A.

Verifikasi Model Matematis

1. Berikut ini adalah verifikasi dan validasi dari model matematis optimasi multi
channel single phase (M/M/S) sistem antrian pelalanggan pada Bank BNI
cabang UNMUL

a. Waktu rata-rata menunggu dalam sistem (menit)

1
Ws=Wq +
μ
1
menit =menit +
menit

b. Rata-rata waktu menunggu dalam antrian (menit)

Lq
Wq=
λ
orang
menit=
orang
menit
menit
menit =orang ×
orang
Menit = Menit

c. Probabilitas tidak ada nasabah dalam sistem (Po)

1
Po= s
λ
s−1 n () μ
[ ∑ n1! λμ
n=0
( ) ]+ s ! 1− λ
( sμ )
1
Po= 0
orang

orang 0
( )
menit
orang

[ ( )] (
1 menit
0 ! orang
menit
+

orang ! 1−
menit
orang
menit
orang ×
orang
)
menit
 1
%=
1
1+
orang menit
(
orang ! 1− ×
menit orang 2 )
1
%=
1
1+
1
(
orang ! 1−
orang )
1
%=1+
orang−1
orang ! (orang )
%=%

d. Rata-rata jumlah customer dalam antrian (orang)

λ s
Lq=
μ ()λμ
Po
( s−1 ) ! (sμ−λ)2
orang

orang=
( )
menit
orang
menit
orang ×
orang
menit ( )( orang
menit )

2
( orang−1 ) ! orang × orang − orang
( )
menit menit
orang 2
menit 2
orang= 2
orang 2 orang
( −
menit menit )
orang 2 menit 2
orang= ×
menit 2 orang 4−orang 2
1
orang=
orang 2−1
orang=orang

e. Rata-rata jumlah customer dalam sistem (orang)

λ
Ls =Lq +
μ
 orang
orang=orang +
( menit )
(menit)
orang=orang +orang
orang=orang

B. Persamaan Matematis Permasalahan Antrian Pada Bank BNI Cabang

UNMUL

1. Persamaan matematis antrian model M/M/S (model pendahuluan) pada Tabel

1.1 sebagai berikut.
Tingkat kesibukan sistem λ
ρ=
sμ
Probabilitas tidak adanya pelanggan 1
P0 = s
dalam suatu sistem antrian (baik λ
s−1 n () μ
sedang dalam antrian maupun sedang
[∑ 1 λ
( ) ] s! 1− λ
n! μ
+
dilayani)  sistem kosong n=0

n
( sμ )
Jumlah pelanggan dalam sistem : λ P0
Jika n ≤ s
n
P n=[]
μ n!
λ P0
Jika n> s P n= [] μ s ! sn− s
Probabilitas pelanggan yang datang λ s P0
harus menunggu karena seluruh 𝑠
Pn (n= s)=() μ λ
fasilitas sedang sibuk
(
s ! 1−
sμ )
Rata-rata jumlah pelanggan yang berada λ s
dalam tunggu antrian
Lq =
μ() λμ
P0
( s−1 ) ! (sμ−λ)2
Waktu rata-rata yang dihabiskan seorang Lq
W q=
pelanggan untuk menunggu dalam λ
antrian sampai dilayani Teller
Waktu rata-rata dihabiskan seorang 1
W S=W q +
pelanggan dalam keseluruhan sistem μ
antrian (yaitu, waktu menunggu dan
dilayani)
 Rata-rata jumlah pelanggan dalam suatu λ
Ls =Lq +
sistem antrian μ

Analisis Perhitungan Model Antrian

Analisis perhitungan dari model antrian adalah menentukan hasil dari perhitungan
efektifitas model antrian. Analisis perhitungan model antrian dapat dilakukan dengan 2
cara yaitu, dengan menggunakan perhitungan manual dan perhitungan secara
komputerisasi dengan program POM QM for Windows.

