7 Teori Antrian

Dalam bab ini akan dipelajari suatu kelas dari model-model antrian dimana para pelanggan
datang secara acak di suatu pusat pelayanan. Ketika datang, mereka harus mengantri sampai
tiba saatnya untuk dilayani dan kemudian meninggalkan pusat pelayanan tersebut ketika telah
selesai. Untuk model-model tersebut, besaran yang akan dianalisis mencakup rata-rata
banyaknya pelanggan di dalam suatu sistem (atau dalam antrian) dan rata-rata waktu yang
dihabiskan seorang pelanggan di dalam sistem (atau dihabiskan untuk menunggu di antrian).

7.1. Persamaan-persamaan Biaya

Beberapa besaran fundamental untuk model-model antrian diberikan di bawah ini :

L : rata-rata banyaknya pelanggan di dalam sistem.

LQ : rata-rata banyaknya pelanggan yang menunggu di dalam antrian.
W : rata-rata waktu tunggu seorang pelanggan di dalam sistem.
WQ : rata-rata waktu tunggu seorang pelanggan di dalam antrian.

Sejumlah hubungan yang penting antara besaran di atas dan besaran lainnya dapat diperoleh
dengan menggunakan ide berikut. Bayangkan pelanggan yang datang diharuskan membayar
sejumlah uang (dengan aturan tertentu) kepada sistem. Dengan cara ini, diperoleh persamaan
biaya dasar berikut :

Tingkat pendapatan rata-rata dari sistem = λa × rata-rata jumlah yang dibayar oleh setiap
pelanggan (1)

dengan λa didefinisikan sebagai rata-rata tingkat kedatangan dari pelanggan. Jadi, jika N(t)
menyatakan banyaknya pelanggan yang datang sampai waktu t, maka

𝑁(𝑡)
𝜆𝑎 = lim
𝑡→∞ 𝑡

Dengan memilih aturan biaya yang tepat, banyak rumus yang dapat diperoleh dengan
menggunakan (1). Misalnya, jika setiap pelanggan membayar sebesar $1 per unit waktu, maka
persamaan (1) menghasilkan apa yang disebut formula Little (Little’s Formula), yaitu

L= λa×W (2)

Hal ini berlaku karena dengan aturan biaya di atas, tingkat pendapatan sistem adalah jumlah
pelanggan yang ada di sistem dan banyaknya yang dibayar seorang pelanggan sama dengan
waktu yang dihabiskannya di dalam sistem.

Dengan cara yang sama, misalkan setiap pelanggan membayar sebesar $1 per unit waktu ketika
berada dalam antrian, maka diperoleh :

LQ= λa×WQ (3)

Dengan mengasumsikan bahwa aturan biaya yang digunakan adalah setiap pelanggan
membayar sebesar $1 per unit waktu ketika dilayani, maka dari (1) diperoleh :

71
 rata-rata banyaknya pelanggan yang dilayani = λa E[S] (4)

Dimana E[S] didefinisikan sebagai rata-rata waktu yang dihabiskan seorang pelanggan ketika
dilayani.

Persamaan (1) sampai (4) akan tetap berlaku untuk hampir semua model-model antrian tanpa
melihat proses kedatangannya, jumlah unit layanan (servers) atau disiplin antriannya.

7.2. Peluang-Peluang Stasioner (Steady-State Probabilities)

Misalkan X(t) menyatakan jumlah pelanggan di dalam sistem pada saat t dan definisikan P n,
𝑛 ≥ 0 sebagai

𝑃𝑛 = lim 𝑃{𝑋(𝑡) = 𝑛}
𝑡→∞

dan diasumsikan limit di atas ada. Dengan kata lain, 𝑃𝑛 adalah peluang jangka panjang (steady-
state) bahwa akan ada tepat n pelanggan di dalam sistem. Nilai 𝑃𝑛 ini akan sama dengan
proporsi waktu jangka panjang bahwa sistem berisi tepat n pelanggan. Sebagai contoh, jika
𝑃0 = 0,3, maka dalam jangka panjang, sistem akan kosong selama 30% dari waktu yang ada.
Jika 𝑃1 = 0,2 maka 20% dari waktu sistem akan berisi tepat satu pelanggan.

Dua himpunan lain dari peluang-peluang jangka panjang adalah {𝑎𝑛 , 𝑛 ≥ 0} dan {𝑑𝑛 , 𝑛 ≥ 0}
dimana

𝑎𝑛 = proporsi dari pelanggan yang menemukan sejumlah n pelanggan di dalam sistem ketika
datang
𝑏𝑛 = proporsi dari pelanggan yang meninggalkan sejumlah n pelanggan di dalam sistem ketika
meninggalkan sistem

Contoh 1 : Perhatikan suatu model antrian dimana semua pelanggan dilayani dengan waktu
pelayanan sama dengan satu dan waktu antar kedatangan pelanggan selalu lebih besar dari satu
(misalnya waktu antar kedatangan berdistribusi seragam sepanjang (1,2)). Jadi, setiap kejadian
kedatangan akan menemukan sistem dalam keadaan kosong dan setiap seseorang selesai
dilayani akan meninggalkan sistem dalam keadaan kosong. Sehingga 𝑎0 = 𝑑0 = 1. Tetapi
𝑃0 ≠ 1 karena sistem tidak selalu kosong.

