KAJIAN TEORI
analisis sistem antrean pada penelitian. Beberapa hal yang akan dibahas berkaitan
alat bantu, serta profil RS. Mata Dr. YAP Yogyakarta dan BPJS.
A. Teori Probabilitas
berkaitan dengan suatu kejadian tertentu. Jika kejadian itu pasti terjadi, maka
probabilitas kejadian itu adalah 1 dan jika kejadian itu mustahil terjadi, maka
A adalah sebuah elemen pada daerah asal fungsi ini, P(A) menunjukkan elemen-
probabilitas, diantaranya:
8
Definisi 2.1 (Bain & Engelhardt, 1992: 9)
dengan nilai riil P(A) dengan tiap kejadian A disebut fungsi peluang dan P(A)
𝑃(𝑆) = 1 (2.2)
∞ ∞
𝑃 (⋃ 𝐴𝑖 ) = ∑ 𝑃(𝐴𝑖 ) (2.3)
𝑖=1 𝑖=1
jika 𝐴1 , 𝐴2 , … adalah kejadian yang saling lepas (mutually exclusive) satu sama
kejadian A adalah
𝑛
𝑃(𝐴) = (2.4)
𝑁
1. Variabel Acak
9
e dan fungsi yang memetakan anggota e ke bilangan riil x dinotasikan
dengan X. Hasil pemetaan yaitu sebuah bilangan riil x untuk setiap e dari
ruang sampel yang dinotasikan dengan x=X(e). Berikut Gambar 2.1 yang
S 𝑅𝑥
e X(e)
(a) (b)
Gambar 2.1 Konsep dari sebuah variabel acak
(a) S adalah ruang sampel dari e (b) 𝑅𝑥 : ruang range dari X
Variabel acak dibedakan menjadi dua yaitu variabel acak diskrit dan
variabel acak kontinu. Berikut definisi mengenai kedua jenis variabel acak
tersebut:
10
a. Variabel acak diskrit
diskrit. Fungsi
probabilitas.
𝑓(𝑥𝑖 ) ≥ 0 (2.6)
∑ 𝑓(𝑥𝑖 ) = 1 (2.7)
𝑥𝑖
11
Bukti:
Dengan demikian,
∑ 𝑓(𝑥𝑖 ) = ∑ 𝑃[𝑋 = 𝑥𝑖 ] = 1
𝑥𝑖 𝑥𝑖
harus memenuhi syarat (2.6) dan (2.7) dan fungsi yang memenuhi
definisi (2.1).
dengan
12
b. Variabel acak kontinu
sebagai
𝑥
𝐹(𝑋) = ∫ 𝑓(𝑡)𝑑𝑡 (2.10)
−∞
suatu variabel acak kontinu X jika dan hanya jika fungsi tersebut
memenuhi syarat
𝑓(𝑥) ≥ 0 (2.11)
13
Definisi 2.7 (Bain & Engelhardt, 1992: 67)
dengan
∞
𝐸(𝑋) = ∫−∞ 𝑥𝑓(𝑥) 𝑑𝑥 (2.13)
2. Distribusi Poisson
acak diskrit, yaitu banyaknya hasil percobaan yang terjadi didalam suatu
interval waktu tertentu atau suatu daerah tertentu (Hasan, 2002: 54). Berikut
yang berbentuk
𝑒 −𝜇 𝜇 𝑥
𝑓(𝑥; 𝜇) = , 𝑥 = 0, 1, 2, . .. (2.14)
𝑥!
14
3. Distribusi Eksponensial
waktu. Misalnya pada fasilitas jasa, dengan asumsi bahwa waktu pelayanan
bersifat acak. Artinya waktu untuk melayani customer tidak tergantung pada
dan tidak bergantung pada jumlah customer yang menunggu untuk dilayani.
Eksponensial:
𝜆𝑒 −𝜆𝑥 , untuk 𝑥 ≥ 0
𝑓(𝑥) = { (2.16)
0, untuk 𝑥 yang lain
satuan.
15
B. Teori Antrean
waktu tunggu yang terjadi dalam barisan antrean. Antrean dapat dilihat dalam
kendaraan yang menunggu pada traffic light atau pasien yang menunggu untuk
diperiksa.
dapat bersifat seragam (uniform) selama dalam periode tertentu atau secara
acak. Hal ini karena customer tidak datang pada waktu yang sama, demikian
16
probabilitas untuk menentukan ukuran-ukuran keefektifan sistem antrean
(Kakiay, 2004: 10). Proses antrean terjadi pada sistem antrean yang mana
(Supranto, 2013: 325). Proses ini dapat dilihat pada gambar berikut:
17
Sistem antrean
Antrean Mekanisme
Populasi
Pelayanan
melalui satu phase pelayanan. Desain dari sistem antrean ini merupakan
18
Kedatangan Server keluar
Antrean
Gambar 2.3 Model single channel single phase
memiliki dua atau lebih fasilitas pelayanan (server) yang terdiri dari
atau pelayanan pembelian tiket yang dilayani lebih dari satu loket.
