BAB II

TINJAUAN PUSTAKA

2.1 Landasan Teori

2.1.1 Teori Antrian
Menurut Dwi (2010:16) teori antrian merupakan sebuah bagian penting
operasi dan juga alat yang sangat berharga bagi manager operasi. Antrian timbul
disebabkan oleh kebutuhan akan layanan melebihi kemampuan pelayanan atau
fasilitas layanan, sehingga pengguna fasilitas yang tiba tidak bisa segera mendapat
layanan disebabkan kesibukan layanan. Pada banyak hal, tambahan fasilitas
pelayanan dapat diberikan untuk mengurangi antrian atau untuk mencegah
timbulnya antrian. Akan tetapi biaya karena memberikan pelayanan tambahan, akan
menimbulkan pengurangan keuntungan bagi perusahaan. Sebaliknya, sering
timbulnya antrian yang panjang akan mengakibatkan hilangnya konsumen.
Menurut Maarif dan Tanjung (2003:119) antrian adalah situasi barisan
tunggu dimana jumlah kesatuan fisik (pendatang) sedang berusaha untuk menerima
pelayanan dari fasilitas terbatas (pemberi pelayanan) sehingga pendatang harus
menunggu beberapa waktu dalam barisan agar dilayani.
Menurut William J. Stevenson (dalam Dwi 2010:6) Queuing theory is
mathematical approach to the analysis of waiting lines. Menurut Heizer dan Render
(2006:658) antrian adalah ilmu pengetahuan tentang bentuk antrian dan merupakan
orang-orang atau barang dalam barisan yang sedang menunggu untuk dilayani atau
meliputi bagaimana perusahaan dapat menentukan waktu dan fasilitas yang sebaik-
baiknya agar dapat melayani pelanggan dengan efisien.
Teori tentang antrian diketemukan dan dikembangkan oleh A. K. Erlang,
seorang insinyur dari Denmark yang bekerja pada perusahaan telepon di
Kopenhagen pada tahun 1910. Erlang melakukan eksperimen tentang fluktuasi
permintaan fasilitas telepon yang berhubungan dengan automatic dialing
equipment, yaitu peralatan penyambungan telepon secara otomatis. Dalam waktu-
waktuyang sibuk operator sangat kewalahan untuk melayani para penelepon
secepatnya, sehingga para penelepon harus antri menunggu giliran, mungkin cukup
lama. Persoalan aslinya Erlang hanya memperlakukan perhitungan keterlambatan

1
(delay) dari seorang operator, kemudian pada tahun 1917 penelitian dilanjutkan
untuk menghitung kesibukan beberapa operator. Dalam periode ini Erlang
menerbitkan bukunya yang terkenal berjudul Solution of some problems in the
theory of probabilities of significance in Automatic Telephone Exhange. Baru
setelah perang dunia kedua, hasil penelitian Erlang diperluas penggunaannya.
Berdasarkan definisi di atas maka dapat disimpulkan bahwa antrian adalah
suatu proses yang berhubungan dengan suatu kedatangan seorang pelanggan pada
suatu fasilitas pelayanan, kemudian menunggu dalam suatu antrian dan pada
akhirnya meninggalkan fasilitas tersebut.

2.1.2 Karakteristik Sistem Antrian

Menurut Elida (2009:7) sebuah sistem antrian adalah suatu himpunan
pelanggan, pelayan, dan suatu aturan yang mengatur kedatangan pada pelanggan
dan pemrosesan masalahnya. Terdapat tiga komponen karakteristik dalam sebuah
sistem antrian (Heizer dan Render, 2006:659) yang akan dibahas sebagai berikut.
1. Kedatangan
Karakteristik dari populasi yang akan dilayani (calling population) dapat
dilihat menurut ukurannya, pola kedatangan, serta perilaku dari populasi
yang akan dilayani. Menurut ukurannya, populasi 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 kedatangan bisa teratur, bisa juga acak (random). Kedatangan yang
teratur sering kita jumpai pada proses pembuatan/pengemasan produk
yang sudah distandardisasi. Pada proses semacam ini, kedatangan produk
untuk diproses pada bagian selanjutnya biasanya sudah ditentukan
waktunya, misalnya setiap 30 detik. Sedangkan pola kedatangan yang
sifatnya acak (random) banyak kita jumpai misalnya kedatangan nasabah
di bank. Pola kedatangan yang sifatnya acak dapat digambarkan dengan

