LAPORAN AKHIR

ANALISIS SISTEM ANTRIAN DALAM MENGOPTIMALKAN

PELAYANAN LOKET KELUAR TAPCASH DI GATE II
UNIVERSITAS PENDIDIKAN INDONESIA

Diajukan untuk memenuhi tugas mata kuliah Riset Operasi

Disusun oleh:

1. Fakhri Maulana N (1702373)

2. Yolanda Putri Kirana (1703144)
3. Yudesty Liean (1703436)
4. Siti Sofiah Ramadhany (1705479)

PROGRAM STUDI MATEMATIKA

DEPARTEMEN PENDIDIKAN MATEMATIKA
FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN INDONESIA
2019
A. DESKRIPSI MASALAH
Berdasarkan survei kepada para pengendara motor di Universitas Pendidikan
Indonesia tentang sistem keluar dari parkiran melalui palang otomatis yang baru-baru
ini diterapkan. Didapatkan bahwa sistem yang ada menyebabkan kemacetan yang
cukup signifikan.
Panjangnya antrian menyebabkan para pengendara merasa tidak nyaman
sehingga dibutuhkan suatu sistem antrian atau model untuk meninjau ulang masalah
antrian tersebut. Sebuah sistem antrian adalah suatu himpunan pelanggan, pelayanan,
dan suatu aturan yang mengatur kedatangan para pelanggan dan pemrosesan
masalahnya.
Maka dari itu kami melakukan penelitian tentang “Analisis Sistem Antrian
dalam Mengoptimalkan Pelayanan Loket Keluar Tapcash di Gate II Universitas
Pendidikan Indonesia” sebagai implementasi dari mata kuliah Riset Operasi dan juga
untuk memenuhi tugas mata kuliah tersebut.

B. TEORI ANTRIAN

Antrian adalah suatu kejadian yang biasa dalam kehidupan sehari–hari. Menurut
Siagian (1987), suatu antrian ialah suatu garis tunggu dari nasabah (satuan) yang
memerlukan layanan dari satu atau lebih pelayanan (fasilitas layanan).

Proses antrian adalah suatu proses yang berhubungan dengan kedatangan

seorang pelanggan dalam suatu fasilitas pelayanan, kemudian menunggu dalam antrian
jika semua pelayan sibuk, dan akhirnya meninggalkan pelayanan tersebut setelah
selesai dilayani. Sistem antrian adalah himpunan pelanggan, pelayan, dan aturan yang
mengatur kedatangan dan proses pelayanan (Bronson, 1991).

Pada banyak hal, tambahan fasilitas pelayanan dapat diberikan untuk

mengurangi antrian atau untuk mencegah timbulnya antrian. Akan tetapi biaya karena
memberikan pelayanan tambahan, akan menimbulkan pengurangan keuntungan
mungkin sampai di bawah tingkat yang dapat diterima. Sebaliknya, sering timbulnya
antrian yang panjang akan mengakibatkan hilangnya pelanggan/nasabah.

Menurut Taha (1997:609), suatu sistem antrian bergantung pada tujuh

komponen yaitu pola kedatangan, pola kepergian, kapasitas sistem, fasilitas pelayanan,
disiplin pelayanan, ukuran sumber pemanggilan, dan perilaku manusia. Komponen –
komponen tersebut diuraikan sebagai berikut:

1. Pola Kedatangan
Pola kedatangan adalah banyaknya kedatangan pelanggan selama
periode waktu tertentu.Pelanggan dapat datang secara individu maupun
kelompok.Namun, jika tidak disebutkan secara khusus maka kedatangan terjadi
secara individu.Kedatangan dapat beragam pada suatu periode waktu tertentu,
namun dapat juga bersifat acak di mana kedatangan pelanggan tidak bergantung
pada waktu.Jika kedatangan bersifat acak maka perlu ditentukan distribusi
probabilitas waktu antar kedatangannya.Pola kedatangan dapat dicirikan oleh
distribusi probabilitas waktu antar kedatangan atau probabilitas jumlah
pelanggan yang datang pada sistem antrian.Waktu antar kedatangan adalah
waktu antara dua kedatangan yang berurutan pada suatu fasilitas pelayanan.

