak semua sistem antrian
menerapkan disiplin antrian tersebut. Disiplin pelayanan yang
juga sering diterapkan adalah disiplin pelayanan prioritas,
yaitu pelanggan dilayani sesuai dengan tingkat prioritas dari
pelanggan tersebut. Disiplin prioritas sering diterapkan di
rumah sakit, salah satu contohnya adalah di IRD RSUD Dr.
Soetomo.Penelitian yang dilakukan adalah menghitung ratarata waktu antar kedatangan, waktu pelayanan, dan waktu
tunggu pasien dalam antrian prioritas di IRD RSUD dr.
Soetomo Surabaya. Data yang diperlukan adalah waktu antar
kedatangan dan waktu pelayanan, sehingga dari data tersebut
diperoleh hasil analisis sistem antrian prioritas. Hasil analisis
sistem antrian prioritas adalah rata-rata waktu kedatangan
pasien kategori gawat yang terpendek yaitu sekitar 12,233
menit per pasien, sedangkan untuk rata-rata waktu
pelayanannya yaitu sekitar 2,91 menit per pasien. Waktu
tunggu terlama pasien kategori stabil dalam antrian prioritas
yaitu sekitar 14,57937337 menit per pasien sedangkan waktu
yang dihabiskan pasien kategori stabil dalam sistem yang
terlama yaitu sekitar 34,70006939 menit per pasien.
Kata Kunci Antrian Prioritas, Rumah Sakit , Sistem Antrian,
Waktu Tunggu.

I. PENDAHULUAN

engantri bagi sebagian besar masyarakat adalah suatu

pekerjaan yang membosankan dan sesuatu yang tidak
menyenangkan. Bahkan sebagian orang tidak mau atau
enggan untuk mengantri, sehingga mereka keluar dari
antrian sebelum mereka mendapat pelayanan. Antrian
sendiri terjadi karena waktu antar kedatangan pasien lebih
cepat daripada waktu pelayanan. Selain itu, disiplin antrian
yang digunakan dalam pelayanan juga dapat menjadi salah
satu faktor penyebab terjadinya antrian. Disiplin antrian
yang umum diterapkan dalam kehidupan sehari-hari adalah
FCFS (First Come First Served), namun dalam beberapa
kejadian, disiplin antrian tersebut tidak selalu diterapkan,
karena alasan kebutuhan pasien yang harus segera dilayani.
Salah satu contoh yang tidak selalu menerapkan disiplin
antrian FCFS adalah pelayanan di rumah sakit. Disiplin
yang diterapkan adalah disiplin pelayanan PS (Priority
Service), yaitu pasien yang keadaannya lebih kritis akan
dilayani lebih dulu tanpa harus memperhatikan siapa yang
datang lebih dulu. Semakin banyaknya rumah sakit dan
penawaran jasa kesehatan maka orang akan semakin selektif
dalam menentukan tempat berobat, sehingga untuk dapat
menang dalam berkompetisi maka pihak rumah sakit
hendaknya memperbaiki sistem pelayanan yang ada. Sistem

pelayanan yang dimaksud adalah meliputi jumlah tenaga

medis, waktu pelayanan terhadap pasien [1]. Pasien yang
akan memasuki antrian harus melalui beberapa tahap. Tahap
pertama pasien menuju loket untuk memperoleh nomer
antrian, setelah itu pasien akan dipanggil sesuai nomor urut
untuk dilayani[2]. Namun, jika ada pasien yang keadaannya
lebih kritis maka akan dilayani terlebih dahulu. Hal ini
sangat berpengaruh bagi pasien yang sebelumnya sudah
mengantri karena harus rela menunggu lebih lama lagi untuk
mendapatkan pelayanan. Jika hal ini berlangsung terus
menerus maka akan mengakibatkan dampak negatif bagi
pihak pasien dan rumah sakit. Dampak negatif yang dapat
terjadi bagi pihak rumah sakit dan pihak pasien adalah
terjadinya protes dari pihak pasien, pasien keluar dari
antrian sebelum mendapatkan pelayanan, pihak rumah sakit
akan kalah berkompetisi, dan yang lebih fatal adalah
kematian[3].
Dampak negatif tersebut harus segera diatasi, agar dapat
memberikan pelayanan yang optimal untuk pasien. Sehingga
perlu solusi untuk dapat menghindari dampak-dampak
negatif. Berdasarkan dampak dan masalah yang terjadi di
rumah sakit, maka dalam Tugas Akhir ini penulis
mengajukan judul Analisa Distribusi Waktu Tunggu Pada
Antrian Dengan Menggunakan Disiplin Pelayanan Prioritas
(Studi Kasus: Instalasi Rawat Darurat Di RSUD Dr.
Soetomo Surabaya).
II. URAIAN PENELITIAN
A. Teori Antrian
Antrian adalah orang-orang atau barang dalam barisan
yang sedang menunggu untuk dilayani. Hal ini terjadi
karena orang-orang atau barang yang datang ke dalam
sebuah fungsi pelayanan lebih cepat daripada pelayanan itu
sendiri. Dalam sistem antrian terdapat komponen-komponen
dasar, yaitu[4]:
1. Input
2. Output
3. Waktu antar kedatangan
4. Tingkat kedatangan
5. Waktu pelayanan
6. Tingkat pelayanan
B. Disiplin Antrian
Disiplin antrian adalah cara server memilih pelanggan
untuk dilayani. Beberapa jenis disiplin antrian antara lain:
1. FCFS (First Come First Served) berarti pelanggan yang
datang lebih dulu akan dilayani terlebih dahulu.

JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6

2. LIFO (Latest In First Out) berarti pelanggan yang datang
paling terakhir maka akan dilayani terlebih dahulu.
3. SIRO (Service In Random Order) berarti semua
pelanggan memiliki kesempatan yang sama untuk
dilayani lebih dulu, tidak peduli siapa yang datang lebih
dulu.
4. PS (Priority Service) berarti pasien yang memiliki
prioritas lebih tinggi akan dilayani terlebih dahulu, tidak
peduli siapa yang datang lebih dulu.
C.
1.
2.
3.
4.

Jenis Sistem Antrian

Single Channel, Single Phase
Single Channel, Multi Phase
Multi Channel, Single Phase
Multi Channel, Multi Phase

D. Model Antrian Prioritas Preemptive M/G/S

Model antrian M/G/s, tanda pertama (M) menunjukkan
bahwa tingkat kedatangan berdistribusi poisson, waktu
pelayanan berdistribusi umum, dengan jumlah server lebih
dari satu (s>1). sistem antrian akan mencapai kondisi
steady-statte jika[6]:

= <1
(1)

Sedangkan persamaan untuk 0 , , , , yaitu sebagai

berikut:
Probabilitas tidak ada pasien[6]:
(2)
0 = 1
Rumus yang digunakan untuk menghitung ekspektasi waktu
tunggu pelanggan dalam antrian pada model antrian prioritas
preemptive M/G/s adalah sebagai berikut[7]:
=

2 2

2(1)! 1
=0

(1)!

, = 0,1,2..

Ekspektasi waktu tunggu dalam sistem () adalah[6]:

1
= +

(3)

(4)

Ekspektasi banyak pelanggan dalam antrian ( ) adalah[6]:

=
(5)

Ekspektasi banyak pelanggan dalam sistem () adalah[6]:

(6)
=

E. Uji Distribusi Data

Data yang dikumpulkan baik tingkat kedatangan maupun
waktu pelayanan diuji terlebih dahulu distribusinya agar
dapat dipakai sesuai dengan teori antrian yang digunakan.
Metode yang digunakan adalah metode uji Chi Square,
dimana pada metode ini adalah menguji hasil dari frekuensi
observasi memang konsisten dengan frekuensi yang
diharapkan. Apabila konsisten, maka tidak terdapat
perbedaan yang signifikan antara frekuensi observasi
dengan frekuensi yang diharapkan, atau dengan kata lain
hipotesis nolnya dapat diterima. Sebaliknya apabila tidak
ada konsistensi, maka hipotesis nolnya ditolak[10]. Dalam
model antrian, pada umumnya tingkat kedatangan pelanggan
diasumsikan berdistribusi poisson dan waktu pelayanan
diasumsikan berdistribusi eksponensial, jika salah satu dari
asumsi tersebut tidak terpenuhi maka model antrian
diasumsikan berdistribusi general (umum)[11].