2
 distribusi statistik dan dapat ditentukan dua cara yaitu kedatangan per satuan
waktu dan distribusi waktu antar kedatangan.
Jika kedatangan diasumsikan terjadi dengan kecepatan rata-rata yang
konstan dan bebas satu sama lain disebut distribusi probabilitas Poisson.
Ahli matematika dan fisika, Simeon Poisson (1781-1840), menemukan
sejumlah aplikasi manajerial, seperti kedatangan pasien di RS, sambungan
telepon melalui central switching system, kedatangan kendaraan di pintu
toll, dll. Semua kedatangan tersebut digambarkan dengan variabel acak
yang terputus-putus dan nonnegative integer (0, 1, 2, 3, 4, 5, dst). Selama
10 menit mobil yang antri di pintu toll bisa 3, 5, 8, dst.
Populasi yang akan dilayani mempunyai perilaku yang berbeda-beda dalam
membentuk antrian. Ada tiga jenis perilaku kedatangan yaitu:
a. Reneging menggambarkan situasi dimana seseorang masuk dalam
antrian, namun belum memperoleh pelayanan, kemudian meninggalkan
antrian tersebut.
b. Balking menggambarkan orang yang tidak masuk dalam antrian dan
langsung meninggalkan tempat antrian.
c. Jockeying menggambarkan orang yang pindah-pindah antrian.
2. Pelayanan
Pelayanan atau mekanisme pelayanan dapat terdiri dari satu atau lebih
pelayanan. Contohnya, jalan tol dapat memiliki beberapa pintu tol.
Mekanisme pelayanan dapat hanya terdiri dari satu pelayanan dalam satu
fasilitas pelayanan yang ditemui pada loket seperti pada penjualan tiket di
gedung bioskop. Dalam mekanisme pelayanan ini ada 3 aspek yang harus
diperhatikan yaitu:
a. Terjadinya pelayanan
Mekanisme pelayanan tidak selalu tersedia untuk setiap saat. Misalnya
dalam pertunjukan bioskop, loket penjualan karcis hanya dibuka pada
waktu tertentu antara satu pertunjukan dan pertunjukan berikutnya,
sehingga pada saat loket ditutup mekanisme pelayanan berhenti dan
petugas beristirahat.

3
 b. Kapasitas pelayanan
Kapasitas dari mekanisme pelayanan diukur berdasarkan jumlah
pelanggan yang tidak dapat dilayani secara bersama-sama. Kapasitas
pelayanan yang tidak selalu sama untuk setiap saat, ada yang tetap, tapi
ada juga yang berubah-ubah. Karena itu, fasilitas pelayanan memiliki
satu atau lebih saluran. Fasilitas yang memiliki satu saluran disebut
saluran tunggal atau sistem pelayanan tunggal dan fasilitas yang
memiliki lebih dari satu saluran disebut saluran ganda atau pelayanan
ganda.
c. Lama pelayanan
Lama pelayanan adalah waktu yang dibutuhkan untuk melayani
seseorang pelanggan atau satu satuan. Ini harus dinyatakan secara pasti.
Oleh karena itu, waktu untuk semua pelanggan atau boleh juga berupa
variabel acak. Umumnya dan untuk keperluan analisis, waktu pelayanan
dianggap sebagai variabel acak yang terpancar secara bebas dan sama
tidak tergantung pada waktu kedatangan.
3. Antrian
Timbulnya antrian terutama tergantung dari sifat kedatangan dan proses
pelayanan. Jika tak ada antrian berarti terdapat pelayanan yang mengangur
atau kelebihan fasilitas pelayanan (Mulyono, 1991).
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.

