deCartesiaN
ISSN:2302-4224
deCartesiaN
J o u r n a l h o m e p a g e: https://ejournal.unsrat.ac.id/index.php/decartesian
Suatu proses kedatangan dalam suatu sistem mekanisme pelayanan, waktu pelayanan, dan sumber
antrian artinya menentukan distribusi probabilitas pelayanan [3].
unntuk jumlah kedatangan untuk suatu periode waktu.
Pada umumnya, suatu proses kedatangan terjadi secara 2.2. Sistem Antrian
acak dan independent terhadap proses kedatangan Sistem antrian adalah kedatangan pelanggan untuk
lainnya dan tidak dapat diprediksi kapan pelanggan mendapatkan pelayanan. Fenomena menunggu adalah
akan datang. Dalam hal ini, distribusi probabilitas hasil langsung dari keacakan dalam operasi sarana
Poisson menyediakan deskripsi yang cukup baik untuk pelayanan. Secara umum, kedatangan pelanggan dan
suatu pola kedatangan. waktu perbaikan tidak diketahui sebelumnya, karena jika
Suatu fungsi probabilitas Poisson untuk suatu dapat diketahui , pengoperasian sarana tersebut dapat
kedatangan x pada suatu periode waktu. Sedangkan dijadwalkan sedemikian rupa sehingga akan sepenuhnya
untuk Pola pelayanan ditentukan oleh waktu pelayanan menghilangkan keharusan untuk menunggu.
yaitu waktu yang dibutuhkan untuk melayani Dsistem antrian terdapat unit-unit yang
pelanggan pada fasilitas pelayanan. Waktu pelayanan memerlukan pelayanan menolak memasuki sistem
dapat berupa waktu pelayanan konstan ataupun antrian jika antrian itu terlalu panjang yang lebih
variabel acak yang telah diketahui probabilitasnya. dikenal dengan istilah balking.[4] Pelanggan yang tak
Tingkat pelayanan adalah jumlah pelanggan yang sabar dan memutuskan untuk meninggalkan system
dilayani per satuan waktu. Dengan asumsi channel sebelum dilayani dinamakan reneging.[5].
selalu dalam keadaan sibuk sehingga tidak ada waktu
2.3. Model Antrian
idle yang dialami oleh channel itu.
Ada empat model struktur antrian dasar yang
Beberapa penelitian sebelumnya yaitu model
umum terjadi dalam seluruh sistem antrian:
antrian pada system pembayaran di golden pasar
1. Satu Jalur, Satu Tahap (Single Channel, Single Phase)
swalayan Manado.[1] dan deskripsi tingkat kepuasan
Sistem antrian satu jalur satu tahap berarti bahwa
masyarakat terhadap pelayanan di Satuan
dalam sistem tersebut hanya terdapat satu pemberi
Penyelenggara Adminstrasi Surat Izin mengemudi di
layanan serta satu jenis layanan yang diberikan,
Kepolisian Resor kota Manado menggunakan Regresi
sehingga yang telah menerima pelayanan dapat
Logistik Ordinal.[2]
langsung keluar dari sistem antrian.
Sistem Antrian :
2. ANTRIAN
2.1. Teori Antrian
Teori Antrian (queuing theory) merupakan studi
matematika dari antrian atau kejadian garis tunggu dari
Gambar 1. Satu Jalur, Satu Tahap
pelanggan yang memerlukan layanan dari sistem yang
ada [1]. Sebuah organisasi harus berusaha memberikan 2. Satu Jalur, Banyak Tahap (Single Channel, Multi
pelayanan agar pelanggan tidak mengantri terlalu lama. Phase)
Biasanya ada biaya bagi organisasi untuk menambah Sistem antrian satu saluran banyak tahap berarti
fasilitas layanan.Layanan yang cepat akan dalam sistem antrian tersebut terdapat lebih dari satu
mempertahankan pelanggan dan jangka panjang jenis layanan yang diberikan, tetapi dalam setiap jenis
meningkatkan keuntungan perusahaan. layanan hanya terdapat satu pemberi layanan.
Sebuah sistem antrian adalah suatu himpunan Sistem Antrian :
pelanggan, pelayan dan suatu antrian yang mengatur
kedatangan pelanggan dan pemrosesan masalahnya.
