MD1=function(lambda,x,fx)
{
#Mencari Mean dan Varians
et=sum(x*fx)
et2=sum(x^2*fx)
vart=et2-(et^2)
#Rumus P-K
rho=lambda*et
Ls=rho+(lambda^2*(et^2+vart))/(2*(1-rho))
Lq=Ls-rho
Ws=Ls/lambda
Wq=Lq/lambda
#Cetak Output
cat('===========================================\n')
cat('banyaknya pelanggan dalam sistem (Ls) = ',Ls,'\n')
cat('banyaknya pelanggan dalam antrian (Lq) =',Lq,'\n')
cat('waktu tunggu pelanggan dalam sistem (Ws) =',Ws,'\n')
cat('Waktu tunggu pelanggan dalam antrian (Wq)
=',Wq,'\n')
cat('===========================================\n')
Dalam sebuah sarana jasa pembersihan mobil, mobil tiba sesuai dengan distribusi
poisson dengan mean 4 per jam. Waktu pelayanan diketahui berdistribusi diskrit dengan
nilai nilai sama dengan 5,10,15 dan probabilitas masig masing ¼, ½, ¼. Apa kesimpulan
yang dipereh berdasarkan model tersebut ?
µ = 4 mobil/jam
Sintaks untuk penyelesaian kasus
> MD1=function(lambda,x,fx)
{
et=sum(x*fx)
et2=sum(x^2*fx)
vart=et2-(et^2)
Output
=====================================================
banyaknya pelanggan dalam sistem (Ls) = 6.333333
banyaknya pelanggan dalam antrian (Lq) = 5.666667
waktu tunggu pelanggan dalam sistem (Ws) = 1.583333
Waktu tunggu pelanggan dalam antrian (Wq) = 1.416667
=====================================================
Interpretasi
Berdasarkan permasalahan tersebut yang merupakan model antrian non poisson
(M/D/I:GD/∞/∞) menghasilkan output perhitungan sebagai berikut :
Banyaknya Pelanggan yang dilayani dalam sistem (Ls) sebanyak 6.333333 6 mobil
Banyaknya Pelanggan yang sedang dalam antrian (Lq)= 5.666667 6 mobil
Waktu tunggu Pelanggan dilayani dalam sistem (Ws) adalah 1.583333 jam
Waktu tunggu Pelanggan dalam antrian (Wq) adalah 1.416667 jam
λ
3. Keadaan steady state dengan = E{t} < 1 atau 1
µ
Pada formula P-K akan diperoleh ukuran kinerja sistem untuk model (M/G/1) :
(GD/∞/∞) sebagai berikut:
Jumlah pelanggan yang diperkirakan dalam sistem :
MG1=function(lambda,et,vart)
{
#Rumus P-K
rho=lambda*et
Ls=rho+(lambda^2*(et^2+vart))/(2*(1-rho))
Lq=Ls-rho
Ws=Ls/lambda
Wq=Lq/lambda
#Cetak Output
cat('===========================================\n')
cat('banyaknya pelanggan dalam sistem (Ls) = ',Ls,'\n')
cat('banyaknya pelanggan dalam antrian (Lq) =',Lq,'\n')
cat('waktu tunggu pelanggan dalam sistem (Ws) =',Ws,'\n')
cat('Waktu tunggu pelanggan dalam antrian (Wq) =',Wq,'\n')
cat('===========================================\n')
}
Dalam sebuah sarana jasa pembersihan mobil, mobil tiba sesuai dengan distribusi poisson
dengan mean 4 per jam. Waktu pelayanan diketahui konstan untuk semua mobil. Siklus
mencuci tersebut berlangsung tepat 10 menit. Apa kesimpulan yang dipereh berdasarkan
model tersebut ?
