Bab 2

LANDASAN TEORI

2.1 Teori Antrian

Antrian yang panjang sering kali kita temukan di bank saat nasabah mengantri di teller
untuk melakukan transaksi, di klinik saat pasien mengantri untuk mendapatkan
pelayanan, di airport saat para calon penumpang melakukan check-in, di super market
saat para pembeli antri untuk melakukan pembayaran, di tempat cuci mobil saat mobil
antri untuk dicuci dan masih banyak contoh lainnya. Hal ini dapat menyebabkan
konsumen berhenti untuk mengantri atau bahkan dapat meninggalkan sistem sehingga
dapat mengakibatkan kehilangan konsumen atau kerugian bagi perusahaan.

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 – waktu yang 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 (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 antara lain dalam teori antrian (Supranto,
1987). Menurut Siagian (1987), antrian ialah suatu garis tunggu dari nasabah (satuan)
yang memerlukan layanan dari satu atau lebih pelayan (fasilitas layanan). Richard

Universitas Sumatera Utara

Bronson (1982), proses antrian (queueing process) adalah suatu proses yang
berhubungan dengan kedatangan seseorang pelanggan pada suatu fasilitas pelayanan,
kemudian menunggu dalam suatu baris (antrian) jika semua pelayannya sibuk, dan
akhirnya meninggalkan fasilitas tersebut. Sebuah sistem antrian adalah suatu
himpunan pelanggan, pelayan dan suatu aturan yang mengatur kedatangan pada
pelanggan dan pemroses masalahnya.

2.2 Sistem Antrian

Gross dan Haris (Gross, 2001) mengatakan bahwa sistem antrian adalah kedatangan
pelanggan untuk mendapatkan pelayanan, menunggu untuk dilayani jika fasilitas
pelayanan (server) masih sibuk, mendapatkan pelayanan dankemudian meninggalkan
sistem setelah dilayani. Pada umumnya, sistem antrian dapat diklasifikasikan menjadi
sistem yang berbeda-beda di mana teori antrian dan simulasi sering diterapkan secara
luas. Klasifikasi menurut Hillier dan Lieberman adalah sebagai berikut :

1. Sistem pelayanan komersial.

Sistem pelayanan komersial merupakan aplikasi yang sangat luas dari model-
model antrian, seperti restoran, kafetaria, toko-toko, salon, butik, supermarket,
dan sebagainya.
2. Sistem pelayanan bisnis-industri.
Sistem pelayanan bisnis-industri mencakup sistem produksi, sistem material,
handling, sistem pergudangan, dan sistem-sistem informasi komputer.
3. Sistem pelayanan transportasi.
4. Sistem pelayanan sosial
Sistem pelayanan sosial merupakan sistem-sistem pelayanan yang dikelola
oleh kantor-kantor dan perusahaan-perusahan lokal maupun nasional, seperti
kantor registrasi SIM dan STNK, kantor pos, rumah sakit, puskesmas, dan
lain-lain (Subagyo, 2000).

Dalam sistem antrian terdapat beberapa komponen dasar proses antrian

antara lain adalah:

Universitas Sumatera Utara

1. Kedatangan.
Setiap masalah antrian melibatkan kedatangan, misalnya orang, mobil,
panggilan telepon untuk dilayani, dan lain-lain. Unsur ini sering dinamakan
proses input. Proses input meliputi sumber kedatangan atau biasa dinamakan
calling population, dan cara terjadinya kedatangan yang umumnya merupakan
variabel acak. Karakteristik dari populasi yang akan dilayani dapat dilihat
menurut ukurannya, pola kedatangan, serta perilaku dari populasi yang akan
dilayani. Menurut ukurannya, populasi yang dilayani bisa terbatas (finite) dan
tidak terbatas (infinite). pola kedatangan bisa teratur, dapat pula bersifat acak
atau random. Menurut Levin, dkk (2002), variabel acak adalah suatu variabel
yang nilainya bisa berapa saja sebagai hasil dari percobaan acak. Variabel acak
dapat berupa diskrit atau kontinu. Bila variabel acak hanya dimungkinkan
memiliki beberapa nilai saja, maka ia merupakan variabel acak diskrit.
Sebaliknya bila nilainya dimungkinkan bervariasi pada rentang tertentu, ia
dikenal sebagai variabel acak kontinu.