Pelanggan yang tiba dapat bersifat tetap atau tidak tetap
untuk memperoleh pelayanan. Apabila pelanggan yang
Gambar 2. Satu Jalur Banyak tahap
tiba dapat langsung masuk kedalam sistem pelayanan
maka pelanggan tersebut langsung dilayani, sebaliknya 3. Banyak Jalur, Satu Tahap (Multi Channel, Single
jika harus menunggu maka mereka harus membentuk Phase)
antrian hingga tiba waktu pelayanan [3]. Sistem antrian banyak saluran satu tahap adalah
Disiplin antrian adalah aturan dimana para sistem antrian dimana terdapat satu jenis layanan
pelanggan dilayani. Aturan pelayanan menurut urutan dalam sistem antrian tersebut, namun terdapat lebih
kedatangan dapat didasarkan pada: dari satu pemberi layanan.
1. Pertama Masuk Pertama Keluar atau First In First Sistem Antrian :
Out (FIFO),
2. Yang Terakhir Masuk Yang Pertama Keluar atau Last
In First Out (LIFO),
3. Pelayanan Dalam Urutan Acak atau Service In
Random Order (SIRO),
4. Pelayanan Berdasarkan Prioritas [3].
Gambar 3. Banyak Jalur, Satu Tahap
Elemen-elemen dasar model antrian bergantung
pada faktor sebaran kedatangan, barisan antri, 4. Banyak Jalur, Banyak Tahap (Multi Channel, Multi
Phase)
2
Model Sistem Antrian dengan Menggunakan Pola Kedatangan dan Pola Pelayanan Pemohon SIM
di Satuan Penyelenggaraan Adminstrasi SIM Resort Kepolisian Manado
Jurnal Matematika dan Aplikasi deCartesiaN, Vol.7, No.1 (Maret 2018): 15 -21
Sistem antrian banyak saluran banyak tahap pelanggan antar interval waktu saling tidak
adalah sistem antrian dimana terdapat lebih dari satu mempengaruhi. Peluang tepat terjadinya X kedatangan
jenis layanan dan terdapat lebih dari satu pemberi dalam sebaran poisson dapat diketahui dengan
layanan dalam setiap jenis layanan [3]. menggunakan rumus:
Sistem antrian : 𝑃(𝑥) =
𝜆𝑥 𝑒 −𝜆
(10)
𝑥!
Dimana :
𝑃(𝑥) : Peluang bahwa ada x kedatangan dalam
sistem.
𝜆 : Tingkat kedatangan rata-rata.
𝑒 : Bilangan Navier (e = 2,71828)
𝑥 : Variabel acak diskrit yang menyatakan
banyaknya kedatangan printerval waktu.
Gambar 4. Banyak Jalur, Banyak tahap Sedangkan lama pelayanan mengikuti sebaran
Eksponensial. Ini bisa dilakukan dengan
2.4. Struktur Dasar Model Antrian
membandingkan sampel waktu pelayanan yang
Dari sudut pandang model antrian, situasi
sebenarnya dengan waktu pelayanan yang diharapkan
antrian dapat diciptakan dengan cara berikut ini.
berdasarkan rumus sebagai berikut:
Sementara para pelanggan tiba di satu sarana
𝑓(𝑡) = 𝜇 −𝜇𝑡 (11)
pelayanan, mereka bergabung dalam sebuah antrian.
Pelayan memilih seorang pelanggan dari antrian untuk 2.8. Uji Kesesuaian Poisson
memulai pelayanan. Setelah seleslainya pelayanan Untuk menghitung nilai 𝜒2 dari data
proses memilih pelanggan baru (yang sedang pengamatan pada h_(1,) h_(2,)sampai h_(5,)terlebih
menunggu) diulangi. Diasumsikan tidak ada waktu dahulu ditentukan nilai waktu pelayanan yang
yang terhilang antara penyelesaian pelayanan dengan diharapkan dengan menggunakan rumus sebaran
diterimanya seorang pelanggan baru di sarana Poisson dan mengambil nilai 𝑡 = 1 pada rumus sebaran
pelayanan tersebut [6s]. Poisson.
Untuk menentukan nilai 𝜒2 maka digunakan
2.5. Distribusi Poison
rumus:
Tingkat kedatangan pelanggan per interval
̅)
(𝜆 −𝜆
waktu disimbolkan dengan λ. Maka 1/ λ menyatakan 𝑥 2 = ∑𝑘𝑖=1 𝑖̅𝜆 (12)
waktu rata-rata kedatangan pelanggan. Jumlah
kedatangan per unit waktu pada suatu fasilitas Dimana :
pelayanan didefinisikan dengan Distribusi Poisson λ_i : tingkat kedatangan rata-rata
dengan rumus: λ̅ : rata-rata tingkat kedatangan
p_n=(λ^n e^(-λ))/n!, n=0,1,2,… (1) K : banyaknya pengamatan
Dimana : Kriteria keputusan dilakukan dengan terima rata-rata
p_n : peluang terjadinya n per satuan waktu pelayanan bersebaran Poisson apabila X^2 hitung≤ X
n : banyaknya pelanggan ^2 tabel dalam hal lain keputusan ditolak.