2. Pola Kepergian
Pola Kepergian adalah banyaknya kepergian pelanggan selama periode
waktu tertentu.Pola kepergian biasanya dicirikan oleh waktu pelayanan, yaitu
waktu yang dibutuhkan oleh seorang pelayan untuk melayani seorang
pelanggan.Waktu pelayanan dapat bersifat deterministik atau berupa suatu
variabel acak dengan distribusi peluang tertentu.

3. Disiplin Pelayanan

Menurut Sinalungga (2008: 251), disiplin pelayanan adalah suatu aturan

yang dikenalkan dalam memilih pelanggan dari barisan antrian untuk segera
dilayani. Saluran (channel) adalah jumlah pelayan dapat memberikan pelayanan
kepada pelanggan dalam waktu yang bersamaan, sedangkan tahap (phase)
adalah jumlah terminal-terminal pelayanan yang harus dilalui oleh pelanggan
sebelum pelayanan dinyatakan lengkap atau selesai.Adapun pembagian disiplin
pelayanan yaitu:

a. First In First Out (FIFO)

FIFO merupakan disiplin antrian yang melayani pelanggan berdasarkan

urutan kedatangan yang lebih awal. Contoh penerapan disiplin antrian LIFO
 diantaranya antrian pembelian tiket bioskop, tiket kereta api, pembayaran di
kasir, dan sebagainya.

b. Last In First Out (LIFO)

LIFO merupakan disiplin antrian yang melayani pelanggan berdasarkan

urutan kedatangan yang lebih akhir.Contoh penerapan disiplin antrian LIFO
diantaranya bongkar muat barang ke dalam truk, sistem lift, dan sebagainya.

c. Service In Random Order (SIRO)

SIRO merupakan disiplin antrian yang melayani pelanggan secara
acak.Contoh penerapan disiplin antrian SIRO diantaranya sistem arisan.
d. Priority (PRI)

PRI merupakan disiplin antrian yang melayani pelanggan berdasarkan

prioritas.Contoh penerapan disiplin antrian PRI diantaranya pasien yang
melakukan pemeriksaan di Rumah Sakit, mobil ambulance dan pemadam
kebakaran dalam suatu kemacetan, dan sebagainya.

4. Fasilitas Pelayanan

Fasilitas pelayanan berkaitan erat dengan baris antrian yang akan dibentuk.
Desain fasilitas pelayanan terbagi dalam tiga bentuk, yaitu:

a. Bentuk seri, dalam satu garis lurus ataupun garis melingkar.

b. Bentuk paralel, dalam beberapa garis lurus yang antara satu dengan yang
lain paralel.
c. Bentuk network station, yang dapat didesain secara seri dengan pelayanan
lebih dari satu pada setiap stasiun. Bentuk dapat juga dilakukan secara
paralel dengan stasiun yang berbeda-beda.

Berikut merupakan empat desain sistem antrian, yaitu:

a. Single Channel Single Phase

Single Channel Single Phase adalah model antrian dengan hanya terdapat
satu pemberi pelayanan dan satu jenis pelayanan yang diberikan.
 Gambar 2.3 Sistem antrian Single Channel Single Phase

Asumsi-asumsi yang harus dipenuhi adalah:

1. Kedatangan dilayani berdasarkan FIFO.

2. Setiap kedatangan menunggu untuk dilayani, terlepas dari panjang
antrian dimana tidak ada sistem gugur.
3. Kedatangan tidak tergantung dari kedatangan sebelumnya, tetapi
jumlah rata-rata kedatangan tidak berubah seiring waktu.
4. Kedatangan dijelaskan dalam bentuk distribusi probabilitas Poisson
dan berasal dari populasi yang sangat besar.
5. Waktu layanan bervariasi dari satu pelanggan ke pelanggan
berikutnya dan tidak tergantung satu sama lain, tetapi tarif rata-rata
mereka diketahui.
6. Waktu layanan terjadi sesuai dengan distribusi probabilitas
eksponensial negatif.
7. Rata-rata tarif pelayanan lebih besar dari rata-rata tarif kedatangan.

