OPERATION RESEARCH MODEL ANTRIAN (QUEING

MODEL)

MODEL ANTRIAN
ANTRIAN DAN SISTEM ANTRIAN

 Antrian (queues) terjadi karena permintaan pelayanan lebih besar daripada fasilitas
pelayan yang ada dalam system antrian.

 Permintaan pelayanan akan meningkat terus menerus sedangkan ketersediaan fasilitas

pelayanan terbatas.

 Antrian menimbulkan berbagai kerugian (loss), opportunity loss dan wasting time.

 Untuk mengurangi kerugian dalam antrian, perlu dilakukan peningkatan efisiensi

system antrian.

 Model antrian pertama kali dikembangkan oleh A.K. Erlang (1909). Model antrian yang
dikembangkan Erlang digunakan untuk menentukan jumlah yang optimal dari fasilitas
telephone switching yang digunakan untuk melayani pengguna telepon yang masuk.

KONSEP DASAR TEORI ANTRIAN

 Tujuan dari model antrian adalah untuk meminimumkan total biaya yang timbul dalam
suatu antrian pelayanan yang terdiri dari biaya langsung penyediaan fasilitas
pelayanan dan biaya tidak langsung dari individu yang mengantri (karena harus
menunggu untuk dilayani)

 Sistem pelayanan yang memiliki fasilitas pelayanan lebih dari jumlah optimal tidak
menimbulkan antrian, tetapi perlu investasi yang besar. Jika kurang dari jumlah
optimal akan berakibat tertundanya pelayanan, sehingga menimbulkan antrian.

SISTEM ANTRIAN

 Sistem antrian : Sistem antrian sederhana dan sistem antrian kompleks

 Sistem antrian sederhana : memiliki antrian tunggal dan fasilitas pelayanan tunggal

Input sistem antrian output

Kedatangan Fasilitas
Antrian Individu-individu
Individu- Pelayanan yang telah dilayani
individu
(arrival)

 Input : Terbatas (finite) atau Tidak terbatas (infinite). Individu yang datang untuk
dilayani dan mengantri bisa terdiri dari manusia (nasabah, pembeli, klien, customers,
etc) atau bukan manusia (kendaraan, mesin, bahan baku, barang dalam proses
produksi, etc)

 Pola kedatangan (arrival pattern) :

Arrival rate (tingkat kedatangan) : Konstan (distribusi uniform) atau Random (misalnya
berdistribusi Poisson). Jika pola kedatangan berdistribusi Poisson, maka waktu antar
kedatangan akan berdistribusi eksponensial.

e  x
P(X  x)  f(X)  e X
x!

 Balking : Jika panjang antrian berlebihan, sehingga ada individu dalam antrian yang
meninggalkan antrian.

 Bulk arrival : Jika individu-individu datang berkelompok secara bersama-sama

DISIPLIN ANTRIAN

Rina Sugiarti
Page 1
OPERATION RESEARCH MODEL ANTRIAN (QUEING
MODEL)

 Disiplin antrian adalah keputusan yang digunakan untuk menyeleksi individu-individu

yang memasuki antrian dan akan dilayani lebih dulu
1. FIFO (First In First Out) atau disebut juga FCFS(First Come First Service)
2. LIFO (Last In First Out) atau LCFS (Last Come First Service)
3. Emergency First
4. Critical Condition First

Panjang antrian : Finite jika kapasitas antrian menjadi pembatas (misal tempat parkir,
tempat tidur di RS, kapasitas mesin, etc)  lebih kompleks.

Tingkat pelayanan (service time) : Waktu yang digunakan untuk melayani individu-
individu dalam sistem. Tingkat pelayanan ini akan berdistribusi random (eksponensial)
atau konstan (distribusi uniform).

 Keluar (exit) : Individu-individu yang telah selesai dilayani

SISTEM DAN STRUKTUR ANTRIAN

 Sistem Antrian :
1. Sistem pelayanan Komersial (Restoran, Café, bank, SPBU, etc)
2. Sistem pelayanan Bisnis Industri (lini industri, material handling, sistem inventory,
sistem informasi, etc)
3. Sistem pelayanan Transportasi
4. Sistem pelayanan Sosial (RS, supermarket, public service, etc)

 Struktur Antrian : Berdasarkan susunan saluran (channel)  Single channel atau

multiple channel. Berdasarkan Phase  single phase atau multiple phase

1. Single Channel – Single Phase

Kedatangan
Sumber Antrian Pelayanan Individu-individu
populasi (M) (S) yang telah dilayani
Input

Misalnya : Antrian di Barber Shop, Pembelian tiket KRL dengan satu loket, Praktek
dokter sendiri, pelayanan toko dengan satu pelayan, dsb.