> MG1=function(lambda,et,vart)
{
rho=lambda*et
Ls=rho+(lambda^2*(et^2+vart))/(2*(1-rho))
Lq=Ls-rho
Ws=Ls/lambda
Wq=Lq/lambda
cat('=================================================\n')
cat('banyaknya pelanggan dalam sistem (Ls) = ',Ls,'\n')
cat('banyaknya pelanggan dalam antrian (Lq) =',Lq,'\n')
cat('waktu tunggu pelanggan dalam sistem (Ws) =',Ws,'\n')
cat('Waktu tunggu pelanggan dalam antrian (Wq) =',Wq,'\n')
cat('=================================================\n')
}
> MG1(4,10/60,0)
Output
=====================================================
banyaknya pelanggan dalam sistem (Ls) = 1.333333
banyaknya pelanggan dalam antrian (Lq) = 0.6666667
waktu tunggu pelanggan dalam sistem (Ws) = 0.3333333
Waktu tunggu pelanggan dalam antrian (Wq) = 0.1666667
=====================================================
Interpretasi
Berdasarkan permasalahan tersebut yang merupakan merupakan model antrian non
poisson (M/D/I:GD/∞/∞) menghasilkan output perhitungan sebagai berikut.
Banyaknya Pelanggan yang dilayani dalam sistem (Ls) sebanyak 1.333333 2 mobil
Banyaknya Pelanggan yang sedang dalam antrian (Lq)=0.6666667 2 mobil
Waktu tunggu Pelanggan dilayani dalam sistem (Ws) adalah 0.3333333 jam
Waktu tunggu Pelanggan dalam antrian (Wq) adalah 0.1666667 jam
Model (M/U/1):GD/~/~) yaitu Model antrian ini mempunyai karakteristik bahwa dalam
antrian tersebut terdapat tingkat kedatangan dengan distribusi poisson, mempunyai
distibusi waktu pelayanan yang diskrit yang memiliki satu pelayan/fasilitas pelayanan.
MU1=function(lambda,a,b)
{
#Mencari Mean dan Varians
et=(a+b)/2
vart=(b-a)^2/12
#Rumus P-K
rho=lambda*et
Ls=rho+(lambda^2*(et^2+vart))/(2*(1-rho))
Lq=Ls-rho
Ws=Ls/lambda
Wq=Lq/lambda
#Cetak Output
cat('===========================================\n')
cat('banyaknya pelanggan dalam sistem (Ls) = ',Ls,'\n')
cat('banyaknya pelanggan dalam antrian (Lq) =',Lq,'\n')
cat('waktu tunggu pelanggan dalam sistem (Ws) =',Ws,'\n')
cat('Waktu tunggu pelanggan dalam antrian (Wq) =',Wq,'\n')
cat('===========================================\n')
}
Dalam sebuah sarana jasa pembersihan mobil, mobil tiba sesuai dengan distribusi poisson
dengan mean 4 per jam. Waktu pelayanan diketahui berdistribusi seragam dari t=5 menit
sampai t=15 menit. Apa kesimpulan yang dipereh berdasarkan model tersebut ?
λ=4
a= 5 dan b=15
> MU1=function(lambda,a,b)
{
et=(a+b)/2
vart=(b-a)^2/12
rho=lambda*et
Ls=rho+(lambda^2*(et^2+vart))/(2*(1-rho))
Lq=Ls-rho
Ws=Ls/lambda
Wq=Lq/lambda
cat('===========================================\n')
cat('banyaknya pelanggan dalam sistem (Ls) = ',Ls,'\n')
cat('banyaknya pelanggan dalam antrian (Lq) =',Lq,'\n')
cat('waktu tunggu pelanggan dalam sistem (Ws) =',Ws,'\n')
cat('Waktu tunggu pelanggan dalam antrian (Wq) =',Wq,'\n')
cat('===========================================\n')
}
> MU1(4,5/60,15/60)
Output
=====================================================
banyaknya pelanggan dalam sistem (Ls) = 1.388889
banyaknya pelanggan dalam antrian (Lq) = 0.7222222
waktu tunggu pelanggan dalam sistem (Ws) = 0.3472222
Waktu tunggu pelanggan dalam antrian (Wq) = 0.1805556
=====================================================
Interpretasi
Berdasarkan permasalahan tersebut yang merupakan merupakan model antrian non
poisson (M/U/I:GD/∞/∞) menghasilkan output perhitungan sebagai berikut.