Berikut rumus dasar untuk sistem antrian single channel:

1) Rumus probabilitas tidak ada pelanggan dalam sistem:
𝜆
𝑃𝑜 = 1 −
𝜇
2) Rumus probabilitas n pelanggan dalam sistem:
𝜆 𝑛 𝜆
𝑃𝑛 = ( ) (1 − )
𝜇 𝜇
3) Rumus probabilitas fasilitas pelayanan sibuk:
𝜆
𝑈=
𝜇
𝐼 =1−𝑈
4) Rumus rata-rata jumlah pelanggan dalam sistem:
𝜆
𝐿𝑠 =
𝜇−𝜆
5) Rumus rata-rata jumlah pelanggan dalam antrian:
𝜆2
𝐿𝑞 =
𝜇 (𝜇 − 𝜆 )
6) Rumus rata-rata waktu menunggu dalam sistem:
 𝐿𝑠 1
𝑊𝑠 = =
𝜆 𝜇−𝜆
7) Rumus rata-rata waktu menunggu dalam antrian:
𝐿𝑞 𝜆
𝑊𝑞 = =
𝜆 𝜇 (𝜇 − 𝜆 )

dengan
∑ 𝑊𝑎𝑘𝑡𝑢 𝑙𝑎𝑚𝑎 𝑝𝑒𝑙𝑎𝑦𝑎𝑛𝑎𝑛
𝜇=
𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑛𝑔𝑢𝑛𝑗𝑢𝑛𝑔 𝑦𝑎𝑛𝑔 𝑑𝑖𝑙𝑎𝑦𝑎𝑛𝑖
𝐽𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑛𝑔𝑢𝑛𝑗𝑢𝑛𝑔 𝑦𝑎𝑛𝑔 𝑑𝑎𝑡𝑎𝑛𝑔
𝜆=
𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑛𝑔𝑢𝑘𝑢𝑟𝑎𝑛 𝑝𝑒𝑟 ℎ𝑎𝑟𝑖

𝑃𝑜 = probabilitas tidak ada pelanggan dalam sistem

𝑃𝑛 = probabilitas n pelanggan dalam sistem
𝑈 = probabilitas fasilitas pelayanan sibuk
𝐼 = probabilitas fasilitas pelayanan tidak bekerja
𝐿𝑠 = rata-rata jumlah pelanggan dalam sistem
𝐿𝑞 = rata-rata jumlah pelanggan dalam antrian
𝑊𝑠 = rata-rata waktu menunggu dalam sistem
𝑊𝑞 = rata-rata waktu menunggu dalam antrian
𝜆= rata-rata jumlah kedatangan per satuan waktu
𝜇= rata-rata jumlah yang dilayani per satuan waktu

b. Single Channel Multi Phase

Single Channel Multi Phase adalah model antrian dengan hanya terdapat
satu pemberi pelayanan dan dua atau lebih jenis pelayanan yang
diberikan.

Gambar 2.4 Sistem Antrian Single Channel Multi Phase

 c. Multi Channel Single Phase
Multi Channel Single Phase adalah model antrian dengan dua atau lebih
pemberi pelayanan dan satu jenis pelayanan yang diberikan.

Gambar 2.5 Sistem Antrian Multi Channel Single Phase

d. Multi Channel Multi Phase

Multi Channel Multi Phase adalah model antrian dengan dua atau lebih
pemberi pelayanan dan dua atau lebih jenis pelayanan yang
diberikan.Pada umumnya, jaringan antrian ini terlalu kompleks untuk
dianalisa dengan teori antrian, sehingga simulasi lebih sering digunakan
untuk menganalisa sistem ini.

