TEORI ANTRIAN
KELOMPOK 4.1:
Menurut Pardede (2014) dalam Rahayu dan Fahmi (2021), sistem antrian adalah
keseluruhan proses dari seorang pemohon yang membuat Surat Izin Mengemudi (SIM)
yang berdatangan dan memasuki barisan antrian yang seterusnya memerlukan
pelayanan dan yang melayani (server), sehingga faktor yang mempengaruhi barisan
antrian dan pelayanan adalah distribusi kedatangan, waktu pelayanan, fasilitas
pelayanan, disiplin pelayanan,ukuran dalam antrian, dan sumber pemanggilan.
Menurut Simamora, R.J (2010) dalam Fahmi dan Rahayu (2021), sistem antrian
merupakan teori antrian yang berhubungan dengan semua aspek dari situasi, dimana
pelanggan harus menunggu untuk diberikan layanan, lama waktu dalam pelayanan
sehingga selesai semua layanan.
Menurut Hasan (2002) dalam Fahmi dan Rahayu (2021), simulasi antrian merupakan
model pengambilan keputusan dengan mencontoh atau mempergunakan gambaran
sebenarnya dari suatu sistem kehidupan nyata tanpa harus mengalaminya pada keadaan
yang sesungguhnya.
Menurut Pardede dkk. (2018) dalam Fahmi dan Rahayu (2021), simulasi adalah cara
untuk menirukan sistem nyata yang ada dengan sifat yang lebih mudah untuk diamati
dari pada sistem aslinya, dengan simulasi memungkinkan untuk dapat mengamati
bagaimana perilaku sistem yang dimiliki, dengan kata lain, model simulasi yang baik
adalah model simulasi yang selain dapat menjelaskan hasil dari sebuah sistem tetapi
juga mampu menjelaskan karakteristik dan perubahan sistem dari waktu ke waktu.
Menurut Bambang (2016) dalam Fahmi dan Rahayu (2021), Sistem antrian merupakan
hasil pengembangan teori antrian yang mengatur pelayanan sesuai kedatangan untuk
mencapai kinerja yang efektif dan efisien sebagai solusi dari masalah antrian.
Menurut Lusiani dan Irawan (2016) dalam Warningsih dkk. (2020), antrian adalah suatu
kejadian yang sering dalam kehidupan sehari–hari. Di sektor jasa bagi sebagian orang,
antri merupakan hal yang membosankan, oleh sebab itu terlalu lama mengantri akan
menyebabkan pelanggan pergi. Hal ini merupakan kerugian bagi perusahaan. Antrian
timbul dikarenakan oleh kebutuhan akan layanan melebihi kapasitas pelayanan atau
fasilitas layanan, sehingga pengguna fasilitas tidak bisa segera mendapat layanan
disebabkan kesibukan layanan, didalam suatu antrian yang optimal tidak hanya
berdasarkan pada waktu menunggu dengan durasi lama maupun waktu menunggu
dengan durasi cepat tetapi mendapatkan standar dari setiap waktu menunggu dan
pelayanan dalam antrian tersebut.
Menurut Heizer dan Render (2008) dalam Febrianti (2020), teori antrian adalah bagian
yang penting dalam operasi dan alat yang berguna untuk manajer operasi. Model antrian
sangat bermanfaat dalam lingkup manufaktur dan jasa. Antrian (waiting-line atau
queue) merupakan elemen-elemen atau orang-orang dalam suatu baris yang menunggu
intuk dapat dilayani oleh sistem.
Menurut Malhotra dkk. (2010) dalam Febrianti (2020), pelanggan yang diartikan dapat
berupa orang atau objek lainnya, seperti mesin yang mengantri untuk pemeliharaan,
pesanan yang menunggu untuk dikirim, atau persediaan yang menunggu untuk
digunakan. Bentuk antrian terjadi dikarenakan tidak seimbangnya antara permintaan
untuk dilayani dan kapasitas dari sistem untuk penyediaan layanan. Teori antrian
digunakan untuk mengukur fenomena dalam antrian dengan mengukur kinerja yang
dilakukan seperti rata-rata panjang antrian, rata-rata waktu menunggu dalam antrian,
dan rata-rata utilisasi penggunaan fasilitas. Hasil dari analisis antrian dapat digunakan
dalam konteks model optimalisasi biaya, yaitu dengan meminimisasi jumlah dari kedua
biaya tersebut antara biaya penyediaan fasilitas dan biaya menunggu.