2. Single Channel – Multiple Phase

Kedatangan
Sumber Individu-individu
populasi M S M S yang telah dilayani
Input

Misalnya : Lini produksi massal, cuci mobil, tukat cat mobil, pelayanan kesehatan
(pemeriksaan) di RS, dsb.

3. Multichannel – Single Phase

S
Sumber Kedatangan Individu-individu
populasi Input M S yang telah dilayani

Misalnya : Pelayanan tiket lebih dari satu loket, pemeriksaan kesehatan oleh beberapa
orang dokter, pelayanan potong rambut oleh beberapa tukang cukur, dsb.

Rina Sugiarti
Page 2
OPERATION RESEARCH MODEL ANTRIAN (QUEING
MODEL)

4. Multichannel-Multiphase

S M S
Sumber Kedatangan Individu-individu
populasi Input M S M S yang telah dilayani
S M S

Misalnya : Registrasi mahasiswa di satu universitas, Pelayanan di RS sejak

pendaftaran, diagnosa, perawatan, hingga pembayaran. Pelayanan pembuatan SIM,
dsb.

5. Struktur campuran (mixed arrangements) : Gabungan dua atau lebih struktur

antrian di atas.

 Pengelompokan model antrian : Kendall’s Notation

M Tingkat kedatangan dan pelayanan Poisson

D Tingkat kedatangan dan pelayanan deterministic (konstan)
K Distribusi Erlang untuk waktu antar kedatangan atau pelayanan
S Jumlah fasilitas pelayanan
I Sumber populasi infinite
F Sumber populasi finite

Populasi (I) Antrian (M) Fasilitas Pelayanan (M/1)

Sumber
Tingkat kedatangan FCFS FCFSTingkat
tak EXI
Poisson pelayanan
terbata T
Poisson
s Panjang
Antrian tak ternbatas (I)

 Bentuk Model Umum :

Tingkat Tingkat Jumlah fasilitas Ukuran Panjang

kedatangan pelayanan pelayanan populasi antrian

M/M/ 1/I/I

Model 1 : M / M / 1 / I / I

Model 2 : M / M / S / I / I

Model 3 : M / M / 1 / I / F

Model 4 : M / M / S / F / I

λ Tingkat kedatangan rata-rata unit/jam

1/λ Waktu antar kedatangan rata-rata jam/unit
μ Tingkat pelayanan rata-rata unit/jam
1/μ Waktu pelayanan rata-rata jam/unit
n Jumlah individu dalam system pada
suatu waktu tertentu
nq Rata-rata jumlah individu dalam antrian

nt Rata-rata jumlah individu dalam system (antrian dan fasilitas pelayanan)

tq Rata-rata waktu mengantri dalam antrian
tt Rata-rata waktu mengantri dalam sistem

Contoh : M / M / 1 / I / I
Suatu restoran di Jl. Margonda menghadapi masalah antrian para pelanggannya, rata-
rata. Tingkat kedatangan langganan selama periode puncak adalah 50 mobil, dengan

Rina Sugiarti
Page 3
OPERATION RESEARCH MODEL ANTRIAN (QUEING
MODEL)

asumsi tingkat kedatangan berdistribusi Poisson, waktu pelayanan rata-rata 1 menit

dan berdistribusi eksponensial. Tentukan :
1. Tingkat kegunaan fasilitas pelayanan (bagi pelayan restoran) p
2. Rata-rata jumlah pelanggan dalam antrian ( nq )
3. Rata-rata jumlah pelanggan dalam system ( nt )
4. Rata-rata waktu menunggu dalam antrian ( tq )
5. Rata-rata waktu menunggu dalam system ( tt )

Jawab :

1. p = λ/μ → p = 50/60 = 0.8333 rata-rata bagian pelayanan sibuk 83.3% dari waktu
tersedia.