Proporsi 1 Di dalam suatu sistem dimana pelanggan datang satu per satu dan dilayani satu per
satu, maka berlaku 𝑎𝑛 = 𝑑𝑛 , 𝑛 ≥ 0.

Bukti Suatu kedatangan akan melihat n di dalam sistem ketika jumlah di dalam sistem berubah
dari n ke n+1; hal yang sama, suatu keluaran (departure) akan meninggalkan sejumlah n ketika
jumlah di dalam sistem berubah dari n+1 ke n. Di antara dua transisi dari n ke n+1, pasti ada
satu transisi dari n+1 ke n dan sebaliknya. Jadi, tingkat transisi dari n ke n+1 sama dengan
tingkat dari n+1 ke n; atau tingkat dimana kedatangan menemukan n sama dengan tingkat
dimana suatu keluaran meninggalkan n.

Proporsisi 2 Poisson arrivals always see time averages (PASTA). Secara khusus, untuk
kedatangan Poisson berlaku 𝑃𝑛 = 𝑎𝑛 .

72
7.3. Model-model Eksponensial

7.3.1. Sistem Antrian Eksponensial dengan Satu Unit Layanan

Misalkan kedatangan pelanggan ke satu unit layanan mengikuti proses Poisson dengan tingkat
𝜆. Jadi, waktu antar kedatangan berdistribusi eksponensial yang saling bebas dengan rataan
1/𝜆. Setiap pelanggan, ketika datang akan langsung dilayani jika unit layanan tersebut bebas
dan jika tidak, menunggu di antrian. Ketika unit layanan selesai melayani pelanggan, pelanggan
tersebut meninggalkan sistem dan pelanggan berikutnya di antrian akan dilayani. Waktu
pelayanan diasumsikan berdistribusi eksponensial yang saling bebas dengan rataan 1/𝜇.

Uraian di atas sering disebut antrian M/M/1 dimana simbol M menyatakan bahwa baik waktu
antar kedatangan dan waktu pelayanan berdistribusi eksponensial (jadi bersifat memoryless
atau Markovian) sedangkan 1 berkaitan dengan jumlah unit layanan yang ada.

Analisis dimulai dengan menentukan peluang-peluang limit 𝑃𝑛 , untuk 𝑛 = 0,1, …. Hal ini
dilakukan dengan menggunakan prinsip umum berikut : untuk setiap 𝑛 ≥ 0, tingkat dimana
proses memasuki suatu state n sama dengan tingkat dimana proses meninggalkan state n. Dari
prinsip ini diperoleh sekumpulan persamaan berikut :

State Tingkat dimana proses keluar = tingkat dimana proses masuk

0 𝜆𝑃0 = 𝜇𝑃1
𝑛, 𝑛 ≥ 1 (𝜆 + 𝜇)𝑃𝑛 = 𝜆𝑃𝑛−1 + 𝜇𝑃𝑛+1

Kumpulan persamaan di atas tersebut disebut persamaan-persamaan keseimbangan (balance

equations). Persamaan-persamaan di atas dapat dituliskan sebagai

𝜆
𝑃1 = 𝑃
𝜇 0
𝜆 𝜆
𝑃𝑛+1 = 𝑃𝑛 + (𝑃𝑛 − 𝑃𝑛−1 ) , 𝑛≥1
𝜇 𝜇

Menyelesaikan persamaan-persamaan di atas dalam 𝑃0 , akan diperoleh :

𝑃0 = 𝑃0
𝜆
𝑃1 = 𝑃
𝜇 0
𝜆 𝜆 𝜆 𝜆 2
𝑃2 = 𝑃 + (𝑃1 − 𝑃0 ) = 𝑃1 = ( ) 𝑃0
𝜇 1 𝜇 𝜇 𝜇
𝜆 𝜆 𝜆 𝜆 3
𝑃3 = 𝑃 + (𝑃2 − 𝑃1 ) = 𝑃2 = ( ) 𝑃0
𝜇 2 𝜇 𝜇 𝜇
𝜆 𝜆 𝜆 𝜆 4
𝑃4 = 𝑃 + (𝑃2 − 𝑃1 ) = 𝑃3 = ( ) 𝑃0
𝜇 3 𝜇 𝜇 𝜇
𝜆 𝜆 𝜆 𝜆 𝑛+1
𝑃𝑛+1 = 𝑃 + (𝑃𝑛 − 𝑃𝑛−1 ) = 𝑃𝑛 = ( ) 𝑃0
𝜇 𝑛 𝜇 𝜇 𝜇

Untuk menentukan 𝑃0 digunakan fakta bahwa penjumlahan 𝑃𝑛 sama dengan 1, sehingga

diperoleh :

73
 ∞ ∞
𝜆 𝑛 𝑃0
1 = ∑ 𝑃𝑛 = ∑ ( ) 𝑃0 =
𝜇 𝜆
𝑛=0 𝑛=0 1−𝜇
𝜆
𝑃0 = 1 −
𝜇
𝜆 𝑛 𝜆
𝑃𝑛 = ( ) (1 − ) , 𝑛≥1
𝜇 𝜇

Perhatikan bahwa agar persamaan di atas masuk akal, maka haruslah berlaku 𝜆/𝜇 < 1, karena
kalau tidak maka penjumlahan dari (𝜆/𝜇)𝑛 akan menjadi tak hingga yang akan akan
menyebabkan semua 𝑃𝑛 bernilai nol. Secara intuitif, jika 𝜆/𝜇 > 1 ukuran antrian akan
membesar tanpa batas dan tidak akan ada peluang-peluang limit. Perhatikan bahwa kondisi
𝜆/𝜇 < 1 adalah ekuivalen dengan kondisi bahwa rataaan waktu pelayangan haruslah lebih
kecil dari rataan waktu antar kedatangan.