Menurut Taylor dkk. (2006) dalam Febrianti (2020), tingkat pelayanan (service rate)
adalah rata-rata jumlah pelanggan yang dapat dilayani oleh suatu fasilitas pelayanan
selama periode waktu tertentu. Sebagai contoh pada suatu supermarket, 30 pelanggan
dapat selesai terlayani dalam satu jam. Suatu tingkat pelayanan adalah serupa dengan
tingkat kedatangan yaitu merupakan suatu variabel acak. Ketika terjadi tingkat
pelayanan didistribusikan secara acak, maka harus didapatkan distribusi probabilitas
yang sesuai untuk menggambarkan perilaku distribusi tingkat pelayanan tersebut.
Seperti halnya tingkat kedatangan, maka waktu pelayanan didefinisikan dengan
distribusi probabilitas. Para peneliti bidang antrian telah menentukan bahwa tingkat
pelayanan sering ditentukan oleh distribusi probabilitas eksponensial (exponential
probability distribution).
Menurut Daswa dan Riyadi (2018), proses antrian pada bank terbentuk dengan adanya
nasabah yang memerlukan pelayanan pada waktu tertentu sebagai input. Nasabah ini
masuk ke dalam sistem antrian dan ikut dalam antrian. Pada waktu tertentu, anggota
antrian dipilih untuk pelayanan dengan beberapa aturan dikenal dengan disiplin antrian.
Kemudian, pelayanan yang dibutuhkan dijalankan untuk nasabah dengan mekanisme
pelayanan. Setelah itu nasabah meninggalkan sistem antrian.
Menurut Daswa dan Riyadi (2018), disiplin antrian mengacu pada urutan yang mana
anggota antrian dipilih untuk pelayanan. Disiplin antrian yang umum adalah :
1. First in, First out (FIFO)
First in, First out merupakan seorang nasabah yang datang lebih awal dan pulang
lebih awal.
2. Last in, First out (LIFO)
Last in, First out merupakan seorang nasabah yang datang lalu pulang lebih awal.
3. Random service (RS)
Random service merupakan nasabah yang akan dilayani dipilih secara random.
4. Priority
Priority merupakan memilih nasabah dengan prioritas yang paling tinggi.
Menurut Daswa dan Riyadi (2018), mekanisme pelayanan terdiri dari satu atau lebih
fasilitas pelayanan yang disebut server. Tiap server memuat satu atau lebih alur
pelayanan paralel. Pada bank, fasilitas pelayanan ini berupa teller. Bila terdapat lebih
dari satu fasilitas pelayanan, nasabah dapat menerima pelayanan dari barisan teller.
Model antrian harus menentukan pengaturan fasilitas tersebut dan jumlah teller.
Kebanyakan model berasumsi satu fasilitas pelayanan dengan satu atau sejumlah hingga
teller.
Menurut Daswa dan Riyadi (2018), pada saat sistem antrian telah beroperasi, kondisi
sistem akan sangat dipengaruhi oleh kondisi awal dan waktu karena sudah berlalu.
Sistem tersebut dinamakan kondisi transien. Akan tetapi, setelah waktu cukup lama,
kondisi sistem menjadi tidak bergantung (independent) terhadap kondisi awal dan
waktu yang telah lewat. Kondisi ini dinamakan kondisi steady-state, di mana
probabilitas distribusi kondisi sistem tetap sama terhadap waktu. Teori antrian
cenderung fokus pada kondisi steady-state tersebut.
Menurut Daswa dan Riyadi (2018), terdapat empat model struktur antrian dasar yang
umum terjadi dalam seluruh sistem antrian:
1. Satu Jalur, Satu Tahap (Single Channel, Single Phase)
Sistem antrian satu jalur satu tahap berarti bahwa dalam sistem tersebut hanya
terdapat satu pemberi layanan serta satu jenis layanan yang diberikan, sehingga
yang telah menerima pelayanan dapat langsung keluar dari sistem antrian.