Banyaknya Pelanggan yang dilayani dalam sistem (Ls) sebanyak 1.388889 2 mobil
Banyaknya Pelanggan yang sedang dalam antrian (Lq)=0.7222222 1 mobil
Waktu tunggu Pelanggan dilayani dalam sistem (Ws) adalah 0.3472222 jam
Waktu tunggu Pelanggan dalam antrian (Wq) adalah 0.1805556 jam
MN1=function(lambda,miu,sigma2)
{
#Mencari Mean dan Varians
et=miu
vart=sigma2
#Rumus P-K
rho=lambda*et
Ls=rho+(lambda^2*(et^2+vart))/(2*(1-rho))
Lq=Ls-rho
Ws=Ls/lambda
Wq=Lq/lambda
#Cetak Output
cat('===========================================\n')
cat('banyaknya pelanggan dalam sistem (Ls) = ',Ls,'\n')
cat('banyaknya pelanggan dalam antrian (Lq) =',Lq,'\n')
cat('waktu tunggu pelanggan dalam sistem (Ws) =',Ws,'\n')
cat('Waktu tunggu pelanggan dalam antrian (Wq) =',Wq,'\n')
cat('===========================================\n')
}
Dalam sebuah sarana jasa pembersihan mobil, mobil tiba sesuai dengan distribusi poisson
dengan mean 4 per jam. Waktu pelayanan diketahui berdistribusi normal dengan mean 9
menit, varian 4 menit2. Apa kesimpulan yang dipereh berdasarkan model tersebut ?
Output
========================================================
banyaknya pelanggan dalam sistem (Ls) = 1.072222
banyaknya pelanggan dalam antrian (Lq) = 0.4722222
waktu tunggu pelanggan dalam sistem (Ws) = 0.2680556
Waktu tunggu pelanggan dalam antrian (Wq) = 0.1180556
========================================================
Interpretasi
Berdasarkan permasalahan tersebut yang merupakan merupakan model antrian non
poisson (M/N/I:GD/∞/∞) menghasilkan output perhitungan sebagai berikut.
Banyaknya Pelanggan yang dilayani dalam sistem (Ls) sebanyak 1.072 1 mobil
Banyaknya Pelanggan yang sedang dalam antrian (Lq)=0.4722222 1 mobil
Waktu tunggu Pelanggan dilayani dalam sistem (Ws) adalah 0.2680556 jam
Waktu tunggu Pelanggan dalam antrian (Wq) adalah 0.1180556 jam
ρk =λk Ek { t }
k
Sk =∑ ρi <1; k=1,2 , … , m
i=1
S0=0
Perlu diperhatikan bahwa Wq, waktu menunggu yang diperkirakan dalam antrian untuk setiap
pelanggan tanpa bergantung pada prioritas, diketahui :
m
λk k
W q =∑ W
k=1 λ q
Dimana :
m
λk
adalah bobot relative dari W qk hasil serupa berlaku untuk W.
λ=∑ λ k dan
k λ
Sintaks model antrian (Mi/Gi/1) : (NPRP/~/~)
MG_NP=function(lambda,et,vart)
{m=length(lambda)
k=seq(1:m)
rho=lambda*et
S=cumsum(rho)
A=sum(lambda*(et^2+vart))
S0=0
Wq=rep(0,m)
Wq[1]=A/(2*(1-0)*(1-S[1]));
for (i in 2:m) {
Wq[i]=A/(2*(1-S[i-1])*(1-S[i]));
}
Ws=Wq+et
Lq=lambda*Wq
Ls=Lq+rho
Wq_total=sum(Lq)/sum(lambda)
Ws_total=sum(Ls)/sum(lambda)
Hasil=cbind(k,lambda,et,vart,rho,S,Ls,Lq,Ws,Wq)
colnames(Hasil)=c("Prioritas","Lambda","E{t}","Var{t}","rho","Sk","Ls","Lq","Ws","W
q")
print(Hasil)
}
Pesanan pekerjaan yangtiba di sebuah fasilitas prduksi dibagi menjadi tiga kelompok.
Kelompok 1 akan menerima prioritas tertnggiuntuk pengolahan, kelompok 3 hanya diproses
jika tidak ada pesanan yang menunggu dari kelompok 1 dan 2. Diasumsikan pekerjaan yang
sudah diijinkan masuk ke dalam fasilitas tersebut harus diselesaikan sebelum pekerjaan baru
diterima. Pesanan pesanan dari kelompok 1,2,3 terjadi menuru distribusi Poisson dengan
mean masing masing 4,3, dan 2 per hari. Diketahui disribusi waktu servis eksponensial
dengan kecepatan servis masing masing 10,9, dan 10 per hari.
