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