Server
1
Kedatangan Server keluar
2
Antrean Server
3
Gambar 2.4 Model multiple channel single phase
Server Server
(Tahap 1) (Tahap 2)
Kedatangan keluar
Antrean
19
d. Multiple Channel Multiple Phase
server. Hal ini berarti ada lebih dari satu customer yang dilayani pada
Server Server
Kedatangan (Tahap 1) (Tahap 2) keluar
Server Server
Antrean (Tahap 1) (Tahap 2)
a. Distribusi Kedatangan
20
2) Kedatangan secara kelompok (bulk arrivals)
b. Distribusi Pelayanan
berdiri sendiri tanpa memori masa lalu. Artinya, waktu antar pelayanan
21
c. Fasilitas Pelayanan
akan dibentuk. Desain fasilitas pelayanan ini dapat dibagi dalam tiga
bentuk, yaitu:
1) Bentuk series
sama.
sama.
d. Disiplin Pelayanan
pada:
22
1) First Come First Served (FCFS)
dahulu.
e. Kapasitas Antrean
23
desain yang dapat dipilih untuk menentukan besarnya antrean. Desain
(finite queue).
f. Sumber Pemanggilan
mesin maupun manusia. Bila ada sejumlah mesin yang rusak maka
calling source).
4. Notasi Kendall
(a/b/c) : (d/e/f)
24
c : Banyaknya server dalam paralel (dimana c = 1, 2, 3, . . ∞)
(M/M/k):(GD/∞/∞)
berdistribusi Poisson
25
M = Waktu pelayanan berdistribusi Poisson
k = Banyaknya server k
GD = General Discipline
terbatas
5. Tingkat Kedatangan
interval waktu yang sama. Dalam hal ini, permintaan customer terdistribusi
secara acak pada masing-masing interval waktu tetap dalam kurun waktu
yang tidak terputus disebut proses Poisson (Siswanto, 2007: 218). Berikut
ilustrasi proses Poisson pada kedatangan customer dan interval waktu tetap
26
pada interval 𝐼0 tidak ada yang datang sama sekali. Inilah contoh fenomena
empat interval waktu tetap. Jika I menandai banyaknya interval waktu maka
𝑛
𝐼 = ∑ 𝐼𝑖 (2.18)
𝑖=1
𝑁 = ∑ 𝐾𝑖 𝐼𝑖 (2.19)
𝑖=1
secara acak (random). Jika pada setiap interval tersebut dibagi menjadi n
sub interval dengan asumsi dan proses yang sama, maka kedatangan pada
27
setiap interval waktu tetap dapat dinyatakan dengan distribusi Poisson
𝑁
𝜆= (2.20)
𝐼
𝑁 10 𝑐𝑢𝑠𝑡𝑜𝑚𝑒𝑟
𝜆= = = 2,5
𝐼 4 𝑗𝑎𝑚
Artinya setiap jam rata-rata 2,5 customer datang, maka rata-rata interval
customer per interval waktu, maka 1/𝜆 menyatakan rata-rata waktu antar
kedatangan customer.
6. Tingkat Pelayanan
setiap customer diberi simbol 1/𝜇 satuan (Kakiay, 2004: 11). Misalnya,
28
1 1 𝑗𝑎𝑚
=
𝜇 4 𝑐𝑢𝑠𝑡𝑜𝑚𝑒𝑟
rata pelayanan (μ) dalam customer per satuan waktu mengikuti distribusi
C. Model-Model Antrean
operasi pelayanan. Pembahasan ini terdiri dari: proses kelahiran dan kematian
murni; model kelahiran murni; model kematian murni; solusi steady-state dari
calling unit yang baru dalam sistem antrean, sedangkan kematian adalah
terjadi secara acak yang rata-rata terjadinya bergantung pada keadaan yang
sedang berlangsung (current state) dari sistem ( Dimyati & Dimyati, 2002:
356).
29
Berikut ini merupakan penjelasan tentang proses kelahiran dan
kematian:
1) Birth postulate
bahwa tepat ada satu kelahiran selama interval waktu t sampai dengan
2) Death postulate
bahwa tepat ada satu kematian selama interval waktu t sampai dengan
untuk n > 0.
bahwa jumlah kombinasi kelahiran dan kematian lebih dari satu selama
0(∆𝑡)
lim =0
∆𝑡→0 ∆𝑡
diasumsikan tepat ada 1 kelahiran dan tanpa kematian. Hal yang sama
berlaku juga untuk postulate kedua yaitu ada 1 kematian dan tanpa
kelahiran.
