Jurnal Teknik Informatika Kaputama (JTIK) Vol. 2 , No.

1, Jan 2018 ISSN:

2548-9704

SIMULASI ANTRIAN PELAYANAN BANK DENGAN

MENGGUNAKAN METODE GAMMA
Christian Adi Pratama Saragih1, Akim Manaor Hara pardede2, Katen Lumbanbatu3

STIMIK KAPUTAMA
1,3
Prodi TeknikInformatika, 2Prodi SistemInformasi
1
christiansaragi6@gmail.com, 2akimmhp@live.com, 3k.lumbanbatu@yahoo.com

ABSTRAK

Penelitian ini membahas simulasi antrian di bank dengan menggunakan metode gamma. Tujuan
penelitian ini adalah untuk merancang dan menerapkan metode gamma untuk mensimulasikan
antrian layanan pelanggan bank. Dalam sistem antrian biasanya ada tiga komponen yang saling
berhubungan satu sama lain kedatangan, antrian atau antrean. Melalui simulasi yang akan
dilakukan dapat dilihat bahwa kinerja sistem yang diamati akan dikoreksi sehingga mendapatkan
perbaikan agar benchmark untuk layanan dapat berjalan lebih baik lagi. Dalam penelitian ini
peneliti menggunakan distribusi Poisson untuk kedatangan pelanggan tunggal dengan teller
tunggal dan antrian tunggal mengikuti aturan FIFO. Berdasarkan hasil penelitian, ada empat
server yang memadai untuk melayani, jika hanya satu server akan menghasilkan waktu tunggu
rata-rata yang sangat panjang yang menyebabkan pelanggan bosan, sementara dengan dua server
masih menghasilkan rata-rata lama menunggu waktu dan menyebabkan antrian, jika
menggunakan tiga server jumlah waktu tunggu tidak terlalu lama dan tidak membuat antrean
panjang. Untuk penelitian selanjutnya diharapkan akan dikembangkan simulasi antrian yang
memiliki kedatangan atau layanan dengan distro lain dan dapat digunakan sebagai acuan dalam
pengambilan keputusan guna memaksimalkan waktu layanan pelanggan atau menambah jumlah
server sebagai pelayan, dan meminimalkan server jika dianggap berlebihan dalam layanan untuk
meminimalkan biaya operasional.

Kata kunci: Simulasi, Antrian, Metode Gamma.

ABSTRACT
This research discusses the simulation of queue in bank by using gamma method. The purpose of
this research is to design and apply gamma method to simulate queue of customer service of bank.
In the queue system there are usually three components that are interconnected to each other
arrival, queuing or waiting line. Through the simulation will be done can be seen that the
performance of an observed system will be corrected so as to get improvements for benchmarks
for service can run better again. In this study researchers used Poisson distribution for single
customer arrivals with single teller and single queue following FIFO rules. Based on the results of
the study, there are four servers that are adequate to serve, if only one server will result in a very
long average waiting time which causes the customer to get bored, while with two servers still
result in the average long waiting time and cause queue, if using three the server the amount of
waiting time is not too long and does not make long queues. For further research is expected to be
developed simulation queue that has the arrival or service with other distributions and can be used
as a reference in making decisions in order to maximize customer service time or increase the