2. Pelayanan
Pelayanan atau mekanisme pelayanan dapat terdiri dari satu atau lebih pelayan,
atau satu atau lebih fasilitas pelayanan. Tiap-tiap fasilitas pelayanan kadang-
kadang disebut sebagai saluran (channel) (Schroeder,1997). Contohnya, jalan
tol dapat memiliki beberapa pintu tol. Mekanisme pelayanan dapat hanya
terdiri dari satu pelayan 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 :
1. Tersedianya pelayanan
Mekanisme pelayanan tidak selalu tersedia untuk setiap saat. Misalnya
dalam pertunjukan bioskop, loket penjualan karcis hanya dibuka pada
waktu tertentu antara satu pertunjukan dengan pertunjukan berikutnya,
sehingga saat loket ditutup mekanisme pelayanan terrhenti dan petugas
beristirahat.

Universitas Sumatera Utara

 2. Kapasitas pelayanan
Kapasitas dari mekanisme pelayanan diukur berdasarkan jumlah
pelanggan yang tidak dapat dilayani secara bersama-sama. Kapasitas
pelayan yang tidak selalu sama untuk setiap saat, ada yang tetap, tapi
ada juga yang berubah-ubah. Karena itu, fasilitas pelayanan dapat
memiliki satu atau lebih saluran. Fasilitas yang mempunyai satu
saluran disebut saluran tunggal atau sistem pelayanan tunggal dan
fasilitas yang mempunyai lebih dari satu saluran disebut saluran ganda
atau pelayanan ganda.
3. Lama pelayanan
Lama pelayanan adalah waktu yang dibutuhkan untuk melayani
seseorang langganan atau satu satuan. Ini harus dinyatakan secara pasti.
Oleh karena itu, waktu pelayanan boleh tetap dari waktu ke waktu
untuk semua langgannan atau boleh juga berupa variabel acak.
Umumnya dan untuk keperluan analisis, waktu pelayanan dianggap
sebagai varriabel acak yang terpancar secara bebas dan sama tidak
tergantung pada waktu pertibaan.

3. Antrian
Timbulnya antrian terutama tergantung dari sifat kedatangan dan proses
pelayanan. Jika tak ada antrian berarti terdapat pelayan yang menganggur atau
kelebihan fasilitas pelayanan (Mulyono, 1991).

2.3 Disiplin Antrian

Menurut Thomas J. Kakiay disiplin antrian adalah aturan di mana para pelanggan
dilayani, atau disiplin pelayanan (service discipline) yang memuat urutan (order) para
pelanggan menerima layanan. Ada 4 bentuk bentuk disiplin antrian menurut urutan
kedatangan antara lain adalah :

1. First Come First Served (FCFS) atau First In First Out (FIFO), di mana
pelanggan yang terlebih dahulu datang akan dilayani terlebih dahulu.

Universitas Sumatera Utara

 Misalnya, antrian pada loket pembelian tiket bioskop, antrian pada loket
pembelian tiket kereta api..
2. Last Come First Served (LCFS) atau Last In First Out (LIFO), di mana
pelanggan yang datang paling akhir akan dilayani terlebih dahulu. Misalnya,
sistem antrian pada elevator untuk lanti yang sama, sistem bongkar muat
barang dalam truk, pasien dalam kondisi kritis, walaupun dia datang paling
akhir tetapi dia akan dilayani terlebih dahulu.
3. Service In Random Order (SIRO) atau Random Selection for Service (RSS), di
mana panggilan didasarkan pada peluang secara random, jadi tidak menjadi
permasalahan siapa yang lebih dahulu datang. Misalnya, pada arisan di mana
penarikan berdasarkan nomor undian.
4. Priority Service (PS), di mana prioritas pelayanan diberikan kepada pelanggan
yang mempunyai prioritas lebih tinggi dibandingkan dengan pelanggan yang
mempunyai prioritas yang lebih rendah, meskipun mungkin yang dahulu tiba
di garis tunggu adalah yang terakhir datang. Hal ini mungkin disebabkan oleh
beberapa hal, misalnya seseorang yang memiliki penyakit yang lebih berat
dibandingkan orang lain pada suatu tempat praktek dokter, hubungan
kekerabatan pelayan dan pelanggan potensial akan dilayani terlebih dahulu.