Gambar 2.6 Sistem Antrian Multi Channel Multi Phase

Berikut rumus dasar untuk sistem antrian multi channel:

1) Rumus probabilitas tidak ada pelanggan dalam sistem
1
𝑃0 = 𝑛
𝜆 𝜆 𝑐
(𝜇 ) (𝜇 )
∑𝑐−1
𝑛=0 [ 𝑛! ] + 𝜆
𝑐! (1 − 𝑐𝜇 )

2) Rumus probabilitas n pelanggan dalam sistem

1 𝜆 𝑛
( ) 𝑃0 , 𝑢𝑛𝑡𝑢𝑘 𝑛 > 𝑐
𝑐! 𝑐 𝑛−𝑐 𝜇
𝑃𝑛 =
1 𝜆 𝑛
( ) 𝑃0 , 𝑢𝑛𝑡𝑢𝑘 𝑛 < 𝑐
{ 𝑛 𝜇
3) Rumus rata-rata jumlah pelanggan dalam antrian
𝜆 𝑐
𝜆𝜇 (𝜇 )
𝐿𝑞 = 𝑃0
(𝑐 − 1)! (𝑐𝜇 − 𝜆)2
4) Rumus rata-rata jumlah pelanggan dalam sistem
𝜆
𝐿𝑠 = 𝐿𝑞 +
𝜇
5) Rumus rata-rata waktu menunggu dalam antrian
𝐿𝑞
𝑊𝑞 =
𝜆
6) Rumus rata-rata waktu menunggu dalam sistem

1
𝑊𝑠 = 𝑊𝑞 +
𝜇

dengan
∑ 𝑊𝑎𝑘𝑡𝑢 𝑙𝑎𝑚𝑎 𝑝𝑒𝑙𝑎𝑦𝑎𝑛𝑎𝑛
𝜇=
𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑛𝑔𝑢𝑛𝑗𝑢𝑛𝑔 𝑦𝑎𝑛𝑔 𝑑𝑖𝑙𝑎𝑦𝑎𝑛𝑖
𝐽𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑛𝑔𝑢𝑛𝑗𝑢𝑛𝑔 𝑦𝑎𝑛𝑔 𝑑𝑎𝑡𝑎𝑛𝑔
𝜆=
𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑛𝑔𝑢𝑘𝑢𝑟𝑎𝑛 𝑝𝑒𝑟 ℎ𝑎𝑟𝑖
𝑃𝑜 = probabilitas tidak ada pelanggan dalam sistem
𝑃𝑛 = probabilitas n pelanggan dalam sistem
𝐿𝑠 = rata-rata jumlah pelanggan dalam sistem
𝐿𝑞 = rata-rata jumlah pelanggan dalam antrian
𝑊𝑠 = rata-rata waktu menunggu dalam sistem
𝑊𝑞 = rata-rata waktu menunggu dalam antrian
𝜆= rata-rata jumlah kedatangan per satuan waktu
𝜇= rata-rata jumlah yang dilayani per satuan waktu pada setiap jalur
𝑐 = banyaknya pemberi pelayanan

5. Kapasitas Sistem

Menurut Bronson (1996:310), kapasitas sistem adalah banyak

maksimum pelanggan, baik pelanggan yang sedang berada dalam pelayanan
maupun dalam antrian, yang ditampung oleh fasilitas pelayanan pada waktu
yang sama. Suatu sistem antrian yang tidak membatasi banyak pelanggan dalam
 fasilitas pelayanannya disebut sistem berkapasitas tak berhingga, sedangkan
suatu sistem yang membatasi banyak pelanggan dalam fasilitas pelayanannya
disebut sistem berkapasitas berhingga, jika pelanggan memasuki sistem pada
saat fasilitas pelayanan penuh maka pelanggan akan ditolak dan meninggalkan
sistem tanpa memperoleh pelayanan.