Sekarang akan dicari besaran-besaran 𝐿, 𝐿𝑄 , 𝑊, dan 𝑊𝑄 yang akan dinyatakan dalam peluang-
peluang limit 𝑃𝑛 . Karena 𝑃𝑛 adalah peluang jangka panjang bahwa sistem berisi tepat n
pelanggan, rata-rata banyaknya pelanggan di dalam sistem diberikan oleh :
∞ ∞
𝜆 𝑛 𝜆 𝜆
𝐿 = ∑ 𝑛𝑃𝑛 = ∑ 𝑛 ( ) (1 − ) =
𝜇 𝜇 𝜇−𝜆
𝑛=0 𝑛=0

Dimana persamaan terakhir diperoleh dengan menggunakan persamaan :

∞
𝑥
∑ 𝑛𝑥 𝑛 =
(1 − 𝑥)2
𝑛=0

Karena 𝜆𝑎 = 𝜆, besaran-besaran lainnya diperoleh sebagai berikut

𝐿 1
𝑊= =
𝜆 𝜇−𝜆
1 𝜆
𝑊𝑄 = 𝑊 − 𝐸[𝑆] = 𝑊 − =
𝜇 𝜇(𝜇 − 𝜆)
𝜆2
𝐿𝑄 = 𝜆𝑊𝑄 =
𝜇(𝜇 − 𝜆)

Contoh 2 : Misalkan pelanggan datang dengan tingkat Poisson satu orang per 12 menit dan
waktu pelayanan berdistribusi eksponensial dengan tingkat satu orang per 8 menit. Berapakah
𝐿 dan 𝑊?

Karena 𝜆 = 1/12 dan 𝜇 = 1/8 maka diperoleh 𝐿 = 2 dan 𝑊 = 24. Jadi rata-rata banyaknya
pelanggan di dalam sistem adalah 2 orang dan rata-rata waktu yang dihabiskan pelanggan di
dalam sistem adalah 24 menit.

Sekarang jika tingkat kedatangan meningkat 20% menjadi 𝜆 = 1/10 berapakah perubahan di
dalam 𝐿 dan 𝑊? Dengan 𝜆 = 1/10 diperoleh 𝐿 = 4 dan 𝑊 = 40. Jadi peningkatan 20% pada

74
tingkat kedatangan akan menggandakan rata-rata banyaknya pelanggan di dalam sistem. Untuk
memahami ini secara lebih baik, perhatikan bahwa 𝐿 dan 𝑊 dapat dituliskan sebagai

𝜆/𝜇
𝐿=
1 − 𝜆/𝜇
1/𝜇
𝑊=
1 − 𝜆/𝜇

Dari persamaan di atas dapat dilihat bahwa jika 𝜆/𝜇 dekat ke 1, sedikit peningkatan pada 𝜆/𝜇
akan menyebabkan peningkatkan pada 𝜆/𝜇 akan menyebabkan peningkatan yang signifikan
pada 𝐿 dan 𝑊.

Kita telah menggunakan suatu fakta bahwa jika satu kejadiaan terjadi pada tingkat eksponensial
𝜆 dan kejadiaan yang lain yang saling bebas terjadi pada tingkat eksponensial 𝜇, maka bersama-
sama mereka terjadi pada tingkat eksponensial 𝜆 + 𝜇. Untuk memeriksa hal ini secara normal,
misalkan 𝑇1 adalah waktu terjadinya kejadian pertama dan 𝑇2 adalah waktu terjadinya kejadian
kedua. Maka,

𝑃{𝑇1 ≤ 𝑡} = 1 − 𝑒 −𝜆𝑡
𝑃{𝑇2 ≤ 𝑡} = 1 − 𝑒 −𝜆𝑡

Jika kita tertarik pada waktu sampai kejadian 𝑇1 atau 𝑇2 terjadi, maka kita tertarik pada 𝑇 =
min(𝑇1 , 𝑇2 ). Jadi,

𝑃{𝑇 ≤ 𝑡} = 1 − 𝑃{𝑇 > 𝑡} = 1 − 𝑃{min(𝑇1 , 𝑇2 ) > 𝑡}

Tetapi, min(𝑇1 , 𝑇2 ) > 𝑡 jika dan hanya jika kedua 𝑇1 dan 𝑇2 lebih besar dari 𝑡, sehingga :

𝑃{𝑇 ≤ 𝑡} = 1 − 𝑃{𝑇1 > 𝑡, 𝑇2 > 𝑡} = 1 − 𝑃{𝑇1 > 𝑡}𝑃{𝑇2 > 𝑡} = 1 − 𝑒 −𝜆𝑡 𝑒 −𝜇𝑡 = 1 − 𝑒 −(𝜆+𝜇)𝑡

Jadi 𝑇 memiliki distribusi eksponensial dengan tingkat 𝜆 + 𝜇.

