Tugas Kelompok

Mata Kuliah Teori ANTRIAN

( BaB 23 – SISTEM M/M/1)
Hal. 316 s/d 318

Nama Mahasiswa :
1. Pandu Panacara NPM. 19520001
Dosen : Taswanda Taryo, Dr. Drs. MSc

---------------------------------------------------------------------------

BAB 23
SISTEM M/M/1

KARAKTERISTIK SISTEM

Sebuah system M/M/1 adalah sebuah system antrian yang waktu antar
kedatangannya memiliki distribusi probabilitas eksponensial, dengan parameter
µ ; seorang pelayan ; kapasitas system tak-terbatasi ; dan disiplin antriannya
adalah yang pertama datang, pertama dilayani. Tetapi λ adalah laju kedatangan
pelanggan rata-rata dan tetapan µ adalah laju pelayanan rata-rata.

Karena distribusi eksponensial dari waktu antar – kedatangan dengan

rata–rata 1/λ untuk selang waktu 𝜏, ekivalen dengan distribusi Poisson dari pola
kedatangan dengan rerata λ 𝜏, Maka sistem M/M/1 sering kali disebut sebagai
sistem antrian pelayanan tunggal dengan kapasitas tak-berhingga yang memiliki
distribusi Poisson untuk inputnya dan distribusi eksponensial untuk waktu
pelayanan.

MODEL MARKOV

Suatu system M/M/1 adalah suatu proses kelahiran-kematian Poisson

(lihat bab 21). Probabilitas, 𝑝 𝑛 (𝑡), bahwa system ini mempunyai n pelanggan,
baik yang sedang menunggu atau sedang dilayani, pada saat t memenuhi
persamaan-persamaan Kolmogorov, dengan 𝜆 𝑛 = 𝜆 dan 𝜇 𝑛 = 𝜇, untuk semua
𝑛.

PEMECAHAN KEADAAN-TUNAK

Probabilitas-probabilitas keadaan-tunak ( steady-state probabilities )

untuk suatu system antrian adalah

𝑝𝑛 ≡ lim 𝑝𝑛 (𝑡) (𝑛 = 0,1,2, . . . )

𝑡→∞

Untuk sebuah system M/M/1, maka kita definisikan factor kegunaan atau (atau
intensita lalu-lintas) sebagai

𝜆
𝜌 ≡
𝜇

𝜌 adalah jumblah kedatangan yang diharapkan per rata-rata waktu pelayanan.

Jika 𝜌 < 1, maka probabilitas-probabilitas keadaan tunak ada dan diberikan
oleh

𝑝𝑛 = 𝜌𝑛 (1 − 𝜌 )

Jika 𝜌 > 1 , Panjang antrian yang diharapkan bertambah tanpa batas sehingga
tidak terjadi keadaan tunak. Keadaan sama berlaku bila 𝜌 = 1.
UKURAN KEEFEKTIFAN

Untuk suatu system antrian dalam keadaan tunak, maka ukuran-ukuran

yang menarik perhatian adalah

𝐿 ≡ jumblah pelanggan rata-rata dalam system

𝐿𝑞 ≡ Panjang Rata-rata dari antrian

𝑊 ≡ waktu yang dihabiskan seorang pelanggan dalam system

𝑊𝑞 ≡ waktu yang dihabiskan seorang pelanggan dalam antria

𝑊 (𝑡) ≡ probabilitas bahwa seorang pelanggan menghabiskan

lebih dari 𝑡 unit waktu dalam system

𝑊𝑞 (𝑡) ≡ probabilitas bahwa seorang pelanggan menghabiskan lebih

dari 𝑡 unit waktu dalam antrian

Keempat ukuran efektif yang pertama dalam kebanyakan sistem antrian

berkaitan melalui hubungan
1
𝑊 = 𝑊𝑞 +
𝜇

Rumus Little
−
𝐿= 𝜆 𝑊
−
𝐿𝑞 = 𝜆𝑊𝑞

Rumus little berlaku untuk sistem antrian yang umum, asalkan bahwa λ̅
menyatakan waktu kedatangan rata-rata para pelanggal kedalam fasilitas
pelayanan.
 −
Untuk suatu system M/M/1, = 𝜆 , dan keenam ukuran diatas secara explisit
𝜆

diberikan oleh :
𝜌
𝐿=
1−𝜌

𝜌2
𝐿𝑞 =
1−𝜌

𝜌
𝑊 =
1−𝜌

𝜌
𝑊𝑞 =
𝜇−𝜆

𝑊(𝑡) = 𝑒 −𝑡/𝑤 (𝑡 ≥ 0 )

𝑊𝑞 (𝑡) = 𝜌𝑒 −𝑡/𝑤 (𝑡 ≥ 0 )

Waktu yang dihabiskan dalam fasilitas pelayanan memiliki distribusi

eksponensial, tetapi selisih kedua waktu ini, yang merupakan waktu yang
dihabiskan dalam barisan, tidak memiliki distribusi eksponensial.

Soal-soal Yang Dipecahkan

Perhatikan bahwa “Kebanyakan” nilai-nilai dari satu variabel yang memiliki

distribusi eksponensial adalah lebih kecil daripada nilai reratanya.

Jika T memiliki suatu distribusi eksponensial dengan parameter 𝛽, maka

nilai rerata dari T adalah 1/ 𝛽

P( T ≤ 1/𝛽) = 1 − 𝑒 −1 ≈ 0.632
1
P( T ≤ 1/2𝛽) = 1 − 𝑒 −2 ≈ 0.392

63 persen dari nilai-nilai ini lebih kecil daripada nilai rerata, dan dari nilai-nilai
itu, terdapat sebanyak 63 persen yang lebih kecil daripada separuh nilai rerata.
Distribusi eksponensial juga memiliki sifat Markov ( atau tanpa mengingat ) :

𝑃(𝑇 ≤𝑎+𝑏|𝑇 >𝑎)=𝑃(𝑇 ≤𝑏)

Apabila T mengukur waktu kedatangan, maka implikasinya adalah bahwa

waktu untuk kedatangan berikutnya tidak bergantung pada waktu sejak
kedatangan yang terakhir.