Langkah-langkah pengujian hipotesis kesesuaian (goodness

of fit) dengan menggunakan metode uji chi square adalah
sebagai berikut:
1. Menentukan hipotesis
Hipotesis dapat diartikan sebagai suatu pernyataan yang
masih lemah kebenarannya dan perlu dibuktikan atau
dugaan yang sifatnya masih sementara. Hipotesis yang
digunakan adalah sebagai berikut:
Hipotesis:
H 0 : tingkat kedatangan pelanggan berdistribusi poisson
atau waktu pelayanan pelanggan berdistribusi
eksponensial
H 1 : tingkat kedatangan pelanggan tidak berdistribusi
poisson atau waktu pelayanan pelanggan tidak
berdistribusi eksponensial.
2. Menentukan taraf nyata atau tingkat signifikansi.
Taraf nyata adalah besarnya batas toleransi dalam
menerima kesalahan hasil hipotesis terhadap nilai
parameter populasinya. Taraf nyata dilambangkan
dengan alpha (). Jika alpha yang digunakan 5% maka
tingkat kepercayaan sebesar 95% atau dengan kata lain
kesempatan untuk salah adalah sebesar 5% dengan
tingkat kepercayaan sebesar 95%. Nilai 2 (2 =
2
1
; . ) ditentukan besarnya nilai taraf nyata dan nilai
derajat kebebasan (degree of freedom atau d.f).
d.f. = k m 1
Dengan:
k : jumlah kategori,
m : jumlah parameter yang diestimasi.
3. Menentukan kriteria pengujian atau wilayah kritis
Kriteria pengujian adalah bentuk pembuatan keputusan
dalam menerima atau menolak hipotesis nol (H 0 ) dengan
2
cara membandingkan nilai 2 (2 = 1
; . )
2
dengan nilai . Sehingga kriteria pengujiannya
adalah:
2
H 0 diterima apabila 2 1
; .
2
2
H 0 ditolak apabila 1 ; .
4. Menentukan statistik uji
Statistik uji yang digunakan adalah metode chi square,
yaitu:
2 = =1

( )2

, = 1,2,

Dengan :
= ( ) =1

: frekuensi observasi,

: frekuensi yang diharapkan,

( ) : probabilitas terdapat , berdistribusi sesuai

dengan distribusi probabilitas yang di
hopetesiskan (H 0 ).
5. Membuat kesimpulan
Pembuatan kesimpulan merupakan penetapan keputusan
dalam hal penerimaan atau penolakan hipotesis nol (H 0 )
berdasarkan nilai statistik uji yang diperoleh.
R

III. HASIL DAN PEMBAHASAN

A. Statistika Deskriptif
Beberapa variabel-variabel yang berkaitan dengan
analisis sistem antrian prioritas adalah lama waktu antar
kedatangan pasien dan lama waktu pelayanan pasien.
Statistika deskriptif untuk variabel waktu antar kedatangan
pasien kategori gawat (merah dan biru) ditampilkan pada
Tabel 1 sedangkan waktu antar kedatangan pasien kategori
stabil (kuning dan hijau) ditampilkan pada Tabel 2.

JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6

Tabel 1. Waktu Antar Kedatangan (WAK) Pasien Kategori Gawat
(1 Agustus 2013-7 Agustus 2013)
n
Min
Maks
Mean
Std. Deviasi
Hari

(pasien)

(menit)

(menit)

(menit/pasien)

(menit)

Kamis

14

27

13

8,106

Jumat

13

22

12,231

5,352

Sabtu

11

12

32

17,857

7,598

Minggu

11

41

16,364

10,823

Syarat untuk melakukan analisis antrian prioritas lebih

lanjut dengan model antrian prioritas M/M/S adalah tingkat
kedatangan berdistribusi Poisson. Maka dari itu dilakukan
pengujian terhadap tingkat kedatangan. Pengujian dilakukan
dengan metode Chi Square. Frekuensi observasi dan
harapan tingkat kedatangan pasien kategori stabil
ditunjukkan pada Tabel 5 sedangkan frekuensi observasi
dan harapan tingkat kedatangan pasien kategori gawat
ditunjukkan pada Tabel 6.

Senin

52

22,556

14,675

Tabel 5. Frekuensi Observasi Dan Harapan Tingkat Kedatangan Pasien

Kategori Stabil

Selasa

20

34

25,6

5,463

Rabu

40

30,8

11,089

Tabel 2. Waktu Antar Kedatangan (WAK) Pasien Kategori Stabil

(1 Agustus 2013-7 Agustus 2013)
n
Min
Maks
Mean
Std. Deviasi
Hari
(pasien)

(menit)

(menit)

(menit/pasien)

(menit)

Kamis

12

41

12,917

13,048

Jumat

12

30

15,417

6,776

Sabtu

32

14,091

7,366

Minggu

10

34

16,3

8,223

Senin

10

11

32

18,5

7,338

Selasa

11

34

15,909

9,238

Rabu

11

33

18,125

8,894

Statistika deskriptif untuk variabel waktu pelayanan

pasien kategori gawat (merah dan biru) ditampilkan pada
Tabel 3, sedangkan waktu pelayanan pasien kategori stabil
(kuning dan hijau) ditampilkan pada Tabel 4.
Tabel 3. Waktu Pelayanan (WP) Pasien Kategori Gawat (1
Agustus 2013-7 Agustus 2013)
n
Min
Maks
Mean
Std. Deviasi
Hari
(pasien)

