SI-4101 Sistem Rekayasa

Sistem Antrian
• Study mengenai antrian berkenaan dengan mengamati fenomena
menunggu dalam barisan. Ukuran yang digunakan berupa panjang antrian
rata-rata, waktu menunggu rata-rata dalam antrian, penggunaan fasilitas
rata-rata.

• Fenomena antrian merupakan fenomena biasa yang terjadi apabila

kebutuhan akan pelayanan melebihi kapasitas yang tersedia untuk
menyelenggarakan pelayanan itu.

• Kejadian ini bisa dilihat seperti pada saat menunggu makan di restauran,
kita berbaris di kantor post, kita beli karcis di bioskop. Fenomena
menunggu tidak hanya terbatas dialami manusia saja; Pekerjaan
menunggu untuk diproses pada sebuah mesin, mobil berhenti pada rambu
lalu lintas, dll.
 Contoh
• McBurger merupakan restaurant fast food dengan 3 kaunter pelayanan.
Manajer melakukan sebuah study untuk menyelidiki ketidakpuasan
mengenai lambatnya pelayanan. Study menyatakan hubungan berikut
antara jumlah kounter pelayanan dan waktu tunggu untuk pelayanan:

Jumlah kasir 1 2 3 4 5 6 7

Waktu tunggu rata2 16.2 10.3 6.9 4.8 2.9 1.9 1.3

• Pemeriksaan data menunjukkan waktu tunggu rata-rata 7 menit untuk

situasi tiga kaunter yang ada. Manager ingin mengurangi menjadi sekitar
3 menit, hasil yang bisa dicapai dengan 5 (atau lebih) kaunter.

• Apabila pelayanan terlalu banyak, akan memerlukan biaya besar.

Sebaliknya, jika pelayanan kurang, akan terjadi baris penungguan dalam
waktu yang lama dimana menimbulkan ongkos, berupa ongkos sosial,
kehilangan pelanggan.

• Hasil analisis antrian dapat digunakan dalam konteks model optimisasi

biaya, dimana penjumlahan biaya pelayanan dan penungguan
diminimumkan.
 Biaya total
biaya Biaya operasi
fasilitas
pelayanan per
unit waktu

Biaya menunggu Tingkat

para pelanggan
pelayanan
per unit waktu optimum

Tingkat
pelayanan
• Proses yang terjadi pada model antrian dapat digambarkan sbb:

Unit2 yang
membutuhkan
pelayanan
Mekanisme Unit2 yang
Sumber input antrian pelayanan telah dilayani
(pelanggan)

Sistem antrian

• Unit-unit (pelanggan) dari sumber input memasuki sistem antrian dan ikut
dalam antrian. Dalam waktu-waktu tertentu, anggota antrian dipilih untuk
dilayani. Pemilihan ini berdasarkan suatu aturan yang disebut disiplin
pelayanan (service discipline). Pelayanan dilakukan dengan mekanisme
pelayanan (service mechanism) tertentu. Selanjutnya, unit-unit
(pelanggan) meninggalkan sistem antrian.
• Elemen-elemen pembentuk model antrian:

1. Sumber input Karakteristik yang perlu diketahui dari sumber input

adalah ukurannya (jumlahnya). Ukuran bisa dianggap terbatas atau
tidak terbatas. Asumsi tidak terbatas lebih sering digunakan karena
perhitungannya lebih mudah, terlebih jika unitnya cukup besar. Asumsi
dari pola unit yang diturunkan berupa distribusi poisson jika
kedatangan pada sistem antrian terjadi secara random. Asumsi
berikutnya bahwa distribusi kemungkinan dari waktu kedatangan
adalah dist. eksponensial. Asumsi lain berkenaan dengan kelakuan
unit2 (pelanggan) yang disebut balking, yaitu unit2 yg memerlukan
pelayanan akan menolak memasuki sistem antrian jika antrian itu
terlalu panjang.