2 502
2. nq   nq   4.1667dibulatkan 4 mobil
(  ) 60(60  50)

 50
3. nt   nt   5 mobil
 60  50

 50
4. tq   tq   0.0833 jam  4.9999menit  5 menit
(  ) 60(60  50)

1 1
5. tt   tt   0.1 jam  6 menit
 60  50

MINIMISASI BIAYA DALAM MODEL ANTRIAN

 Biaya yang muncul dalam suatu sistem antrian :

1. Biaya tidak langsung (indirect cost) yang dihadapi individu-individu yang menunggu
dalam antrian  biaya menunggu (cost of waiting). Terjadi jika sistem pelayanan
tidak memiliki sumberdaya pelayanan (fasilitas pelayanan) yang cukup.
2. Biaya langsung (direct cost) untuk penyediaan fasilitas pelayanan

BIAYA MENUNGGU (WAITING COST)

 Cost of waiting dapat berupa :

1. Biaya menganggurnya para karyawan

2. Biaya kehilangan langganan
3. Biaya persediaan yang berlebihan
4. Biaya kehilangan kontrak
5. Biaya kemacetan sistem
6. Biaya kehilangan kepercayaan dalam manajemen

 Cost of waiting tidak mudah (sulit) ditentukan. Biaya yang berasal dari sistem internal
(biaya persediaan atau biaya karyawan menganggur) dapat diukur, tetapi biaya
menunggu bagi pelanggan sulit diukur.

 Jika biaya menganggur seorang individu diketahui, maka Expected Total Waiting Cost

per periode waktu : E C W  ntc w 
CW adalah Total waiting cost per unit waktu
nt adalah Rata-rata jumlah individu yang menunggu per unit waktu dalam sistem
cw adalah Biaya menunggu per individu per unit waktu
 Misalnya diketahui cw = Rp 10.000 per individu per jam, nt = 10 individu yang
menunggu per jam. Maka E C W  10(10000 
)  100000per jam

BIAYA PELAYANAN (COST OF SERVICES)

Rina Sugiarti
Page 4
OPERATION RESEARCH MODEL ANTRIAN (QUEING
MODEL)

 Terdapat trade-off antara biaya Pelayanan dan biaya menunggu. Jika fasilitas
pelayanan ditambah berarti biaya pelayanan meningkat, maka biaya menunggu akan
berkurang. Sebaliknya jika biaya pelayanan berkurang (tidak ada penambahan fasilitas
pelayanan sedangkan customer yang membutuhkan pelayan bertambah), maka biaya
menunggu akan meningkat.

 Biaya pelayanan meliputi : Biaya tetap berupa investasi awal penyediaan peralatan
dan fasilitas pelayanan, biaya pemasangan fasilitas, pelatihan karyawan (operator).
Biaya variabel berupa gaji karyawan, biaya operasional dan biaya pemeliharaan
fasilitas pelayanan.

Expected Total Cost of Services per periode : E(Cs) = Scs

S adalah jumlah fasilitas pelayanan
cs adalah biaya per fasilitas pelayanan per unit waktu

 Misalnya diketahui cs = Rp 50.000,- per jam dan S = 5, maka E(Cs) = 5(50.000) =

250.000

 Expected Total cost dari suatu sistem antrian :

E(CT)= E(Cs) + E(Cw)  E(CT) = Scs + nt c w  E(CT) = 250.000 + 100.000 = 350.000

jam

MODEL-MODEL SISTEM ANTRIAN DAN APLIKASINYA

 Model 1 : M / M / 1 / I / I
Dist. Tingkat kedatangan/Dist. Tingkat pelayanan/Jml fasilitas pelayanan
(channel)/sumber populasi (Infinite)/Panjang Antrian (Infinite)

Populasi (I) Antrian (M) Fasilitas pelayanan (M/1)

Sumber Tingkat Tingkat
FCFS
Populasi Kedatangan Pelayanan EXI
Infinite Poisson Poisson T
(I)
Panjang antrian tak hingga (I)
 x
e 
P(X  x)  f(X)  e X
x!
λ2
Rata-rata jumlah individu dalam antrian : nq 
μ(μ  λ)

Rata-rata jumlah individu dalam sistem : nt 


Rata-rata waktu menunggu dalam antrian : tq 
(1 )
1
Rata-rata waktu menunggu dalam sistem : tt 

n
    
Probabilitas n individu dalam sistem : Pn  1  
    

Tingkat penggunaan fasilitas pelayanan : p 


 Contoh : Diketahui rata-rata tingkat kedatangan selama periode puncak 50 mobil per
jam berdistribusi Poisson. Waktu pelayanan rata-rata 1 menit dan berdistribusi
Eksponensial.