30
Proses kelahiran dan kematian selama interval waktu t sampai
dengan (𝑡 + Δ𝑡) harus terjadi salah satu dari kejadian mutually exclusive
probabilitas bahwa tidak terjadi kelahiran dan kematian pada interval waktu
En 0 0 Pn (t) [1 − λn 𝛥t − μn 𝛥t + 0(𝛥t)]
31
Berdasarkan Tabel 2.1 dengan 4 probabilitas kejadian mutually
+0(Δ𝑡)
Kedua ruas kemudian dikurangi dengan 𝑃𝑛 (𝑡) dan dibagi dengan t , maka
didapatkan:
𝑃𝑛 (𝑡 + Δ𝑡) − 𝑃𝑛 (𝑡)
= 𝑃𝑛−1 (𝑡)𝜆𝑛−1 + 𝑃𝑛+1 (𝑡)𝜇𝑛+1 + 𝑃𝑛 (𝑡)[−𝜆𝑛 − 𝜇𝑛 ]
Δ𝑡
0(Δ𝑡)
+
Δ𝑡
𝑓(𝑥 + ℎ) − 𝑓(𝑥)
𝑓 ′ (𝑥) = lim
𝑘→0 ℎ
𝑃𝑛′ (𝑡) = 𝜆𝑛−1 𝑃𝑛−1 (𝑡) + 𝜇𝑛+1 𝑃𝑛+1 (𝑡) − (𝜆𝑛 + 𝜇𝑛 )𝑃𝑛 (𝑡)
𝑑𝑃𝑛 (𝑡)
= 𝜆𝑛−1 𝑃𝑛−1 (𝑡) + 𝜇𝑛+1 𝑃𝑛+1 (𝑡) − (𝜆𝑛 + 𝜇𝑛 )𝑃𝑛 (𝑡), 𝑛 > 0 (2.22)
𝑑𝑡
32
Jika n = 0 maka nilai 𝜆−1 = 0 dan 𝜇0 = 0, sehingga persamaan
(2.22) menjadi:
𝑑𝑃0 (𝑡)
= 𝜇1 𝑃1 (𝑡) − 𝜆0 𝑃0 (𝑡) (2.23)
𝑑𝑡
2,…). Ini menunjukkan bahwa kematian tidak akan pernah terjadi, sehingga
murni menjadi:
𝑑𝑃0 (𝑡)
= −𝜆 𝑃0 (𝑡) , untuk 𝑛 = 0 (2.24)
𝑑𝑡
𝑑𝑃𝑛 (𝑡)
= 𝜆𝑃𝑛−1 (𝑡) − 𝜆𝑃𝑛 (𝑡), untuk 𝑛 = 1, 2, … (2.25)
𝑑𝑡
didapatkan:
𝑑𝑃1 (𝑡)
= 𝜆 𝑃0 (𝑡) − 𝜆 𝑃1 (𝑡)
𝑑𝑡
𝑑𝑃1 (𝑡)
+ 𝜆 𝑃1 (𝑡) = 𝜆𝑃0 (𝑡)
𝑑𝑡
𝑑𝑃1 (𝑡)
+ 𝜆 𝑃1 (𝑡) = 𝜆𝑒 −𝜆𝑡
𝑑𝑡
33
Mengalikan kedua ruas dengan 𝑒 𝜆𝑡 , maka diperoleh
𝑑𝑃1 (𝑡)
𝑒 𝜆𝑡 + 𝜆𝑒 𝜆𝑡 𝑃1 (𝑡) = 𝜆
𝑑𝑡
𝑑 𝜆𝑡
(𝑒 𝑃1 (𝑡)) = 𝜆
𝑑𝑡
𝑒 𝜆𝑡 𝑃1 (𝑡) = ∫ 𝜆 𝑑𝑡
𝑃1 (𝑡) = 𝜆𝑡𝑒 −𝜆𝑡 + 𝑐, karena 𝑃1 adalah fungsi probabilitas maka nilai c yang
𝑑𝑃2(𝑡)
= 𝜆𝑃1 (𝑡) − 𝜆𝑃2 (𝑡)
𝑑𝑡
𝑑𝑃2(𝑡)
= 𝜆2 𝑡𝑒 −𝜆𝑡 − 𝜆𝑃2 (𝑡)
𝑑𝑡
𝑑𝑃2(𝑡)
+ 𝜆𝑃2 (𝑡) = 𝜆2 𝑡𝑒 −𝜆𝑡
𝑑𝑡
𝑑𝑃2(𝑡)
𝑒 𝜆𝑡 + 𝜆𝑒 𝜆𝑡 𝑃2 (𝑡) = 𝜆2 𝑡
𝑑𝑡
𝑑 𝜆𝑡
(𝑒 𝑃2 (𝑡)) = 𝜆2 𝑡
𝑑𝑡
1
𝑒 𝜆𝑡 𝑃2 (𝑡) = 𝜆2 𝑡 2 + 𝑐
2
34
1
𝑃2 (𝑡) = 2 𝜆2 𝑡 2 𝑒 −𝜆𝑡 + 𝑐𝑒 −𝜆𝑡 , karena 𝑃2 adalah fungsi probabilitas maka c
1
𝑃2 (𝑡) = 𝜆2 𝑡 2 𝑒 −𝜆𝑡 (2.27)
2
(𝜆𝑡)𝑛 𝑒 −𝜆𝑡
𝑃𝑛 (𝑡) = (2.28)
𝑛!