14
Jurnal Teknik Informatika Kaputama (JTIK) Vol. 2 , No. 1, Jan 2018
number of servers as servants, and minimize the server if considered excessive in a service in
order to minimize operational costs.
Keywords: Simulation, Queue, Gamma Method.
1. PENDAHULUAN
Antrian merupakan sebuah aktifiitas
dimana pelanggan menunggu untuk
memperoleh sebuah layanan. Situasi
dalam menunggu juga merupakan bagian
dari keadaan yang terjadi dalam
rangkaian kegiatan operasional yang
bersifat acak atau tidak beraturan dalam
fasilitas pelayanan. Dengan mempelajari
teori sistem simulasi diharapkan penyedia
suatu layanan dapat meningkatkan
pelayanan agar pelanggan dapat merasa
nyaman dan adil atas pelayanan tersebut.
Antrian timbul disebabkan oleh
kebutuhan akan layanan melebihi
kemampuan (kapasitas) pelayanan atau
fasilitas layanan, sehingga pengguna
fasilitas yang tiba tidak bisa segera
mendapat layanan disebabkan kesibukan
layanan. Pada banyak hal, tambahan
fasilitas pelayanan dapat diberikan untuk
mengurangi antrian atau untuk mencegah
timbulnya antrian. Tetapi memberikan
pelayanan tambahan akan menimbulkan
pengurangan keuntungan mungkin
sampai di bawah tingkat yang dapat
diterima. Sebaliknya, sering timbulnya
antrian yang panjang akan mengakibatkan
hilangnya pelanggan/nasabah.
Dalam sistem antrian biasanya
terdapat tiga komponen yang saling
terkait satu sama lain yaitu kedatangan,
antrian atau garis tunggu. Ketiga
komponen harus dipertimbangkan lebih
dahulu sebelum dapat mengembangkan
model matematika dari antrian yang
ISSN:
2548-9704
diamati. Melalui simulasi yang akan
dilakukan akan dilihat bahwa kinerja dari
suatu sistem yang diamati akan di koreksi
sehingga mendapatkan perbaikan untuk
tolak ukur agar pelayanan dapat berjalan
lebih baik lagi.
Pada peneliian sebelumnya
menggunakan metode Hyperexponential
sebagai metode pelayanan pada nasabah,
kesimpulannya adalah jumlah server
terbaik pada suatu bank studi kasus yang
dibahas adalah dengaan menggunakan 3
server. Pardede, AMH. 2018)[1] .
Penelitian ini diperkuat oleh
penelitian sebelumnya yang berjudul
“Simulasi Sistem Antrian Kedatangan
Berkelompok Dengan Pelayanan
Weibull Oleh Banyak Server” (Pardede,
Akim M.H, 2014, Jurnal Teknologi
Informasi dan Komunikasi, ISSN : 2338-
5839. Volume : III, Nomor : 1. 1-
10.BBPPKI, Medan) [2] , dari hasil
referensi tersebut penulis menghasilkan
salah satu kesimpulan yang cukup
mendekati yaitu dengan metode gamma.
Berdasarkan latar belakang di atas,
maka yang menjadi rumusan
permasalahan adalah :
1. Dengan menggunakan metode
gamma, bagaimana cara melakukan
simulasi antrian pelayanan di instansi
lain yang membutuhkan ?
2. Dengan menggunakan VB.NET
2010, bagaimana merancang program
untuk membuat simulasi antrian
pelayanan nasabah bank ?
15
Jurnal Teknik Informatika Kaputama (JTIK) Vol. 2 , No. 1, Jan 2018 ISSN:
2548-9704