1. Tingkat kegunaan fasilitas pelayanan (bagi pelayan restoran) p

2. Rata-rata jumlah pelanggan dalam antrian ( nq )

3. Rata-rata jumlah pelanggan dalam system ( nt )

4. Rata-rata waktu menunggu dalam antrian ( tq )

Rina Sugiarti
Page 5
OPERATION RESEARCH MODEL ANTRIAN (QUEING
MODEL)

5. Rata-rata waktu menunggu dalam system ( tt )

6. Probabilitas lebih dari satu mobil dalam sistem P(n  1)

7. Probabilitas lebih dari empat mobil dalam sistem P(n  4)
8. Probabilitas paling sedikit tiga mobil dalam sistem P(n  3)

Jawab :

1. p = λ/μ → p = 50/60 = 0.8333 rata-rata bagian pelayanan sibuk 83.3% dari waktu
tersedia.

2 502
2. nq   nq   4.1667dibulatkan 4 mobil
(  ) 60(60  50)

 50
3. nt   nt   5 mobil
 60  50

 50
4. tq   tq   0.0833 jam  4.9999menit  5 menit
(  ) 60(60  50)

1 1
5. tt   tt   0.1 jam  6 menit
 60  50

n 0

6. P(n  1)  1 P0  P1      
Pn  1  


 P0  1
50 50
 
60  60 
 0.1667
    

1
  0.1389  P(n  1)  1  0.1667 0.1389  0.6944
 50 50
P1  1 
 60  60


7. P(n  4)  1 P0  P1  P2  P4 
2 3
 50 50  50 50
P2  1  60  0.1158 P3  1    0.0965
 60    60  60 
4
 50 50
P4  1    0.0804
 60  60

P(n  4)  1  0.1667 0.1389 0.1158 0.0965 0.0804  0.4017

  
8. P n  3  1 P0  P1  P2   P n  3  1  0.1667 0.1389 0.1158  0.5786

 Model 2 : M / M / S / I / I

Multichannel – Single Phase, dengan antrian tunggal melalui beberapa fasilitas

pelayanan

Rina Sugiarti
Page 6
OPERATION RESEARCH MODEL ANTRIAN (QUEING
MODEL)

Fasilitas Pelayanan (M/S)

Tingkat
Pelayanan
Poisson
Populasi (I) Antrian (M)
Sumber Tingkat Tingkat
FCFS Pelayanan
Populasi Kedatangan EXI
Infinite Poisson Poisson T
(I)
Panjang antrian tak hingga (I) .
.
.
Tingkat
Pelayanan
Poisson
e  x
P(X  x)  f(X)  e X
x!
S

 
Rata-rata jumlah individu dalam antrian : 
nq  Po
(S  1)(S  )2

Rata-rata jumlah individu dalam sistem : nt  nq 

S
Po 
tq   
Rata-rata waktu menunggu dalam antrian :    
2

S(S!)1  
  S 
1
Rata-rata waktu menunggu dalam sistem : tt  tq 



Tingkat penggunaan fasilitas pelayanan : p 
S
1
Po 
   n  
S
    
S1    
Probabilitas tidak terdapat individu dalam sistem :  
   n! 
n 0   S!1  
   S 
  
S
 Po
P  
Probabilitas menunggu : w      
S!1 
 S 

 Jumlah karyawan pelayanan kredit Bank RIBA terdiri dari 3 orang yang melayani
seluruh permohonan kredit yang masuk dari para nasabah. Jika tidak diperlukan waktu
menunggu, rata-rata waktu pelayanan untuk satu otorisasi adalah 0.5 menit. Tingkat
pelayanan diasumsikan berdistribusi eksponensial. Pada periode puncak selama 8 jam
masuk 1750 permohonan kredit yang harus diotorisasi atau 218.75 permohonan per
jam. Tingkat kedatangan para pemohon (nasabah) berdistribusi Poisson.