(menit)

(menit)

(menit/pasien)

(menit)

Kamis

16

3,25

2,078

Jumat

15

3,133

1,097

Sabtu

13

2,889

1,328

Minggu

13

3,231

1,889

Senin

11

2,909

1,032

Selasa

3,143

1,355

Rabu

1,069

Tabel 4. Waktu Pelayanan (WP) Pasien Kategori Stabil (1 Agustus

2013-7 Agustus 2013)
n
Min
Maks
Mean
Std. Deviasi
Hari

x
(jumlah kedatangan pasien)
oi
(frekeunsi observasi)
ei
(frekuensi yang diharapkan)

10

3,798

5,968

6,253

4,913

3,088

Dari Tabel 5 didapat nilai hitung = 7,038285506,

sedangkan nilai 20,95;3 = 7,8174. Maka dapat disimpulkan
bahwa 2 hitung < 20,95;3 , sehingga H 0 gagal ditolak yang
berarti tingkat kedatangan pasien kategori stabil (kuning dan
hijau) berdistribusi Poisson.
2

Tabel 6. Frekuensi Observasi Dan Harapan Tingkat Kedatangan Pasien

Kategori Gawat
x
(jumlah kedatangan pasien)
oi
(frekeunsi observasi)
ei
(frekuensi yang diharapkan)

10

3,798

5,968

6,253

4,913

3,088

Dari Tabel 6 didapat nilai hitung = 5,26879866,

sedangkan nilai 20,95;3 = 7,8174. Maka dapat disimpulkan
bahwa 2 hitung < 20,95;3 , sehingga H 0 gagal ditolak yang
berarti tingkat kedatangan pasien kategori gawat (merah dan
biru) berdistribusi Poisson.
2

C. Uji Distribusi Waktu Pelayanan

Syarat untuk melakukan analisis antrian prioritas lebih
lanjut dengan model antrian prioritas M/M/S adalah waktu
pelayanan berdistribusi Eksponensial. Maka dari itu
dilakukan pengujian terhadap waktu pelayanan. Pengujian
dilakukan dengan metode Chi Square. Frekuensi observasi
dan harapan waktu pelayanan pasien kategori stabil
ditunjukkan pada Tabel 7 sedangkan frekuensi observasi
dan harapan waktu pelayanan pasien kategori gawat
ditunjukkan pada Tabel 8.
Tabel 7 Frekuensi Observasi Dan Harapan Waktu Pelayanan Pasien
Kategori Stabil
Batas Kelas Interval

(menit)
(frekuensi observasi)
(frekuensi harapan)
11-13,56175

20

6,308

13,56175-16,12351

17

5,482

(pasien)

(menit)

(menit)

(menit/pasien)

(menit)

16,12351-18,68526

16

4,764

Kamis

14

11

27

18,143

5,257

18,68526-21,24702

4,14

Jumat

14

11

30

20,643

4,935

21,24702-23,80877

11

3,597

Sabtu

13

11

29

17,308

5,857
23,80877-26,37052

10

3,127

Minggu

12

11

30

16,333

6,27

Senin

12

12

30

18,25

5,035

26,37052-28,93228

2,717

Selasa

13

11

28

17,769

5,76

28,93228-31,49403

2,361

Rabu

10

15

26

19,2

3,695

>31,8872

B. Uji Distribusi Tingkat Kedatangan

Total

55,505
88

88

JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6

Dari Tabel 7 didapat nilai 2 hitung = 115,6984699,
sedangkan nilai 20,95;6 = 12,5916. Maka dapat disimpulkan
bahwa 2 hitung > 20,95;3 , sehingga H 0 ditolak yang berarti
waktu pelayanan pasien kategori stabil (kuning dan hijau)
tidak berdistribusi eksponensial.
P

Tabel 8 Frekuensi Observasi Dan Harapan Waktu Pelayanan Pasien

Kategori Gawat
Batas Kelas Interval

(menit)
(frekuensi observasi)
(frekuensi harapan)
1-2,104376

36

16,924

2,104376-3,208752

19

11,855

3,208752-4,313128

11

8,3048

4,313128-5,417504

5,818

5,417504-6,52188

4,075

6,52188-7,626256

2,855

7,626256-8,730632

1,999

8,730632-9,835008

1,4

>9,835008

24,768

Total

78

78

Dari Tabel 8 didapat nilai hitung = 28,79025459,

sedangkan nilai 20,95;6 = 12,5916. Maka dapat disimpulkan
bahwa 2 hitung > 20,95;3 , sehingga H 0 ditolak yang berarti
waktu pelayanan pasien kategori gawat (merah dan biru)
tidak berdistribusi eksponensial.
2

