Civil Engineering and Environmental Symposium Semarang,1 Mei 2019

Model Antrian Multiserver pada Konter Check-in Terminal A Bandara

Adisujtipto

Michael
Mahasiswa Departemen Teknik Sipil dan Lingkungan, Universitas Gadjah Mada, Yogyakarta, INDONESIA
michaelsudianto@gmail.com

Dewanti
Dosen Departemen Teknik Sipil dan Lingkungan, Universitas Gadjah Mada, Yogyakarta, INDONESIA
dewanti@ugm.ac.id

L. B. Suparma
Dosen Departemen Teknik Sipil dan Lingkungan, Universitas Gadjah Mada, Yogyakarta, INDONESIA
lbsuparma@ugm.ac.id

INTISARI

Transportasi udara, dewasa ini, sedang menjadi primadona moda angkutan yang digunakan massyarakat. Untuk melakukan
proses transportasi dengan moda ini, masyarakat/penumpang perlu melalui beberapa tahap pemrosesan yang terjadi di bandar
udara. Salah satu proses utamanya adalah check-in, selain proses boarding. Proses check-in merupakan tahap awal penumpang
mengklarifikasi datanya sebelum akhirnya boarding ke pesawat. Proses ini sering kali mengalami antrian penumpang yang
panjang, sebagai contoh di Bandar Udara Adisutjipto, yang akhirnya membuat ketidaknyamanan penumpang. Kondisi ini perlu
ditindak-lanjuti dengan penerapan model antrian yang dapat memperbaiki antrian yang terjadi. Dengan menggunakan data
kedatangan penumpang pada jam sibuk, model antrian multiserver dibangun dengan menghitung nilai-nilai parameter antrian.
Hasil analisis model multiserver menghasilkan keperluan konter keseluruhan di Terminal A Bandara Adisutjipto hanya sebanyak
22 dengan waktu menunggu rerata 1,7 menit. Setiap konter check-in akan memiliki nilai utilitas sebesar 0,64, dimana pemanfaatn
dalam kondisi sangat baik (dibawah 0,7).

Kata kunci: Check-in, Antrian, multiserver

1. PENDAHULUAN
1.1 Latar Belakang
Proses check-in merupakan tahapan awal penumpang
pesawat melapor untuk masuk ke ruang tunggu
sebelum akhirnya naik ke pesawat. Jika penumpang
yang semakin hari semakin padat dan tidak diimbangi
dengan sistem manajemen yang baik dalam proses
check-in ini, maka akan terjadi penumpukan
penumpang yang mengantri. Hal ini terjadi di Bandara
Adisutjipto, khususnya Terminal A, yang mana
menggunakan sistem antrian single channel – single
server, dimana penumpang akan mengantri untuk
check-in pada counter-counter sesuai dengan maskapai
penerbangan yang akan digunakannya. Akibatnya,
counter maskapai-maskapai yang memiliki jumlah
penerbangan besar dan jumlah penumpang yang
dilayani besar memiliki antrian yang sangat padat.
Antrian yang padat dapat membuat penumpang
menunggu lama untuk dilayani. Hal ini terjadi pada
konter-konter maskapai penerbangan dengan jumlah
penerbangan tinggi. Di sisi lain, maskapai penerbangan
dengan frekuesni penerbangan relatif rendah atau
penerbangan-penerbangan dengan harga tinggi, akan
terlihat antrian yang sangat sepi.
Untuk itu, optimalisasi proses check-in diperlukan
dengan mengatur sistem antrian dan pelayanan check-
in. Pengaturan dapat dilakukan dengan mengubah
sistem antrian pada proses check-in yang akan
berlangsung. Sistem multiserver akan dimodelkan
untuk memberikan perspektif baru mengenai sistem
antrian pada proses check-in
1.2 Rumusan Masalah
Permasalahan yang dihadapi oleh Terminal A
Keberangkatan Bandar Udara Adi Sutjipto adalah
padatnya área check-in. Kepadatan ini mengakibatkan
antrian yang panjang di konter-konter pelayanan check-
in. Hal ini diduga karena sistem layanan check-in
dengan menggunakan sistem antrian layanan tunggal
(single-server) kurang mampu untuk melayani
banyaknya penumpang