2.4. Struktur Antrian

Ada 4 model struktur antrian dasar yang umum terjadi dalam seluruh sistem antrian :

1. Single Channel – Single Phase

Jalur antrian Server

Gambar 2.4.1 Single Channel – Single Phase

Single Channel berarti hanya ada satu jalur yang memasuki sistem pelayanan atau ada
satu fasilitas pelayanan. Single Phase berarti hanya ada satu fasilitas pelayanan.
Contohnya adalah sebuah kantor pos yang hanya mempunyai satu loket pelayananan

Universitas Sumatera Utara

dengan jalur satu antrian, supermarket yang hanya memiliki satu kasir sebagai tempat
pembayaran, dan lain-lain.

2. Single Channel – Multi Phase

Jalur antrian Server Server Server

Gambar 2.4.2 Single Channel – Multi Phase

Sistem antrian jalur tunggal dengan tahapan berganda ini atau menunjukkan ada dua
atau lebih pelayanan yang dilaksanakan secara berurutan. Sebagai contoh adalah :
pencucian mobil, tukang cat mobil, dan sebagainya.

3. Multi Channel – Single Phase

Jalur antrian Server

Gambar 2.4.3 Multi Channel – Single Phase

Sistem Multi Channel – Single Phase terjadi di mana ada dua atau lebih fasilitas
pelayanan dialiri oleh antrian tunggal. Contohnya adalah antrian pada sebuah bank
dengan beberapa teller, pembelian tiket atau karcis yang dilayani oleh beberapa loket,
pembayaran dengan beberapa kasir, dan lain-lain.

4. Multi Channel – Multi Phase

Jalur antrian Server

Universitas Sumatera Utara

 Gambar 2.4.4 Multi Channel – Multi Phase

Sistem Multi Channel – Multi Phase ini menunjukkan bahwa setiap sistem
mempunyai beberapa fasilitas pelayanan pada setiap tahap sehingga terdapat lebih dari
satu pelanggan yang dapat dilayani pada waktu bersamaan. Contoh pada model ini
adalah : pada pelayanan yang dibarikan kepada pasien di rumah sakit dimulai dari
pendaftarran, diagnose, tindakan medis, samppai pembayaran, registrasi ulang
mahasiswa baru pada sebuah universitas, dan lain-lain.

2.5. Model-Model Antrian

Karakteristik dan asumsi dari model antrian dirangkum dalam bentuk notasi. Notasi
standar yang digunakan adalah sebagai berikut :

(a/b/c/d/e)

Di mana simbol a, b, c, d, e merupakan elemen dasar dari model antrian :

1. a = distribusi kedatangan yaitu jumlah kedatangan per satuan waktu
2. b = distribusi waktu pelayanan
3. c = jumlah fasilitas pelayanan ( s = 1, 2, 3, …,
4. d = jumlah maksimum yang deperkenankan berada dalam sistem (dalam
pelayanan ditambah yang di garis tunggu).
5. e = ukuran pemanggil populasi atau sumber.

Notasi standar untuk simbol a dan b sebagai distribusu kedatangan dan distribusi
waktu pelayanan mempunyai kode sebagai berikut :

1. M = Poisson ( Markovian ) untuk distribusi kedatangan atau waktu pelayanan.

2. D = interarrival atau service time konstan ( deterministic )
3. = interarrival atau service time berdistribusi Erlang atau Gamma

Universitas Sumatera Utara

 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/ /
Syarat-syarat dari model ini antara lain :
1. Jumlah kedatangan tiap satuan waktu mengikuti distribusi Poisson
2. Waktu pelayanan berdistribusi Eksponensial
3. Disiplin antrian yang digunakan adalah FCFS
4. Sumber populasi tidak terbatas
5. Jalur antriannya tunggal
6. Tingkat rata-rata kedatangan lebih kecil daripada tingkat rata-rata pelayanan
7. Panjang antrian tidak terbatas
2. Model ( M/ M/ S/ /
Pada model ini fasilitas pelayanan ( server ) bersifat ganda, rata-rata tingkat
kedatangan lebih kecil daripada penjumlahan seluruh rata-rata tingkat
pelayanan di tiap jalur. Syarat yang lain sama dengan model server tunggal.
3. Model ( M/ M/ 1/ /
Model ini merupakan variasi dari model yang pertama, di mana panjang
antrian atau kapasitas tunggu dibatasi maksimum N individu. Jumlah
maksimum ini meliputi individu yang menunggu dan yang sedang dilayani.
4. Model ( M/ M/ 1/ /
Model ini hampir sama dengan model yang pertama haya saja sumber populasi
dibatasi sebanyak N.