Manfaat yang di peroleh dari hasil Struktur Sistem Antrian

penelitian ini adalah :
1. Dapat membantu Bank untuk
menentukan jumlah server layanan
yang tepat.
2. Dapat meningkatkan pelayanan
dengan baik kepada nasabah. Pelanggan Pelanggan
Masuk keluar
Pengertian Simulasi
Kata simulasi berasal dari bahasa Gambar 1. Struktur Sistem Antrian
asing (Inggris) yaitu to simulate yang
berarti menirukan, sedang kata simulation KomponenAntrian
yang diterjemahkan ke bahasa Indonesia Antrian ada 3 (tiga) komponen
dengan simulasi mempunyai makna utamadalam teori antrian yang harus
tiruan atau upaya menirukan, yaitu benar-benar diketahui dan dipahami
menirukan suatu sistem nyata (real (Pardede, 2013, h.5) [4] , yaitu:
system) yang menjadi obyek kajian dalam a. Tingkat kedatangan
rangka mencari jawaban atas persoalan b. Tingkat pelayanan
sistem tersebut. c. Disiplin antrian
Sistem Antrian FaktorSistemAntrian
Situasi dimana pelanggan harus Faktor–faktor yang berpengaruh
menunggu untuk diberikan layanan, lama terhadap barisan antrian dan
dalam pelayanan hingga selesai semua pelayanannya adalah sebagai berikut
layanan, semua situasi ini merupakan (Pardede, 2013, h.6)[4]:
bagian dari antrian selama pelanggan 1. Distribusi Kedatangan
mulai masuk kedalam sistem antrian Pada sistem antrian, distribusi
(Simamora, R.J., 2010)[3] . kedatangan merupakan faktor
Sistem antrian adalah merupakan penting yang berpengaruh
keseluruhan dari proses para pelanggan besarterhadap kelancaran pelayanan.
atau barang yang berdatangan dan Distribusi kedatangan terbagi
memasuki barisan antrian yang dua,yaitu :
seterusnya memerlukan pelayanan a. Kedatangan secaraindividu
sebagaimana seharusnya berlaku. Dalam (tunggal =singlearrivals)
mempelajari suatu sistem antrian, perlu b. Kedatangan secaraberkelompok
untuk diketahui struktur sistem antrian, (bulkarrivals)
yaitu unit yang memerlukan pelayanan Kedua komponen ini harus
disebut pelanggan (customer) dan yang mendapatkan perhatian yang
melayani disebut pelayan (server). memadai pada saat pendisainan
(Pardede, 2014, h.2)[1] . sistem pelayanan.
2. Distribusi Waktu Pelayanan
Distribusi waktu pelayanan
berkaitan dengan berapa banyak
fasilitas pelayanan yang dapat
disediakan. Distribusi waktu

16
Jurnal Teknik Informatika Kaputama (JTIK) Vol. 2 , No. 1, Jan 2018 ISSN:
2548-9704

pelayanan terbagi menjadi dua berperan sebagai sumber

komponen penting, yaitu : pemanggilan dapat berupa mesin
a. Pelayanan secara individual maupun manusia. Bila ada sejumlah
(singleservice) mesin yang rusak maka sumber
b. Pelayanan secara kelompok pemanggilan akan berkurang
(bulkservice) dantidak dapat melayani pelanggan.
3. Fasilitas pelayanan Jadi masalahnya adalah apakah :
Fasilitas pelayanan berkaitan erat a. Sumber panggilan terbatas (finite
dengan baris antrian yang akan calling source)
dibentuk. Desain fasilitas pelayanan b. Sumber panggilan takterbatas
ini dapat dibagi dalam (infinite calling source)
tigabentuk,yaitu : Distribusi Poison
a. Bentuk series, dalam satu garis Suatu distribusi mengikuti
lurus ataupun garis melingkar. poladistribusi poisson jika mengikuti
b. Bentuk paralel,dalam beberapa aturan berikut ini (Pardede, 2013, h. 12)
garis lurus yang antara satu [4]:
dengan yang lain parallel. a. Tidakterdapatduakejadian yang
c. Bentuk networkstation, yang terjadibersamaan.
dapat didesain secara series b. Proses kedatangan bersifat acak.
dengan pelayanan lebih dari satu c. Rata-rata jumlah kedatangan per
pada setiap stasiun. Bentuk ini interval waktu sudah diketahui dari
dapat juga dilakukan secara pengamatan sebelumnya.
paralel dengan stasiun yang d. Bilainterval waktu dibagi kedalam
berbeda-beda. Dengan demikian interval yang lebih kecil, maka
bentuk fasilitas pelayanan ini pernyataan pernyata berikut ini
juga harus diperhitungkan dalam harus dipenuhi:
sistem antrian. a. Probabilitas tepat satu
4. Disiplin pelayanan kedatangan adalah sangat kecil
Disiplin pelayanan berkaitan erat dan konstan.
dengan urutanpelayanan bagi b. Probabilitas dua kedatangan
pelangganyang memasuki fasilitas atau lebih selama interval
pelayanan. waktu tersebut angkanya sangat
5. Ukuran dalam antrian kecil sehingga mendekati nol.
Besarnya antrian pelanggan yang c. Jumlah kedatangan pada
akan memasuki fasilitas pelayanan interval waktu tersebut tidak
pun perlu diperhatikan. Adadua tergantung o ada kedatangan di
desainyang dapat dipilih untuk interval waktu sebelum dan
menentukan besarnya antrian,yaitu : sesudahnya.
a. Ukuran kedatangan secaratidak Berikut ini merupakan probability mass
terbatas (infinitequeue) function dari distribusi poisson:
b. Ukuran kedatangan secaraterbatas
(finite queue)  x 
6. Sumber pemanggilan P( x)  e , x  0,1,2,.....,   0
Dalam fasilitas pelayanan, yang
x!