4
2.1.3 Disiplin Antrian
Menurut Kakiay (2004:12) disiplin antrian adalah aturan dimana para
pelanggan dilayani, atau disiplin pelayanan (service discipline) yang memuat
urutan (order) para pelanggan menerima layanan. Disiplin antrian adalah konsep
membahas mengenai kebijakan dimana para pelanggan dipilih dari antrian untuk
dilayani, berdasarkan urutan kedatangan pelanggan. Ada 4 bentuk disiplin
pelayanan yang biasa digunakan dalam praktek yaitu:
1. First Come First Served (FCFS) atau First In First Out (FIFO) yaitu
pelanggan yang datang lebih dulu akan dilayani, misalnya sistem antrian
pada bank, SPBU, pembelian karcis bioskop, dan lain-lain.
2. Last come First Served (LCFS) atau Last In First Out (LIFO) yaitu sistem
antrian pelanggan yang datang terakhir akan dilayani lebih dulu. Misalnya
sistem antrian dalam elevator lift untuk lantai yang sama.
3. Service In Random Order (SIRO) yaitu panggilan didasarkan pada peluang
secara acak, tidak soal siapa yang lebih dulu tiba, biasanya timbul dalam
keadaan praktis.
4. Priority Service (PS) yaitu pelayanan diberikan kepada mereka yang
mempunyai prioritas lebih tinggi dibandingkan dengan mereka yang
mempunyai prioritas yang lebih rendah, meskipun sudah lebih dulu tiba
dalam garis tunggu. Kejadian seperti ini bisa disebabkan oleh beberapa hal,
misalnya seseorang yang karena kedudukannya atau jabatannya lebih tinggi
menyebabkan dia dipanggil lebih dulu atau diberi prioritas lebih tinggi, atau
seseorang yang keadaan penyakitnya lebih berat dibanding dengan orang
lain dalam suatu tempat praktik dokter.

2.1.4 Struktur Antrian

Ada 4 model struktur antrian dasar yang umum terjadi dalam seluruh sistem
antrian (Kakiay, 2004:13-16) yaitu sebagai berikut:
1. Single Channel - Single Phase.
Single Channel berarti bahwa hanya ada satu jalur untuk memasuki sistem
pelayanan atau ada satu pelayanan. Single phase menunjukkan bahwa hanya
ada satu stasiun pelayanan sehingga yang telah menerima pelayanan dapat

5
 langsung keluar dari sistem antrian. Contohnya adalah pada pembelian tiket
bis yang dilayani oleh satu loket.

Gambar 2.1. Model Single Channel - Single Phase

2. Single Channel - Multi Phase
Struktur ini memiliki satu jalur pelayanan sehingga disebut Single Channel.
Istilah Multi Phase menunjukkan ada dua atau lebih pelayanan yang
dilaksanakan secara berurutan. Setelah menerima pelayanan maka individu
tidak bisa meninggalkan area pelayanan karena masih ada pelayanan lain
yang harus dilakukan agar sempurna. Setelah pelayanan yang diberikan
telah sempurna baru dapat meninggalkan area pelayanan. Contoh:
pencucian mobil.

Gambar 2.2. Model Single Channel - Multi Phase

3. Multi Channel - Single Phase
Sistem ini terjadi ketika dua atau lebih fasilitas pelayanan dialiri oleh antrian
tunggal. Sistem ini memiliki lebih dari satu jalur pelayanan atau fasilitas
pelayanan sedangkan sistem pelayanannya hanya ada satu fase. Contoh:
sistem pembayaran di suatu supermarket yang dilayani oleh 4 orang kasir.

Gambar 2.3. Model Multi Channel - Single Phase

6
 4. Multi Channel - Multi Phase
Setiap sistem ini mempunyai beberapa fasilitas pelayanan pada setiap tahap,
sehingga lebih dari satu individu dapat dilayani pada suatu waktu. Pada
umumnya jaringan ini terlalu kompleks untuk dianalisis dengan teori
antrian. Contoh: pelayanan kepada pasien di rumah sakit, beberapa perawat
akan mendatangi pasien secara teratur dan memberikan pelayanan secara
bertahap, mulai dari pendaftaran, diagnosa, penyembuhan sampai pada
pembayaran. Setiap sistem-sistem ini mempunyai beberapa fasilitas
pelayanan pada setiap tahap, sehingga lebih dari satu individu dapat dilayani
pada suatu waktu.