Analisis Model Antrian menggunakan Perhitungan Manual

Pengolahan data pada tahap ini dilakukan perhitungan secara manual terhadap tiga
model sistem antrian yaitu, pada Bank BNI Cabang UNMUL mengikuti bentuk Multi
Channel Single Phase dengan jumlah teller 2 dan terdapat usulan 3 teller hingga 4 teller
sesuai dengan kondisi nasabah yang datang. Disiplin antrian yang digunakan yaitu,
pelanggan yang datang terlebih dahulu akan dilayani dahulu. Kemudian dari ketiga
model sistem antrian yang digunakan tersebut dipilih salah satu model sistem antrian
yang optimal, berikut ini merupakan perhitungan data secara manual dari ketiga model
antrian.
1. Multi Channel Single Phase (M/M/S) dengan 1 teller atau 1 server pelayanan.
Analisis model antrian aktual menggunakan perhitungan manual sebagai berikut.
Diperoleh asumsi:
λ = 25 orang per jam
= 0,416 orang per menit
μ = 30 orang per jam
= 0,5 orang per menit
s =2
 a. Probabilitas
Berikut ini merupakan perhitungan untuk mendapatkan nilai tingkat kesibukan
dan probabilitas tidak adanya pelanggan dalam suatu sistem antrian.
1) Tingkat kesibukan sistem (ρ ¿
λ
ρ=
sμ
25
=
2 x 30
25
=
60
= 0,416

2) Probabilitas tidak adanya nasabah dalam antrian ( Po)

1
Po=
λ s
s−1
1 λ n μ ()
[
∑ n! μ +
n=0
( )]
s ! 1−
λ
( )
μ
1
Po= 2
25
1 25 0
1 25 1
1 25 2 ( ) 30
[ ( )] [ ( )] [
0 ! 30
+
1 ! 30
+ ( ) ] 2 ! 1− 25
2! 30
+
( 30 )
1
Po=
25 2
25 30 ( )
[ 1+ + 0,34722222222 +
30 5 ]
2
30 ( )
1
=
2,1805555555533+ 2,0833333328
1
¿
4,2638888884
¿ 0,2345276873

b. Rata-rata jumlah pelanggan dalam suatu sistem antrian ( L¿¿ q) ¿

Berikut ini merupakan perhitungan untuk mendapatkan nilai rata-rata jumlah

pelanggan dalam suatu sistem antrian.
 λ s
Lq =
μ () λμ
P0
( s−1 ) ! ( sμ−λ )2
25 2
Lq =
( )
30
(25)×(30)
× 0,2345276873
( 2−1 ) !(2× 30−25)2
520,8333333
Lq = × 0,2345276873
1225
Lq=0,0997141528 ≈ 0,1orang per jam
c. Rata-rata jumlah pelanggan dalam suatu sistem antrian ( Ls ¿
Berikut ini merupakan perhitungan untuk mendapatkan nilai Rata-rata jumlah
pelanggan dalam suatu sistem antrian.
λ
Ls =Lq +
μ
25
Ls =0,0997141528+
30
Ls =0,0997141528+0,8333333333 orang per jam
Ls =0,9330474861 ≈ 1orang per jam
d. Waktu rata-rata seorang pelanggan menunggu dalam antrian sampai dilayani
teller (W ¿¿ q)¿
Berikut ini merupakan perhitungan untuk mendapatkan waktu rata-rata yang
dihabiskan seorang pelanggan untuk menunggu dalam antrian sampai dilayani
teller.
Lq
W q=
λ
0,0997141528
W q=
25
W q =0,0039885661 jam ≈ 0,239313966 menit
e. Waktu rata-rata seorang teller dalam keseluruhan sistem antrian (W ¿¿ S) ¿
Berikut ini merupakan perhitungan untuk mendapatkan waktu rata-rata seorang
teller dalam keseluruhan sistem antrian
1
W S=W q +
μ
1
W S=0,0039885661+
30
 W S=0,0039885661+0,0333333333
W S=0,0373218994 jam ≈ 2,239313964 menit
≈ 0,04 jam ≈ 2,4 menit
2. Multi Channel Single Phase (M/M/S) dengan 3 teller atau 3 server pelayanan.
Analisis model antrian aktual menggunakan perhitungan manual sebagai berikut.
Diperoleh asumsi:
λ = 35 orang per jam
= 0,5833333333 orang per menit
μ = 45 orang per jam
= 0,75 orang per menit
s =3