6. Perilaku Manusia

Perilaku manusia merupakan perilaku – perilaku yang mempengaruhi

suatu sistem antrian ketika manusia mempunyai peran dalam sistem baik
sebagai pelanggan maupun pelayan.Jika manusia berperan sebagai pelayan,
dapat melayani pelanggan dengan cepat atau lambat sesuai kemampuannya
sehingga mempengaruhi lamanya waktu tunggu (Taha, 1996:178).

Menurut Gross dan Harris (1998:3), perilaku manusia dalam sistem

antrian jika berperan sebagai pelanggan sebagai berikut:

a. Reneging menggambarkan situasi dimana seseorang masuk dalam antrian,

namun belum memperoleh pelayanan, kemudian meninggalkan antrian
tersebut.
b. Balking menggambarkan orang yang tidak masuk dalam antrian dan
langsung meninggalkan tempat antrian.
c. Jockeying menggambarkan situasi jika dalam sistem ada dua atau lebih jalur
antrian maka orang dapat berpindah antrian dari jalur yang satu ke jalur yang
lain.

7. Ukuran Sumber Pemanggilan

Menurut Taha (1996:177), ukuran sumber pemanggilan adalah

banyaknya populasi yang membutuhkan pelayanan dalam suatu sistem antrian.
Ukuran sumber pemanggilan dapat terbatas maupun tak terbatas.Sumber
pemanggilan terbatas terjadi ketika banyaknya pelanggan dalam sistem
mempengaruhi laju kedatangan pelanggan baru.

8. Notasi Antrian

Notasi baku untuk memodelkan suatu sistem antrian pertama kali

dikemukakan oleh D. G. Kendall dalam bentuk a / b / c, dan dikenal sebagai
notasi Kendall. Namun, A. M. Lee menambahkan simbol d dan e sehingga
menjadi a / b / c / d / e yang disebut notasi Kendall-Lee (Taha, 1996:627).

Menurut Taha (1997:186) Notasi Kendall-Lee tersebut perlu ditambah

dengan simbol f. Sehingga karakteristik suatu antrian dapat dinotasikan dalam
format baku (a / b / c) : ( d / e / f ), dengan:

a : distribusi kedatangan

b : distribusi kepergian atau waktu pelayanan

Simbol a dan b digunakan kode-kode berikut sebagai pengganti:

M : Markov, distribusi kedatangan atau kepergian Poisson atau

(distribusi antar kedatangan atau waktu pelayanan eksponensial)

D : Deterministik, waktu antar kedatangan atau waktu pelayanan

konstan

Ek : Erlang, distribusi waktu antar kedatangan atau waktu pelayanan

Erlang

G :General, distribusi kepergian atau waktu pelayanan General

(umum)

c : banyaknya pelayanan paralel (jumlah saluran dalam sistem), c = 1, 2,

3,...

d : disiplin antrian (FIFO, LIFO, SRO, PRI)

e : jumlah maksimum pengantri dalam sistem (antri dan dilayani), e = 1,

2, ..., ∞

f : jumlah sumber kedatangan, f = 1, 2, ..., ∞

Menghitung Steady Stade

∑ 𝑊𝑎𝑘𝑡𝑢 𝑙𝑎𝑚𝑎 𝑝𝑒𝑙𝑎𝑦𝑎𝑛𝑎𝑛

𝜇=
𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑛𝑔𝑢𝑛𝑗𝑢𝑛𝑔 𝑦𝑎𝑛𝑔 𝑑𝑖𝑙𝑎𝑦𝑎𝑛𝑖

𝐽𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑛𝑔𝑢𝑛𝑗𝑢𝑛𝑔 𝑦𝑎𝑛𝑔 𝑑𝑎𝑡𝑎𝑛𝑔

𝜆=
𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑛𝑔𝑢𝑘𝑢𝑟𝑎𝑛 𝑝𝑒𝑟 ℎ𝑎𝑟𝑖
 𝜆= rata-rata jumlah kedatangan per satuan waktu