Gambar 2.3. Model Multi Channel - Multi Phase

2.1.5 Model Antrian

Karakteristik dan asumsi dari model antrian dirangkum dalam bentuk
notasi. Menurut Kakiay (2004:17-18) bentuk kombinasi proses kedatangan dan
pelayanan pada umumnya dikenal sebagai standar universal, yaitu:
(a/b/c):(/d/e/)
Dimana simbol a,b,c,d,e dan merupakan unsur-unsur dasar dari model baris
antrian:
a = Distribusi kedatangan (Arrival Distribution).
b = Distribusi waktu pelayanan atau keberangkatan (Service Time Departure).
c = Jumlah pelayan dalam pararel (dimana c = 1,2,3, . . . ,).
d = Disiplin pelayanan, seperti FCFS, LCFS, SIRO atau PS.
e = Jumlah maksimum yang diizinkan dalam sistem (Queue dan System).
= Jumlah pelanggan yang ingin memasuki sistem dalam sumber.
Simbol a dan b untuk kedatangan dan kepergian digunakan kode-kode
berikut sebagai pengganti:

7
M = Distribusi kedatangan Poisson atau distribusi pelayanan eksponensial
D = Waktu pelayanan tetap (deterministic).
G = Distribusi umum keberangkatan atau waktu pelayanan.
Adapun terminologi yang biasa digunakan dalam sistem antrian adalah
sebagai berikut:
1. Keadaan sistem yaitu jumlah aktivtas pelayanan yang terjadi dalam
melayani pelanggan dalam sistem.
2. Panjang antrian yaitu banyaknya satuan yang berada dalam sistem dikurangi
dengan jumlah yang sedang dilayani.
Adapun notasi yang digunakan adalah sebagai berikut:
n = Jumlah pelanggan yang mengantri pada waktu t
s = Jumlah satuan pelayanan
= Tingkat kedatangan
= Tingkat pelayanan
= Tingkat kedatangan.
= Tingkat pelayanan.
1/ = Rata-rata waktu antar kedatangan.
1/ = Rata-rata waktu pelayanan.
= Tingkat kesibukan sistem.
Po = Peluang semua server menganggur atau tidak ada nasabah dalam sistem.
Pn = Peluang pelanggan yang datang harus menunggu.
Ls = Ekspektasi panjang sistem.
Lq = Ekspektasi panjang antrian.
Ws = Ekspektasi waktu menunggu dalam sistem.
Wq = Ekspektasi waktu menunggu dalam antrian.
Faktor-faktor yang berpengaruh terhadap sistem antrian dan pelayanan
adalah sebagai berikut (Kakiay, 2004:4-6):
1. Distribusi kedatangan, kedatangan individu atau kelompok.
2. Distribusi waktu pelayanan, pelayanan individu atau kelompok.
3. Fasilitas pelayanan, berbentuk series, pararel, atau network station.
4. Disiplin pelayanan, berbentuk FCFS, LCFS, SIRO,atau PS.
5. Ukuran dalam antrian, kedatangan bersifat tidak terbatas atau terbatas.

8
 6. Sumber pemanggil, bersifat terbatas atau tidak terbatas.
Contohnya adalah (M/D/5/N/) artinya kedatangan berdistribusi poisson,
waktu pelayanan konstan, dan terdapat 5 buah fasilitas pelayanan. Jumlah
konsumen dibatasi sebanyak N dan sumber populasi tidak terbatas. Model-model
antrian secara umum antara lain adalah sebagai berikut:
1. Model (M/M/1//).
Model antrian jalur tunggal dengan kedatangan berdistribusi poisson dan
waktu pelayanan eksponensial. Dalam situasi ini, kedatangan membentuk
jalur tunggal untuk dilayani oleh stasiun tunggal. Contoh: Meja informasi
di supermarket. Rumus antrian untuk model ini adalah:
a. Menentukan peluang masa sibuk
Ketika menandai tingkat kedatangan dan menandai tingkat pelayanan
dimana > menyertai sebagai asumsi maka tingkat kesibukan sistem
dapat dinyatakan:

..................................................................................................2.1

b. Menentukan peluang semua pelayanan menganggur
Tingkat kesibukan sistem adalah 100% dan jika tingkat kedatangan
semakin kecil dan tingkat pelayanan yang tidak berubah maka tingkat
kesibukan akan menurun. Dengan demikian, probabilitas dengan sistem
yang sedang kosong dihitung:

Po .................................................................................................2.2

Secara umum Po merupakan peluang waktu menganggur berlaku untuk
semua sistem pelayanan baik sistem pelayanan tunggal ataupun sistem
pelayanan ganda. Bila yang berada dalam sistem, maka pelayanan akan
sibuk dan c-1 pelayan akan menganggur.
n