Tentukan :
a. Tingkat pelayanan para pemohon per jam ()
0.5 menit satu otorisasi  2 otorisasi per menit   = 2(60) = 120
otorisasi/jam/karyawan

b. Tingkat kegunaan karyawan bagian kredit per jam (p)

Rina Sugiarti
Page 7
OPERATION RESEARCH MODEL ANTRIAN (QUEING
MODEL)

 218.75
p   p   0.6076  p = 60.76%
S 3(120)

c. Probabilitas tidak terdapat permohonan yang masuk (Po)

1 1
Po  Po 
   n  
S    n  
3
         
S1       2     

   n!          n!      
n 0   S!1  n 0  3!1 
   S     3 
     

1
Po 
0 1 2 3
 218.75  218.75  218.75  218.75
       
 120   120    120    120 
0! 1! 2!  218.75
3!1 
 360 

1 1
Po    0.1417
6.057597973 1 1.8229 1.6615 2.5731
1 1.8229 1.6115
2.354166667

d. Rata-rata jumlah pemohon (nasabah) menunggu untuk dilayani nq  

S 3

   218.75120 218.75
   120  x0.1417
nq  Po nq 
2
(S  1)(S  ) (3  1)!(3x120 218.75)2

159011
.9468
nq  0.1417 0.5647 orang pemohon
39903
.125

e. Rata-rata jumlah pemohon (nasabah) menunggu dalam sistem nt  

 218.75
nt  nq   nt  0.5647  2.3876 orang pemohon
 120

f. Rata-rata waktu menunggu dalam antrian tq  

S
Po 
tq   
   
2

S(S!)1  
  S 
3
0.1417  218.75
tq     0.0025813365
72
2  120  jam = 0.1549 menit =
  218.75 
120x3(3!)1  
  360  
9.29 dtk

g. Rata-rata waktu menunggu dalam sistem tt  

1 1
tt  tq   tt  0.00258jam   0.01091jam  0.6546menit  39.28detik
 120

Rina Sugiarti
Page 8
OPERATION RESEARCH MODEL ANTRIAN (QUEING
MODEL)

h. Probabilitas menunggu (Pw)

S 3
 Po  218.75 0.1417
Pw    Pw     0.36461379
 Pw  0.3646
      120   218.75
S!1  3!1 
 S   360 

 Karena bagian pelayanan kredit bank tersebut menerima keluhan para nasabahnya
bahwa waktu otorisasi terlalu lama, maka manajer pelayanan kredit merencanakan
menambah seorang karyawan agar waktu menunggu dalam sistem dapat dikurangi.
Penambahan karyawan ini akan mengakibatkan total biaya pelayanan (otorisasi) naik.
Jika seorang karyawan berpenghasilan per jam sebesar Rp 110 ribu (gaji + tunjangan)
dan biaya seorang karyawan dalam keadaan menunggu per jam Rp 210 ribu (gaji +
tunjangan + kehilangan penjualan karena penundaan + biaya lainnya). Tentukan
bagaimanakah keputusan manajer tersebut apakah tetap dengan 3 orang karyawan
yang ada atau 4 orang karyawan.

Jawab :

 Biaya total pelayanan per jam dengan 3 orang karyawan :

E C t   Scs  ntc w  E C t   3(110.000)  2.3876

(210.000)  Rp831.396,

 Biaya total pelayanan dengan 4 karyawan :

1 1
Po  Po 
   n  S   
n  
4
  

       
S1     3     
       
   n!    
n 0  
 S!1  
 n  0 n !  4!1  

   S     4 
    
 

1
Po 
0 1 2 3 4
 218.75  218.75  218.75  218.75  218.75
         
 120    120    120    120    120 
0! 1! 2! 3!  218.75
4!1 
 480 

1
Po   0.1577
1 1.8229 1.6615 1.0096 0.8454

S 4

    218.75120 218.75
   120  x0.1577 0.1116
nq  Po nq 
2
(S  1)(S  ) (4  1)!(4x120 218.75)2

 218.75
nt  nq   nt  0.1116  1.9345
 120

E C t   4(110.000)  1.9345
(210.000)  Rp846.245,

 Karena perbedaan biaya total pelayanan 3 karyawan dan 4 karyawan relatif kecil :
Rp 846.245,-  Rp 831.396,- = Rp 14.849,- per jam, maka diputuskan untuk menambah
seorang karyawan. Dengan 4 karyawan, rata-rata tingkat kegunaan pelayanan
menjadi :