2. Satu Jalur, Banyak Tahap (Single Channel, Multi Phase)
Sistem antrian satu saluran banyak tahap berarti dalam sistem antrian tersebut
terdapat lebih dari satu jenis layanan yang diberikan, tetapi dalam setiap jenis
layanan hanya terdapat satu pemberi layanan.
3. Banyak Jalur, Satu Tahap (Multi Channel, Single Phase)
Sistem antrian banyak saluran satu tahap adalah sistem antrian dimana terdapat satu
jenis layanan dalam sistem antrian, namun terdapat lebih dari satu pemberi layanan.
4. Banyak Jalur, Banyak Tahap (Multi Channel, Multi Phase)
Sistem antrian banyak saluran banyak tahap adalah sistem antrian dimana terdapat
lebih dari satu jenis layanan dan terdapat lebih dari satu pemberi layanan dalam
setiap jenis layanan.
Menurut Daswa dan Riyadi (2018), dari sudut pandang model antrian, situasi antrian
dapat diciptakan dengan cara berikut ini. Sementara para pelanggan tiba di satu sarana
pelayanan, mereka bergabung dalam sebuah antrian. Pelayan memilih seorang
pelanggan dari antrian untuk memulai pelayanan. Setelah seleslainya pelayanan proses
memilih pelanggan baru (yang sedang menunggu) diulangi. Diasumsikan tidak ada
waktu yang terhilang antara penyelesaian pelayanan dengan diterimanya seorang
pelanggan baru di sarana pelayanan tersebut.
BAB IV
TEORI ANTRIAN
Pada Seasons Cafe memiliki 1 petugas yang bertugas sebagai kasir dan mencatat
pesanan pelanggan yang ingin membeli makanan dan minuman. Dilakukan pengamatan
terhadap petugas tersebut dan didapatkan waktu rata-rata petugas saat melayani
pelanggan adalah 48 pelanggan/jam. Dengan rata-rata waktu kedatangan pelanggan
sebanyak 25 pelanggan/jam.
Pada tempat pencucian Kurnia Jaya Carwash yang berlokasikan di Jl. Soekarno Hatta,
Loa Janan memiliki 3 karyawan untuk melayani pencucian kendaraan bermotor.
Kemampuan masing-masing karyawan dalam melayani pencucian kendaraan bermotor
adalah sebesar 12 kendaraan setiap jam. Sedangkan sistem pencucian Kurnia Jaya
Carwash tiap pekerja memiliki rata-rata kedatangan pelanggan 32 orang setiap jam.
Hitunglah:
1. Tingkat kesibukan sistem,
2. Rata-rata jumlah pengunjung dalam garis tunggu atau antrian,
3. Jumlah rata-rata pengunjung di dalam sistem,
4. Waktu rata-rata pengunjung di garis tunggu, dan
5. Waktu rata-rata pengunjung di dalam sistem.
4.2 Penyelesaian Masalah Teori Antrian
Penyelesaian permasalahan teori antrian single channel - single phase pada Seasons
Cafe dan multi channel - single phase pada Kurnia Jaya Carwash dapat diselesaikan
dengan menggunakan software POM-QM For Windows yang akan dijabarkan pada
penjelasan berikut ini.
6. Klik Solve pada toolbar, maka akan muncul kotak dialog output pada toolbar
window seperti pada Gambar 4.5.
7. Untuk melihat hasil yang akan diperoleh maka pilih Waiting Lines Result sehingga
menghasilkan output seperti pada Gambar 4.6 berikut
Gambar 4.6 Waiting Line Result
8. Untuk melihat hasil tabel probabilitas maka pada toolbar Window pilih Table of
Probabilities sehingga menghasilkan output seperti pada Gambar 4.7 berikut,
9. Untuk melihat hasil grafik probabilitas maka pada toolbar Window pilih Graphs of
Probabilities sehingga menghasilkan output seperti pada Gambar 4.8 berikut,
Gambar 4.8 Graphs of Probabilities
10. Klik Cumulative Probabilities, maka akan keluar kotak dialog Graphs of
Probabilities yang diinginkan pada toolbar Window yang akan keluar seperti pada
Gambar 4.9 berikut.