Po 1 ...............................................................................2.3

c. Menentukan jumlah pelanggan dalam antrian (Lq)
2
Lq .....................................................................................2.4

9
 d. Menentukan jumlah pelanggan dalam sistem (Ls)

Ls ...........................................................................................2.5

e. Menentukan lamanya pelanggan dalam antrian (Wq)

Wq .....................................................................................2.6

f. Menentukan lamanya pelanggan dalam sistem (Ws)
1
Ws ..........................................................................................2.7

g. Menentukan tingkat pelayanan optimal

C2
.....................................................................................2.8
C1
Dimana:
C1 = Ongkos tenaga kerja per jam
C2 = Ongkos mesin menganggur per jam
= Rata-rata waktu antar kedatangan
= Rata-rata waktu pelayanan.
2. Model (M/M/S//).
Sistem ini memiliki dua atau lebih jalur stasiun pelayanan yang tersedia
untuk menangani pelanggan yang datang. Contoh: Loket tiket penerbangan.
Asumsi dalam sistem ini adalah kedatangan mengikuti distribusi poisson,
waktu pelayanan mengikuti distribusi eksponensial negatif, pelayanan
dilakukan secara first-come, first-served, dan semua stasiun pelayanan
diasumsikan memiliki tingkat pelayanan yang sama. Rumus antrian untuk
model ini adalah:
a. Probabilitas terdapat 0 orang dalam sistem (tidak adanya pelanggan
dalam sistem).
1
Po .......................................2.9
M 1 1 n
1 M M
n0
n! M ! M

M = Jumlah jalur yang terbuka

= Jumlah kedatangan rata-rata per satuan waktu

10
 = Jumlah rata-rata yang dilayani per satuan waktu pada setiap jalur
n = Jumlah pelanggan
b. Jumlah permintaan rata-rata dalam sistem.
/ M
Ls Po ......................................................2.10
M 1 M 2

M = Jumlah jalur yang terbuka
= Jumlah kedatangan rata-rata per satuan waktu
= Jumlah rata-rata yang dilayani per satuan waktu pada setiap jalur
Po = Probabilitas terdapat 0 orang dalam sistem
c. Waktu rata-rata yang dihabiskan oleh seorang pelanggan dalamantrian
atau sedang dilayani dalam sistem.
Ls
Ws .............................................................................................2.11

Ls = Jumlah pelanggan rata-rata dalam sistem
= Jumlah kedatangan rata-rata per satuan waktu
d. Jumlah orang atau unit rata-rata yang menunggu dalam antrian.

Lq Ls .......................................................................................2.12

Ls = Jumlah pelanggan rata-rata dalam sistem
= Jumlah kedatangan rata-rata per satuan waktu
= Jumlah rata-rata yang dilayani per satuan waktu pada setiap jalur
e. Waktu rata-rata yang dihabiskan oleh seorang pelanggan atau unit untuk
menunggu dalam antrian.
Lq
Wq ............................................................................................2.13

Lq = Jumlah unit rata-rata yang menunggu dalam antrian
= Jumlah kedatangan rata-rata per satuan waktu
3. Model (M/D/1/N/ ).
Beberapa sistem pelayanan memiliki waktu pelayanan yang tetap, dan
bukan berdistribusi eksponensial seperti biasanya. Contoh: Tempat
pencucian mobil otomatis. Model ini merupakan variasi dari model yang
pertama, dimana panjang antrian atau kapasitas tunggu dibatasi maksimum

11
 N individu. Jumlah maksimum ini meliputi individu yang menunggu dan
yang sedang dilayani. Rumus antrian untuk model ini adalah:
a. Panjang antrian rata-rata.
2
Lq .................................................................................2.14
2
b. Waktu menunggu dalam antrian rata-rata.

Wq .................................................................................2.15
2
c. Jumlah pelanggan dalam sistem rata-rata.