2.6 Terminologi dan Notasi Antrian

Terminologi yang biasa digunakan dalam sistem antrian adalah :

1. Keadaan sistem yaitu jumlah aktivitas pelayanan yang terjadi dalam melayani
pelanggan dalam sistem.
2. Panjang antrian yaitu banyaknya satuan yang berada dalam sistem dikurangi
dengan jumlah yang sedang dilayani.

Universitas Sumatera Utara

Notasi yang digunakan adalah sebagai berikut :

n = Jumlah nasabah yang mengantri pada waktu t

k = Jumlah satuan pelayanan
= Tingkat kedatangan
µ = Tingkat pelayanan
= Tingkat kesibukan sistem
= Peluang semua teller menganggur atau tidak ada nasabah dalam sistem
= Peluang nasabah yang datang harus menunggu
= Ekspektasi panjang sistem
L = Ekspektasi panjang antrian
= Ekspektasi waktu menunggu dalam sistem
W = Ekspektasi waktu menunggu dalam antrian

Faktor-faktor yang berpengaruh terhadap barisan antrian dan pelayanan adalah

sebagai berikut :
1. Distribusi kedatangan, kedatangan individu atau berkelompok
2. Distribusi pelayanan, pelayanan individu atau berkelompok
3. Fasilitas pelayanan, berbentuk series, paralel, atau network station
4. Disiplin pelayanan, berbentuk FCFS, LCFS, SIRO atau PP
5. Ukuran dalam antrian, kedatangan bersifat tidak terbatas atau terbatas
6. Sumber pemanggil, bersifat terbatas atau tidak terbatas

2.7 Pola Kedatangan dan Waktu Pelayanan

2.7.1 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.

Universitas Sumatera Utara

Jika kedatangan bersifat acak, harus diketahui dahulu distribusi probabilitas
kedatangannya.

Suatu proses kedatangan dalam suatu sistem antrian artinya menentukan

distribusi probabilitas unntuk jumlah kedatangan untuk suatu periode waktu ( Winston
). Pada umumnya, suatu proses kedatangan terjadi secara acak dan independent
terhadap proses kedatangan lainnya dan tidak dapat diprediksi kapan pelanggan akan
datang. Dalam hal ini, distribusi probabilitas Poisson menyediakan deskripsi yang
cukup baik untuk suatu pola kedatangan. Suatu fungsi probabilitas Poisson untuk
suatu kedatangan x pada suatu periode waktu adalah sebagai berikut :

Dimana :
x = jumlah kedatangan per periode waktu
λ = rata-rata jumlah kedatangan per periode waktu
e = 2,71828

2.7.2 Uji Kesesuaian Poisson

Uji kesesuaian Poisson dilakukan dengan uji Chi Square ( yang didefinisikan
sebagai berikut:
= data yang diuji mengikuti distribusi
= data yang diuji tidak mengikuti distribusi
Statistik test didefinisikan sebagai berikut :

Dimana :
= frekuensi observasi ke-i
= frekueensi harapan ke-i
Dalam uji Chi Square, data observasi mengikuti distribusi saat

Universitas Sumatera Utara

2.7.3 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 itu.