17
Jurnal Teknik Informatika Kaputama (JTIK) Vol. 2 , No. 1, Jan 2018 ISSN:
2548-9704

Distribusi Gamma Bilangan Acak

Distribusi Gamma hanya digunakan Bilangan random digunakan untuk
jika jumlah kejadian yang berhasil berupa menentukan berapa lama waktu yang
integer. Jika jumlah kejadian berhasil digunakan. Untuk menentukan input
bukan integer, maka variabel acak probabilistic, dibangkitkan bilangan acak
Gamma tidak dapat direpresentasikan yang sesuai dengan distribusi kejadian
dengan menggunakan jumlah variabel yang akan disimulasikan.
acak eksponensial yang identic. a. Bilangan Acak Distribusi Gamma
Distribusi Gamma biasanya memiliki Untuk membangkitkan suatu
kurva berbentuk kurva normal yang bilangan acak yang berdistribusi
menjulur positif. Berikut ini merupakan Gamma dapat diperoleh dengan :
probability density function dari distribusi >> mu=1:5;
Gamma kedatangan dan pelayanan. >> y=gampdf(1,1,mu)
Gambar X ~ gamma (α, β) digunakan y=
untuk menunjukkan bahwa variabel acak 0.3679 0.3033 0.2388 0.1947
X memiliki distribusi gamma. Variasi 0.1637
gamma acak X dengan parameter skala
positif α dan parameter bentuk positif β 2. METODE PENELITIAN
memiliki fungsi kepadatan probabilitas. Adapun teknik pengumpulan data
yang digunakan adalam penelitian ini
𝑥 𝛽−1 𝑒 −𝑥/𝛼 adalah :
f(x) = ; x > 0.
𝛼𝛽 Γ(β) 1. Studi Pustaka, penelitian ini dilakukan
dengan cara pemahaman terhadap
Berikut ini formula distribusi Gamma literature yang berupa buku – buku
untuk lama waktu pelayanan : wajib, catatan perkuliahan yang
Distribusi gamma dapat berhubungan dengan Teori Antrian.
digunakan untuk memodelkan waktu 2. Penelitian Lapangan berupa
layanan, masa pakai benda, dan waktu pengamatan, yaitu peneliti melakukan
perbaikan. Distribusi gamma memiliki berbagai pengamatan mengenai proses
ekor kananeksponensial. Fungsi antrian pelayanan pada Bank Syariah
kepadatan probabilitas dengan beberapa Mandiri, peneliti mengamati
kombinasi parameter diilustrasikan di bagaimana antrian terjadi, waktu
bawah ini. antrian dan lama pelayanan pada
antrian tersebut.
Rancangan Penelitian
Pada penelitian ini peneliti akan
membahas antrian menggunakan
distribusi Poisson untuk kedatangan
nasabah secara tunggal dengan
singleteller dan singlequeue mengikuti
aturan FIFO. Nasabah yang datang lebih
dulu akan dilayani sampai selesai
Gambar 2. Metode Gamma