Misalkan 𝑊 ∗ menyatakan waktu yang dihabiskan seorang pelanggan sebarang di dalam sistem.
Untuk memperoleh distribusi dari 𝑊 ∗ , kita bersyarat pada banyaknya orang di dalam sistem
ketika pelanggan datang. Hal ini memberikan:
∞

𝑃{𝑊 ≤ 𝑎} = ∑ 𝑃{𝑊 ∗ ≤ 𝑎| 𝑛 di dalam sistem ketika datang}

∗

𝑛=0
× 𝑃{𝑛 di dalam sistem ketika datang }

Sekarang perhatikan jumlah waktu yang dihabiskan oleh pelanggan itu di dalam sistem ketika
ada n pelanggan lain ketika dia datang. Jika n = 0 maka waktu di dalam sistem adalah waktu
pelayanannya. Ketika 𝑛 ≥ 1, akan ada 1 pelanggan yang sedang dilayani dan n-1 pelanggan
yang menunggu. Pelanggan yang sedang dilayani pasti telah dilayani selama beberapa saat dan
karena sifat memoryless dari distribusi eksponensial, pelanggan yang baru datang akan
menunggu selama waktu eksponensial dengan tingkat 𝜇 bagi pelanggan ini untuk
menyelesaikan waktu pelayanannya. Dan pelanggan yang baru datang ini juga harus menunggu
sejumlah waktu eksponensial bagi n-1 pelanggan yang telah menunggu. Jadi termasuk waktu

75
pelayanan untuk dirinya, pelanggan yang baru datang ini harus menunggu sepanjang
penjumlahan dari n+1 waktu eksponensial yang saling bebas dan identik dengan tingkat 𝜇. Dan
diketahui bahwa penjumlahan n+1 variabel acak berdistribusi eksponensial dengan tingkat 𝜇
akan berdistribusi gamma dengan parameter (𝑛 + 1, 𝜇). Jadi,
𝑎
(𝜇𝑡)𝑛
𝑃{𝑊 ∗ ≤ 𝑎|𝑛 di dalam sistem ketika dia datang} = ∫ 𝜇𝑒 −𝜇𝑡 𝑑𝑡
𝑛!
0

Karena kedatangan mengikuti proses Poisson, maka:

𝜆 𝑛 𝜆
𝑃{𝑛 di dalam sistem ketika dia datang} = 𝑃𝑛 = ( ) (1 − )
𝜇 𝜇

Sehingga diperoleh,

∞ 𝑎 𝑎 ∞
(𝜇𝑡)𝑛 𝜆 𝑛 𝜆 (𝜆𝑡)𝑛
𝑃{𝑊 ∗ ≤ 𝑎} = ∑ ∫ 𝜇𝑒 −𝜇𝑡 𝑑𝑡 ( ) (1 − ) = ∫(𝜇 − 𝜆)𝑒 −𝜇𝑡 ∑ 𝑑𝑡
𝑛! 𝜇 𝜇 𝑛!
𝑛=0 0 0 𝑛=0
𝑎 𝑎

= ∫(𝜇 − 𝜆)𝑒 −𝜇𝑡 𝑒 𝜆𝑡 𝑑𝑡 = ∫(𝜇 − 𝜆)𝑒 −(𝜇−𝜆)𝑡 𝑑𝑡 = 1 − 𝑒 −(𝜇−𝜆)𝑎

0 0

Dengan kata lain, 𝑊 ∗ , waktu yang dihabiskan seorang pelanggan di dalam sistem, adalah
variabel acak eksponensial dengan tingkat 𝜇 − 𝜆.

7.3.2. Sistem Antrian Eksponensial dengan Satu Unit Layanan dan Kapasitas Terbatas

Dalam model sebelumnya, diasumsikan bahwa tidak ada batasan dalam jumlah pelanggan yang
berada di dalam sistem pada saat bersamaan. Tetapi dalam kenyataan selalu ada kapasitas dari
sistem pada setiap saat. Dalam hal ini seorang pelanggan yang datang akan dan menemukan
ada N orang di dalam sistem maka dia tidak jadi masuk ke dalam sistem.

Seperti sebelumnya, misalkan 𝑃𝑛 , 0 ≤ 𝑛 ≤ 𝑁 menyatakan peluang limit bahwa ada n

pelanggan di dalam sistem. Prinsip kesamaan tingkat (rate-equality) menghasilkan sekumpulan
persamaan keseimbangan berikut :

State Tingkat dimana proses keluar = tingkat dimana proses masuk

0 𝜆𝑃0 = 𝜇𝑃1
1≤𝑛 ≤𝑁−1 (𝜆 + 𝜇)𝑃𝑛 = 𝜆𝑃𝑛−1 + 𝜇𝑃𝑛+1
𝑁 𝜇𝑃𝑁 = 𝜆𝑃𝑁−1

Untuk menyelesaikan permasalahan di atas, kembali kita tuliskan sistem persamaan di atas
menjadi:

𝜆
𝑃1 = 𝑃
𝜇 0
𝜆 𝜆
𝑃𝑛+1 = 𝑃𝑛 + (𝑃𝑛 − 𝑃𝑛−1 ) , 1 ≤ 𝑛 ≤ 𝑁 − 1
𝜇 𝜇

76
 𝑃𝑁 = 𝜆𝑃𝑁−1

Penyelesaian di dalam 𝑃0 memberikan :

𝜆
𝑃1 = 𝑃
𝜇 0
𝜆 𝜆 𝜆 𝜆 2
𝑃2 = 𝑃1 + (𝑃1 − 𝑃0 ) = 𝑃1 = ( ) 𝑃0
𝜇 𝜇 𝜇 𝜇
𝜆 𝜆 𝜆 𝜆 3
𝑃3 = 𝑃2 + (𝑃2 − 𝑃1 ) = 𝑃2 = ( ) 𝑃0
𝜇 𝜇 𝜇 𝜇
⋮
𝜆 𝜆 𝜆 𝜆 𝑁−1
𝑃𝑁−1 = 𝑃 + (𝑃𝑁−2 − 𝑃𝑁−3 ) = 𝑃𝑁−2 = ( ) 𝑃0
𝜇 𝑁−2 𝜇 𝜇 𝜇
𝜆 𝜆 𝑁
𝑃𝑁 = 𝑃 = ( ) 𝑃0
𝜇 𝑁−1 𝜇

Dengan menggunakan fakta bahwa penjumlahan 𝑃𝑛 sama dengan 1, maka diperoleh:

𝑁
𝜆 𝑛 1 − (𝜆/𝜇)𝑁+1 1 − 𝜆/𝜇
1 = 𝑃0 ∑ ( ) = 𝑃0 [ ] → 𝑃0 =
𝜇 1 − 𝜆/𝜇 1 − (𝜆/𝜇)𝑁+1
𝑛=0

Sehingga dari sekumpulan persamaan keseimbangan di atas diperoleh :

𝜆 𝑛 𝜆
(𝜇 ) (1 − 𝜇 )
𝑃𝑛 = , 𝑛 = 0,1, … , 𝑁
𝜆 𝑁+1
1 − (𝜇 )

Perhatikan bahwa dalam kasus ini tidak diperlukan untuk mensyaratkan kondisi 𝜆/𝜇 < 1.
Ukuran antrian menurut definisi adalah terbatas sehingga tidak ada kemungkinan untuk
meningkat tanpa batas. Untuk besaran 𝐿 dapat dinyatakan dalam 𝑃𝑛 sehingga diperoleh :

𝜆 𝑛 𝜆 𝑁 𝜆 𝑁+1 𝜆 𝑛
𝜆 [1 + 𝑁 ( ) − (𝑁 + 1) (
(𝜇 ) (1 − 𝜇 ) 𝜆 𝑛 𝜇 𝜇) ]
𝑃𝑛 = ∑𝑛( ) =
𝜆 𝑁+1 𝑛=0 𝜇 𝜆 𝑁+1
1 − (𝜇 ) (𝜇 − 𝜆) (1 − ( ) )
𝜇

Dalam menentukan besaran 𝑊, ekspektasi waktu yang dihabiskan seorang pelanggan di dalam
sistem, kita harus berhati-hati dengan pengertian pelanggan disini. Secara khusus, apakah kita
mengikutsertakan “pelanggan” yang datang dan mendapati sistem penuh dan kemudian tidak
memasuki sistem? Atau kita hanya menginginkan ekspektasi waktu yang dihabiskan di sistem
oleh pelanggan yang memang memasuki sistem? Jika yang diinginkan adalah yang pertama,
maka diperoleh 𝜆𝑎 = 𝜆 sedangkan yang kedua, karena fraksi dari kedatangan yang akhirnya
memasuki sistem adalah 1 − 𝑃𝑁 , maka 𝜆𝑎 = 𝜆(1 − 𝑃𝑁 ). Sehingga besaran 𝑊 diperoleh dari
𝑾 = 𝑳/𝝀𝒂 .

77
Contoh 3: Misalkan diperlukan biaya sebesar 𝑐𝜇 dollar per jam untuk menyediakan layanan
dengan tingkat 𝜇. Dan misalkan juga kita memperoleh keuntungan sebesar A dollar untuk
setiap pelanggan yang dilayani. Jika sistem memiliki kapasitas N, tentukan tingkat pelayanan
𝜇 yang memaksimumkan keuntungan.