a. Probabilitas
Berikut ini merupakan perhitungan untuk mendapatkan nilai tingkat kesibukan
dan probabilitas tidak adanya pelanggan dalam suatu sistem antrian.
1) Tingkat kesibukan sistem (ρ ¿
λ
ρ=
sμ
35
=
3 x 45
35
=
135
= 0,259

2) Probabilitas tidak adanya nasabah dalam antrian ( Po)

1
Po=
λ s
s−1 n
μ ()
[
∑ n1! λμ +
n=0
( )] s ! 1−
λ
( )
μ
1
Po= 3
35
1 35 0
1 35 1
1 35 2 ( ) 45
[ ( )] [ ( )] [
0 ! 45
+
1 ! 45
+ ( ) ] 3 ! 1− 35
2! 45
+
( 45 )
 1
Po=
35 3
35 45 ( )
[ 1+ +0,3024691358 +
45 10]
6
45 ( )
1
=
2,0802469136+0,3528806585
1
¿
2,4331275721
¿ 0,4109936575

b. Rata-rata jumlah pelanggan dalam suatu sistem antrian ( L¿¿ q) ¿

Berikut ini merupakan perhitungan untuk mendapatkan nilai rata-rata jumlah

pelanggan dalam suatu sistem antrian.
λ s
Lq =
μ () λμ
P0
( s−1 ) ! ( sμ−λ )2
35 3
Lq =
( )
45
(35) ×( 45)
×0,4109936575
( 3−1 ) ! (3 ×45−35)2
741,04938275
Lq = × 0,4109936575
20000
Lq=0,0152283298 ≈ 0,016orang per jam
c. Rata-rata jumlah pelanggan dalam suatu sistem antrian ( Ls ¿
Berikut ini merupakan perhitungan untuk mendapatkan nilai Rata-rata jumlah
pelanggan dalam suatu sistem antrian.
λ
Ls =Lq +
μ
35
Ls =0,0152283298+
45
Ls =0,0152283298+0,7777777778 orang per jam
Ls =¿ 0,7930061076 ≈ 0,794 orang per jam
d. Waktu rata-rata seorang pelanggan menunggu dalam antrian sampai dilayani
teller (W ¿¿ q)¿
Berikut ini merupakan perhitungan untuk mendapatkan waktu rata-rata yang
 dihabiskan seorang pelanggan untuk menunggu dalam antrian sampai dilayani
teller.
Lq
W q=
λ
0,0152283298
W q=
35
W q =0,0004350951 jam ≈ 0,026105706 menit
e. Waktu rata-rata seorang teller dalam keseluruhan sistem antrian (W ¿¿ S) ¿
Berikut ini merupakan perhitungan untuk mendapatkan waktu rata-rata seorang
teller dalam keseluruhan sistem antrian
1
W S=W q +
μ
1
W S=0,0004350951+
45
W S=0,0004350951+0,0222222222
W S=0,0226573173 jam ≈ 1,359439038 menit

3. Multi Channel Single Phase (M/M/S) dengan 4 teller atau 4 server pelayanan.
Analisis model antrian aktual menggunakan perhitungan manual sebagai berikut.
Diperoleh asumsi:
λ = 55 orang per jam
= 0,9166666667 orang per menit
μ = 70 orang per jam
= 1,1666666667 orang per menit
s =4
a. Probabilitas
Berikut ini merupakan perhitungan untuk mendapatkan nilai tingkat kesibukan
dan probabilitas tidak adanya pelanggan dalam suatu sistem antrian.
1) Tingkat kesibukan sistem (ρ ¿
λ
ρ=
sμ
 55
=
4 x 70
55
=
280
= 0,196