18
Jurnal Teknik Informatika Kaputama (JTIK) Vol. 2 , No. 1, Jan 2018 ISSN:
2548-9704

kemudian teller memulai pelayanan Wq

terhadap nasabah yang datang berikutnya. ∑ 𝑊𝑎𝑘𝑡𝑢 𝑡𝑢𝑛𝑔𝑔𝑢 𝑝𝑒𝑙𝑎𝑛𝑔𝑔𝑎𝑛 𝑑𝑎𝑙𝑎𝑚 𝑎𝑛𝑡𝑟𝑖𝑎𝑛
=
Nasabah yang datang akan dilayani 𝑇𝑜𝑡𝑎𝑙 𝑝𝑒𝑙𝑎𝑛𝑔𝑔𝑎𝑛

oleh teller, dimana urutan pelayanan d. Rata-rata waktu tunggu dalam sistem
terhadap nasabah yang berada dalam satu (Ws)
antrian sesuai dengan waktu kedatangan. Ws
∑ 𝑊𝑎𝑘𝑡𝑢 𝑡𝑢𝑛𝑔𝑔𝑢 𝑝𝑒𝑙𝑎𝑛𝑔𝑔𝑎𝑛 𝑑𝑎𝑙𝑎𝑚 𝑠𝑖𝑠𝑡𝑒𝑚
Apabila teller dalam keadaan = 𝑇𝑜𝑡𝑎𝑙 𝑝𝑒𝑙𝑎𝑛𝑔𝑔𝑎𝑛
menganggur, maka salah satu nasabah e. Rata-rata nasabah dalam antrian (Lq)
dalam antrian akan langsung di layani. Lq
Waktu antar kedatangan nasabah ∑ 𝑊𝑎𝑘𝑡𝑢 𝑡𝑢𝑛𝑔𝑔𝑢 𝑝𝑒𝑙𝑎𝑛𝑔𝑔𝑎𝑛 𝑑𝑎𝑙𝑎𝑚 𝑎𝑛𝑡𝑟𝑖𝑎𝑛
berdistribusi Poisson dan waktu 𝐷𝑢𝑟𝑎𝑠𝑖
pelayanan berdistribusi gamma. f. Rata-rata nasabah dalam sistem (Ls)
Pada umumnya untuk membentuk Ls
∑ 𝑊𝑎𝑘𝑡𝑢 𝑡𝑢𝑛𝑔𝑔𝑢 𝑝𝑒𝑙𝑎𝑛𝑔𝑔𝑎𝑛 𝑑𝑎𝑙𝑎𝑚 𝑠𝑖𝑠𝑡𝑒𝑚
model matematis dari suatu keadaan = 𝐷𝑢𝑟𝑎𝑠𝑖
nyata sehari-hari diperlukan asumsi-
asumsi untuk menyederhanakan model, g. Probabilitas server sibuk (  )
sehingga dapat diselesaikan dengan
simulasi komputer dengan baik. Adapun  =
Waktu pelayanan
Natasi-notasi yang akan digunakan adalah Banyak server * Durasi
sebagai berikut :
 : Laju Kedatangan 3. HASIL DAN PEMBAHASAN
𝛽 : Laju pelayanan Implementasi Metode Eksponensial
𝛼: bilangan acak pada Simulasi Antrian
Γ: symbol gamma 1. Kedatangan
C : Teller Untuk membangkitkan kedatangan
 : Probabilitas teller sibuk digunakan distribusi Poisson dengan
Ls: Rata-rata nasabah dalam sistem
pembangkit bilangan acak :   log U  ,
1
L: Rata-rata nasabah dalam antrian 
Ws: Rata-rata waktu tunggu dalam misalnya  = 5 dengan durasi = 1 jam (60
sistem menit).
Wq: Rata-rata waktu tunggu dalam Kedatangan 1 :
antrian Acak =0
Untuk performansi sistem antrian dapat Interval waktu kedatangan = 0
dicari dengan rumus sebagai berikut : Waktu kedatangan =0
a. Waktu tunggu nasabah dalam antrian Kedatangan 2 :
= Waktu dimulai pelayanan - waktu Bangkitkan U = U(0,1) = 0.5750
kedatangan nasabah 1
Interval waktu kedatangan = - 5.log
b. Waktu tunggu nasabah dalam sistem
= Waktu selesai pelayanan – waktu (0.5750) = 0.0481
kedatangan nasabah x = Interval waktu kedatangan * 3600 =
c. Rata-rata waktu tunggu dalam antrian 173.16
(Wq) Menit = x / 60 = 2,886 = 2 menit
Detik = x mod 60 = 53.16 detik
Waktu kedatangan = 0 + 0.0481= 0.0481