Poisson dengan parameter 𝜆𝑡. Oleh karena itu, harga rata-rata dan variansi
dari panjang garis pada saat t adalah 𝜆𝑡 dengan rata-rata laju kedatangan 𝜆.
(𝜆𝑡)𝑥 𝑒 −𝜆𝑡
𝑃𝑥 (𝑡) = , 𝑥 = 0, 1, 2 . .. (2.29)
𝑥!
sampai berakhir pada state 𝐸0 (Dimyati & Dimyati, 2002: 360). Dengan
demikian proses ini ekuivalen dengan kelahiran murni, kecuali proses ini
35
Persamaan diferensial untuk proses kematian murni yaitu:
𝑑𝑃𝑛 (𝑡)
= 𝜇𝑃𝑛+1 (𝑡) − 𝜇𝑃𝑛 (𝑡), untuk 𝑛 = 0, 1, 2, . . , 𝑁 − 1 (2.30)
𝑑𝑡
𝑑𝑃𝑁 (𝑡)
= −𝜇𝑃𝑁 (𝑡), untuk 𝑛 ≈ 𝑁 (2.31)
𝑑𝑡
terjadi dalam proses. Oleh karena itu, probabilitas bahwa tidak ada kejadian
(2.30) diperoleh:
𝑑𝑃𝑁−1 (𝑡)
= 𝜇𝑃𝑁 (𝑡) − 𝜇𝑃𝑁−1 (𝑡)
𝑑𝑡
𝑑𝑃𝑁−1 (𝑡)
+ 𝜇𝑃𝑁−1 (𝑡) = 𝜇𝑃𝑁 (𝑡)
𝑑𝑡
𝑑𝑃𝑁−1 (𝑡)
+ 𝜇𝑃𝑁−1 (𝑡) = 𝜇𝑒 −𝜇𝑡
𝑑𝑡
𝑑𝑃𝑁−1 (𝑡)
𝑒 𝜇𝑡 + 𝜇𝑒 𝜇𝑡 𝑃𝑁−1 (𝑡) = 𝜇
𝑑𝑡
𝑑 𝜇𝑡
(𝑒 𝑃𝑁−1 (𝑡)) = 𝜇
𝑑𝑡
𝑒 𝜇𝑡 𝑃𝑁−1 (𝑡) = ∫ 𝜇 𝑑𝑡
36
Jadi diperoleh nilai 𝑃𝑁−1 yaitu
𝑑𝑃𝑁−2 (𝑡)
= 𝜇𝑃𝑁−1 (𝑡) − 𝜇𝑃𝑁−2 (𝑡)
𝑑𝑡
𝑑𝑃𝑁−2 (𝑡)
+ 𝜇𝑃𝑁−2 (𝑡) = 𝜇𝑃𝑁−1 (𝑡)
𝑑𝑡
𝑑𝑃𝑁−2 (𝑡)
+ 𝜇𝑃𝑁−2 (𝑡) = 𝜇 2 𝑡𝑒 −𝜇𝑡
𝑑𝑡
𝑑𝑃𝑁−2 (𝑡)
𝑒 𝜇𝑡 + 𝜇𝑒 𝜇𝑡 𝑃𝑁−2 (𝑡) = 𝜇 2 𝑡
𝑑𝑡
𝑑 𝜇𝑡
(𝑒 𝑃𝑁−2 (𝑡)) = 𝜇 2 𝑡
𝑑𝑡
𝑒 𝜇𝑡 𝑃𝑁−2 (𝑡) = ∫ 𝜇 2 𝑡 𝑑𝑡
1
𝑒 𝜇𝑡 𝑃𝑁−2 (𝑡) = 𝜇 2 𝑡 2 + 𝑐
2
1
𝑃𝑁−2 (𝑡) = 2 𝜇 2 𝑡 2 𝑒 −𝜇𝑡 + 𝑐 𝑒 −𝜇𝑡 , karena 𝑃𝑁−2 adalah fungsi probabilitas
1
𝑃𝑁−2 (𝑡) = (𝜇𝑡)2 𝑒 −𝜇𝑡 (2.34)
2
37
Berdasarkan persamaan (2.33) dan (2.34), maka diperoleh rumus
(𝜇𝑡)𝑁−𝑛 𝑒 −𝜇𝑡
𝑃𝑛 (𝑡) = (2.35)
(𝑁 − 𝑛)!