2) Probabilitas tidak adanya nasabah dalam antrian ( Po)

1
Po=
λ s
s−1
1 λ n μ ()
[
∑ n! μ +
n=0
( )]
s ! 1−
λ
( )
μ
1
Po= 4
55
1 55 0
1 55 1
1 55 2 ( ) 70
[ ( )] [ ( )] [
0 ! 70
+
1 ! 70
+ ( ) ] 4 ! 1− 55
2! 70
+
( 70 )
1
Po=
55 4
55 70 ( )
[ 1+ + 0,3086734694 +
70 15 ]
24
70 ( )
1
=
2,0943877551+ 0,0741061305

1
¿
2,1684938856
¿ 0,4611495594

b. Rata-rata jumlah pelanggan dalam suatu sistem antrian ( L¿¿ q) ¿

Berikut ini merupakan perhitungan untuk mendapatkan nilai rata-rata jumlah

pelanggan dalam suatu sistem antrian.
λ s
Lq =
μ () λμ
P0
( s−1 ) ! ( sμ−λ )2
55 4
Lq =
70( ) (55)×(70)
×0,4611495594
( 4−1 ) !( 4 × 70−55)2
 1467,3013848
Lq = × 0,4611495594
303750
Lq=0,0022276391 orang per jam
c. Rata-rata jumlah pelanggan dalam suatu sistem antrian ( Ls ¿
Berikut ini merupakan perhitungan untuk mendapatkan nilai Rata-rata jumlah
pelanggan dalam suatu sistem antrian.
λ
Ls =Lq +
μ
55
Ls =0,0022276391+
70
Ls =0,0022276391+ 0,7857142857 orang per jam
Ls =¿ 0,7879419248 orang per jam
d. Waktu rata-rata seorang pelanggan menunggu dalam antrian sampai dilayani
teller (W ¿¿ q)¿
Berikut ini merupakan perhitungan untuk mendapatkan waktu rata-rata yang
dihabiskan seorang pelanggan untuk menunggu dalam antrian sampai dilayani
teller.
Lq
W q=
λ
0,0022276391
W q=
55
W q =0,00004050252 jam ≈ 0,00243015174 menit

e. Waktu rata-rata seorang teller dalam keseluruhan sistem antrian (W ¿¿ S) ¿

Berikut ini merupakan perhitungan untuk mendapatkan waktu rata-rata seorang
teller dalam keseluruhan sistem antrian
1
W S=W q +
μ
1
W S=0,00004050252+
70
W S=0,00004050252+0,01428571428
W S=0,01428976453 jam ≈ 0,85738587226 menit
1.2.1 Analisis Model Antrian menggunakan Perhitungan Komputerisasi

1. Berikut dijabarkan prosedur untuk menyelesaikan permasalahan sistem antrian pada

Bank BNI cabang UNMUL model Multi Channel Single Phase (M/M/S) dengan 2
teller atau 2 server pelayanan dengan mengunakan software POM-QM For
Windows.
a. Pertama, buka aplikasi POM-QM For Windows dengan cara klik dua kali pada
icon POM-QM For Windows.
b. Selanjutnya, pada layar akan memunculkan layar baru, kemudian klik Module
> Waiting line pada toolbar.
c. Setelah itu akan muncul layar kosong, kemudian klik File > New >
Multichannel System pada toolbar.
d. Kemudian muncul kotak dialog Create date set for Waiting Lines/M/M/s,
kemudian pada kotak dialog tittle masukkan pada tittle judul studi kasus yang
diamati yaitu “BNI CABANG UNMUL” yang dapat dilihat pada Gambar