 218.75
p   p   0.4557  p = 45.57%
S 4(120)

Rina Sugiarti
Page 9
OPERATION RESEARCH MODEL ANTRIAN (QUEING
MODEL)

Waktu menganggur sebesar 54.43% digunakan untuk kegiatan produktif lainnya yang
dapat meningkatkan pelayanan.
 Model 3 : M / M / 1 / I / F

Populasi (I) Antrian (M) Fasilitas pelayanan (M/1)

Sumber Tingkat Tingkat
FCFS
Populasi Kedatangan Pelayanan EXI
Infinite Poisson Poisson T
(I)
Panjang antrian Terbatas (F)

 Q 1 Q   Q Q 1
       
2 1 Q  
   Q  1 
    1  Q  1 
    Q  
  
           
nq      nt    
     
Q 1        
Q 1 
 1 1      1 1    
           
     
      

   
 1    
      n
Pn      
Q 1  
   
1   
  

 Sebuah restoran yang cukup ramai dengan para pelanggannya memiliki 6 ruang parkir
yang dapat menampung 6 mobil. Jika tempat parkir penuh, maka pelanggan akan
pindah ke restoran lainnya. Bersebelahan dengan restoran tersebut ada lahan kosong
yang cukup luas dapat dijadikan tempat parkir dengan biaya sewa per ruangan parkir
per hari Rp 20.000,- Jika tingkat kedatangan pelanggan potensial adalah 21 mobil per
jam dan berdistribusi Poisson. Tingkat pelayanan restoran 36 mobil per jam dan
berdistribusi Poisson. Keuntungan rata-rata per mobil Rp 16.000,- dan restoran buka
12 jam per hari. Tentukan jumlah ruangan yang harus disewa oleh pengusaha
restoran tersebut.

Jawab :

 Menentukan persentase waktu restoran sibuk dengan 6 ruangan parkir :

P n  0  1 Po  Pn  0  1 0.4338 0.5662

      21 
 1      1   
  36  21
0 0
         0.4167
Po      P     Po   0.4338
Q 1    o  6  36 0.9606
      21  
1    1  36 
      

Restoran sibuk 56.62% dari total waktu. Jika restoran sibuk dapat melayani 36 mobil
per jam, maka dengan 6 ruangan parkir dapat melayani : 36 x 0.5662 = 20.38 mobil
per jam. Jika restoran buka 12 jam per hari, maka keuntungan total per hari ;
12 x 20.38 x Rp 16.000,- = Rp 3.912.960,-

 Menentukan persentase waktu restoran sibuk dengan 7 ruangan parkir :

  21 
 1   
36  21
0
  0.4167
P n  0  1     Pn  0  1  0.5735
7   36 0.9770
1  21   
  36 
   

Keuntungan total : 12 x 0.5735 x 36 x Rp 16.000,- = Rp 3.964.032

Keuntungan marjinal : Rp 3.964.032  Rp 3.912.960 = Rp 51.072 lebih besar daripada
biaya marjinal Rp 20.000,-

Rina Sugiarti
Page 10
OPERATION RESEARCH MODEL ANTRIAN (QUEING
MODEL)

 Menentukan persentase waktu restoran sibuk dengan 8 ruangan parkir :

  21 
 1   
36  21
0
  0.4167
P n  0  1     Pn  0  1  0.5776
8  36 0.9866
1  21  
  36 
   

Keuntungan total : 12 x 0.5776 x 36 x Rp 16.000,- = Rp 3.992.371,-

Keuntungan marjinal : Rp 3.992.371  Rp 3.964.032 = Rp 28.339 lebih besar daripada
biaya marjinal Rp 20.000,-

 Menentukan persentase waktu restoran sibuk dengan 9 ruangan parkir :

  21 
 1   
36  21
0
  0.4167
P n  0  1     Pn  0  1  0.5800
9  36 0.9922
1  21  
  36 
   

Keuntungan total : 12 x 0.58 x 36 x Rp 16.000,- = Rp 4.008.960,-

Keuntungan marjinal : Rp 4.008.960  Rp 3.992.371 = Rp 16.589,- lebih kecil daripada
biaya marjinal Rp 20.000,-  tidak menguntungkan.

Keputusan pengusaha restoran tersebut adalah menyewa ruang parkir sebanyak 2

ruangan.

Rina Sugiarti
Page 11