mencapai kondisi steady state maka probabilitas {𝑃𝑛 (𝑡)} menjadi konstan
2) Dengan menetapkan
𝑑𝑃𝑛 (𝑡)
=0
𝑑𝑡
mengasumsikan bahwa:
lim 𝑃𝑛 (𝑡) = 𝑃𝑛
𝑡→∞
sehingga
𝑑𝑃𝑛 (𝑡)
lim { }=0
𝑡→∞ 𝑑𝑡
0 = 𝜇1 𝑃1 − 𝜆0 𝑃0 , jika 𝑛 = 0 (2.37)
38
Jika n = 0, maka dengan menggunakan persamaan (2.37) diperoleh:
𝜆0
𝑃1 = 𝑃 (2.38)
𝜇1 0
diperoleh
persamaannya menjadi
𝜆1 𝜆0
𝑃2 = 𝑃 (2.40)
𝜇2 𝜇1 0
umum yaitu :
𝜆𝑛−1 𝜆𝑛−2 . . . 𝜆0
𝑃𝑛 = 𝑃 (2.41)
𝜇𝑛 𝜇𝑛−1 . . . 𝜇1 0
∑ 𝑃𝑛 = 1 (2.42)
𝑛=0
𝐿𝑠 = ∑ 𝑛 𝑃𝑛 (2.43)
𝑛=0
𝐿𝑞 = ∑ (𝑛 − 𝑐)𝑃𝑛 (2.44)
𝑛=𝑐+1
39
Terdapat hubungan yang kuat antara 𝐿𝑠 , 𝐿𝑞 , 𝑊𝑠 , dan 𝑊𝑞 , sehingga salah
satu ukuran secara otomasis dapat ditentukan dari ukuran lainnya. Anggap
𝐿𝑠
𝑊𝑠 = (2.45)
𝜆𝑒𝑓𝑓
𝐿𝑞
𝑊𝑞 = (2.46)
𝜆𝑒𝑓𝑓
berdasarkan definisi
Waktu Waktu
menunggu menunggu Waktu
yang yang pelayanan
diperkirakan diperkirakan yang
dalam sistem dalam diperkirakan
antrean
1
𝑊𝑠 = 𝑊𝑞 + (2.47)
𝜇
𝜆𝑒𝑓𝑓
𝐿𝑠 = 𝐿𝑞 + (2.48)
𝜇
40
sibuk. Karena selisih antara 𝐿𝑠 dan 𝐿𝑞 harus sama dengan banyaknya
𝑐̅
Persentase pemanfaatan = × 100% (2.50)
𝑐
𝜆
𝜌= <1 (2.51)
𝑐𝜇
Kondisi stabil (steady state) dapat terpenuhi jika ρ < 1 yang berarti λ < μ.
Jika nilai ρ > 1 maka kedatangan terjadi dengan laju yang lebih cepat dari
pada yang dapat dilayani server. Hal ini berarti panjang antrean yang
juga jika ρ = 1, maka kedatangan terjadi dengan laju yang sama dengan laju
pelayanan.
41
antrean (M/M/1):(GD/∞/∞). Mengingat kembali bahwa sistem antrean
(asumsikan rata-rata kedatangan per satuan waktu λ) dan satu server dengan
parameter berikut:
𝜆𝑛 = 𝜆 n = 0, 1, 2, . . .
𝜇0 = 0
𝜇𝑛 = 𝜇 n = 1, 2, 3, . . .
𝜆 𝑛
𝑃𝑛 = ( ) 𝑃0 = 𝜌𝑛 𝑃0 𝑛 = 0, 1, 2, . .. (2.52)
𝜇
𝑃0 + 𝑃1 + 𝑃2 + 𝑃3 + . .. =1
𝑃0 + 𝜌1 𝑃0 + 𝜌2 𝑃0 + 𝜌3 𝑃0 + . . . = 1
𝑃0 [1 + 𝜌 + 𝜌2 + 𝜌3 + . . . ] =1
𝑎
𝑆∞ = , 𝜌<1
1−𝑟
42
maka diperoleh,
1
𝑃0 [ ]=1
1−𝜌
𝑃0 = 1 − 𝜌 (2.53)
𝑃𝑛 = (1 − 𝜌)𝜌𝑛 𝑛 = 0, 1, 2, . .. (2.54)
𝜌 < 1 berarti bahwa 𝜆 < 𝜇 yang menyatakan bahwa laju kedatangan harus
lebih kecil dari laju pelayanan agar sistem mencapai kondisi steady state.