λ1=10; λ2 = 9; λ3= 5
μ1=4;μ2=3;μ3=1
> MG_NP=function(lambda,et,vart)
{
m=length(lambda)
k=seq(1:m)
rho=lambda*et
S=cumsum(rho)
A=sum(lambda*(et^2+vart))
S0=0
Wq=rep(0,m)
Wq[1]=A/(2*(1-0)*(1-S[1]));
for (i in 2:m) {
Wq[i]=A/(2*(1-S[i-1])*(1-S[i]));
}
Ws=Wq+et
Lq=lambda*Wq
Ls=Lq+rho
Wq_total=sum(Lq)/sum(lambda)
Ws_total=sum(Ls)/sum(lambda)
Hasil=cbind(k,lambda,et,vart,rho,S,Ls,Lq,Ws,Wq)
colnames(Hasil)=c("Prioritas","Lambda","E{t}","Var{t}","rho","Sk","Ls","Lq","Ws","Wq")
print(Hasil)
}
> lambda=c(4,3,2)
> miu=c(10,9,10)
> et=1/miu
> vart=1/miu^2
> MG_NP(lambda,et,vart)
Output
Prioritas Lambda E{t} Var{t} rho Sk Ls
[1,] 1 4 0.1000000 0.01000000 0.4000000 0.4000000 1.046914
[2,] 2 3 0.1111111 0.01234568 0.3333333 0.7333333 2.152778
[3,] 3 2 0.1000000 0.01000000 0.2000000 0.9333333 11.116667
Lq Ws Wq
[1,] 0.6469136 0.2617284 0.1617284
[2,] 1.8194444 0.7175926 0.6064815
[3,] 10.9166667 5.5583333 5.4583333
Interpretasi
Dengan contoh kasus seperti yang telah disebutkan di atas, model antrian yang digunakan
ialah (Mi/Gi/1) : (NPRP/~/~). Dalam situasi antrian ini, kta memiliki tiga antrian
prioritas nonpreemtif. Asumsikan bahwa antrian 1, 2, dan 3 mewakili tiga kategori
pekerjaan dalam urutan yang diberikan dalam deskripsi masalah ini. Dari output R,
didapatkan bahwa ρ1= λ 1 E {t 1 } = 4 x 0,1 = 0,4 ; ρ2= λ 2 E {t 2 } = 3 x 0,111 = 0,333 ; ρ3
= λ 3 E {t 3 } = 2 x 0,1 = 0,2. Kita juga memiliki S1= ρ1= 0,4 ; S2= ρ1 + ρ2= 0,733 ; S3=
k
ρ1 + ρ2+ ρ3= 0,933 yang berdasar pada rumus Sk = ∑ ρk < 1 dengan k = 1,2,3. Karena
l=1
Sk < 1 maka sistem ini dapat mencapai kondisi steady-state.
Didapatkan pula waktu menunggu yang diperkirakan dalam setiap antrian ialah
berturut-turut W 1q = 0.1617284 ; W 2q = 0.6064815; dan W 3q = 5.4583333 dan waktu
menunggu yang diperkirakan dalam setiap sistem ialah berturut-turut W 1s =
2 3
0.2617284 ; W s = 0.7175926; dan W s = 5.5583333. Sedangkan banyaknya jumlah pekerjaan
yang menunggu untuk di proses dalam setiap antrian L1q= 0.1617284 ; L2q= 0.6064815; dan
L3q= 5.4583333 dan banyaknya jumlah pekerjaan yang menunggu untuk di proses dalam
setiap sistem L1s = 1.046914 ; L2s = 2.152778; dan L3s = 11.116667.