Misalkan pelanggan potensial datang dengan tingkat 𝜆. Tetapi sebagian dari mereka tidak
masuk ke dalam sistem karena sistem penuh (ada N pelanggan di dalam sistem ketika mereka
datang). Jadi, karena 𝑃𝑁 adalah proporsi waktu bahwa sistem itu penuh, maka pelanggan yang
memasuki sistem datang dengan tingkat 𝜆(1 − 𝑃𝑁 ). Karena setiap pelanggan membayar
sejumlah A, maka diperoleh sejumlah uang per jam dengan tingkat 𝜆(1 − 𝑃𝑁 )𝐴, dan karena
dikeluarkan biaya per jam sebesar 𝑐𝜇, maka total keuntungan per jam diberikan oleh:

𝜆 𝑁 𝜆
(𝜇 ) (1 − 𝜇 )
keuntungan per jam = 𝜆(1 − 𝑃𝑁 )𝐴 − 𝑐𝜇 = 𝜆𝐴 1 − − 𝑐𝜇
𝜆 𝑁+1
[ 1 − (𝜇 ) ]
𝑁
𝜆
𝜆𝐴 [1 − (𝜇 ) ]
= − 𝑐𝜇
𝜆 𝑁+1
1 − (𝜇 )

Sebagai contoh, jika 𝑁 = 2, 𝜆 = 1, 𝐴 = 10, 𝑐 = 1 maka

1 2
10 [1 − (𝜇 ) ] 10(𝜇 3 − 𝜇)
keuntungan per jam = = −𝜇
1 3 𝜇3 − 1
1 − (𝜇 )

Untuk memaksimumkan keuntungan, dicari turunan pertama dari keuntungan terhadap 𝜇 dan
diperoleh :

𝑑 (2𝜇 3 − 3𝜇 2 + 1)
[keuntungan per jam] = 10 −1
𝑑𝜇 (𝜇 3 − 1)2

Nilai 𝜇 yang memaksimumkan keuntungan dapat diperoleh dengan menyamakan persamaan

di atas dengan nol dan menyelesaikannya secara numerik.

7.3.3. Kasus Salon Rambut

Perhatikan suatu salon yang terdiri dari dua kursi. Misalkan pelanggan yang masuk akan pergi
ke kursi 1 dulu. Ketika telah selesai di kursi 1 ia akan ke kursi 2 jika kursi 2 kosong atau
menunggu di kursi 1 sampai kursi 2 menjadi kosong. Misalkan pelanggan potensial akan masuk
jika kursi 1 kosong (Jadi, pelanggan potensial akan tetap masuk jika ada pelanggan di kursi 2).
Jika kedatangan pelanggan potensial mengikuti proses Poisson dengan tingkat 𝜆 dan waktu
pelayanan di kedua kursi adalah saling bebas dan memiliki distribusi eksponensial dengan
tingkat 𝜇1 dan 𝜇2 , maka

a. Berapakah proporsi dari pelanggan potensial yang memasuki sistem?

b. Berapakah rataan banyaknya pelanggan di dalam sistem?

78
 c. Berapakah rataaan waktu yang dihabiskan pelanggan yang masuk ke dalam sistem?

Untuk memulainya harus ditentukan terlebih dahulu state-spacenya. State dari sistem ini harus
mencakup lebih banyak informasi dan tidak sekedar banyaknya pelanggan di dalam sistem.
Sebagai contoh, tidaklah cukup hanya mengetahui ada satu orang di dalam sistem, tetapi kita
juga ingin mengetahui di kursi mana dia berada. Juga misalnya ada dua orang di dalam sistem,
kita tidak tahu apakah orang di kursi satu sedang dilayani atau dia sedang menunggu orang di
kursi 2 selesai dilayani. Untuk itu, digunakan state space berikut yang mencakup 5 state yaitu
(0,0), (1,0), (0,1), (1,1), (b,1) dengan penjelasan sebagai berikut:

State Interpretasi
(0,0) Tidak ada pelanggan di dalam sistem
(1,0) Ada satu pelanggan di sistem, dia di kursi 1
(0,1) Ada satu pelanggan di sistem, dia di kursi 2
(1,1) Ada dua pelanggan di sistem, keduanya sedang dilayani
(b,1) Ada dua pelanggan di sistem, pelanggan di kursi 1 telah selesai dilayani
dan menunggu pelanggan di kursi 2 selesai dilayani.

Perhatikan bahwa state (b,1) merupakan blocking state karena pealnggan di kursi 1 tidak
sedang dilayani, sehingga akan menyebabkan pelanggan potensial mengurungkan niatnya
untuk memasuki sistem. Diagram transisi untuk sistem di atas diberikan di bawah ini.

Persamaan-persamaan keseimbangan untuk permasalahan di atas diberikan oleh :

State Tingkat dimana proses keluar = tingkat dimana proses masuk

(0,0) 𝜆𝑃00 = 𝜇2 𝑃01
(1,0) 𝜇1 𝑃10 = 𝜆𝑃00 + 𝜇2 𝑃11
(0,1) (𝜆 + 𝜇2 )𝑃01 = 𝜇1 𝑃10 + 𝜇2 𝑃𝑏1
(1,1) (𝜇1 + 𝜇2 )𝑃11 = 𝜆𝑃01
(b,1) 𝜇2 𝑃𝑏1 = 𝜇1 𝑃11

79
Persamaan-persamaan keseimbangan di atas dan persamaan 𝑃00 + 𝑃10 + 𝑃01 + 𝑃11 + 𝑃𝑏1 = 1
dapat diselesaikan untuk menentukan pelaung-peluang limit. Untuk menjawab pertanyaan di
atas akan sangat mudah bila dinyatakan dalam peluang-peluang limit. Pertama, karena seorang
pelanggan potensial akan memasuki sistem ketika berada di state (0,0) atau (0,1) maka proporsi
pelanggan yang memasuki sistem adalah 𝑃00 + 𝑃01 . Kedua, karena ada satu pelanggan di
sistem ketika sistem berada di state (0,1) dan (1,0) dan dua pelanggan di sistem ketika state
(1,1) atau (b,1) maka 𝐿, rata-rata banyaknya pelanggan di sistem diberikan oleh:

𝐿 = 𝑃01 + 𝑃10 + 2(𝑃11 + 𝑃𝑏1 )

Untuk mencari rata-rata waktu yang dihabiskan oleh seorang pelanggan yang memasuki
sistem, digunakan hubungan 𝑊 = 𝐿/𝜆𝑎 . Karena seorang pelanggan potensial akan masuk ke
sistem ketika di state (0,0) atau (0,1) maka 𝜆𝑎 = 𝜆(𝑃00 + 𝑃01 ) sehingga

𝑃01 + 𝑃10 + 2(𝑃11 + 𝑃𝑏1 )

𝑊=
𝜆(𝑃00 + 𝑃01 )

Contoh 4 :
(a) Jika 𝜆 = 1, 𝜇! = 1, 𝜇2 = 2 hitunglah besaran-besaran di atas.
(b) Jika 𝜆 = 1, 𝜇! = 2, 𝜇2 = 1 hitunglah besaran-besaran di atas.
12
(a) Penyelesaian dari persamaan-persamaan keseimbangan memberikan: 𝑃00 = 37 , 𝑃10 =
16 6 2 1 28 28
, 𝑃01 = , 𝑃11 = , 𝑃𝑏1 = sehingga diperoleh 𝐿 = dan 𝑊 = .
37 37 37 37 37 18
(b) Penyelesaian dari persamaan-persamaan keseimbangan memberikan: 𝑃00 = 3/
11, 𝑃10 = 2/11, 𝑃01 = 3/11, 𝑃11 = 1/11, 𝑃𝑏1 = 2/11 sehingga diperoleh 𝐿 = 1 dan
𝑊 = 11/6.

7.3.4. Sistem Antrian dengan Pelayanan Berkelompok

Dalam model ini akan dibahas model antrian dengan satu unit layanan dimana unit layanan
tersebut dapat melayani dua orang pelanggan pada saat yang sama. Ketika unit layanan itu
menyelesaikan pelayanannya , ia akan melayani dua orang pelanggan berikutnya pada saat
yang sama. Tetapi jika hanya ada satu pelanggan, ia juga akan melayani pelanggan itu.
Diasumsikan bahwa waktu pelayanan berdistribusi eksponensial dengan tingkat 𝜇 baik untuk
satu atau dua pelanggan. Kedatangan pelanggan juga diasumsikan mengikuti proses Poisson
dengan tingkat 𝜆. Salah satu contoh aplikasi masalah ini adalah sebuah lift yang hanya dapat
membawa paling banyak dua orang penumpang.

Untuk masalah ini, akan lebih mudah jika kita berkonsentrasi tidak pada jumlah pelanggan di
dalam sistem tetapi kepada jumlah pelanggan di dalam antrian. Misalkan kita definisikan state
sebagai jumlah pelanggan yang sedang mengantri dan dengan 2 state ketika tidak ada orang
yang mengantri. Dalam hal ini state spacenya adalah 0’, 0, 1, 2, ... dengan interpretasi sebagai
berikut:

State Interpretasi
0’ Tidak ada orang yang dilayani
0 Unit layanan sibuk, tidak ada orang yang menunggu
𝑛, 𝑛 > 0 n pelanggan menunggu

80
Diagram transisi diberikan di bawah ini dan persamaan-persamaan keseimbangannya adalah :

State Tingkat dimana proses keluar = tingkat dimana proses masuk

0’ 𝜆𝑃0′ = 𝜆𝑃0
0 (𝜆 + 𝜇)𝑃0 = 𝜆𝑃0′ + 𝜇𝑃1 + 𝜇𝑃2
𝑛, 𝑛 > 0 (𝜆 + 𝜇)𝑃𝑛 = 𝜆𝑃𝑛−1 + 𝜇𝑃𝑛+2

Sekarang sekumpulan persamaan (𝜆 + 𝜇)𝑃𝑛 = 𝜆𝑃𝑛−1 + 𝜇𝑃𝑛+2 , 𝑛 = 1,2, … memiliki solusi

yang berbentuk 𝑃𝑛 = 𝛼 𝑛 𝑃0 sehingga dengan mengsubtitusikan hal ini akan diperoleh:

(𝜆 + 𝜇)𝛼 𝑛 𝑃0 = 𝜆𝛼 𝑛−1 𝑃0 + 𝜇𝛼 𝑛+2 𝑃0

Atau (𝜆 + 𝜇)𝛼 = 𝜆 + 𝜇𝛼 3 . Penyelesaian persamaan ini di dalam 𝛼 akan memberikan tiga akar
yaitu :
4𝜆 4𝜆
−1 − √1 + 𝜇 −1 + √1 + 𝜇
𝛼 = 1, 𝛼 = , dan 𝛼 =
2 2