λ^n : rata-rata terjadinya n per satuan waktu
Tabel 1. Kedatangan (λ)
e^(-λ) : e (2, 71828) dipangkatkan negatif lamda
Jam Kedatangan (𝜆)
09.00-10.00 𝜆1
2.6. Distribusi Eksponensial 10.00-11.00 𝜆2
Rata-rata pelayanan diberi simbol μ yang 11.00-12.00 𝜆3
13.00-14.00 𝜆4
mana merupakan banyaknya pelanggan yang dapat 14.00-15.00 𝜆5
dilayani dalam satuan (unit) waktu, sedangkan rata-
rata waktu pelayanan ialah rata-rata waktu yang
λ=(λ_1+λ_2+⋯λ_5)/5
dipergunakan untuk melayani per pelanggan yang
diberi simbol 1/μ unit (satuan). Pola pelayanan yang Tabel 2. Waktu Pelayanan (𝜇)
mengikuti distribusi eksponensial dengan rumus: Jam Kedatangan (𝜇)
09.00-10.00 𝜇1
p(t)=〖μe〗^(-μt);t≥0 (2) 10.00-11.00 𝜇2
Dimana : 11.00-12.00 𝜇3
p(t) : peluang kejadian n selama waktu t 13.00-14.00 𝜇4
14.00-15.00 𝜇5
μ : rata-rata tingkat pelayanan (unit pelayanan μ1 + μ2 +⋯ μ5
per unit waktu) μ= (13)
5
1
e : 2,71828 • Rata-rata kedatangan hari senin =
𝜆1
1
• Rata-rata kedatangan hari selasa =
2.7. Pola Kedatangan dan Lama Pelayanan 𝜆2
1
Fungsi peluang poisson digunakan untuk • Rata-rata kedatangan hari rabu =
𝜆3
menggambarkan tingkat kedatangan dengan asumsi 1
• Rata-rata kedatangan hari kamis =
bahwa jumlah kedatangan adalah acak dan kedatangan 𝜆4
3
M. Safril Bahar, Mans Lumiu Mananohas, Chriestie E. J. C. Montolalu
Jurnal Matematika dan Aplikasi deCartesiaN, Vol.7, No.1 (Maret 2018): 15 -21
4
Model Sistem Antrian dengan Menggunakan Pola Kedatangan dan Pola Pelayanan Pemohon SIM
di Satuan Penyelenggaraan Adminstrasi SIM Resort Kepolisian Manado
Jurnal Matematika dan Aplikasi deCartesiaN, Vol.7, No.1 (Maret 2018): 15 -21
1
𝜇(ℎ𝑖 ) = ℎ1 +ℎ2 +ℎ3 +ℎ4 +ℎ5 (16)
( 𝑛
)
5
M. Safril Bahar, Mans Lumiu Mananohas, Chriestie E. J. C. Montolalu
Jurnal Matematika dan Aplikasi deCartesiaN, Vol.7, No.1 (Maret 2018): 15 -21
Dari asumsi diatas dapat disimpulkan bahwa pola Maka 𝜒2 (1 − 𝛼)(𝑘 − 1) = 𝜒2 0.95(4) = 0.711
kedatangan di SATPAS POLRESTA MANADO sesuai Sehingga, 𝜒2 ℎ𝑖𝑡𝑢𝑛𝑔 > 𝜒2 𝑡𝑎𝑏𝑒𝑙 yaitu 0.368 ≤ 0.711
dengan yang diharapakan.
Maka diterima asumsi bahwa pola pelayanan pemohon
6. WAKTU PELAYANAN PEMOHON SIM SIM di Loket III berdistribusi eksponensial.
6.1. Uji Kesesuaian Eksponensial Dari asusmi diatas dapat disimpulkan bahwa
pertama pada loket I dan II pola pelayanan nya tidak
Untuk menghitung nilai 𝜒2 dari data pengamatan berdistribusi eksponensial atau tidak bersebaran
pada, ℎ1, ℎ2, sampai ℎ5, terlebih dahulu ditentukan nilai eksponensial yang artinya pelayanan yang terjadi di
waktu pelayanan yang diharapkan dengan
SATPAS MANADO tidak sesuai dengan yang
menggunakan rumus
sebaran Eksponensial dan menggunakan 𝑡=1. diaharapkan.