11. Klik Decumulative Probabilities, akan keluar kotak dialog Graphs of Probabilities
pada toolbar Window yang akan keluar seperti pada Gambar 4.10 berikut.
6. Diklik Solve pada toolbar, maka akan muncul tab output pada toolbar window
seperti pada Gambar 4.13.
10. Kemudian pada toolbar Window diklik Graphs of Cumulative Probabilities untuk
melihat hasil dalam bentuk grafik seperti pada Gambar 4.17.
12. Setelah didapatkan beberapa output seperti pada gambar di atas, langkah
selanjutnya dilakukan analisis atau interpretasi hasil dari permasalahan antrian pada
Kurnia Jaya Carwash.
Tahapan selanjutnya output teori antrian pada Seasons Cafe dan Kurnia Jaya Carwash
setelah dilakukan analisis secara komputasi dengan menggunakan software POM-QM
For Windows akan dijabarkan pada penjelasan berikut ini.
Analisis interpretasi hasil dari permasalahan Seasons Cafe berdasarkan output pada
POM-QM For Windows adalah sebagai berikut:
1. Waiting Lines Results
Berdasarkan yang dihasilkan dari data hasil output waiting line results Seasons
Cafe adalah sebagai berikut.
a. Average server utilization
Nilai average server utilization adalah 0,52 yang berarti bahwa tingkat
kesibukan sistem dalam antrian di Seasons Cafe adalah sebesar 0,52 atau 52%.
b. Average number in the queue (Lq)
Nilai average number in the queue (Lq) adalah 0,57 yang berarti bahwa rata-rata
jumlah pengunjung dalam garis tunggu atau antrian adalah 0,57 ≈ 1
pengunjung/jam.
c. Average number in the system (Ls)
Nilai average number in the system (Ls) adalah 1,09 yang berarti bahwa rata-rata
jumlah pengunjung di dalam sistem adalah 2 pengunjung/jam.
d. Average time in the queue (Wq)
Nilai average time in the queue (Wq) adalah 0,02 yang berarti bahwa waktu rata-
rata pengunjung di garis tunggu adalah 0,02 jam atau 1,36 menit, dan 156,52
detik.
e. Nilai average time in the system (Ws)
Average time in the system (Ws) adalah 0,4 yang berarti bahwa waktu rata-rata
pengunjung berada dalam sistem adalah selama 0,4 jam atau 2,61 menit, dan
156,52 detik.
2. Table of probabilities
Berdasarkan output table of probabilities Pada data pengunjung Seasons Cafe nilai-
nilainya dapat dilihat sebagai berikut.
a. Probabilitas (num in sys=k)
Berdasarkan table of probabilities untuk probabilitas 0 pengunjung berada dalam
sistem pelayanan adalah sebesar 0,48. Untuk probabilitas 1 pengunjung berada
dalam sistem pelayanan adalah sebesar 0,25. Untuk probabilitas 2 pengunjung
berada dalam sistem pelayanan adalah sebesar 0,13. Untuk probabilitas 3
pengunjung berada dalam sistem pelayanan adalah sebesar 0,07. Untuk
probabilitas 4 pengunjung berada dalam sistem pelayanan adalah sebesar 0,04.
Untuk probabilitas 5 pengunjung berada dalam sistem pelayanan adalah sebesar
0,02, dan begitu seterusnya hingga probabilitas 6 pelanggan sampai dengan 13
adalah 0 yang berarti bahwa untuk probabilitas 6 pelanggan hingga 11 pelanggan
yang berada dalam sistem pelayanan memiliki nilai 0.