I-13
Semarang,1 Mei 2019
1.3 Tujuan Penelitian
Penelitian ini bertujuan untuk menganalisis dan
memodelkan sistem antrian check-in dengan sistem
multi-server (M/M/c) untuk Terminal A menit (Aji dan Bodroastuti, 2012). Kecenderungan
Keberangkatan Bandar Udara Adi Sutjipto,
Yogyakarta.
1.4 Batasan Penelitian
Adapun hal-hal yang diperhatikan sebagai Batasan
dalam penelitian ini adalah sebagai berikut:
1. Data antrian check-in diambil ketika jam Terminal
A, yaitu Pukul 12.30-15.00
2. Data antrian yang diteliti tidak memperhitungkan
high season atau musim liburan
3. Data kedatangan penumpang di antrian diasumsikan
memiliki pola Distribusi Poisson dan data waktu
proses pelayanan check-in memiliki pola Distribusi
Exponential
2. TINJAUAN PUSTAKA
Antrian, pada dasarnya, disebabkan oleh proses lalu-
lintas yang tersendat pada suatu sistem dimana, baik
manusia ataupun kendaraan, harus melaluinya untuk
mendapatkan suatu pelayanan (Ashford et al., 2011).
Hal ini dapat terjadi akibat tingkat kedatangan
penumpang yang jauh tinggi dibandingkan tingkat
pelayanan yang dilakukan oleh pihak penyedia jasa.
Untuk itu perlu adanya penilaian terhadap sistema
antrian, yaitu dengan model, yang ditentukan
berdasarkan hal-hal berikut ini: (1) Pola kedatangan
penumpang; (2) Pola pelayanan; (3) Jumlah konter
yang melayani; (4) Kapasitas sistem antrian; (5)
Panjang antrian yang diijinkan (ukuran populasi); dan
(6) Disiplin antrian (Zukerman, 2013).
Liu dan Yu (2016) menganalisis sistem antrian M/M/c
pada sembarang kondisi, menemukan bahwa dengan
antrian model M/M/c cocok digunakan pada beberapa
sektor, seperti transportasi, industri dan manufaktur.
Dengan menggunakan model markovian ini, analisis
yang dilakukan mewakili distribusi kedatangan
penumpang dan pola pelayanan check-in (Stolletz,
2011).
Beberapa análisis mengenai evaluasi terhadap sistem
antrian banyak dilakukan pada jasa pelayanan
perbankan dan kesehatan. Salah satunya ialah
pengembangan model-model multi-server dilakukan
pada aplikasi antrian bank (Hakim et al., 2018).
Banyaknya pengembangan model ini dikarenakan
tuntutan pelayanan yang baik yang diharapkan oleh
pengguna jasa terhadap pelayanan perbankan yang
diberikan oleh suatu bank. Selain itu, juga berlaku pada
pelayanan kesehatan, dimana pasien yang sakit tidak
I-14
Civil Engineering and Environmental Symposium
suka menunggu terlalu lama. Penerapan antrian multi-
server dimodelkan pada suatu apotek yang
menghasilkan menurunnya waktu menunggu hingga 8
yang sama juga terjadi pada loket pengambilan obat di
suatu rumah sakit, dimana penerapan antrian multi-
server dengan jumlah loket yang tepat diperlukan
untuk mengoptimalkan pelayanan yang diberikan.
3. LANDASAN TEORI
3.1 Teori Antrian
Model antrian merupakan suatu sistem yang diterapkan
untuk mengatasi kendala yang ada pada bidang
manufaktur dan layanan jasa. Hal penting yang menjadi
tolak ukur penilaian suatu sistem antrian adalah
panjang antrian dan rata-rata waktu tunggu. Heizer dan
Render (2014) menyatakan terdapat tiga komponen
penting yang memengaruhi tolak ukur sistem antrian,
yaitu karakteristik kedatangan, antrian dan fasilitas
pelayanan.
3.2 Model Antrian
3.2.1Proses Poisson pada Kedatangan
Proses Poisson merupakan suatu proses perhitungan
secara acak akan suatu kejadian yang akan terjadi pada
suatu momen dalam suatu interval waktu tertentu (0, t).
Jika suatu kejadian X(t) diwakilkan dengan k, yang
merupakan jumlah kejadian pada suatu momen, maka
persamaan Poisson menjadi seperti yang ditunjukan
pada Persamaan 3.1.
(𝜆𝑡)𝑘
𝑃(𝑘) = 𝑒 −𝜆𝑡 (3.1)
𝑘!
Dimana, λ adalah tingkat terjadinya suatu kejadian
pada suatu momen dan λt adalah rata-rata variable acak
Poisson dan merepresentasikan rata-rata terjadinya
suatu kejadian pada suatu momen di waktu t.
3.2.2.Model Antrian M/M/c (Multi-Server System)
Sistem antrian dengan banyak layanan (multi-server)
adalah bentuk modifikasi daripada sistem antrian
layanan tunggal (single-server). Dalam sistem antrian
ini, terdapat sebanyak c layanan parallel secara identik
(Gambar 1). Layanan identik ini berarti keseluruhan
dari masing-masing layanan memiliki fungsi yang
sama dan orang yang mengantri dapat menuju ke
layanan (server) manapun yang tersedia.
Adapun komponen performa antrian ini dapat diukur
sebegai berikut:
a) Probabilitas terjadi tundaan, dapat dihitung dengan
Persamaan 3.8.
Civil Engineering and Environmental Symposium Semarang,1 Mei 2019