Gambar Kotak Dialog

e. Selanjutnya klik OK, maka akan muncul tampilan data table dan isikan sesuai
dengan arrival rate (lambda) = 25, service rate (mu) = 30, dan number of
servers = 2, seperti yang terlihat pada Gambar
 Gambar Formulasi Model Matematis POM QM

f. Klik Solve pada toolbar, maka akan muncul kotak dialog output pada toolbar
window yang akan keluar hasilnya seperti Gambar

Gambar Output Software POM QM

g. Setelah diperoleh hasil seperti output dari hasil formulasi dan grafik seperti
pada penjelasan diatas, maka selanjutnya di lakukan analisis atau interprestasi
hasil.

Analisis Output Waiting Lines Result

Berdasarkan perhitungan diatas, dapat dilakukan analisis hasil perhitungan pada
Waiting List Result yang ditampilkan pada kotak dialog sebagai berikut:
1) Average sever utilitation
Nilai untuk Average sever utilitation adalah 0,416 yang menjelaskan bahwa tingkat
kesibukan sistem dalam antrian Bank BNI cabang UNMUL adalah sebesar 0,416.
2) Average number in the queue (Lq)
Nilai untuk Average number in the queue adalah sebesar 0,175 yang menunjukkan
bahwa antrian rata-rata jumlah pelanggan sebanyak 2,84 pelanggan per jam.
3) Average number in the system (Ls)
Nilai untuk Average number in the system yaitu sebesar 1,008 yang menunjukan
bahwa jumlah rata-rata pelanggan dalam sistem sebanyak 1,008 pelanggan per jam.
4) Average time in the queue (Wq)
Nilai Average time in the queue adalah sebesar 0,420 yang menunjukkan bahwa
waktu rata-rata pelanggan di garis tunggu selama 0,420 menit.
5) Average time in the system (Ws)
Nilai Average time in the system adalah sebesar 2,42 yang menunjukkan bahwa
waktu rata-rata pelanggan dalam sistem selama 2,42 menit.

2. Berikut dijabarkan prosedur untuk menyelesaikan permasalahan sistem antrian pada

Bank BNI cabang UNMUL model Multi Channel Single Phase (M/M/S) dengan 3
teller atau 3 server pelayanan dengan mengunakan software POM-QM For
Windows.
a. Pertama, buka aplikasi POM-QM For Windows dengan cara klik dua kali pada
icon POM-QM For Windows.
b. Selanjutnya, pada layar akan memunculkan layar baru, kemudian klik Module
> Waiting line pada toolbar.
c. Setelah itu akan muncul layar kosong, kemudian klik File > New >
Multichannel System pada toolbar.
d. Kemudian muncul kotak dialog Create date set for Waiting Lines/M/M/s,
kemudian pada kotak dialog tittle masukkan pada tittle judul studi kasus yang
diamati yaitu “BNI CABANG UNMUL” yang dapat dilihat pada Gambar
 Gambar Kotak Dialog

e. Selanjutnya klik OK, maka akan muncul tampilan data table dan isikan sesuai
dengan arrival rate (lambda) = 35, service rate (mu) = 45, dan number of
servers = 3, seperti yang terlihat pada Gambar

Gambar Formulasi Model Matematis POM QM

f. Klik Solve pada toolbar, maka akan muncul kotak dialog output pada toolbar
window yang akan keluar hasilnya seperti Gambar
 Gambar Output Software POM QM

g. Setelah diperoleh hasil seperti output dari hasil formulasi dan grafik seperti pada
penjelasan diatas, maka selanjutnya di lakukan analisis atau interprestasi hasil.