b. Probabilitas (num in sync ≤ k)
Berdasarkan table of probabilities diketahui untuk probabilitas kurang dari 0
pengunjung berada dalam sistem pelayanan adalah sebesar 0,48. Untuk
probabilitas kurang dari 1 pengunjung berada dalam sistem pelayanan adalah
sebesar 0,73. Untuk probabilitas kurang dari 2 pengunjung berada dalam sistem
pelayanan adalah sebesar 0,86. Untuk probabilitas kurang dari 3 pengunjung
berada dalam sistem pelayanan adalah sebesar 0,93. Untuk probabilitas kurang
dari 4 pengunjung berada dalam sistem pelayanan adalah sebesar 0,96. Untuk
probabilitas kurang dari 5 pengunjung berada dalam sistem pelayanan adalah
sebesar 0,98. Untuk probabilitas kurang dari 6 pengunjung berada dalam sistem
pelayanan adalah sebesar 0,99 dan begitu seterusnya sampai probabilitas kurang
dari 7 sampai dengan 13 pengunjung berada dalam sistem pelayanan adalah 1.
c. Probabilitas (num in sys>k)
Berdasarkan table of probabilities untuk probabilitas lebih dari 0 pengunjung
berada dalam sistem pelayanan adalah sebesar 0,52. Untuk probabilitas lebih
dari 1 pengunjung berada dalam sistem pelayanan adalah sebesar 0,27. Untuk
probabilitas lebih dari 2 pengunjung berada dalam sistem pelayanan adalah
sebesar 0,14. Untuk probabilitas lebih dari 3 pengunjung berada dalam sistem
pelayanan adalah sebesar 0,07. Untuk probabilitas lebih dari 4 pengunjung
berada dalam sistem pelayanan adalah sebesar 0,04. Untuk probabilitas lebih
dari 5 pengunjung berada dalam sistem pelayanan adalah sebesar 0,02. Untuk
probabilitas lebih dari 6 pengunjung berada dalam sistem pelayanan adalah
sebesar 0,01, dan begitu seterusnya hingga probabilitas pengunjung lebih dari 7
sampai dengan lebih dari 13 yang memiliki nilai 0 yang berarti bahwa untuk
probabilitas lebih dari 7 sampai dengan 13 pelanggan yang berada dalam sistem
pelayanan memiliki nilai probabilitas 0.
3. Graphs of probabilities
Didapatkan hasil analisa grafik pada studi kasus antrian di Seasons Cafe adalah
sebagai Berikut.
a. Graphs of probabilities (N=K)
Probabilities yang digambarkan kedalam bentuk grafik. Pada saat antrian 0
orang dengan probabilitas kemungkinan terjadi yaitu 0,48. Pada saat antrian 1
orang dengan probabilitas kemungkinan terjadi adalah 0,2496 sehingga terjadi
penurunan pada grafik. Pada saat antrian 2 orang probabilitas kemungkinan
terjadi adalah 0,13 sehingga grafik terus mengalami penurunan. Pada saat
antrian 3 orang probabilitas kemungkinan terjadi adalah 0,0677 sehingga grafik
tetap mengalami penurunan. Pada saat antrian 4 orang probabilitas kemungkinan
terjadi adalah 0,0353 sehingga grafik, pada saat antrian 5 orang probabilitas
kemungkinan terjadi adalah 0,018 grafik tetap mengalami penurunan. Pada saat
antrian 6 orang probabilitas kemungkinan terjadi adalah 0,08. Saat antrian 7
orang probabilitas kemungkinan terjadi adalah 0,06. Pada saat antrian 8 orang
probabilitas kemungkinan terjadi adalah 0,02. Pada saat antrian 9 orang sampai
dengan antrian 13 orang nilai probabilitas kemungkinan yang terjadi adalah 0
sehingga grafik berada pada titik 0 secara konstan.