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 :

Dimana :
x = ( nilai tengah )
= rata-rata yang didekati dengan
e = 2,71828

2.7.4 Uji Kesesuaian Eksponensial

Uji kesesuaian Eksponensial dilakukan dengan uju Kolmogorov-Smirnov dengan cara

sebagai berikut :
= data yang diuji mengikuti distribusi
= data yang diuji tidak mengikuti distribusi
Statistik test didefinisikan sebagai berikut :

Universitas Sumatera Utara

Dalam uji Kolmogorov-Smirnov suatu data dikatakan mengikuti distribusi jika

2.8 Formula yang Digunakan

Formula yang digunakan antara lain :

1. Tingkat kesibukan sistem

2. Peluang tidak ada nasabah dalam sistem atau teller mengganggur (

3. Peluang nasabah yang datang harus menunggu untuk dilayani

4. Jumlah rata-rata nasabah dalam antrian

5. Jumlah rata-rata nasabah dalam sistem )

Universitas Sumatera Utara

 6. Waktu rata-rata nasabah dalam antrian

7. Waktu rata-rata nasabah dalam sistem

Dengan : = tingkat kesibukan sistem

k = jumlah server yang ada
λ = rata-rata tingkat kedatangan
µ = rata-rata tingkat pelayanan

2.9 Simulasi

Simulasi ialah suatu metodologi untuk melaksanakan percobaan dengan menggunakan

model dari satu sistem nyata (Siagian, 1987). Menurut Hasan (2002), simulasi
merupakan suatu model pengambilan keputusan dengan mencontoh atau
mempergunakan gambaran sebenarnya dari suatu sistem kehidupan dunia nyata tanpa
harus mengalaminya pada keadaan yang sesungguhnya.

Simulasi adalah suatu teknik yang dapat digunakan untuk memformulasikan

dan memecahkan model – model dari golongan yang luas. Golongan atau kelas ini
sangat luasnya sehingga dapat dikatakan , “ Jika semua cara yang lain gagal, cobalah
simulasi” (Schroeder, 1997). Khosnevis (1994) mendefinisikan simulasi sebagai
pendekatan eksperimental. Keterbatasan metode analistis 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 :
1. Model analitik tidak mampu menggambarkan suatu sistem pada masa lalu dan
masa mendatang melalui pembagian waktu. Model analitik hanya memberikan

Universitas Sumatera Utara

 penyelesaian secara menyeluruh, suatu jawab yang mungkin tunggal dan
optimal tetapi tidak menggambarkan suatu prosedur operasional untuk masa
lebih singkat dari 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 hal – hal 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. Perubahan konfigurasi dan struktur dapat dilaksanakan lebih mudah untuk
menjawab pertanyaan : what happen if… Misalnya, banyak aturan dapat
dicoba untuk mengubah jumlah langganan dalam sistem antrian.
4. Dalam banyak hal, simulasi lebih murah dari percobaannya sendiri.
5. Simulasi dapat digunakan untuk maksud pendidikan.
6. 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.

Universitas Sumatera Utara

 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 (Siagian, 1987).

2.10 Model-Model Simulasi

Model-model simulasi dapat diklasifikasikan dengan beberapa cara. Salah satu

pengelompokannya adalah :
1. Model simulasi statis adalah representasi sistem pada waktu-waktu tertentu
atau model yang digunakan untuk mempresentasikan sistem dimana waktu
tidak mempunyai peranan. Contohnya simulasi Monte Carlo ( simulasi
perilaku sistem fisika dan matematika).
Model simulasi dinamis adalah representasi sistem sepanjang pergantian
waktu ke waktu. Contohnya sistem conveyor di pabrik .

2. Model simulasi deterministik adalah model simulasi yang tidak

mengandung kimponen yang sifatnya probabilistik ( random ) dan output
telah dapat ditentukan ketika sejumlah input dalam hubungan tertentu
dimasukkan.
Model simulasi stokastik adalah moel simulasi yang mengandung input-
input probabilistik ( random ) dan output yang dihasilkan pun sifatnya
random.

3. Model simulasi kontinu adalah model simulasi dimana state ( status ) dari
sistem berubah secara kontinu karena berubahnya waktu ( change state
variable ). Contohnya simulasi polpulasi penduduk.
Model simulasi diskrit adalah model suatu sistem dimana perubahan state
terjadi pada satuan-satuan waktu yang diskrit sebagai hasil suatu kejadian (
event ) tertentu (discrete change state variables ). Contohnya simulasi
antrian.