Untuk menentukan nilai 𝜒2 maka digunakan rumus:
(𝜇𝑖−𝜇ℎ𝑎𝑟𝑎𝑝𝑎𝑛 )2 7. KESIMPULAN
𝜒2 = ∑𝑘𝑖=1 (18)
𝜇𝑖
Untuk menghitung nilai 𝜒2 dari data pengamatan Dari hasil pembahasan yang telah dilakukan maka
pada, ℎ1, ℎ2, sampai ℎ5, terlebih dahulu ditentukan nilai dapat disimpulkan bahwa sistem antrian pada SATPAS
waktu pelayanan yang diharapkan dengan POLRESTA Manado memiliki tingkat kedatangan
menggunakan rumus sebaran Eksponensial dan pemohon SIM sebesar 0.014 orang per menit. Waktu
menggunakan 𝑡=1. pelayanan pemohon SIM di loket I 1.979 menit rata-rata
Untuk menentukan nilai 𝜒2 maka digunakan rumus: pemohon SIM dilayani, dan waktu pelayanan pemohon
(𝜇𝑖−𝜇ℎ𝑎𝑟𝑎𝑝𝑎𝑛 )2
𝜒2 = ∑𝑘𝑖=1 (19) SIM di loket II 1.665 menit rata-rata pemohon SIM
𝜇𝑖
dilayani, namun waktu pelayanan pemohon SIM di
Tabel 11. Rata – rata kecepatan pelayanan pemohon SIM loket III 0.368 menit rata-rata pemohon SIM dilayani.
pada loket I berdasarkan tabel 3. Dari hasil kesimpulan diatas maka pola kedatangan
Hari ℎ1 ℎ2 ℎ3 ℎ4 ℎ5 berdistribusi poisson yang artinya sesuai dengan
𝜇𝑖 0.568 0.711 0.737 0.766 0.780 harapan atau dengan kata lain antrian pada saat
𝜇ℎ𝑎𝑟𝑎𝑝𝑎𝑛 0.321 0.349 0.352 0.356 0.357 kedatngan sudah optimal. Pala pelayanan yang terjadi
pada tempat pendaftaran (Loket I) dan tempat
Dari data diatas maka diperoleh : pengisian formulir (Loket II) tidak berdistribusi
(𝜇𝑖−𝜇ℎ𝑎𝑟𝑎𝑝𝑎𝑛 )2 0.687 eksponensial, yang artinya, waktu pelayanan tidak
𝜒2 = ∑𝑘𝑖=1 = = 1.979
𝜇𝑖 0.347 sesuai dengan waktu yang diharapkan. Sedangkan pada
Berdasarkan nilai batas kritis 𝜒2 dengan taraf nyata 𝛼 = tempat pengambilan SIM (Loket III) waktu pelayanan
0.05 dan 𝑘 = 5 berdistribusi eksponensial yang artinya, waktu
Maka 𝜒2 (1 − 𝛼)(𝑘 − 1) = 𝜒2 (0.95)(4) = 0.711 pelayanan sesuai dengan waktu yang diharapkan.
Sehingga, 𝜒2 ℎ𝑖𝑡𝑢𝑛𝑔 > 𝜒2 𝑡𝑎𝑏𝑒𝑙 yaitu 1.979 > 0.711
Maka ditolak asumsi bahwa pola pelayanan REFERENSI
pemohon SIM di loket I berdistribusi eksponensial. [1] Sumarno M., Y. Langi., dan L. Latumakulita. 2015.
Model Antrian pada Sistem Pembayaran di
Tabel 12. Rata – rata kecepatan pelayanan pemohon SIM di Golden Pasar Swalayan Manado. Jurnal de
loket II berdasarkan tabel 5. Cartesian. 4(2) : 180-187.
Hari (ℎ1 ) (ℎ2 ) (ℎ3 ) (ℎ4 ) (ℎ5 ) [2] Biri, P.V. , C. Mongi., dan M. Mananohas. 2017.