Ls Lq .......................................................................................2.16

d. Waktu tunggu rata-rata dalam sistem.
1
Ws Wq ......................................................................................2.17

4. Model (M/M/1//N).
Ketika terdapat sebuah populasi pelanggan potensial yang terbatas bagi
sebuah fasilitas pelayanan, maka model antrian berbeda harus
dipertimbangkan. Contoh: Bengkel yang hanya memiliki selusin mesin
yang dapat rusak. Model ini hampir sama dengan model yang pertama
hanya saja sumber populasi dibatasi sebanyak N. Rumus antrian untuk
model ini adalah:
a. Faktor pelayanan.
T
X .........................................................................................2.18
T U
b. Jumlah antrian rata-rata.
L N 1 F ......................................................................................2.19
c. Waktu tunggu rata-rata.
LT U T 1 F
W ..................................................................2.20
NL XF
d. Jumlah pelayanan rata-rata.
I NF 1 X ....................................................................................2.21

12
 e. Jumlah dalam pelayanan rata-rata.
H FNX ...........................................................................................2.22
f. Jumlah populasi.
N J L H ...................................................................................2.23
Notasi:
D = Probabilitas sebuah unit harus menunggu di dalam antrian.
F = Faktor efisiensi.
H = Rata-rata jumlah unit yang sedang dilayani.
J = Rata-rata jumlah unit tidak berada dalam antrian.
L = Rata-rata jumlah unit yang menunggu untuk dilayani.
M = Jumlah jalur pelayanan.
N = Jumlah pelanggan potensial.
T = Waktu pelayanan rata-rata.
U = Waktu rata-rata antara unit yang membutuhkan pelayanan.
W = Waktu rata-rata sebuah unit menunggu dalam antrian.
X = Faktor pelayanan.

2.1.6 Pola Kedatangan dan Waktu Pelayanan

1. Pola Kedatangan
Pola kedatangan suatu sistem antrian dapat dipresentasikan oleh waktu antar
kedatangan yang merupakan suatu periode waktu antara dua kedatangan
yang berturut-turut. Kedatangan dapat dipisahkan oleh interval kedatangan
yang sama atau tidak sama probabilitasnya disebut kedatangan acak.
Tingkat kedatangan yaitu jumlah pelanggan yang datang per satuan unit
waktu. Jika kedatangan bersifat acak, harus diketahui dahulu distribusi
probabilitas kedatangannya.
Suatu proses kedatangan dalam suatu sistem antrian artinya menentukan
distribusi probabilitas untuk jumlah kedatangan untuk suatu periode waktu
(Winston). Pada umumnya, suatu proses kedatangan terjadi secara acak dan
independent terhadap proses kedatangan lainnya dan tidak dapat
diprediksikan kapan pelanggan akan datang. Dalam proses ini, distribusi
probabilitas poisson menyediakan deskripsi yang cukup baik untuk suatu

13
 pola kedatangan. Suatu fungsi probabilitas poisson untuk suatu kedatangan
x pada suatu periode waktu adalah sebagai berikut:
x e
p x ............................................................................................2.24
x!
Dimana :
x = Jumlah kedatangan per periode waktu
= Rata-rata jumlah kedatangan per periode waktu
e = 2,71828
2.6.2 Uji Kesesuaian Poisson
Uji kesesuaian poisson dilakukan dengan uji Chi Square ( 2 ) yang
didefinisikan sebagai berikut:
H0 = Data yang diuji mengikuti distribusi.
H1 = Data yang diuji tidak mengikuti distribusi.
Statistik tes didefinisikan sebagai berikut:
oi Ei
hitung
2
...........................................................................................2.25
Ei
Dimana:
Oi = Frekuensi observasi ke-i.
Ei = Frekuensi harapan ke-i.
Dalam uji Chi Square, data observasi mengikuti saat hitung
2
tabel
2
.

2.6.3 Pola Pelayanan

Pola pelayanan ditentukan oleh waktu pelayanan yaitu waktu yang
dibutuhkan untuk melayani pelanggan pada fasilitas pelayanan. Waktu pelayanan
dapat berupa waktu pelayanan konstan ataupun variabel acak yang telah diketahui
probabilitasnya. Tingkat pelayanan adalah jumlah pelanggan yang dilayani per
satuan waktu. Dengan asumsi channel selalu dalam keadaan sibuk sehingga tidak
ada waktu idle yang dialami oleh channel. Periode sibuk dapat digambarkan dengan
proses dari sistem antrian dimulai ketika pelanggan tiba, kemudian menunggu, dan
akan berakhir ketika pelanggan meninggalkan sistem. Sepanjang periode sibuk
selalu ada setidaknya satu pelanggan dalam sistem (Ferreira dkk, 2011:190-195).