𝐿𝑠 = ∑ 𝑛𝑃𝑛
𝑛=0
= ∑ 𝑛(1 − 𝜌)𝜌𝑛
𝑛=0
= (1 − 𝜌) ∑ 𝑛 𝜌𝑛
𝑛=0
43
Terlihat bahwa n n1 merupakan turunan sederhana dari
n 1
n
n 0
n
maka diperoleh:
∞
1
∑ 𝑛 𝜌𝑛 =
1−𝜌
𝑛=0
akibatnya,
∞
𝑑[1/(1 − 𝜌)] 1
∑ 𝑛𝜌𝑛−1 = = (2.56)
𝑑𝜌 (1 − 𝜌)2
𝑛=1
𝐿𝑠 = (1 − 𝜌)𝜌 ∑ 𝑛𝜌𝑛−1
𝑛=1
1
= (1 − 𝜌)𝜌
(1 − 𝜌)2
𝜌
𝐿𝑠 = (2.57)
(1 − 𝜌)
𝜌
𝐿𝑠 1 − 𝜌
𝑊𝑠 = =
𝜆 𝜆
𝜌 1
𝑊𝑠 = = (2.58)
(1 − 𝜌)𝜆 𝜇(1 − 𝜌)
44
Rata-rata waktu customer menunggu dalam antrean dapat dicari
maka diperoleh
1
𝑊𝑠 = 𝑊𝑞 +
𝜇
1 1
= 𝑊𝑞 +
𝜇(1 − 𝜌) 𝜇
1 1
𝑊𝑞 = −
𝜇(1 − 𝜌) 𝜇
1 − (1 − 𝜌)
=
𝜇(1 − 𝜌)
1−1+𝜌
=
𝜇(1 − 𝜌)
𝜌
𝑊𝑞 = (2.59)
𝜇(1 − 𝜌)
sehingga diperoleh
𝐿𝑞
𝑊𝑞 =
𝜆
𝜌 𝐿𝑞
=
𝜇(1 − 𝜌) 𝜆
𝜆𝜌 𝜌2
𝐿𝑞 = = (2.60)
𝜇(1 − 𝜌) (1 − 𝜌)
45
𝜌 𝜌2 𝜌(1 − 𝜌)
𝑐̅ = − = =𝜌 (2.61)
(1 − 𝜌) (1 − 𝜌) (1 − 𝜌)
Poisson dengan rata-rata λ. Selain itu, terdapat c server dimana setiap server
λ λ λ λ λ λ
0 1 2 c c+1
μ 2μ 3μ cμ cμ cμ
model ini, rata-rata laju kedatangan (λ) dan rata-rata laju pelayanan (µ)
pada bagian sebelumnya, yaitu solusi steady state dari kinerja sistem antrean
46
Pengaruh penggunaan c server yang paralel adalah mempercepat
dengan atau lebih besar dari c, maka laju pelayanannya dapat dirumuskan
sebagai berikut:
𝜆𝑛 = 𝜆 , 𝑛≥0
𝑛𝜇, 𝑛≤𝑐
𝜇𝑛 {
𝑐𝜇, 𝑛≥𝑐
𝜆 𝑛
𝑃𝑛 = 𝜌𝑛 𝑃0 = ( ) 𝑃0
𝜇
𝜆𝑛
𝑃𝑛 = 𝑃
𝜇(2𝜇)(3𝜇). . . (𝑛𝜇) 0
𝜆𝑛
𝑃𝑛 = 𝑃 (2.62)
𝑛! 𝜇 𝑛 0
𝜆𝑛
𝑃𝑛 = 𝑃
𝜇(2𝜇). . . (𝑐 − 1)𝜇(𝑐𝜇)(𝑐𝜇). . . (𝑐𝜇) 0
𝜆𝑛
𝑃𝑛 = 𝑃0 (2.63)
𝑐! 𝑐 𝑛−𝑐 𝜇 𝑛
𝜌𝑛
( ) 𝑃0 0≤𝑛≤𝑐
𝑃𝑛 { 𝑛! (2.64)
𝜌𝑛
( 𝑛−𝑐 ) 𝑃0 𝑛>𝑐
𝑐 𝑐!
47
dengan menganggap bahwa 𝜌 = 𝜆/𝜇. Nilai 𝑃0 didapatkan dengan cara
mensubstitusikan persamaan (2.64) ke dalam persamaan P
n 0
n 1 seperti
berikut:
𝑐−1 ∞
𝜌𝑛 𝜌𝑛
𝑃0 {∑ + ∑ 𝑛−𝑐 } = 1
𝑛! 𝑐 𝑐!
𝑛=0 𝑛=𝑐
𝑐−1 ∞ −1
𝜌𝑛 𝜌𝑐 𝜌𝑛−𝑐
𝑃0 = {∑ + ∑ 𝑛−𝑐 }
𝑛! 𝑐! 𝑐
𝑛=0 𝑛=𝑐
𝑐−1 −1
𝜌𝑛 𝜌𝑐 1 𝜌
𝑃0 = {∑ + ( )} , <1 (2.65)
𝑛! 𝑐! 1 − 𝜌/𝑐 𝑐
𝑛=0
berikut
∞
𝐿𝑞 = ∑(𝑛 − 𝑐)𝑃𝑛
𝑛=𝑐
48
∞
𝐿𝑞 = ∑ 𝑘𝑃𝑘+𝑐
𝑘=0
∞
𝑘𝜌𝑘+𝑐
=∑ 𝑃
𝑐 𝑘 𝑐! 0
𝑘=0
∞
𝜌𝑐 𝜌 𝜌 𝑘−1
𝐿𝑞 = 𝑃0 ∑𝑘( )
𝑐! 𝑐 𝑐
𝑘=1
dimana
∞ ∞
𝜌 𝑘−1 𝑑 𝜌 𝑘 𝑑 1 1
∑𝑘( ) = 𝜌 ∑ ( ) = 𝜌 [ 𝜌 ] =
𝑐 𝑑 ( 𝑐 ) 𝑘=0 𝑐 𝑑 (𝑐 ) 1 − 𝑐 𝜌 2
𝑘=1 (1 − 𝑐 )
Akibatnya,
𝜌𝑐 𝜌 1
𝐿𝑞 = 𝑃0
𝑐! 𝑐 𝜌 2
(1 − 𝑐 )
𝜌𝑐+1
=[ ]𝑃
𝑐−𝜌 2 0
𝑐! 𝑐 ( 𝑐 )
𝜌𝑐+1
=[ ]𝑃
2 (𝑐 − 𝜌)2 0
(𝑐 − 1)! 𝑐
𝑐2
𝜌𝑐+1
𝐿𝑞 = [ ]𝑃 (2.66)
(𝑐 − 1)! (𝑐 − 𝜌)2 0
𝜆
𝐿𝑠 = 𝐿𝑞 +
𝜇
= 𝐿𝑞 + 𝜌
49
𝜌𝑐+1
𝐿𝑠 = [ ]𝑃 + 𝜌 (2.67)
(𝑐 − 1)! (𝑐 − 𝜌)2 0
𝐿𝑞
𝑊𝑞 =
𝜆
𝜌𝑐+1
[ ]𝑃
(𝑐 − 1)! (𝑐 − 𝜌)2 0
𝑊𝑞 =
𝜆
𝜆𝜌𝑐 1
= 𝑃0 ×