𝜇= rata-rata jumlah yang dilayani per satuan waktu pada setiap jalur

Haruslah 𝜆 < 𝜇

C. ASUMSI-ASUMSI MASALAH

Asumsi-asumsi yang harus dipenuhi Single Channel Single Phase adalah:

1. Kedatangan dilayani berdasarkan FIFO.

2. Setiap kedatangan menunggu untuk dilayani, terlepas dari panjang antrian dimana
tidak ada sistem gugur.
3. Kedatangan tidak tergantung dari kedatangan sebelumnya, tetapi jumlah rata-rata
kedatangan tidak berubah seiring waktu.
4. Kedatangan dijelaskan dalam bentuk distribusi probabilitas Poisson dan berasal
dari populasi yang sangat besar.
5. Waktu layanan bervariasi dari satu pelanggan ke pelanggan berikutnya dan tidak
tergantung satu sama lain, tetapi tarif rata-rata mereka diketahui.
6. Waktu layanan terjadi sesuai dengan distribusi probabilitas eksponensial negatif.
7. Rata-rata tarif pelayanan lebih besar dari rata-rata tarif kedatangan

Dan asumsi seperti gangguan error peng-tap-an kartu tapcash, kerusakan palang
otomatis maupun penutupan loket, asumsi-asumsi tersebut diabaikan

D. PEMBAHASAN (berisi teknik penyelesaian model, solusi optimal yang diperoleh, dan
analisis lainnya jika ada)

Kasus yang diberikan ialah antrian pelayanan parkir Tapcash

Hari Senin, Selasa,0 Rabu, 06 Kamis, Senin, Selasa,1 Rabu,13

,Tangg 04 5 Novemb 07 11 2 Novemb
al Novemb Novemb er Novemb Novemb Novemb er 2019
er 2019 er 2019 er 2019 er 2019 er 2019
2019
Jumlah 276 280 265 260 283 270 267
Motor
Waktu 1834 1830 1841 1821 1820 1838 1842
Pelaya
na

Untuk menghitung ukuran steady state dapat dihitung rata-rata kedatangan

motor yang keluar per detik

𝐽𝑢𝑚𝑙𝑎ℎ 𝑚𝑜𝑡𝑜𝑟 𝑦𝑎𝑛𝑔 𝑑𝑎𝑡𝑎𝑛𝑔

𝜆=
𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑛𝑔𝑢𝑘𝑢𝑟𝑎𝑛 𝑝𝑒𝑟 ℎ𝑎𝑟𝑖
276 + 280 + 265 + 260 + 283 + 270 + 267
=
1800
= 1,056111
Laju kedatangan motor adalah. 1,056111 detik per motor

Pada kasus ini terdapat satu loket tiket yang ada untuk melayani motor. Tingkat
pelayanan loket adalah lama waktu pelayanan yang disediakan oleh loket untuk
melayani motor, maka dapat dihitung rata-rata waktu pelayanan motor sebagai berikut
:

∑ 𝑊𝑎𝑘𝑡𝑢 𝑙𝑎𝑚𝑎 𝑝𝑒𝑙𝑎𝑦𝑎𝑛𝑎𝑛

𝜇=
𝑗𝑢𝑚𝑙𝑎ℎ 𝑚𝑜𝑡𝑜𝑟 𝑦𝑎𝑛𝑔 𝑑𝑖𝑙𝑎𝑦𝑎𝑛𝑖
1834 + 1830 + 1841 + 1821 + 1820 + 1838 + 1842
=
276 + 280 + 265 + 260 + 283 + 270 + 267
= 6,746975

Rata-rata pelayanan motor oleh loket di Gerbang II (Gerbang Ledeng )

Universitas Pendidikan Indonesia adalah 6,746975 detik per motor.

