1. Tentukan parameter distribusi waktu antar kedatangan dan waktu pelayanan, dalam kasus
ini digunakan distribusi eksponensial.
2. Buatlah Tabel dengan banyak kolom 8 (A-H) dan banyak baris menyatakan banyaknya
pelanggan yang datang (banyaknya kejadian)
3. Isikan setiap kolom dengan ketentuan sbb:
a. Kolom A menyatakan nomor urut kejadian (Kedatangan Pelanggan)
b. Kolom B menyatakan waktu antar kedatangan pelanggan, diperoleh dengan
membangkitkan data random berdistribusi eksponensial dengan parameter sesuai input
pada langkah (1)
1
c. Kolom C menyatakan Waktu kedatangan pelanggan, diperoleh dari Kolom C t-1 + Kolom
Bt, dengan C0 = 0.
d. Kolom D menyatakan Waktu Pelanggan mulai dilayani, diperoleh dari nilai maksmum
antara kolom F t-1 dan Kolom Ct, dengan F 0 = 0.
e. Kolom E menyatakan lama waktu pelanggan dilayani (Waktu Pelayanan), diperoleh
dengan membangkitkan data random berdistribusi eksponensial dengan parameter
sesuai input pada langkah (1)
f. Kolom F menyatakan Waktu pelanggan selesai dilayani (meninggalkan server)
diperoleh dari Kolom D + Kolom E
g. Kolom G menyatakan Waktu tunggu pelanggan untuk dilayani, diperoleh dari Kolom D
dikurangi kolom C.
h. Kolom H menyatakan Waktu pelanggan selama dalam sistem, diperoleh dari Kolom F
dikurangi Kolom C.
4. Membuat Tabel Output Kinerja Sistem
5. Memuat Plot Waktu T unggu dalam Antrian dan Waktu Tunggu dalam Sistem
mm1.sim=function()
{
#Simulasi Model Antrian M/M/1
n=readline('Banyaknya Event =')#Banyaknya kedatangan yang dibangkitkan
lambda=readline('Laju Kedatangan =')#Rata-rata waktu antar kedatangan
miu=readline('Laju Pelayanan =')#Rata-rata waktu pelayanan
n = as.numeric(n)
lambda = as.numeric(lambda)
miu = as.numeric(miu)
Tabel=matrix(rep(0,n*8),ncol=8)
colnames(Tabel)=c('A','B','C','D','E','F','G','H')
Tabel[,1]=seq(1:n)
for (i in 2:n){
Tabel[i,2]=rexp(1,1/lambda)
Tabel[i,3]=Tabel[i-1,3]+Tabel[i,2]
2
Tabel[i,4]=max(Tabel[i-1,6],Tabel[i,3])
Tabel[i,5]=rexp(1,1/miu)
Tabel[i,6]=Tabel[i,4]+Tabel[i,5]
Tabel[i,7]=Tabel[i,4]-Tabel[i,3]
Tabel[i,8]=Tabel[i,6]-Tabel[i,3]
}
win.graph()
par(mfrow=c(1,2))
plot(Tabel[,7],type='l',ylab='Waktu Tunggu dalam Antrian')
plot(Tabel[,8],type='l',ylab='Waktu Tunggu dalam Sistem')
}
Kegiatan Praktikum:
Kegiatan 1:
Butik Cantique memperkerjakan seorang kasir yaitu Cantika, rata-rata tingkat kedatangan
pelanggan mengikuti distribusi Poisson yaitu 20 pelanggan per jam. Kasir dapat melayani
rata-rata 25 pelanggan/jam. Jika diasumsikan model sistem antrian yang digunakan adalah
(M/M/1) : (GD//) maka simulasikan sistem antrian tersebut dengan 100 kejadian.
Hitunglah ukuran kinerja sistem berdasarkan simulasi tersebut. Susunlah Laporan Kuliah
seperti pada contoh di Modul Kuliah 14.
Kegiatan 2:
1. Simulasikan 100 pelanggan dalam sistem tersebut dengan jumlah kedatangan 30
pelanggan per jam dan jumlah pelayanan 20 per jam. Interpretasikan hasilnya!
2. Simulasikan 100 pelanggan dalam sistem tersebut dengan jumlah kedatangan dan
jumlah pelayanan sama, yaitu 20 pelanggan per jam Interpretasikan hasilnya!
3. Berikan kesimpulan dari tiga kejadian tersebut!