𝜇(𝑐 − 1)! (𝑐 − 𝜌)2 𝜆
𝜌𝑐
𝑊𝑞 = 𝑃 (2.68)
𝜇(𝑐 − 1)! (𝑐 − 𝜌)2 0
1
𝑊𝑠 = 𝑊𝑞 +
𝜇
𝜌𝑐 1
𝑊𝑠 = 𝑃0 + (2.69)
𝜇(𝑐 − 1)! (𝑐 − 𝜌)2 𝜇
𝜌𝑐+1 𝜌𝑐+1
𝑐̅ = {[ ] 𝑃 + 𝜌 } − {[ ]𝑃 } = 𝜌 (2.70)
(𝑐 − 1)! (𝑐 − 𝜌)2 0 (𝑐 − 1)! (𝑐 − 𝜌)2 0
50
7. Antrean Dua Stasiun Seri (Tandem)
2004: 189).
sebagai berikut:
Input Output
Stasiun Stasiun
1 2
Pada sistem antrean dua stasiun seri, antrean tidak diizinkan di depan
stasiun-1 atau stasiun 2. Setiap customer yang datang harus melalui stasiun-
1 dan kemudian masuk stasiun-2 agar dapat dilayani dengan tuntas. Waktu
keadaan sistem di setiap saat diidentifikasi. Hal ini dapat dicapai apabila
setiap stasiun mungkin bisa berisi, ada customer atau mungkin pula kosong.
Dengan kata lain setiap stasiun mungkin bebas (free), bekerja (busy) atau
51
customer ditahan (blocked) di stasiun-1 jika stasiun-2 masih ada customer
yang dilayani.
tersebut berada dalam keadaan (i, j) pada waktu t. Probabilitas transisi antara
t dan t+h (h adalah sebuah kenaikan positif dalam waktu) yang diringkas
dalam Tabel 2.2. Kotak yang kosong menunjukkan bahwa transisi antara
(0,0) 1-λh
(0,1) µh(1-λh) 1-µh-λh λh(1-µh)
(1,0) µh(1-λh) 1-µh
(1,1) µh(1-λh) µh (1 − μh)2 μh
(b,1) µh(1-λh) 1-µh
𝑃𝑖𝑗 (𝑡) ke 𝑃𝑖𝑗 (𝑡 + ℎ). Sebagai contoh pada kotak P01 (t) ke P00 (t + h)
52
𝑃00 (𝑡 + ℎ) = 𝑃00 (𝑡)(1 − 𝜆ℎ) + 𝑃01 (𝑡)(𝜇ℎ)
𝑃01 − 𝜌𝑃00 = 0
𝜌𝑃01 − 2𝑃11 = 0
𝑃11 − 𝑃𝑏1 = 0
kondisi
2
𝑃00 = (2.71)
𝐴
2𝜌
𝑃01 = (2.72)
𝐴
𝜌2 + 2𝜌
𝑃10 = (2.73)
𝐴
𝜌2
𝑃11 = 𝑃𝑏1 = (2.74)
𝐴
dimana 𝐴 = 3𝜌2 + 4𝜌 + 2.
53
Ekspektasi jumlah customer didalam sistem antrean dapat
dinyatakan dengan:
2 2𝜌 𝜌2 + 2𝜌 𝜌2 𝜌2
= 0( ) + 1( + ) + 2( + )
𝐴 𝐴 𝐴 𝐴 𝐴
5𝜌2 + 4𝜌
𝐿𝑠 = (2.75)
𝐴
berikut:
5𝜌2 + 4𝜌
𝑊𝑠 = 𝐴
𝜆𝑒𝑓𝑓
5𝜌2 + 4𝜌
𝑊𝑠 = 𝐴
2 2𝜌
𝜆 (𝐴 + 𝐴 )
5𝜌2 + 4𝜌 𝐴
= ×
𝐴 𝜆(2 + 2𝜌)
5𝜌2 + 4𝜌
𝑊𝑠 = (2.76)
𝜆(2 + 2𝜌)
dalam statistik non parametrik. Pengujian ini dapat dinyatakan sebagai suatu
cara untuk menguji apakah terdapat perbedaan yang signifikan antara observasi
54
distribusi frekuensi dengan teoritis distribusi frekuensi. Dengan demikian,
diharapkan untuk setiap harga X, 𝑆𝑁 (𝑋) harus jelas mendekati 𝐹0 (𝑋). Artinya,
dibawah asumsi H0 selisih antara 𝑆𝑁 (𝑋) dan 𝐹0 (𝑋) menghasilkan nilai yang
kecil dan ada dalam batas-batas kesalahan acak (Siegel, 1956: 48).