𝜇 0.660 0.708 0.668 0.673 0.705
deskripsi tingkat kepuasan masyarakat terhadap
pelayanan di Satuan Penyelenggara Adminstrasi
𝜇ℎ𝑎𝑟𝑎𝑝𝑎𝑛 0.341 0.348 0.342 0.343 0.348
Surat Izin mengemudi di Kepolisian Resor kota
(𝜇𝑖−𝜇ℎ𝑎𝑟𝑎𝑝𝑎𝑛 )2 0.573
Manado menggunakan Regresi Logistik Ordinal.
𝜒2 = ∑𝑘𝑖=1 = = 1.665 Jurnal Ilmiah Sains. 17(2) : 100-107.
𝜇𝑖 0.344
Berdasarkan nilai batas kritis 𝜒2 dengan taraf [3] Hilier L. 2008. Introduction to Operations
nyata 𝛼 = 0.05 dan 𝑘 = 5 Research, jilid 2. Penerbit Andi. Yogyakarta.
Maka 𝜒2 (1 − 𝛼)(𝑘 − 1) = 𝜒2 0.95(4) = 0.711 [4] Dimyati. 1999. Sistem Antrian. Jakarta.
Sehingga 𝜒2 ℎ𝑖𝑡𝑢𝑛𝑔 > 𝜒2 𝑡𝑎𝑏𝑒𝑙 yaitu 1.665 > 0.711 [5] Mulyono, S. 2007. Rist Operasi Lembaga Penerbit
Fakultas Ekonomi-UI. Jakarta.
Maka ditolak asumsi bahwa pola pelayanan
pemohon SIM di loket II berdistrubusi eksponensial [6] Kakiay, T. J. 2004. Dasar Teori Antrian untuk
Kehidupan Nyata. Penerbit Andi. Yogyakarta.
Tabel 13. Rata – rata kecepatan pelayanan pemohon SIM di [7] Taha, H. A. 1996. Riset Operasi, Suatu Pengantar,
loket III berdasarkan tabel 7 jilid 2. Binarupa Aksara. Jakarta.
Hari ℎ1 ℎ2 ℎ3 ℎ4 ℎ5 [8] Bronson, R dan Hans, J. 1988. Teori dan Soal-Soal
𝜇 0.413 0.409 0.419 0.417 0.424 Operation Research, seri buku Schaum’s.
𝜇ℎ𝑎𝑟𝑎𝑝𝑎𝑛 0.273 0.271 0.276 0.274 0.277 Erlangga. Jakarta.
[9] Ardhya, B. N.2007. Pelayanan Nasabah Pada PT.
(𝜇𝑖−𝜇ℎ𝑎𝑟𝑎𝑝𝑎𝑛 )2
𝜒2 = ∑𝑘𝑖=1 =
0.101
= 0.368 Bank X Cabang Menteng dengan Menggunakan
𝜇𝑖 0.274
Metode Sistem Antrian (Studi Kasus di PT. Bank
Berdasarkan nilai batas kritis 𝜒2 dengan taraf nyata
X CabangMenteng).
𝛼 = 0.05 dan 𝑘 = 5
6
Model Sistem Antrian dengan Menggunakan Pola Kedatangan dan Pola Pelayanan Pemohon SIM
di Satuan Penyelenggaraan Adminstrasi SIM Resort Kepolisian Manado
Jurnal Matematika dan Aplikasi deCartesiaN, Vol.7, No.1 (Maret 2018): 15 -21
http://docs.google.com/viewer?url=http://eprin
ts.ui.ac.id/742799/128253T+19260++Pelayanan
+nasabah.f&chrome=true[26Jan2011. 11.20 pm].
[10] Farkhan.2013. Aplikasi Teori Antrian dan
Simulasi pada Pelayanan Teller Bank.
Journal.unnes.ac.id.2:18-19.
[11] Hilier L. 2008. Introduction to Operations
Research, jilid 2. Penerbit Andi. Yogyakarta.
[12] Kakiay, T.J. 2004. Dasar Teori Antrian untuk
Kehidupan Nyata. Yogyakarta: Andi
Mans Mananohas
(mansmananohas@yahoo.com) lahir di
Salurang, Sulawesi Utara, Indonesia dan
tinggal di Manado. Gelar Sarjana Sains
(S.Si) diperolehnya dari Universitas
Sam Ratulangi Manado pada
tahun2006. Pada tahun 2013 ia
menyelesaikan gelar Magister Sains
(M.Si) di Institut Teknologi Bandung. Ia
bekerja di UNSRAT sejak tahun 2008 di
Program Studi Matematika UNSRAT
sebagai pengajar akademik (Dosen).
Saat ini ia menjadi pengajar akademik tetap di UNSRAT.