Analisis Output Waiting Lines Result

Berdasarkan perhitungan diatas, dapat dilakukan analisis hasil perhitungan pada

Waiting List Result yang ditampilkan pada kotak dialog sebagai berikut:

1) Average sever utilitation

Nilai untuk Average sever utilitation adalah 0,259 yang menjelaskan bahwa tingkat
kesibukan sistem dalam antrian Bank BNI cabang UNMUL adalah sebesar 0,259.
2) Average number in the queue (Lq)
Nilai untuk Average number in the queue adalah sebesar 0,169 yang menunjukkan
bahwa antrian rata-rata jumlah pelanggan sebanyak 0,169 pelanggan per jam.
3) Average number in the system (Ls)
Nilai untuk Average number in the system yaitu sebesar 0,794 yang menunjukan
bahwa jumlah rata-rata pelanggan dalam sistem sebanyak 0,794 pelanggan per jam.
4) Average time in the queue (Wq)
Nilai Average time in the queue adalah sebesar 0,029 yang menunjukkan bahwa
 waktu rata-rata pelanggan di garis tunggu selama 0,029 menit.
5) Average time in the system (Ws)
Nilai Average time in the system adalah sebesar 1,362 yang menunjukkan bahwa
waktu rata-rata pelanggan dalam sistem selama 1,362 menit.

3. Berikut dijabarkan prosedur untuk menyelesaikan permasalahan sistem antrian pada

Bank BNI cabang UNMUL model Multi Channel Single Phase (M/M/S) dengan 4
teller atau 4 server pelayanan dengan mengunakan software POM-QM For
Windows.
a. Pertama, buka aplikasi POM-QM For Windows dengan cara klik dua kali pada
icon POM-QM For Windows.
b. Selanjutnya, pada layar akan memunculkan layar baru, kemudian klik Module >
Waiting line pada toolbar.
c. Setelah itu akan muncul layar kosong, kemudian klik File > New >
Multichannel System pada toolbar.
d. Kemudian muncul kotak dialog Create date set for Waiting Lines/M/M/s,
kemudian pada kotak dialog tittle masukkan pada tittle judul studi kasus yang
diamati yaitu “BNI CABANG UNMUL” yang dapat dilihat pada Gambar

Gambar Kotak Dialog

e. Selanjutnya klik OK, maka akan muncul tampilan data table dan isikan sesuai
dengan arrival rate (lambda) = 55, service rate (mu) = 70, dan number of
servers = 4, seperti yang terlihat pada Gambar
 Gambar Formulasi Model Matematis POM QM

h. Klik Solve pada toolbar, maka akan muncul kotak dialog output pada toolbar
window yang akan keluar hasilnya seperti Gambar

Gambar Output Software POM QM

i. Setelah diperoleh hasil seperti output dari hasil formulasi dan grafik seperti pada
penjelasan diatas, maka selanjutnya di lakukan analisis atau interprestasi hasil.

Analisis Output Waiting Lines Result

Berdasarkan perhitungan diatas, dapat dilakukan analisis hasil perhitungan pada

Waiting List Result yang ditampilkan pada kotak dialog sebagai berikut:
1) Average sever utilitation
Nilai untuk Average sever utilitation adalah 0,196 yang menjelaskan bahwa tingkat
kesibukan sistem dalam antrian Bank BNI cabang UNMUL adalah sebesar 0,196.
2) Average number in the queue (Lq)
Nilai untuk Average number in the queue adalah sebesar 0,002 yang menunjukkan
bahwa antrian rata-rata jumlah pelanggan sebanyak 0,002 pelanggan per jam.
3) Average number in the system (Ls)
Nilai untuk Average number in the system yaitu sebesar 0,787 yang menunjukan
bahwa jumlah rata-rata pelanggan dalam sistem sebanyak 0,794 pelanggan per jam.
4) Average time in the queue (Wq)
Nilai Average time in the queue adalah sebesar 0,002 yang menunjukkan bahwa
waktu rata-rata pelanggan di garis tunggu selama 0,002 menit.
5) Average time in the system (Ws)
Nilai Average time in the system adalah sebesar 0,859 yang menunjukkan bahwa
waktu rata-rata pelanggan dalam sistem selama 0,859 menit.