> MiMc_NP=function(lambda,miu,c)
{
m=length(lambda)
k=seq(1:m)
rho=sum(lambda)/miu
S=cumsum(lambda/(c*miu))
a0=1
a=rep(0,c)
for (n in 1:c-1) {
a[n]=(rho^n)/factorial(n);
}
A=a0+sum(a)
E=1/((c*miu)*((rho^-c)*(c-rho)*factorial(c-1)*A+1))
S0=0
Wq=rep(0,m)
Wq[1]=E/((1-S0)*(1-S[1]));
for (i in 2:m) {
Wq[i]=E/((1-S[i-1])*(1-S[i]));
}
Ws=Wq+(1/miu)
Lq=lambda*Wq
Ls=Lq+rho
Wq_total=sum(lambda*Wq)/sum(lambda)
Ws_total=sum(lambda*Ws)/sum(lambda)
cat('====================================================\n')
cat(' Model Antrian Prioritas Pelayanan Majemuk\n')
+ cat('====================================================\n')
cat('Deskripsi Sistem \n')
Deskripsi=cbind(k,lambda,S)
colnames(Deskripsi)=c("Prioritas","Lambda","Sk")
print(Deskripsi)
cat('\n')
cat('Ukuran Kinerja Sistem Setiap Prioritas\n')
Hasil=cbind(k,Ls,Lq,Ws,Wq)
colnames(Hasil)=c("Prioritas", "Ls", "Lq", "Ws", "Wq")
print(Hasil)
cat('\n')
cat('Wq Tanpa Melihat Prioritas=',Wq_total,'\n')
cat('Ws Tanpa Melihat Prioritas=',Ws_total,'\n')
cat('=====================================================\n')}
Sebuah Jalur Perakitan dengan dua stasiun dioperasikan dengan system ban berjalan.
Ukuran produk yang dirakit tidak memungkinkan penyimpanan lebih satu unit dalam
setiap stasiun. Produk tiba ke jalur perakitan tersebut dari satu sarana produksi lain
sesuai distribussi poisson dengan mean 10 per jam. Waktu perakitan di stasiun 1 dan
2 adalah eksponensial dengan mean 5 menit masing-masing. Semua barang yang tiba
dan tidak dapat langsung dimasukkan ke dalam jalar perakitan tersebut dialihkan ke
jalur jalur perakitan lainnya.
> MiMc_NP=function(lambda,miu,c)
{
m=length(lambda)
k=seq(1:m)
rho=sum(lambda)/miu
S=cumsum(lambda/(c*miu))
a0=1
a=rep(0,c)
for (n in 1:c-1) {
a[n]=(rho^n)/factorial(n);
}
A=a0+sum(a)
E=1/((c*miu)*((rho^-c)*(c-rho)*factorial(c-1)*A+1))
S0=0
Wq=rep(0,m)
Wq[1]=E/((1-S0)*(1-S[1]));
for (i in 2:m) {
Wq[i]=E/((1-S[i-1])*(1-S[i]));
}
Ws=Wq+(1/miu)
Lq=lambda*Wq
Ls=Lq+rho
Wq_total=sum(lambda*Wq)/sum(lambda)
Ws_total=sum(lambda*Ws)/sum(lambda)
cat('=====================================================\n')
cat(' Model Antrian Prioritas Pelayanan Majemuk\n')
+ cat('=====================================================\n')
cat('Deskripsi Sistem \n')
Deskripsi=cbind(k,lambda,S)
colnames(Deskripsi)=c("Prioritas","Lambda","Sk")
print(Deskripsi)
cat('\n')
cat('Ukuran Kinerja Sistem Setiap Prioritas\n')
Hasil=cbind(k,Ls,Lq,Ws,Wq)
colnames(Hasil)=c("Prioritas", "Ls", "Lq", "Ws", "Wq")
print(Hasil)
cat('\n')
cat('Wq Tanpa Melihat Prioritas=',Wq_total,'\n')
cat('Ws Tanpa Melihat Prioritas=',Ws_total,'\n')
cat('====================================================\n')
}
> MiMc_NP(lambda,10,2)
Output
==========================================================
Model Antrian Prioritas Pelayanan Majemuk
==========================================================
Deskripsi Sistem
Prioritas Lambda Sk
[1,] 1 2 0.10
[2,] 2 5 0.35
[3,] 3 10 0.85
Interpretasi
Dengan contoh kasus seperti yang telah disebutkan di atas, model antrian yang digunakan
ialah (Mi/M/c) : (NPRP/~/~). Dapat diperkirakan bahwa tanpa melihat prioritas maka
waktu pelanggan dalam sistem (waktu tunggu ditambah waktu dilayani) untuk setiap
pelanggan yaitu 0.3603604 hari, dan untuk waktu tunggu pelanggan sendiri untuk
setiap pelanggan yaitu 0.2603604 hari.