b. Graphs of probabilities (N ≤ K)
Pada saat tidak ada antrian maka probabilitas kejadiannya adalah 0,4792. Saat
antrian yang terjadi ≤ 1 pelanggan probabilitas kejadiannya adalah 0,7287. Saat
antrian yang terjadi ≤ 2 pelanggan probabilitas kejadiannya adalah 0,8587. Saat
antrian yang terjadi ≤ 3 pelanggan probabilitas kejadiannya adalah 0,9264. Saat
antrian yang terjadi ≤ 4 pelanggan probabilitas kejadiannya adalah 0,9617. Saat
antrian yang terjadi ≤ 5 pelanggan probabilitas kejadiannya adalah 0,98. Saat
antrian yang terjadi ≤ 6 pelanggan probabilitas kejadiannya adalah 0,9896. Saat
antrian yang terjadi ≤ 7 pelanggan probabilitas kejadiannya adalah 0,9946. Saat
antrian yang terjadi ≤ 8 pelanggan probabilitas kejadiannya adalah 0,9972. Saat
antrian yang terjadi ≤ 9 pelanggan probabilitas kejadiannya adalah 0,9985. Saat
antrian yang terjadi ≤ 10 pelanggan probabilitas kejadiannya adalah 0,9992. Saat
antrian yang terjadi ≤ 11 pelanggan probabilitas kejadiannya adalah 0,9996. Saat
antrian yang terjadi ≤ 12 pelanggan probabilitas kejadiannya adalah 0,9998. Saat
antrian yang terjadi ≤ 13 pelanggan probabilitas kejadiannya adalah 0,9999.
Sehingga dapat dilihat bahwa probabilitas antrian yang terjadi akan lebih besar
jika kurang dari sama dengan 13 pelanggan karena nilai probabilitasnya yang
semakin besar.
c. Graphs of decumulatife probabilities
Pada saat antrian 0 orang dengan probabilitas kemungkinan terjadi yaitu 0,5208,
dan pada saat antrian 1 orang dengan probabilitas kemungkinan terjadi adalah
0,2713 sehingga terjadi penurunan pada grafik. Pada saat antrian 2 orang
probabilitas kemungkinan terjadi adalah 0,1413 sehingga grafik terus mengalami
penurunan. Pada saat antrian 3 orang probabilitas kemungkinan terjadi adalah
0,07 sehingga grafik tetap mengalami penurunan. Pada saat antrian 4 orang
probabilitas kemungkinan terjadi adalah 0,034 sehingga grafik. Pada saat antrian
5 orang probabilitas kemungkinan terjadi adalah 0,14 grafik tetap mengalami
penurunan. Pada saat antrian 6 orang probabilitas kemungkinan terjadi adalah
0,007. Saat antrian 7 orang probabilitas kemungkinan terjadi adalah 0,003. Pada
saat antrian 8 orang probabilitas kemungkinan terjadi adalah 0,01. Pada saat
antrian 9 orang sampai dengan 13 orang probabilitas kemungkinan yang terjadi
adalah 0 sehingga grafik berada pada titik 0 secara konstan.
Analisis interpretasi hasil dari permasalahan antrian pelanggan pada Kurnia Jaya
Carwash berdasarkan output dari POM-QM For Windows dapat dilihat pada penjelasan
berikut ini.
1. Waiting Line Result
Berdasarkan data yang dihasilkan pada output Waiting Lines Results diketahui
analisis interpretasi dari permasalahan antrian pada Kurnia Jaya Carwash dapat
dilihat pada penjelasan berikut ini.
a. Average server utilization
Nilai average server utilization adalah 0,89 yang berarti bahwa tingkat
kesibukan sistem dalam antrian pada Kurnia Jaya Carwash adalah 0,89 atau
89%.
b. Average number in the queue (Lq)
Nilai average number in the queue (Lq) adalah 6,36 yang berarti bahwa rata-rata
jumlah pelanggan dalam garis tunggu atau antrian pada Kurnia Jaya Carwash
adalah 6,38 ≈ 7 pelanggan setiap jam.
c. Average number in the system (Ls)
Nilai average number in the system (Ls) adalah 9,05 yang berarti bahwa rata-rata
jumlah pelanggan di dalam sistem pada Kurnia Jaya Carwash adalah 9,05 ≈ 10
pelanggan setiap jam.
d. Average time in the queue (Wq)
Nilai average time in the queue (Wq) adalah 0,2 yang berarti bahwa waktu rata-
rata pelanggan Kurnia Jaya Carwash di garis tunggu adalah 0,2 jam atau 11,96
menit, dan 717,76 detik.
e. Average time in the system (Ws)
Nilai average time in the system (Ws) adalah 0,28 yang berarti bahwa waktu
rata-rata pelanggan Kurnia Jaya Carwash di garis tunggu adalah 0,28 jam atau
16,96 menit, dan 1017,76 detik.