D. Analisis Sistem Antrian Prioritas Saat Ini (2 Server)

Berikut ini merupakan analisis sistem antrian yang ada
pada proses pemeriksaan awal pasien di IRD RSUD Dr.
Soetomo saat ini. Berdasarkan pada lampiran 3, diketahui
tingkat kedatangan pasien kategori gawat (merah dan biru)
untuk hari Kamis adalah 5,275 pasien per jam, sedangkan
untuk waktu pelayanan pasien kategori gawat (merah dan
biru) pada hari Kamis adalah 18,462 pasien per jam. Tingkat
kedatangan pasien kategori stabil (kuning dan hijau) untuk
hari Kamis adalah 5,419 pasien per jam, sedangkan untuk
waktu pelayanan pasien kategori stabil (kuning dan hijau)
pada hari Kamis adalah 3,307 pasien per jam. Maka
selanjutnya akan dihitung analisis sistem untuk pasien
kategori gawat dan stabil pada hari Kamis:
1. Utilitas Sistem
Utilitas sistem atau tingkat kesibukan server pada hari
Kamis akan dicari dengan menggunakan persamaan (1). Jika
nilai yang dihasilkan >1 maka server tidak dapat melayani
atau menampung pasien yang ada. Namun jika 1 maka
server dapat melayani pasien.

gawat =
s.
5,274725275

stabil =

= (2)(18,46153846)
= 0,143011918

s.
5,419354839

= (2)(3,307086614)
= 0,628770302

2. Probabilitas Tidak Ada Pasien Dalam Sistem (P 0 )

Selanjutnya akan dicari probabilitas tidak ada pasien
kategori gawat dan stabil dalam sistem. Jika nilai yang
diperoleh semakin tinggi maka probabilitas tidak ada pasien
dalam sistem juga tinggi, dan berlaku sebaliknya yang akan
dihitung dengan persamaan (2). Perhitungan probabilitas
tidak ada pasien kategori gawat pada hari Kamis adalah
sebagai berikut
0 = 1
0 Kamis Gawat = 1
= 1 0,143011918
= 0,857142857
0 Kamis Stabil = 1
= 1 0,628770302
= 0,180645161
R

3. Ekspektasi Waktu Tunggu Dalam Antrian ( )

Ekspektasi waktu tunggu dalam antrian adalah waktu
yang dihabiskan pasien dalam menunggu proses untuk
dilayani, dalam hal ini hanya waktu menunggu untuk
dilayani saja. Ekspektasi waktu tunggu dalam antrian
dihitung dengan persamaan (3).
=

2 2

+

!
(1)!

2(1)! 1
=0

1
5,274725275 21

(18,46153846)2 18,46153846
=
5,274725275
5,274725275

5,274725275 2
18,46153846
21 18,46153846
2(2 1)! 2
=0
+
!
5,274725275
18,46153846
(2 1)! 2

18,46153846
= 0,008746356
(5,274725275)2

1
5,419354839 21

(3,307086614)2 3,307086614
=
5,419354839
5,419354839

3,307086614
5,419354839 2
21 3,307086614
2(2 1)! 2 3,307086614 =0
+
5,419354839
!
(2 1)! 2
3,307086614
= 0,218466566
(5,419354839)2

4. Ekspektasi Waktu Tunggu Dalam Sistem ()

Ekspektasi waktu tunggu dalam sistem antrian adalah
waktu total yang dihabiskan oleh pasien, dari proses
menunggu dilayani sampai proses pelayanan selesai.
Perhitungan waktu tunggu dalam sistem menggunakan
persamaan (4).
= +

= 0,008746356 + 18,46153846
= 0,062913022 jam
1
= 0,218466566 + 3,307086614
= 0,520847519 jam

5. Ekspektasi Banyak Pasien Dalam Antrian ( )

Ekspektasi banyak pasien dalam antrian adalah jumlah
pasien yang menunggu untuk dilayani saja. Ekspektasi
banyak pasien dalam antrian akan dihitung dengan
menggunakan persamaan (5).