Dua akar yang pertama tidak memungkinkan sehingga hanya akar yang ketiga yang
memungkinkan. Jadi diperoleh 𝑃𝑛 = 𝛼 𝑛 𝑃0 dan 𝑃0′ = 𝜇/𝜆 𝑃0 . Untuk memperoleh 𝑃0
digunakan:
∞ ∞
𝜇 1 𝜇
𝑃0 + 𝑃0′ + ∑ 𝑃𝑛 = 1 → 𝑃0 [1 + + ∑ 𝛼 𝑛 ] = 1 → 𝑃0 [ + ]=1
𝜆 1−𝛼 𝜆
𝑛=1 𝑛=1

𝜆(1 − 𝛼)
𝑃0 =
𝜆 + 𝜇(1 − 𝛼)

Jadi diperoleh :

𝛼 𝑛 𝜆(1 − 𝛼)
𝑃𝑛 = , 𝑛≥0
𝜆 + 𝜇(1 − 𝛼)

81
 4𝜆
√1 +
𝜇(1 − 𝛼) 𝜇 −1
𝑃0′ = dengan 𝛼 =
𝜆 + 𝜇(1 − 𝛼) 2

Perhatikan bahwa agar persamaan di atas valid diperlukan syarat 𝛼 < 1 atau 𝜆/𝜇 < 2 yang
secara intuitif menyatakan bahwa karena tingkat pelayanan maksimum adalah 2𝜇 yang harus
besar dari tingkat kedatangan 𝜆 untuk menghindari sistem menjadi penuh tanpa batas.

Semua besaran lainnya sekarang dapat ditentukan. Sebagai contoh, untuk menentukan proporsi
pelanggan yang dilayani sendirian, perhatikan bahwa tingkat dimana seorrang pelanggan
dilayani sendiri adalah 𝜆𝑃0′ + 𝜇𝑃1 karena ketika sistem kosong seorang pelanggan akan
dilayani sendirian pada kedatangan berikutnya dan ketika ada satu pelanggan yang menunggu,
ia akan dilayani sendirian setelah ada yang keluar. Karena tingkat dimana pelanggan dilayani
adalah 𝜆, maka

𝜆𝑃0′ + 𝜇𝑃1 𝜇
proporsi pelanggan yang dilayani sendirian = = 𝑃0′ + 𝑃1
𝜆 𝜆

Juga diperoleh besaran-besaran lainnya, yaitu:

∞ ∞
𝜆(1 − 𝛼) 𝜆𝛼
𝐿𝑄 = ∑ 𝑛𝑃𝑛 = ∑ 𝑛𝛼 𝑛 =
𝜆 + 𝜇(1 − 𝛼) (1 − 𝛼)[𝜆 + 𝜇(1 − 𝛼)]
𝑛=1 𝑛=1

𝐿𝑄
𝑊𝑄 =
𝜆
1
𝑊 = 𝑊𝑄 +
𝜇

𝐿 = 𝜆𝑊

7.4. Soal-soal Latihan

1. Untuk model antrian M/M/1, hitunglah

a. Ekspektasi banyaknya kedatangan selama periode pelayanan.
b. Peluang bahwa tidak ada pelanggan yang datang selama periode pelayanan.

2. Mesin-mesin di suatu pabrik mengalami kerusakan dengan tingkat eksponensial enam

per jam. Ada seorang montir yang memperbaiki mesin-mesin itu dengan tingkat
eksponensial delapan per jam. Biaya yang terjadi karena kehilangan produksi ketika
mesin-mesin itu rusak adalah $10 per jam per mesin. Berapakah rata-rata tingkat biaya
yang ditimbulkan karena masin yang rusak.

3. Seorang manajer dari suatu super market dapat mempekerjakan A atau B. A dapat
melayani pada tingkat eksponensial 20 pelanggan per jam dan dibayar $3 per jam.
Sedangkan B yang dapat melayani dengan tingkat eksponensial 30 pelanggan per jam
dibayar $C per jam. Manajer itu memperkirakan bahwa secara rata-rata waktu setiap
pelanggan berharga $1 per jam dan harus diperhitungkan di dalam model. Jika
pelanggan mengikuti proses Poisson dengan tingkat 10 orang per jam, maka :

82
 a. Berapakah rata-rata biaya per jam jika A yng dipekerjakan? Jika B yang
dipekerjakan?
b. Tentukan C jika rata-rata biaya per jam adalah sama untuk A dan B.

4. Untuk model antrian M/M/1, tunjukkan bahwa peluang seorang pelanggan

menghabiskan waktu kurang atau sama dengan 𝑥 di dalam antrian diberikan oleh:

𝜆
1− , 𝑥=0
𝜇
𝜆 𝜆
1 − + (1 − 𝑒 −(𝜇−𝜆)𝑥 ), 𝑥 > 0
{ 𝜇 𝜇

5. Dari hasil di soal 4, jika di dalam antrian M/M/1, 𝑊𝑄∗ adalah waktu yang dihabiskan
seorang pelanggan menunggu di antrian, maka:

𝜆
0 dengan peluang 1 −
𝜇
𝑊𝑄∗ =
λ
exp(𝜇 − 𝜆) dengan peluang
{ μ

Dimana exp(𝜇 − 𝜆) adalah variabel acak eksponensial dengan tingkat 𝜇 − 𝜆. Dengan

menggunakan ini, tentukan Var(𝑊𝑄∗ ).

83