Universitas Sumatera Utara

2.11 Simulasi Monte Carlo

Metode Monte Carlo adalah algoritma komputasi untuk mensimulasikan berbagai

perilaku sistem fisika dan matematika. Metode Monte Carlo digunakan dengan istilah
sampling statistik. Penggunaan nama Monte Carlo, yang dipopulerkan oleh para
pioner bidang tersebut (termasuk Stanislaw Marcin Ulam, Enrico Fermi, John von
Neumann dan Nicholas Metropolis), merupakan nama kasino terkemuka di Monako.
Penggunaan keacakan dan sifat pengulangan proses mirip dengan aktivitas yang
dilakukan pada sebuah kasino. Dalam autobiografinya Adventures of a
Mathematician, Stanislaw Marcin Ulam menyatakan bahwa metode tersebut
dinamakan untuk menghormati pamannya yang seorang penjudi, atas saran
Metropolis.

Penggunaannya yang cukup dikenal adalah oleh Enrico Fermi pada tahun
1930, ketika ia menggunakan metode acak untuk menghitung sifat-sifat neutron yang
waktu itu baru saja ditemukan. Metode Monte Carlo merupakan simulasi inti yang
digunakan dalam Manhattan Project, meski waktu itu masih menggunakan oleh
peralatan komputasi yang sangat sederhana. Sejak digunakannya komputer elektronik
pada tahun 1945, Monte Carlo mulai dipelajari secara mendalam. Pada tahun 1950-an,
metode ini digunakan di Laboratorium Nasional Los Alamos untuk penelitian awal
pengembangan bom hidrogen, dan kemudian sangat populer dalam bidang fisika dan
riset operasi. Rand Corporation Angkatan Udara AS merupakan dua institusi utama
yang bertanggung jawab dalam pendanaan dan penyebaran informasi mengenai Monte
Carlo waktu itu, dan mereka mulai menemukan aplikasinya dalam berbagai bidang.

Penggunaan metode Monte Carlo memerlukan sejumlah besar bilangan acak,

dan hal tersebut semakin mudah dengan perkembangan pembangkit bilangan acak,
yang jauh lebih cepat dan praktis dibandingkan dengan metode sebelumnya yang
menggunakan tabel bilangan acak untuk sampling statistik.

Jika suatu sistem mengandung elemen yang mengandung faktor kemungkinan,

model yang digunakan adalah model Monte Carlo. Dasar dari simulasi Monte Carlo

Universitas Sumatera Utara

adalah percobaan elemen kemungkinan dengan menggunakan sampel random (acak).
Metode ini terbagi dalam 5 tahapan:

1 Membuat distribusi kemungkinan untuk variabel penting.

Gagasan dasar dari simulasi monte carlo adalah membuat nilai dari tiap variabel yang
merupakan bagian dari model yang dipelajari. Banyak variabel di dunia nyata yang
secara alami mempunyai berbagai kemungkinan yang mungkin ingin kita simulasikan.
Salah satu cara umum untuk membuat distribusi kemungkinan untuk suatu variabel
adalah memperhitungkan hasil di masa lalu. Kemungkinan atau frekuensi relative
untuk tiap kemungkinan hasil dari tiap variabel ditentukan dengan membagi frekuensi
observasi dengan jumlah total observasi
Contoh: Waktu proses dari suatu stasiun kerja tertentu.

2 Membangun distribusi kemungkinan kumulatif untuk tiap‐tiap variabel di tahap

pertama.
Konversi dari distribusi kemungkinan biasa, kumulatif dilakukan dengan
menjumlahkan tiap angka kemungkinan dengan jumlah sebelumnya. Probabilitas
kumulatif ini berguna untuk membantu menempatkan nilai random.

3 Menentukan interval angka random untuk tiap variabel

Setelah kita menentukan probabilitas kumulatif untuk tiap variabel yang termasuk
dalam simulasi, kita harus menentukan batas angka yang mewakili tiap kemungkinan
hasil. hal tersebut ditujukan pada interval angka random. Penentuan interval didasari
oleh kemungkinan kumulatif

4 Membuat angka random

Untuk membuat angka random kita bisa menggunakan software Microsoft Excel
dengan menggunakan perintah =rand(), lanjutkan sampai batas yang diinginkan.

5 Membuat simulasi dari rangkaian percobaan

.

Universitas Sumatera Utara