2. Table of probabilities
Nilai output dari table of probabilities untuk permasalahan antrian pelanggan pada
Kurnia Jaya Carwash dapat dilihat pada penjelasan berikut ini.
a. Probabilitas (num in sys=k)
Pada table of probabilities diketahui untuk nilai probabilitas 0 pelanggan berada
dalam sistem pencucian sebesar 0,3. Pada nilai probabilitas 1 pelanggan berada
dalam sistem pencucian sebesar 0,7. Pada nilai probabilitas 2 pelanggan berada
dalam sistem pencucian sebesar 0,1. Pada nilai probabilitas 3 pelanggan berada
dalam sistem pencucian sebesar 0,09 dan begitu seterusnya hingga nilai
probabilitas 22 pelanggan sampai dengan 30 adalah 0. Pada nilai probabilitas 22
pelanggan hingga 30 pelanggan yang berada dalam sistem pencucian memiliki
nilai 0.
b. Probabilitas (num in sys ≤ k)
Pada table of probabilities diketahui untuk nilai probabilitas ≤ 0 pelanggan
berada dalam sistem pencucian adalah sebesar 0,3. Untuk nilai probabilitas ≤ 1
pelanggan berada dalam sistem pencucian adalah sebesar 0,7. Untuk nilai
probabilitas ≤ 2 pelanggan berada dalam sistem pencucian adalah sebesar 0,2.
Untuk nilai probabilitas ≤ 3 pelanggan berada dalam sistem pencucian adalah
sebesar 0,29 dan begitu seterusnya sampai nilai probabilitas ≤ 30 pelanggan
yang berada dalam sistem pencucian bernilai 0,97.
c. Probabilitas (num in sys>k)
Pada table of probabilities diketahui untuk nilai probabilitas lebih dari 0
pelanggan berada dalam sistem pencucian adalah sebesar 0,97. Pada nilai
probabilitas lebih dari 1 pelanggan berada dalam sistem pencucian adalah
sebesar 0,9. Pada nilai probabilitas lebih dari 2 pelanggan berada dalam sistem
pencucian adalah sebesar 0,8. Pada nilai probabilitas lebih dari 3 pelanggan
berada dalam sistem pencucian adalah sebesar 0,71 dan begitu seterusnya hingga
pada saat nilai probabilitas lebih dari 30 pelanggan yang berada dalam sistem
pencucian memiliki nilai 0,03.
3. Graphs of probabilities
Berdasarkan graphs of probabilities untuk permasalahan antrian pelanggan pada
Kurnia Jaya Carwash dapat dilihat sebagai berikut.
a. Graph of Probabilities (N = K)
Diketahui probabilitas pelanggan berada dalam sistem antrian untuk masing-
masing jumlah pelanggan antara 0 sampai 30 pelanggan dimana probabilitas
tertinggi berada pada jumlah 2 pelanggan yaitu 0,1 dan semakin menurun
sampai pada jumlah pelanggan 30 dengan probabilitas kurang dari 0,001.
b. Graph of Cumulative Probabilities (N ≤ K)
Pada graphs of cumulative probabilities diketahui probabilitas pelanggan berada
dalam sistem untuk masing-masing jumlah pelanggan antara kurang dari sama
dengan 0 sampai kurang dari sama dengan 30 pelanggan dimana probabilitas
terendah berada pada jumlah kurang dari sama dengan 0 pelanggan yaitu 0,002
dan semakin meningkat sampai pada jumlah kurang dari sama dengan 30
pelanggan dengan probabilitas 0,998.
c. Graph of Decumulative Probabilities (N > K)
Berdasarkan graphs of decumulatife probabilities diketahui probabilitas
pelanggan berada dalam sistem, untuk masing-masing jumlah pelanggan antara
lebih dari 0 sampai lebih dari 30 pelanggan dimana probabilitas tertinggi berada
pada jumlah lebih dari 0 pelanggan yaitu 0,998 dan semakin menurun sampai
pada jumlah lebih dari 30 pelanggan dengan probabilitas kurang dari 0,002.
4.4 Kesimpulan