19
Jurnal Teknik Informatika Kaputama (JTIK) Vol. 2 , No. 1, Jan 2018 ISSN:
2548-9704

x = Waktu kedatangan * 3600 = 173.16 Untuk membangkitkan bilangan acak

Menit = x / 60 = 2,886 = 2 menit disini saya menggunakan program
Detik = x mod 60 = 53.16 detik aplikasi matlab dengan rumus :
Untuk menit berlaku pembulatan ke >> mu=1:5;
bawah, sisa desimal masuk ke detik. >> y=gampdf(1,1,mu)
Demikian dengan kedatangan ke-n y=
dihitung dengan rumus yang sama. 0.3679 0.3033 0.2388 0.1947
Konter = Total interval waktu 0.1637
kedatangan, Nasabah 1 :
Jika konter ≥ durasi maka selesai, jika Waktu mulai = waktu kedatangan = 0
konter < durasi maka bangkitkan 𝛼 = 0.3679
kedatangan berikutnya. 𝑥 𝛽−1 𝑒 −𝑥/𝛼
Waktu layanan = = 0.0813
Tabel 1. Kedatangan 𝛼𝛽 Γ(β)
Interval Selesai layanan = 0 + 0.0813 = 0.0813
Acak Waktu
Kedatanga Waktu Waktu tunggu antrian = 0
Rand( kedatanga
n Kedatanga Waktu tunggu sistem = 0.0813
) n
n Nasabah 2 :
1 0 0 0 Jika waktu kedatangan ≤ selesai layanan
2 0.5750 0.0481 0.0481 nasabah sebelumnya :
3 0.0364 0.2878 0.3358 Waktu mulai = selesai layanan nasabah
4 0.6943 0.0317 0.3675 sebelumnya
5 0.4432 0.0707 0.4382 Jika waktu kedatangan > selesai layanan
Tabel di atas menunjukan bahwa hasil nasabah sebelumnya :
dari simulasi masih satuan decimal, untuk Waktu mulai = waktu kedatangan
itu kita harus mengubah satuan tersebut Waktu kedatangan = 0.0481< 0.0813,
menjadi satuan waktu, untuk itu di maka waktu mulai = 0.0813
gunakan rumus : x = waktu mulai * 3600 = 292.68
Tabel 3. Pelayanan
Tabel 2 Kedatangan Ls
Kedatanga Acak Interval Waktu Wq Ws Lq
(∑Wa
n Rand( Waktu kedatanga (∑Wa (∑Waktu (∑Wak
ktuTg ρ
) Kedatanga n ktuTg TguSys/5 tuTgu/6
Hasil uSys/
n u/5) ) 0)
simul 60)
1 0 00 : 00 00 : 00 asi 0.
0.034 0.006
2 0.5750 02 : 53 02 : 53 0.0805 0.0028 00
0 7
3 0.0364 17 : 16 20 : 09 38
4 0.6943 01 : 54 22 : 03
5 0.4432 04 : 15 26 : 18
Menit = x / 60 = 4.878 = 4 menit
2. Pelayanan
Detik = x mod 60 = 52.68 = 52 detik
Setelah sebelumnya mendapatkan
𝛼 = 0 .3033
total kedatangan, maka dilanjutkan untuk
𝑥 𝛽−1 𝑒 −𝑥/𝛼
membangkitkan waktu pelayanan Waktu Layanan = = 0.0670
𝛼𝛽 Γ(β)
menggunakan distribusi Gamma, Selesai layanan = 0.0813 + 0.0670 =
misalnya total kedatangan = 5 dan  = 0.1483
10.