𝑃0 (𝑐𝜌)𝑐 berdistribusi poisson dengan masing-masing p-value

𝑃𝑑 = (3.8)
𝑐!(1−𝜌) (p-value-Selasa=0,233; p-value-Rabu=0,815; p-
value-Jumat=0,346; p-value-Sabtu=0,082) melebihi
nilai signifikansi yang bernilai 0,05 dan juga sesuai
dengan grafik distribusi Poisson.

Tabel 1. Hasil Pengujian Normalitas Data Kedatangan di

Area Check-in
Parameter Selasa Rabu Jumat Sabtu
Rata-rata 35 39 35 43
(Pnp/5-Menit)
Gambar 1. Ilustrasi Antrian M/M/c Stándar Deviasi 10 9 12 13
(Pnp/5-Menit)
b) Rata-rata jumlah orang yang menunggu di antrian p-value 0,233 0,815 0,346 0,082
dihitung dengan Persamaan 3.9.
𝜌 Adapun hasil deskriptif dari perhitungan jumlah
𝑁𝑞 = 𝑃𝑑 (3.9) kedatangan penumpang disajikan pada Tabel 2.
1−𝜌
c) Waktu yang dihabiskan untuk menunggu di antrian
dihitung dengan Persamaan 3.10. Tabel 2. Statistik Deskriptif Kedatangan di Area Check-in
𝑁𝑞 𝑃𝑑 Parameter Selasa Rabu Jumat Sabtu
𝑊= = (3.10) Jumlah Data (N) 28 28 31 31
𝜆 𝑐𝜇−𝜆
Rata-rata(Pnp/5-Menit) 35 39 35 43
d) Waktu rata-rata keseluruhan yang dihabiskan Median (Pnp/5-Menit) 34 40 36 44
seseorang selama verada dalam sistem antrian Modus (Pnp/5-Menit) 29 41 37 44
dihitung dengan menggunakan Persamaan 3.11. SD (Pnp/5-Menit) 10 9 12 13
Varians 100,8 73,5 145,2 180,1
1
𝑇=𝑊+ (3.11) Range 38 35 53 60
𝜇
Minimum(Pnp/5-Mnt) 16 20 8 5
e) Jumlah keseluruhan orang yang berada dalam Maks. (Pnp/5-Mnt) 54 55 61 65
sistem antrian dihitung dengan menggunakan Dari beberapa parameter statistik deskriptif pada Tabel
Persamaan 3.12. 2, data kedatangan penumpang setiap harinya
menunjukkan kecenderungan yang yang sama, namun
𝑁 = 𝜆𝑇 (3.12)
nilai rata-rata kedatangan penumpang yang paling
tinggi terjadi pada akhir pekan. Hal ini menunjukkan
4. METODE PENELITIAN ada kemiripan dengan data kedatangan penumpang
Penelitian dilaksanakan di Terminal A Keberangkatan pada konter check-in Citilink.
Bandar Udara Adisutjipto, Yogyakarta. Penelitian
berupa observasi dan survei langsung ke Terminal A Dengan menggunakan model antrian multiserver, maka
Bandar Udara Adisutjipto, Yogyakarta yang dilakukan beberapa skenario untuk menentukan jumlah konter
selama empat hari berbeda pada pukul 12.30 – 15.00. check-in yang beroperasi pun ditentukan, yaitu 14
hingga 26 konter check-in. Dari keseluruhan skenario,
Adapun data yang diperoleh berupa data jumlah hasil perhitungan nilai utilitas disajikan pada Gambar
kedatangan penumpang di Terminal A Bandara 2. Gambar 2 menunjukkan bahwa dengan hanya 14
Adistujtipto setiap lima menit. Data kemudian diolah konter, setiap harinya konter check-in akan mengalami
secara statistik untuk menguji distribusi data, kepadatan. Namun sebaliknya, dengan keseluruhan 26
menelusuri kesesuain data lapangan dengan teori. konter beroperasi akan mengakibatkan tidak
Analisis dilanjutkan dengan melakukan perhitungan optimalnya sistem yang ada, artinya konter check-in
parameter antrian menggunakan persamaan model akan sangat sepi. Dengan kata lain, pemborosan terjadi
antrian multi-server. pada kondisi ini.