Berdasarkan pencarian di atas dihasilkan jumlah rata-rata motor yang datang

yaitu satu motor per menit, dengan kecepatan pelayanan yaitu 6,746975 detik per
motor berarti kondisi steady state terpenuhi. Memenuhi kondisi steady state maka
haruslah kecepatan kedatangan lebih kecil dari kecepatan pelayanan

Selanjutnya tingkat intensitas fasilitas pelayanan (ρ) dapat dihitung dengan

.
 𝜆 1,056111
ρ= =
𝑐𝜇 (1)(6,746975)

=0,156531

Jadi, diperoleh nilai ρ =0,156531

Berikut rumus dasar untuk sistem antrian single channel:

1) Rumus probabilitas tidak ada pelanggan dalam sistem:
𝜆
𝑃𝑜 = 1 −
𝜇
1,056111
𝑃𝑜 = 1 −
6,746975
𝑃𝑜 =0.843469

2) Rumus probabilitas n pelanggan dalam sistem:

𝜆 𝑛 𝜆
𝑃𝑛 = ( ) (1 − )
𝜇 𝜇
1,056111 𝑛
𝑃𝑛 = ( ) (0.843469)
6,746975

3) Rumus probabilitas fasilitas pelayanan sibuk:

𝜆
𝑈 = 𝜇 =0,156531

𝐼 = 1 − 𝑈=1-0,156531
= 0.843469

4) Rumus rata-rata jumlah pelanggan dalam sistem:

𝜆 1,056111
𝐿𝑠 = 𝜇−𝜆 = 6,746975−1,056111 = 0,185580

5) Rumus rata-rata jumlah pelanggan dalam antrian:

𝜆2 (1,056111)2
𝐿𝑞 = 𝜇(𝜇−𝜆) = 6,746975(6,746975−1,056111) = 0,029049

6) Rumus rata-rata waktu menunggu dalam sistem:

 𝐿𝑠 1 0,185580
𝑊𝑠 = = = = 0,175720
𝜆 𝜇 − 𝜆 1,056111
7) Rumus rata-rata waktu menunggu dalam antrian:
𝐿𝑞 𝜆 0.029049
𝑊𝑞 = = = = 0,027506
𝜆 𝜇(𝜇 − 𝜆) 1,056111

1. Uji Kesesuaian

Uji Goodness of fit digunakan untuk menguji data apakah data sebuah sampel
yang diambil berkaitan dengan hipotesis yang menyatakan bahwa populasi asal sampel
tersebut mengikuti suatu distribusi yang telah ditetapkan.

a Uji Distribusi Kedatangan

Kedatangan motor pada Gate II (Gerbang Ledeng ) Universitas Pendidikan
Indonesia diasumsikan berdistribusi Poisson.
a) Hipotesis
Ho : Data kedatangan motor berdistribusi Poisson
H1 : Data kedatangan motor tidak berdistribusi Poisson
b) Taraf Signifikansi
Taraf signifikansi yang digunakan adalah 𝛼 = 5%
c) Statistik Uji
Tolak H0 jika p-value < nilai 𝛼
d) Kriteria Uji yang digunakan
Dengan menggunakan taraf nyata 𝛼 = 5%, maka berdasarkan output
Kolmogorov-Smirnov dengan menggunakan program SPSS dapat diketeahui p-
value sebesar 0,840 Karena nilai p-value > nilai 𝛼, yaitu 0,840 > 0,05. Maka H0
diterima.

One-Sample Kolmogorov-Smirnov Test 2

Banyaknya
motor
N 7
Poisson Parametera,b Mean 271.57
 Most Extreme Absolute .233
Differences Positive .233
Negative -.233
Kolmogorov-Smirnov Z .617
Asymp. Sig. (2-tailed) .840
a. Test distribution is Poisson.
b. Calculated from data.