20
Jurnal Teknik Informatika Kaputama (JTIK) Vol. 2 , No. 1, Jan 2018 ISSN:
2548-9704

x = selesai layanan * 3600 = 533.88 3

20 : 20 : 0.23 02 : 22 : 00 : 02 :
Menit = x / 60 = 8.898 = 8 menit 09 09 88 40 49 00 40
Detik = x mod 60 = 53.88 = 53 detik 22 : 27 : 0.19 01 : 29 : 05 : 07 :
4
03 31 47 33 04 28 01
Waktu tunggu antrian = 0.0813 – 0.0481
26 : 29 : 0.16 00 : 29 : 02 : 03 :
= 0.0332 5
18 04 37 50 54 33 36
x = Waktu tunggu antrian * 3600 =
119.52
Dari kesimpulan dengan
Menit = x / 60 = 1.992 = 1 menit
menggunakan total kedatangan = 5 dan
Detik = x mod 60 = 59.52 = 59 detik
Waktu tunggu sistem = 0.1483 –  =10, di dapat hasil simulasi pada table
0.0481 = 0.1002 III.5 dengan kesimpulan :
x = Waktu tunggu sistem * 3600 = 360.72 ρ = 0.2324 x 100% = 0.38%
Menit = x / 60 = 6.012 = 6 menit Wq = 0.0340
Detik = x mod 60 = 0.72 = 0 detik x = Wq * 3600 = 122.4
Untuk menit berlaku pembulatan ke Menit = x / 60 = 2.04 = 2 menit
bawah, sisa desimal masuk ke detik. Detik = x mod 60 = 2.4 = 2 detik
Demikian dengan nasabah ke-n dihitung Ws = 0.0805
dengan rumus yang sama. x = Ws * 3600 = 289.8
Tabel 4. Pelayanan Menit = x / 60 = 4.83 = 4 menit
Wakt Wakt Detik = x mod 60 = 49.8 = 49 detik
Wakt u u Dapat dilihat bahwa probabilitas
Waktu Mulai Selesai
Nasa u tungg tungg server sibuk adalah 0.23% dengan rata-
Kedata Layan acak Layan
bah Layan u u rata waktu tunggu dalam antrian 0.0340
ngan an an
an antriasiste
n m
atau 2 menit 2 detik dan rata-rata waktu
0.081 dalam sistem 0.0805 atau 4 menit 49
1 0 0 0.3679 0.0813 0.0813 0
3 detik.
0.033 0.100
2 0.0481 0.0813 0.3033 0.0670 0.1483
2 2 Tabel 6. Data rata-rata kedatangan
0.044
3 0.3358 0.3358 0.2388 0.0444 0.3802 0
4
(𝝀) dan pelayanan (𝛃)
h1 h2 h3 h4 h5
0.116 waktu
𝜆 β 𝜆 β 𝜆 β 𝜆 β 𝜆 β
4 0.3675 0.4585 0.1947 0.0259 0.4844 0.091
9 08.0
0.046 0- 1
5 0.4382 0.4844 0.1637 0.0138 0.4982 0.06 9 7 7 7 6 4 2 7 4
2 09.0 3
0
Tabel 5. Pelayanan dalam satuan 09.0
waktu 0- 1 1 1 1
8 4 6 9 9 9
Wak Wak 10.0 2 2 2 3
Wak
tu
Mul Wak Seles tu tu 0
N ai tu ai tung tung
Ked
as Laya Laya Laya gu gu
atan acak
ab
gan
nan nan nan antri siste 4. KESIMPULAN
ah (mm (mm (mm an m
(mm
:dd) :dd) :dd) (mm (mm Berdasarkan hasil pembahasan
:dd)
:dd) :dd) dan pengujian simulasi didapatkan
00 : 00 0.36 22 : 22 : 00: 22 : kesimpulansebagai berikut:
1
00 :00 79 04 04 00 04
Hasil simulasi Gamma, dengan parameter
02 : 22 : 0.30 04 : 08 : 02 : 06 :
2
53 04 33 01 54 60 01
 = 9, 𝛽 = 7