Pemborosan dan kepadatan yang terjadi pada, masing-

5. HASIL DAN PEMBAHASAN
Data diuji istribusinya dengan métode Kolmogorov-
Smirnov, sehingga menghasilkan temuan yang
dirangkum pada Tabel 1. Dari keempat kelompok data,
didapatkan pembuktian semua kelompok data
masing kebanyakan dan terlalu sedikit, jumlah konter
yang dialokasikan juga dapat ditelusuri melalui jumalh
orang dalam antrian. Dimana dengan dialokasikannya
26 konter, maka antrian dimodelkan tidak akan terjadi
(mendekati nol). Sementara itu, jika hanya 16 konter

I-15
Semarang,1 Mei 2019 Civil Engineering and Environmental Symposium

yang beroperasi maka terjai 5 antrian. Skenario lain tidak begitu berbeda, karena memang nilai utilitas
denganalokasi 14 konter check-in tidak dimodelkan dan waktu pelayanan (mengantri) tidak berbeda secara
dikarenakan nilai utilitas yang sangat tinggi (melebihi signifikan satu dengan lainnya. Disisi lain, model
1), sehingga, model tidak stabil (Gambar 3). dengan skenario jumlah konter sebanyak 22 lebih
unggul pada penilaian utilitas, dimana nilai utilitasnya
1.1 yang kurang dari 2/3 dari kondisi kapasitas penuh dan
1 tidak jauh lebih kecil hingga dapat menyebabkan
0.9 pemborosan sumber daya.
Nilai Utilitas

Selasa
0.8
0.7 Rabu Tabel 4. Penilaian Model Terbaik
0.6
Jumat Model Penilaian Penilaian
0.5 Jumlah
0.4 Sabtu Antrian Utilitas Waktu
14 16 18 20 22 24 26 M/M/26 4 7 11
Jumlah Konter yang dioperasikan M/M/24 4 7 11
M/M/22 5 7 12
M/M/20 4 7 11
Gambar 2. Hasil Nilai Utilitas Setiap Skenario M/M/18 4 7 11
M/M/16 3 6 9
18
5.1 Implikasi pada Operasional dan Manajemen
Jumlah Penumpang