=
= (5,274725275)(0,008746356)
= 0,046134623 pasien
= (5,419354839) (0,218466566)
= 1,183947843 pasien

6. Ekspektasi Banyak Pasien Dalam Sistem ()

Ekspektasi banyak pasien dalam sistem berbeda halnya
dengan ekspektasi banyak pasien dalam antrian. Ekspektasi
banyak pasien dalam sistem adalah total pasien yang berada

JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6

dalam sistem antrian, termasuk pasien yang sedang
mengantri dan pasien yang sedang dilayani. Ekspektasi
banyak pasien dalam sistem akan dihitung dengan
menggunakan persamaan (6).
=
= (5,274725275)(0,062913022)
= 0,331848909 pasien
= (5,419354839)(0,520847519)
= 2,82265752 pasien

Sabtu

Minggu

0,148

0,104

0,117

Stabil

0,819

0,781

0,726

0,601

Gawat

0,857

0,852

0,896

0,883

Stabil

0,181

0,219

0,274

Gawat

0,009

0,01

Stabil

0,219

0,234

Rabu

Jumat

0,143

Selasa

Kamis

Gawat

Senin

Kategor
i

(%)

0,079

0,086

0,068

0,592

0,66

0,662

0,921

0,914

0,932

0,399

0,408

0,34

0,338

0,004

0,005

0,002

0,002

0,001

0,243

0,217

0,213

0,236

0,236

P0

Wq
(jam)
W
(jam)
Lq
(pasien)
L
(pasien)

Gawat

0,063

0,062

0,052

0,059

0,052

0,055

0,051

Stabil

0,521

0,578

0,532

0,489

0,517

0,532

0,556

Gawat

0,046

0,054

0,016

0,022

0,005

0,007

0,003

Stabil

1,184

1,064

1,223

0,956

0,828

1,05

0,977

Gawat

0,332

0,35

0,224

0,255

0,163

0,179

0,14

Stabil

2,823

2,63

2,674

2,159

2,011

2,37

2,301

E. Analisis Sistem Antrian Prioritas 3 Server

Berikut ini merupakan analisis sistem antrian prioritas
yang ada pada proses pemeriksaan awal pasien di IRD
RSUD Dr. Soetomo jika menggunakan tiga server.
Berdasarkan pada lampiran 3, diketahui tingkat kedatangan
pasien kategori gawat (merah dan biru) untuk hari Kamis
adalah 5,275 pasien per jam, sedangkan untuk waktu
pelayanan pasien kategori gawat (merah dan biru) pada hari
Kamis adalah 18,462 pasien per jam. Tingkat kedatangan
pasien kategori stabil (kuning dan hijau) untuk hari Kamis
adalah 5,419 pasien per jam, sedangkan untuk waktu
pelayanan pasien kategori stabil (kuning dan hijau) pada
hari Kamis adalah 3,307 pasien per jam. Maka selanjutnya
akan dihitung analisis sistem untuk pasien kategori gawat
dan stabil pada hari Kamis:
1. Utilitas Sistem
Utilitas sistem atau tingkat kesibukan server pada hari
Kamis akan dicari dengan menggunakan persamaan (1). Jika
nilai yang dihasilkan >1 maka server tidak dapat melayani
atau menampung pasien yang ada. Namun jika 1 maka
server dapat melayani pasien.

gawat = s.

5,274725275

= (3)(18,46153846)

= 0,095238095

stabil =
s.
5,419354839

= (3)(3,307086614)
= 0,546236559

dihitung dengan persamaan (2). Perhitungan probabilitas

tidak ada pasien kategori gawat pada hari Kamis adalah
sebagai berikut
0 = 1
0 Kamis Gawat = 1
= 1 0,095238095
= 0,904761905
0 Kamis Stabil = 1
= 1 0,546236559
= 0,453763441
R

Tabel 9. Hasil Perhitungan Sistem Antrian Prioritas Dua Server

Hari

2. Probabilitas Tidak Ada Pasien Dalam Sistem (P 0 )

Selanjutnya akan dicari probabilitas tidak ada pasien
kategori gawat dan stabil dalam sistem. Jika nilai yang
diperoleh semakin tinggi maka probabilitas tidak ada pasien
dalam sistem juga tinggi, dan berlaku sebaliknya yang akan

3. Ekspektasi Waktu Tunggu Dalam Antrian ( )

Ekspektasi waktu tunggu dalam antrian adalah waktu
yang dihabiskan pasien dalam menunggu proses untuk
dilayani, dalam hal ini hanya waktu menunggu untuk
dilayani saja. Ekspektasi waktu tunggu dalam antrian
dihitung dengan persamaan (3).
=

1
2 2




2

2(1)! 1
=0 ! +

(1)!

