Nama: R. B.

Krishnamurti
NIM: 13419058/K-02
RESUME QUEUING MODELS

OR II

TEXTBOOK: TAHA, OPERATION RESEARCH AN INTRODUCTION, 8 ED

Mengapa belajar Queues?

Dalam buku TAHA, disebutkan bahwa berbagai aspek dalam hidup manusia(bahkan tidak dilimitasi terhadap manusia saja) berkaitan erat dengan
antrian. Contohnya: mengantri pada restaurant, antrian barang sebelum masuk ke mesin, antrian masuk ke bandara. Pada antrian, tentunya aktivitas
menunggu tidak bisa dihilangkan secara utuh tanpa dilakukannya aktivitas dengan expenses tertentu sehingga tujuannya adalah untuk mengurangi
impact kepada tingkat yang tolerable.

Proses Antrian Dasar

Mulai: Sumper Input dimana pelanggan masuk ke Sistem Antrian.

Sistem Antrian: Dimana aktvitas antrian dan mekanisme pelayanan terjadi

Selesai: Pelanggan keluar dari sistem antrian dan sudah dilayani

Antrian Erat kaitan dengan rantai Markov, dinamis seiring berjalannya waktu

Element Queuing Model

Sumber Input

- Ukuran (Terbatas/tak terbatas) -> Berbeda di analisis

- Distribusi kedatangan -> Data kedatangan pelanggan (data waktu antar kedatangan butuh uji distribusi; GoF)

Antrian

- Jumlah Maksimum yang diijinkan mengantri

Disiplin Antrian (Model umum menggunakan FCFS)

- Cara anggota antrian dipilih: FCFS (Bank Umum), Random (Case public housing), prioritas (nasabah prioritas)

Mekanisme Pelayanan

- Jumlah fasilitas pelayanan

- Struktur fasilitas pelayanan (Seri, parallel, jaringan)
- Distribusi waktu pelayanan

Notasi Model Antrian

a : Distribusi waktu antar kedatangan, b : Distribusi waktu pelayanan, c : Jumlah pelayanan parallel, d: disiplin pelayanan, e : jumlah maksimum antrian, f : jumlah
populasi input

Distribusi kedatangan tidak bisa didekatkan lewat poisson.

untuk a dan b: M: Distribusi eksponensial, D: Distribusi degenerate (konstan), Ek: Distribusi Erlang , GI: Distribusi umum waktu antar kedatangan, G: Distribusi umum
waktu pelayanan

untuk dispilin pelayanan: FCFS, LCFS (last come, first served), SIRO (random)

Terminologi

Status sistem (t): jumlah pelanggan dalam sistem antrian (0 ke 1)

Panjang antrian: jumlah pelanggan yang menunggu untuk dilayani = status sistem dikurangi jumlah pelanggan yang sedang dilayani

A(t) = N(t) – X(t)

N(t) = jumlah pelanggan dalam sistem antrian pada saat t (t >= 0)

Proses Kelahiran Kematian

Proses stokastik dimana sistem antrian mengikuti rantai markov kontinyu. Proses transisi ada (n+1) kedatangan
dan (n-1) kepergian. Proses kematian ketika proses menjadi status 0. Proses tidak bisa loncat, evolusi harus
dilakukan tahap per tahap. Sehingga, terdapat proses memoryless atau tidak menyimpan ingatan.

Q (i, i+1/i-1) = Probabilitas Transisi untuk kelahiran kematian

Nama: R. B. Krishnamurti
NIM: 13419058/K-02
Elemen diagonal adalah penjumlahan minus Qij (i !=j) sehingga dapat ditentnukan matriks laju transisi untuk proses kedatangan kepergian pada gambar
disamping.

Akan digunakan,

Q n,n+1 = Lamda n (rerata laju kedatangan jika ada n pelanggan dalam sistem)

Qn,n-1 = Miu n (laju kepergian jika terdapat n pelanggan dalam sistem)

Probabilitas dalam kondisi Mapan (Phi n)

Phi n adalah laju kedatangan yang sama dengan laju kedatanganan, dalam kondisi steady state ada berapa
pelanggan.

Phi 0 menyatakan probablitas terhadap 0 pelanggan dalam sistem steady state.

Kasus soal dari buku

- Laju bisa berubah setiap status dengan kriteria tertentu (contoh penambahan fasilitas pelayanan)
- Tapi tidak akan dipengaruhi jumlah pelanggan

Notasi

Pn(t) | Pn (t=0) Probabiliras tepat terdapat n pelanggan pada saat t diberukan jumlah pelanggan pada saat 0.

S = Jumlah pelayan

Lamda n konstan untuk semua n, lamda n = lamda dan jika Miu n konstan untuk semua n>= 1, miu n = miu

Dalam kasus pelayan sibuk n >= s

1/ lamda – waktu antar kedatangan rataan

1/miu = waktu pelayanan rataan

P = lamda/ (s miu) > faktor utilisasi untuk fasilitas pelayanan

Notasi dalam kondisi mapan (tidak ada pegaruh t)

Pn = Probabilitas tepat terdapat n pelanggan dalam sistem, L = ekpektasi jumlah pelanggan dalam sistem, Lq = ekspektasi pelanggan menunggu
dilayani (tidak termasuk pelanggan sedang dilayani), W = ekspektasi waktu dalam sistem untuk pelanggan individual, Wq = ekspektasi waktu dalam
antrian (tidak termasuk waktu pelayanan)

Konteks bisnis: Nilai diatas lebih kecil dari sistem sebelumnya, berarti berhasil diperbaiki sistem antriannya.

Keadaan mapan: brand terkenal, ketika lewat mau tidak mau akan mengantri karena lapar dan sudah percaya

Keadaan tidak mapan: Tidak macet dan brand tidak terkenal, sehingga bisa ditinggal

Ekspektasi jumlah berada dalam sistem antrian = ekspektasi waktu dalam antrian dikali laju

Ekspektasi menunggu dilayani = waktu dihabiskan untuk melayani dikali laju

ekspektasi waktu antrian = ekspektasi mengantri + waktu proses layanan

Peran Dist. Eksponensial (TAHA)

Pada kondisi umum, kedatangan pelanggan terjadi dalam keadaan random. Kerandoman ini berarti kejadian dari event
tidak diinfluensikan dari panjang waktu yang telah berlalu pada kejadian event terakhir. Sehingga kerandoman waktu antar
kedatangan dan waktu pelaynan dalam model antrian dideskrivsikan dengan distribusi eksponensial.

E{t} menunjukan rate per unit time dimana events(datang/pergi) digenerasi.

Terjadi lack of memory/forgetfulness pada eksponensial yang dijelaskan menggunakan contoh waktu sekarang 8:20 AM
dan 8:29 untuk kedatangan selanjutnya. Hal ini membuat probabilias kedatangan selanjutnya akan terjadi hanya ditentukan
oleh interval waktu saat ini dan waktu kedatangan selnajutnya yang telah ditentukan. Berikut merupakan forgetfulness
property.

Apabila WAD mengikuti dist eksponensial, maka peluang akan banyak yang jarak kecil2, jarak antar pelanggan ke
pelanggan selanjutnya tidak terlalu jauh. Sehingga jarak yang panjang akan jarang terjadi. Berikut merupakan ciri-ciri dist
eksponen. 1. Monton turun 2.lack of memory 3.minimum dari beberapa variable independent dist ekspon akan memiliki dist
eksponensial 4. Hubungan dengan dist. Poisson 5. Nilai positif Peluang lack of memory mendekati alpha x delta t 6. Tidak
dipengaruhi agregasi maupun disagregasi.