14
 Waktu pelayanan antara fasilitas pelayanan dengan fasilitas pelayanan yang
lain biasanya tidak konstan. Distribusi probabilitas untuk waktu layanan biasanya
mengikuti distribusi probabilitas eksponensial yang formulanya dapat memberikan
informasi yang berguna mengenai operasi yang terjadi pada suatu antrian.
Persamaan distribusi eksponensialnya adalah sebagai berikut:
F xi 1 e x / ..................................................................................................2.26
Dimana:
x = xi (nilai tengah).
= rata-rata yang didekati dengan.
e = 2,71828.

2.6.4 Uji Kesesuaian Eksponensial

Uji kesesuaian eksponensial dilakukan dengan uji Kolmogorov-smirnov
dengan cara sebagai berikut:
H0 = data yang diuji mengikuti distribusi.
H1 = data yang diuji tidak mengikuti distribusi.
Statistik tes didefinisikan sebagai berikut:

sx
Fi
........................................................................................................2.27
n
n
D max F xi s xi ...................................................................................2.28
i 1

Dalam uji Kolmogorov-Smirnov suatu data dikatakan mengikuti distribusi jika

Thitung W1 .

2.7 Simulasi
Simulasi adalah (1) metode pelatihan yang meragakan sesuatu dalam bentuk
tiruan yang mirip dengan keadaan yang sesungguhnya (2) penggambaran suatu
sistem atau proses dengan peragaan berupa model statistik atau pemeranan (KBBI,
2001:1353). Keterbatasan metode analitis dalam mengatasi sistem dinamis yang
kompleks membuat simulasi sebagai alternatif yang baik.
Model analitik sangat berguna bagi kehidupan sehari-hari, akan tetapi
terdapat beberapa keterbatasan antara lain, yaitu:

15
 1. Model analitik tidak mampu menggambarkan suatu sistem pada masa lalu
dan masa mendatang melalui pembagian waktu. Model analitik hanya
memberikan penyelesaian secara menyeluruh, suatu jawaban yang mungkin
tunggal dan optimal tetapi tidak menggambarkan suatu prosedur
operasional untuk masa lebih singkat masa perencanaan. Misalnya,
penyelesaian persoalan program linier dengan masa perencanaan satu tahun,
tidak menggambarkan prosedur operasional untuk masa bulan demi bulan,
minggu demi minggu, atau hari demi hari.
2. Model matematika yang konvensional sering tidak mampu menyajikan
sistem nyata yang lebih besar dan rumit (kompleks). Sehingga sukar untuk
membangun model analitik untuk sistem nyata yang demikian.
3. Model analitik terbatas pemakaiannya dalam halhal yang tidak pasti dan
aspek dinamis (faktor waktu) dari persoalan manajemen.
Berdasarkan hal di atas, maka konsep simulasi dan penggunaan model
simulasi merupakan solusi terhadap ketidakmampuan dari model analitik. Beberapa
kelebihan simulasi adalah sebagai berikut:
1. Simulasi dapat memberi solusi bila model analitik gagal melakukannya.
2. Model simulasi lebih realistis terhadap sistem nyata karena memerlukan
asumsi yang lebih sedikit. Misalnya, tenggang waktu dalam model
persediaan tidak perlu harus deterministik.
3. Dalam banyak hal, simulasi lebih murah dari percobaannya sendiri.
4. Simulasi dapat digunakan untuk maksud pendidikan.
5. Untuk sejumlah proses dimensi, simulasi memberikan penyelidikan yang
langsung dan terperinci dalam periode waktu khusus.
Model simulasi juga memiliki beberapa kekurangan antara lain yaitu:
1. Simulasi bukanlah presisi dan juga bukan suatu proses optimisasi. Simulasi
tidak menghasilkan solusi, tetapi ia menghasilkan cara untuk menilai solusi
termasuk solusi optimal.
2. Model simulasi yang baik dan efektif sangat mahal dan membutuhkan
waktu yang lama dibandingkan dengan model analitik.
3. Tidak semua situasi dapat dinilai melalui simulasi kecuali situasi yang
memuat ketidakpastian.

16
17