1
5,274725275 31

(18,46153846)2 18,46153846
5,274725275
5,274725275 3
2

5,274725275
18,46153846
31 18,46153846
2(3 1)! 3
=0
+
!
5,274725275
18,46153846
(3 1)! 3

18,46153846
= 0,001251832
(5,274725275)3

1
5,419354839 31

(3,307086614)2 3,307086614
5,419354839
5,419354839 3
2

5,419354839
3,307086614
31 3,307086614
2(3 1)! 3 3,307086614 =0
+
!
5,419354839
(3 1)! 3

3,307086614
= 0,107353617
(5,419354839)3

4. Ekspektasi Waktu Tunggu Dalam Sistem ()

Ekspektasi waktu tunggu dalam sistem antrian adalah
waktu total yang dihabiskan oleh pasien, dari proses
menunggu dilayani sampai proses pelayanan selesai.
Perhitungan waktu tunggu dalam sistem menggunakan
persamaan (4).
= +

= 0,001251832 +

1
18,46153846

= 0,055418499 jam
1
= 0,107353617 + 3,307086614
= 0,40973457 jam

5. Ekspektasi Banyak Pasien Dalam Antrian ( )

Ekspektasi banyak pasien dalam antrian adalah jumlah
pasien yang menunggu untuk dilayani saja. Ekspektasi
banyak pasien dalam antrian akan dihitung dengan
menggunakan persamaan (5).

=
= (5,274725275)(0,001251832)
= 0,006603072 pasien
= (5,419354839) (0,107353617)
= 0,581787346 pasien

6. Ekspektasi Banyak Pasien Dalam Sistem ()

Ekspektasi banyak pasien dalam sistem berbeda halnya
dengan ekspektasi banyak pasien dalam antrian. Ekspektasi
banyak pasien dalam sistem adalah total pasien yang berada
dalam sistem antrian, termasuk pasien yang sedang
mengantri dan pasien yang sedang dilayani. Ekspektasi
banyak pasien dalam sistem akan dihitung dengan
menggunakan persamaan (6).
=

JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6

= (5,274725275)(0,055418499)
= 0,292317358 pasien
= (5,419354839)(0,40973457)
= 2,220497023 pasien

Tabel 10. Hasil Perhitungan Sistem Antrian Prioritas Tiga Server

Kamis

Jumat

Sabtu

Minggu

Senin

Selasa

Rabu

(%)

Kategori

Hari

Gawat

0,095

0,099

0,069

0,078

0,053

0,057

0,046

Stabil

0,546

0,521

0,484

0,401

0,395

0,44

0,441

Gawat

0,905

0,902

0,931

0,922

0,948

0,943

0,955

Stabil

0,454

0,479

0,516

0,599

0,605

0,56

0,559

Gawat

0,001

0,003

0,0008

0,001

0,0003

0,0004

0,0002

Stabil

0,107

0,097

0,082

0,051

0,049

0,065

0,066

Gawat

0,055

0,055

0,049

0,055

0,049

0,053

0,05

Stabil

0,41

0,441

0,371

0,323

0,353

0,361

0,386

Gawat

0,007

0,016

0,003

0,005

0,0009

0,001

0,0004

Stabil

0,582

0,441

0,414

0,226

0,191

0,291

0,272

Gawat

0,292

0,312

0,211

0,238

0,159

0,173

0,137

Stabil

2,221

2,003

1,866

1,428

1,374

1,611

1,596

P0

Wq
(jam)

W
(jam)

Lq
(pasien)

L
(pasien)

F. Perbandingan Sistem Antrian Prioritas Tiga Server,

Empat Server dan Lima Server
Ada empat hal yang menjadi tolok ukur untuk
mendapatkan sistem terbaik dan yang dapat mengurangi
waktu tunggu pasien. Tolok ukur tersebut adalah
membandingkan nilai utilitas atau kegunaan sistem, panjang
antrian, lama waktu tunggu dalam antrian dan lama waktu
tunggu yang dihabiskan pasien dalam sistem. Hasil
perbandingan sistem antrian dua server dan tiga server akan
ditunjukkan pada Tabel 11.
Tabel 11 Perbandingan Sistem Antrian Dua Server dan Tiga Server

Stabil (3S)

Lq
(pasien
)

Gawat
(2S)
Gawat
(3S)
Stabil (2S)
Stabil (3S)

Wq
(jam)

Gawat
(2S)
Gawat
(3S)
Stabil (2S)
Stabil (3S)

W
(jam)

Gawat
(2S)
Gawat
(3S)
Stabil (2S)
Stabil (3S)

0,41

0,069
0,726
0,484
0,016
0,003
1,223
0,414

0,01

0,004

0,00
3
0,23
4
0,09
7
0,06
2
0,05
5
0,57
8
0,44
1

0,000
8
0,243
0,082
0,052
0,049
0,532
0,371

0,11
7
0,07
8
0,60
1
0,40
1
0,02
2
0,00
5
0,95
6
0,22
6
0,00
5
0,00
1
0,21
7
0,05
1
0,05
9
0,05
5
0,48
9
0,32
3

Rabu

Stabil (2S)