Didapatkan pula waktu menunggu yang diperkirakan dalam setiap antrian ialah
berturut-turut W 1q = 0.04339339 ; W 2q = 0.06675907; dan W 3q = 0.40055440 dan waktu
menunggu yang diperkirakan dalam setiap sistem ialah berturut-turut W 1s =
2 3
0.1433934 ; W s = 0.1667591; dan W s = 0.5005544. Sedangkan banyaknya jumlah pekerjaan
yang menunggu untuk di proses dalam setiap antrian L1q= 0.08678679 ; L2q= 0.33379533;
dan L3q= 4.00554401 dan banyaknya jumlah pekerjaan yang menunggu untuk di proses
dalam setiap sistem L1s = 1.786787; L2s = 2.033795; dan L3s = 5.705544.
3. Antrian Serial Dua Stasiun dengan Kapasitas Antrian Nol (M/M/2) : (GD/0/~)
Teori
Model ini mengharuskan pertama-tama keadaan sistem di setiap saat diidentiikasi.
Setiap stasiun dapat bebas, sibuk atau terhalang (stasiun dikatakan terhalang jika
pelanggan dalam stasiun 1 telah menyelesaikan pelayanannya sebelum stasiun 2
bebas). Pada model ini stasiun disusun seri, sehingga pelanggan harus melewati
kedua stasiun secara urut. Model antrian ini mempunyai karakteristik bahwa dalam
antrian tersebut terdapat tingkat kedatangan dengan distribusi poisson, mempunyai
waktu pelayanan juga yang berdistribusi poisson.
Sintaks model antrian (M/M/2) : (GD/0/~)
> MM2S=function(lambda,miu)
{
rho=lambda/miu
A=3*rho^2+4*rho+2
P00=2/A
P01=2*rho/A
P10=(rho^2+2*rho)/A
P11=(rho^2)/A
lambda.eff=(P00+P01)*lambda
Ls=(5*rho^2+4*rho)/A
Lq=0
Ws=Ls/lambda.eff
Wq=0
cat('==================================================\n')
cat('banyaknya pelanggan dalam sistem (Ls) = ',Ls,'\n')
cat('banyaknya pelanggan dalam antrian (Lq) =',Lq,'\n')
cat('waktu tunggu pelanggan dalam sistem (Ws) =',Ws,'\n')
cat('Waktu tunggu pelanggan dalam antrian (Wq) =',Wq,'\n')
cat('==================================================\n')
}
Contoh Kasus
Untuk mengilustrasikan perhitungan dalam model ini anggaplah bahwa kita memiliki
3 antrian prioritas dengan laju kedatangan lambda 1=2, lambda2=5, dan lambda 3=10
perhari. Terdapat dua pelayan dan laju pelayanan adalah 10 per hari. Baik
kedatangan maupun keberangkatan mengikuti distribusi Poisson.
> MM2S=function(lambda,miu)
{
rho=lambda/miu
A=3*rho^2+4*rho+2
P00=2/A
P01=2*rho/A
P10=(rho^2+2*rho)/A
P11=(rho^2)/A
lambda.eff=(P00+P01)*lambda
Ls=(5*rho^2+4*rho)/A
Lq=0
Ws=Ls/lambda.eff
Wq=0
cat('==================================================\n')
cat('banyaknya pelanggan dalam sistem (Ls) = ',Ls,'\n')
cat('banyaknya pelanggan dalam antrian (Lq) =',Lq,'\n')
cat('waktu tunggu pelanggan dalam sistem (Ws) =',Ws,'\n')
cat('Waktu tunggu pelanggan dalam antrian (Wq) =',Wq,'\n')
cat('==================================================\n')
}
> MM2S(10,12)
Output
==================================================
banyaknya pelanggan dalam sistem (Ls) = 0.917603
banyaknya pelanggan dalam antrian (Lq) = 0
waktu tunggu pelanggan dalam sistem (Ws) = 0.1856061
Waktu tunggu pelanggan dalam antrian (Wq) = 0
==================================================
Interpretasi
Dengan model antrian (M/M/2: GD/0/) maka disimpulkan bahwa banyaknya
pelanggan dalam sistem sebanyak 0.917603 dan waktu yang dibutuhkan pelanggan
dalam sisitem yaitu sebesar 0.1856061 jam.