15
12
9 Penerapan model antrian nulti-server dengan jumlah
6 konter sebanyak 22 akan memberikan dampak positif
3 bagi pihak ground handling company (Angkasa Pura
0
1), yaitu berkurangnya jumlah sumber daya yang harus
26 24 22 20 18 16
dioperasikan. Dengan berkurangnya sumber daya yang
Jumlah Konter
harus disediakan, maka berimplikasi pada keuntungan
dari segi finansial jika dibandingkan dengan kondisi
Panjang Antrian Banyak Orang di Sistem
eksisting sekarang, dimana terdapat 26 konter yang
beroperasi. Dengan berkurangnya jumlah konter, maka
Gambar 3. Perbandingan Jumlah Orang di Antrian
luas area yang digunakan untuk penyediaan layanan
check-in pun berkurang. Hal ini dapat dimanfaatkan
Tabel 3. Rekapitulasi Penilaian Model Antrian
bagi pihak ground handling company untuk
Model N Nq T W meningkatkan kenyamanan penumpang dengan adanya
ρ
Antrian (Pnp) (Pnp) (detik) (detik) ruang check-in yang tidak sempit.
M/M/26 0,54 14 0 97,9 0,0
M/M/24 0,58 14 0 98,0 0,1 Meskipun begitu, penerapan antrian multi-server ini
M/M/22 0,64 14 0 98,3 0,4 akan mengubah manajemen yang ada pada área check-
M/M/20 in dan pelayanannya. Pelayanan check-in yang semula
0,70 14 0 99,5 1,6
dibawah tanggung jawab masing-masing pihak
M/M/18 0,78 15 1 103,7 5,8
maskapai, harus berubah dan dikelola langsung oleh
M/M/16 0,88 18 4 123,5 25,6 pihak ground handling company atau penyelenggara
bandar udara (Angkasa Pura 1). Perubahan tanggung
Adapun hasil perhitungan detail dari skenario-skenario jawab ini akan berimplikasi pada perubahan
model antrian multi-server ini disajikan pada Tabel 3. penyediaan sumber daya manusia yang dikelola oleh
Dari hasil rekapitulasi didapatkan bahwa skenario masing-masing pihak, baik pihak penyedia jasa
dengan utilitas dibawah 0,8 adalah skenario dengan penerbangan dan ground handling company. Sehingga,
jumlah konter sebanyak 18 hingga 26. Namun, perlu harus adanya manajemen dan koordinasi dari kedua
dipertimbangkan skenario yang paling optimal. Untuk belah pihak untuk menerapkan sistem antrian ini.
itu perlu dilakukan skala penilaian terhadap skenario-
skenario yang ada. Penilaian disajikan pada Tabel 4. Dari sisi penumpang, penerapan sistema antrian multi-
server ini akan berdampak positif pada kenyamanan
Hasil perhitungan penilaian menunjukkan bahwa ketika melakukan perjalanan menggunakan moda
model antrian multi-server dengan jumlah konter transportasi udara, terutama pada proses check-in.
sebanyak 22 memiliki nilai tertinggi, yaitu 12 poin. Dengan konter yang berjumlah banyak dan
Perbedaan nilai dengan skenario jumlah konter yang kemungkinan terjadinya antrian yang panjang kecil,

I-16
Civil Engineering and Environmental Symposium Semarang, 1 Mei 2019

akan mempermudah penumpang dalam pelaporan

awal.

6. KESIMPULAN
Perbandingkan skenario-skenario pada model antrian
multi-server paling optimal dengan jumlah konter
sebanyak 22. Dalam kondisi ini, waktu tunggu
penumpang (1,7 menit) dan nilai utilitas konter check-
in (0,64) paling optimal dibandingkan dengan model
atau scenario lainnya. Yang berimplikasi pada sistem
antrian yang paling efektif dan efisien.

DAFTAR PUSTAKA
Ashford, N. J., Mumayiz, S. A., & Wright, P. H.
(2011). Airport Engineering: Planning, Design, and
Development of 21st Century Airports. Canada:
WILEY.
Heizer, & Render, B. (2014). Operation Management
Sustainability and Suplly Chain Management (11th
ed.). Pearson.
Liu, Z., & Yu, S. (2016). The M/M/C queueing system
in a random environment. Journal of Mathematical
Analysis and Applications, 556-567.
Ng, C. H., & Soong, B. H. (2008). Queueing Modelling
Fundamentals with Application in Communication
Network. Singapore: WILEY.
Stolletz, R. (2011). Analysis of passenger queues at
airport terminals. Research in Transportation Business
& Management, 144-149.
Zukerman, M. (2018). Introduction to Queueing
Theory and Stochastic Teletraffic Models. Hong Kong:
EE Department, City University of Hong Kong

I-17