0,104

Selasa

0,14
8
0,09
9
0,78
1
0,52
1
0,05
4
0,01
6
1,06
4
0,44
1

Senin

0,14
3
0,09
5
0,81
9
0,54
6
0,04
6
0,00
7
1,18
4
0,58
2
0,00
9
0,00
1
0,21
9
0,10
7
0,06
3
0,05
5
0,52
1

Minggu

Jumat

Gawat
(2S)
Gawat
(3S)

Sabtu

Kamis

(%)

Kategori

Hari

0,079

0,086

0,068

0,053

0,057

0,046

0,592

0,66

0,662

0,395

0,44

0,441

0,005

0,007

0,003

0,000
9

0,001

0,000
4

0,828

1,05

0,977

0,191

0,291

0,272

0,002

0,002

0,001

0,000
3

0,000
4

0,000
2

0,213

0,236

0,236

0,049

0,065

0,066

0,052

0,055

0,051

0,049

0,053

0,05

0,517

0,532

0,556

0,353

0,361

0,386

V. KESIMPULAN DAN SARAN

5.1 Kesimpulan
1. Rata-rata waktu kedatangan pasien kategori gawat yang
terpendek terjadi pada hari Jumat yaitu sektiar 12,23
menit per pasien, sedangkan pasien kategori stabil yang
terpendek terjadi pada hari Kamis yaitu sektiar 12,92
menit per pasien. Rata-rata waktu pelayanan pasien
kategori gawat dengan menggunakan dua server pada
hari Jumat yaitu sekitar 3,13 menit per pasien, sedangkan
untuk pasien kategori stabil dengan menggunakan dua
server pada hari Kamis yaitu sekitar 18,14 menit per
pasien.
2. Waktu tunggu dalam antrian untuk pasien kategori stabil
pada hari Sabtu merupakan yang terlama yaitu sekitar
14,57937337 menit per pasien.
3. Jika dilakukan penambahan satu server sehingga
menjadi tiga server, waktu tunggu pasien dalam antrian
prioritas berkurang. Waktu tunggu dalam antrian paling
lama dalam prioritas dua server untuk pasien kategori
stabil sebesar 14,57937337 menit per pasien, jika
menggunakan tiga server waktu tunggu berkurang
sehingga menjadi 6,441217041 menit per pasien.
5.2 Saran
Sistem antrian yang disarankan untuk IRD RSUD Dr.
Soetomo Surabaya adalah dengan menggunakan
penambahan server (dokter), karena dengan semakin
banyaknya server yang beroperasi maka waktu tunggu dan
panjang antrian pasien dapat dikurangi.
DAFTAR PUSTAKA
[1]

Khasanah, Heksa Uswatun. 2010. Simulasi Sistem Pelayanan Pasien

Pada Poli Mata Di RSU Kabupaten Gresik. Tugas Akhir, Jurusan
S1 Matematika, ITS.
[2] Annisa, Zarah Ayu. 2011. Analisis Sistem Antrian Pada Pelayanan
Poli Kandungan Dan Ibu Ham il Di Rumah Sakit X. Tugas Akhir,
Jurusan D3 Statistik, ITS.
[3] Setiawan, Agus. 2003. Analisis Antrian Di Hero Supermarket Plaza
Tunjungan 1 Surabaya.Tugas Akhir, Jurusan D3 Statistik, ITS.
[4] Heizer, J. Dan Render, B. 2005. Manajemen Operasi. Buku 2.
Salemba Empat. Jakarta.
[5] Lasono, Eka S. 2009. Model Antrian Perencanaan dan Pengaturan
Fasilitas Rawat Inap (Tempat Tidur) di Rumah Sakit. Jurusan S1
Matematika, ITS.
[6] Lieberman, H. Introduction to Operation Reseach. Hal 834-891.
Edisi ketujuh.
[7] Bondi, A. B., & Buzen J. P. 1981. The Response Times of Priority
Classes under Preemptive Resume in M/G/m Queues. Purdue
University
[8] Djauhari, M. 1997. Statistika Matematika. Fakultas Matematika
dan Ilmu Pengetahuan Alam, ITB. Bandung.
[9] Dimyati, A. & Tarliyah, T. 1999. Operation Research Model-Model
Pengambilan Keputusan. PT Sinar Baru Algesindo. Bandung.
[10] Fauzy, Akhmad. 2008. Statistik Industri. Erlangga. Jakarta.
[11] Ikhirimah, A., Supriyono, & Kharisudin, I. 2012. Analisis Antrian
Single Channel Single Phase Pada Loket Penjualan Tiket Kereta Api
Kaligung Di Stasiun Poncol. UNNES Journal of Mathematics.
Semarang