yang dirumuskan:
tidak akan kehilangan informasi karena adanya penggabungan kategori. Hal ini
sampel yang sangat kecil. Fakta ini menunjukkan bahwa Tes Kolmogorov-
55
E. Simulasi Monte Carlo
acak. Penerapan simulasi Monte Carlo pada sistem antrean karena beberapa
asumsi yang diperlukan sulit terpenuhi. Misalnya, keadaan sistem antrean yang
belum steady state atau laju kedatangan dan pelayanan yang tidak berdistribusi
Poisson.
simulasi Monte Carlo dengan bantuan software MS. Excel adalah sebagai
berikut:
4. Gunakan fasilitas yang telah disediakan pada software MS. Excel untuk
dalam antrean.
56
F. Software SPSS
57
3. Muncul kotak One-Sample Kolmogorov-Smirnov Test. Data yang akan
menggunakan SPSS.
58
b. Poisson Parameter Mean merupakan parameter (rata-rata laju kedatangan
sebesar 0,109.
berarti p-value > 0,05, sehingga H0 diterima dan data terdistribusi secara
normal.
e. Asymp. Sig. (2-tailed) merupakan p-value yang dihasilkan dari uji H0 . Pada
hasil output nilai Asymp. Sig. (2-tailed) sebesar 0,786, sehingga memenuhi
G. Software WinQSB
Analysis.
59
2. Selanjutnya, akan muncul tampilan awal dari winQSB dan pilih File → New
Problem.
60
3. Muncul problem Spesification
windows berikutnya.
masalah.
secara umum. Model M/M dapat pula dientrikan pada format GQS.
61
4. Berikut output yang muncul apabila memilih Simple M/M System
5. Isi kolom dengan nilai sesuai dengan kasus yang akan diselesaikan.
Kemudian pilih menu Solve and Analyze → Solve The Performance atau
sejarah singkat berdirinya rumah sakit. Selain itu, menjelaskan visi dan misi
62
1. Sejarah Singkat Rumah Sakit Mata Dr. Yap
Rumah Sakit Mata Dr. Yap didirikan oleh Dr. Yap Hong Tjoen sejak
harapan tersebut maka berdirilah Rumah Sakit Dr. Yap yang awal mulanya
ditandai dengan:
mata. Selanjutnya, Dr. Yap mendirikan sebuah Rumah Sakit mata yang
tanggal 29 Mei 1923 bangunan Rumah Sakit mata kemudian diberi nama
Prinses Juliana Gasthuis voor Ooglijders. Pada tahun 1942 Prinses Juliana
Gasthuis voor Ooglijders yang dipimpin oleh Dr. Yap Hong Tjoen berganti
63
Pada tahun 1948 Dr. Yap Hong Tjoen menyerahkan kuasa kepada
masyarakat. Sebelum wafat pada tanggal 9 Januari 1969, Dr. Yap Kie Tiong
memberikan wasiat yang ditujukan kepada Gusti Paku Alam VIII dan empat
Rumah Sakit Mata Dr. Yap guna kepentingan masyarakat. Hingga akhirnya
Visi dari Rumah Sakit Mata Dr. Yap adalah menjadi pusat pelayanan
masyarakat serta dapat bersaing secara global di tahun 2020. Adapun misi
saling melengkapi.
64
c. Mengembangkan ilmu kesehatan mata melalui pendidikan, penelitian,
penyelenggaraan jaminan sosial serta menjelaskan visi dan misi yang dimiliki.
oleh peserta dan masih terbatas pada masyarakat pekerja disektor formal.
Asuransi Sosial Tenaga Kerja (ASTEK) yang wajib diikuti oleh pengusaha
dan BUMN. Selanjutnya, tahun 1992 lahir UU No. 3 tentang Jaminan Sosial
65
Pada akhir tahun 2004 Pemerintah menerbitkan UU No. 40 tentang
sistem Jaminan Sosial Nasional (JKN). Manfaat dari JKN memberikan rasa
kerja. Pada tahun 2011, ditetapkan UU No. 24 tahun 2011 tentang Badan
2014 PT. Jamsostek akan berubah menjadi Badan Hukum Publik. PT.
dan pelayanan.
tenaga kerja yang memenuhi perlindungan dasar bagi tenaga kerja serta
66