e) Kesimpulan

Data kedatangan motor berdistribusi Poisson

b Uji Distribusi Waktu Pelayanan

Waktu pelayanan motor pada Gate II (Gerbang Ledeng ) Universitas Pendidikan
Indonesia diasumsikan berdistribusi Exponensial.
a) Hipotesis
Ho : Data pelayanan motor berdistribusi Eksponensial
H1 : Data pelayanan motor tidak berdistribusi Eksponensial
b) Taraf Signifikansi
Taraf signifikansi yang digunakan adalah 𝛼 = 5%
c) Statistik Uji
Tolak H0 jika nilai p-value < nilai 𝛼
d) Kriteria Uji yang digunakan
Dengan menggunakan taraf nyata 𝛼 = 0,05, maka berdasarkan output
Kolmogorov-Smirnov dengan menggunakan program SPSS dapat diketeahui p-
value sebesar 0,008 Karena p-value < nilai 𝛼, yaitu 0,008 < 0,05, maka H0
diteriuma..

One-Sample Kolmogorov-Smirnov Test

Lamanya
Pelayanan
N 7
 Exponential Mean
1832.29
parameter.a,b
Most Extreme Absolute .630
Differences Positive .366
Negative -.630
Kolmogorov-Smirnov Z 1.666
Asymp. Sig. (2-tailed) .008
a. Test Distribution is Exponential.
b. Calculated from data.

e) Kesimpulan
Data jumlah pelayanan motor berdistribusi Eksponensial

E. MODEL MATEMATIKA (jelaskan pendefinisian parameter dan variabel keputusan

model, serta model optimisasi dari masalah pada No.2)
Disiplin yang diterapkan di Gate II (Gerbang Ledeng) Universitas Pendidikan
Indonesia yaitu motor yang terlebih dahulu datang akan dilayani terlebih dahulu (first
in first out). Struktur antriannya yaitu satu fasilitas pelayanan yang dialiri oleh jalur
tunggal atau single (Single channel-single phase). Jumlah motor yang boleh masuk
tidak terhingga dalam sistem antrian. Ukuran populasi pada sumbers masukan adalah
tidak berhingga. Didapat model antrian di Gate II (Gerbang Ledeng) Universitas
Pendidikan Indonesia sebagai berikut (M / M / 1): (FIFO / ~ / ~). Antrian loket Tapcash
terbilang cukup efektif dan sudah dikatakan optimal karena nilai ρ =0,156531 < 1 atau
λ<μ

F. KESIMPULAN
Adapun kesimpulan dari penelitian ini bahwa tingkat optimal kinerja sistem
antrian loket keluar di Gate II (Gerbang Ledeng) Universitas Pendidikan Indonesia
dengan model antrian sebagai berikut (M / M / 1): (FIFO / ~ / ~) terbilang cukup efektif
dan sudah dikatakan optimal karena nilai ρ =0,156531 < 1 atau λ < μ

G. DAFTAR PUSTAKA
Aminuddin. 2005. Prinsip-prinsip Riset Operasi. Jakarta : Erlangga.
 Arif Tiro, Muhammad dkk. 2008. Pengantar Teori Peluang. Makassar :
Andira Publisher.
Bain, L, & Engelhardt. (1992). Introduction to Probability and Mathematical
Statistics. California: Wadsworth Publishing Company.
Bunday, B. D. (1996). An Introduction to Queuing Theory. New York: John
Wiley & Sons.
Fahma Erida Nurrahmi dan Laksmi Prita W. 2012. Kajian antrian Tipe
(𝑀/𝑀/∞) dengan Sistem Pelayanan yang lambat dan Pelanggan yang tidak sabar
Jurnal Teknik POMITS Vol.1, No. 1.

H. KONTRIBUSI ANGGOTA (tuliskan dengan jelas apa saja konstribusi setiap anggota
kelompak selama proses pembuatan tugas riset operasi)

Fakhri Maulana: Mencari referensi, mencari ide kasus

Siti Sofiah Ramadhany: Membuat data, menghitung rumus, mencari ide kasus,
mengedit laporan
Yolanda Putri Kirana: Mengetik laporan, menghitung rumus, mencari ide kasus
Yudesty Liean: Membuat data, menghitung rumus, mencari ide kasus, mengedit
laporan