21
Jurnal Teknik Informatika Kaputama (JTIK) Vol. 2 , No. 1, Jan 2018 ISSN:
2548-9704

1. Jika dilayani dengan 1 server maka rata-rata jumlah pelanggan dalam

rata-rata server sibuk (utilityserver) antrian (Ls) 1.9331, dengan 4 server
252.75 %, rata-rata waktu tunggu di dapatkan antrian tidak terjadi dan
(Wq) 4 jam 35 menit 18 detik, rata- cukup baik sehingga tidak ada
rata waktu tunggu dalam sistem (Ws) antrian.
4 jam 51 menit 6 detik, dan rata-rata 5. Dari hasil simulasi jumlah server
jumlah pelanggan dalam sistem (Lq) yang terbaik adalah 4 server.
44.0487 rata-rata jumlah pelanggan
dalam antrian (Ls) 46.5761 rata-rata SARAN
waktu tunggu masih sangat lama Simulasi yang dilakukan pada
akan menyebabkan nasabah bosan penelitian ini adalah simulasi antrian
dan pergi. denganpola kedatangan tunggal, untuk
2. Jika dilayani dengan 2 server maka dapat menganalisa performansi antrian.
rata-rata server sibuk (utilityserver) Untukpenelitian selanjutnya diharapkan
200.52 %, rata-rata waktu tunggu dapat dikembangkan simulasi antrian
(Wq) 2 jam 33 menit 10 detik, rata- yang memilikikedatangan atau pelayanan
rata waktu tunggu dalam sistem (Ws) dengan distribusi yang lain dan dapat
2 jam 58 menit 14 detik, dan rata-rata digunakan sebagaiacuan dalam
jumlah pelanggan dalam sistem (Lq) mengambil keputusan agar dapat
24.5062, rata-rata jumlah pelanggan memaksimalkan waktu
dalam antrian (Ls) 28.5167, rata-rata pelayananterhadap pelanggan atau
server sibuk besar dan menyebabkan menambah jumlah server sebagai
masih terjadinya antrian. pelayan, danmeminimumkan server jika
3. Jika dilayani dengan 3 server maka dianggap berlebihan dalam suatu
rata-rata server sibuk (utilityserver) pelayanan agar dapatmemperkecil biaya
127.11 %, rata-rata waktu tunggu operasional
(Wq) 30 menit 34 detik, rata-rata
waktu tunggu dalam sistem (Ws) 54 REFERENSI.
menit 24 detik, dan rata-rata jumlah
pelanggan. dalam sistem (Lq) 4.8907, [1] A. M. H. Pardede, “SIMULASI
rata-rata jumlah pelanggan dalam ANTRIAN PELAYANAN
antrian (Ls) 8.7041, dengan NASABAH BANK
menggunakan 3 server didapatkan MENGGUNAKAN METODE
probabilitas server sibuk yang HYPEREXPONENTIAL,” J. Inf.
mendekati 50 % yang artinya, jumlah Syst. Dev., vol. 3, no. 1, pp. 33–43,
waktu masih terlalu lama dan 2018.
membuat antrian panjang. [2] A. M. H. Pardede, H.
4. Jika dilayani dengan 4 server maka Mawengkang, and Z. Situmorang,
rata-rata server sibuk (utilityserver) “SIMULASI ANTRIAN
47.55 %, rata-rata waktu tunggu KEDATANGAN
(Wq) 12 detik, rata-rata waktu BERKELOMPOK DENGAN
tunggu dalam sistem (Ws) 12 menit 5 PELAYANAN WEIBULL OLEH
detik, dan rata-rata jumlah BANYAK SERVER,” J. Teknol.
pelanggan. dalam sistem (Lq) 0.0312, Inf. dan Komun., vol. 3, no. 1, pp.

22
Jurnal Teknik Informatika Kaputama (JTIK) Vol. 2 , No. 1, Jan 2018 ISSN:
2548-9704

1–10, 2014.
[3] R. J. Simamora, “Simulasi Antrian
Multiple Server Dengan Pola
Kedatangan Berkelompok,” Tesis,
Program Pasca Sarjana Ilmu
Komputer, Universitas Gadjah
Mada, Yogyakarta., 2010.
[4] A. M. H. Pardede, “Simulasi
Antrian Pelayanan Berkelompok
Oleh Banyak Server.” (Master’s
Thesis), Universitas Sumatera
Utara, Medan.

23