Perbandingan Performansi Model Antrian Hasil Simulasi dengan Keadaan

Sebenarnya
Berikut ini ditunjukkan data nilai performansi model antrian yang memuat keadaan
sebenarnya dan hasil simulasi.

Tabel Performansi Model Antrian

Performansi Server
2(Sebenarnya) 3(Simulasi) 4(Simulasi)
P 0,416 0,259 0,196
Lq 0,175 0,16 0,002
Ls 1,008 0,794 0,787
Wq 0,420 0,029 0,002
Ws 2,420 1,362 0,859

Berdasarkan tabel diatas dapat dilihat bahwa dengan menggunakan 2 server nilai tingkat
kesibukan (p) adalah 0,416 lebih besar dibandingkan dengan menggunakan 3 dan 4
server yaitu, 0,259 dan 0,196. Tetapi waktu tunggu dalam antrian (Wq) lebih lama jika
menggunakan 2 server yaitu, 0,420 jam. Sedangkan jika menggunakan 3 server waktu
tunggu dalam antrian (Wq) yaitu, 0,000484 jam atau 0,0029055 menit dan 4 server
yaitu 0,00004 jam atau 0,0859544 menit yang berarti hampir tidak ada waktu tunggu
dalam antrian. Jumlah pelanggan yang ada dalam antrian (Lq) dan dalam sistem (Ls)
jika menggunakan 2 server Lq = 0,175 dan Ls = 1,008. Sedangkan menggunakan 3
server Lq= 0,016 dan Ls=0,794, untuk 4 server Lq=0,002 dan Ls=0,787. Itu artinya
hampir tidak ada pelanggan yang antri. Berdasarkan penjelasan tersebut Bank BNI akan
memiliki tingkat kesibukan jika menggunakan satu layanan server yaitu sebesar 0,416
setelah disimulasikan menggunakan 3 server tingkat kesibukan menurun 0,157 dan jika
disimulasikan lagi dengan 4 server tingkat kesibukan menurun 0,22. Jadi, menurut hasil
performansi model antrian menggunakan server simulasi adalah optimal sesuai dengan
nasabah yang datang. Sehingga dapat direkomendasikan jika Bank BNI cabang
UNMUL ingin membuka server layanabn lagi atau ingin menambah teller maka lebih
baik jika kedatangan nasabah sudah mencapai 25 orang per jam atau tingkat antrian
pelayanan dengan dua server atau 2 teller mengalami kesibukan dapat disimpulkan jika
ditambahkan 1 teller lagi yaitu terdapat 3 teller maka tingkat kesibukan sistem (P)
menurun dapat dilihat dari perhitungan dengan dua server teller tingkat kesibukan
sistem (P) sebesar 41,6% dan mengalami penurunan sebesar 15,7% begitu pula
selanjutnya apabila nasabah sudah mencapai 35 orang per jam tingkat antrian
pelayanan dengan tiga server atau 3 teller mengalami kesibukan sehingga perlu
dilakukan kebijakan penambahan teller yaitu dengan 4 server teller maka tingkat
kesibukan sistem (P) menurun dapat dilihat dari sebelumnya yaitu pelayanan dengan 2
teller dengan tingkat kesibukan sistem (P) sebesar 41,6% sehingga jika dilakukan
penambahan dengan 4 teller menurun sebesar 22% dan juga dapat disimpulkan jika
server ditambah maka akan menyebabkan probabilitas tidak adanya nasabah dalam
antrian (PO) meningkat dapat dilihat dari perhitungan apabila dengan 2 server
probabilitas tidak adanya nasabah dalam antrian (PO) sebesar 23,45% mengalami
peningkatan 17,64% dengan 3 server menjadi 41,09% begitu pula apabila dengan server
4 mengalami peningkatan 22,66% sehingga menjadi 46,11%.