2. Antrian Karakteristik antrian ditentukan oleh jumlah maksimum yang

boleh ada di dalam sistemnya. Hal ini tergantung dari jumlah unitnya
terbatas atau tidak terbatas.

3. Disiplin pelayanan berkaitan dengan cara memilih anggota antrian

yang akan dilayani. Disiplin paling umum adalah first come, first served
(datang lebih dulu, dilayani lebih dulu). Disiplin lain termasuk last
come, first served (datang terakhir, lebih dulu dilayani) dan service in
random order (pelayanan dalam urutan yang random). Atau
berdasarkan prosedur prioritas tertentu.
4. Mekanisme pelayanan terdiri dari satu/lebih fasilitas pelayanan yang
masing2 terdiri dari satu atau lebih saluran pelayanan paralel. Model
antrian harus menetapkan urutan2 fasilitas dengan jumlah pelayanan
pada masing-masing saluran paralelnya.
Waktu yang digunakan sejak pelayanan dimulai sampai satu unit selesai
dilayani, disebut sebagai waktu pelayanan (holding time). Biasanya
diasumsikan berupa distribusi eksponensial atau waktu pelayanan tetap
(constant service time).

5. Proses antrian dasar Suatu garis penungguan tunggal (suatu saat bisa
saja kosong) terbentuk di depan suatu fasilitas pelayanan tunggal, dimana
ada satu atau beberapa pelayan. Setiap unit (pelanggan) yg diturunkan
suatu sumber input dilayani oleh salah satu pelayan2 yg ada, setelah
menunggu dalam antrian (garis penungguan). Lihat gambar
Pelanggan yg telah
dilayani

C P
C P Fasilitas
Pelanggan C C C C C Pelayanan
C P
C P

Pelanggan yg telah
dilayani
• Pelayan pada gambar tidak hanya berupa individu (perorangan), tetapi
dapat pula sekelompok orang, mesin, atau peralatan. Begitu juga dengan
pelanggan tidak hanya berupa orang, tetapi dapat berupa item-item yang
menunggu operasi tertentu, atau mobil yg sedang menunggu di depan
gerbang tol.

• Untuk baris penungguan, tidak perlu ada penungguan fisik di depan

fasilitas pelayanan. Jadi boleh tersebar di seluruh area, menunggu
seorang(atau sekelompok) pelayan mendatanginya.

• Umumnya model dasar antrian menganggap bahwa input (unit

kedatangan) dan output (unit keberangkatan) dari sistem antrian terjadi
menurut proses birth-death (kelahiran-kematian).

• Proses kelahiran dan kematian terjadi secara random yang rata-rata

terjadinya hanya bergantung pada keadaan yang sedang berlangsung dari
sistem. Untuk lebih jelas dibawah ini diberikan tiga postulate:
• Terminologi dan Notasi

• Keadaan sistem: jumlah pelanggan (unit) pada sistem antrian.

• Panjang antrian: jumlah pelanggan (unit) yang menunggu pelayanan =

keadaan sistem dikurangi jumlah unit yang sedang dilayani.

• En : keadaan dimana ada n unit pada sistem antrian.

• Pn(t) : kemungkinan bahwa tepat ada n unit pada sistem antrian
pada saat t.
• λn : tingkat kedatangan rata-rata (ekspektasi jumlah kedatangan per
satuan waktu) dari unit baru jika ada n unit dalam sistem.
• μn : tingkat pelayanan rata-rata (ekspektasi jumlah unit yang dapat
selesai dilayani per satuan waktu) jika ada n unit dalam sistem.
 Notasi untuk Sistem Antrian
(Kendall’s Notation):(A. M. Lee/Taha)

(a/b/c):(d/e/f)

a: Distribusi kedatangan
b: Distribusi keberangkatan/waktu pelayanan
c: Jumlah server/fasilitas pelayanan
d: Disiplin antrian
e: Jumlah maksimum unit dalam sistem (termasuk yg sdg dilayani)
f: Ukuran sumber/asal unit yang akan dilayani (terhingga atau tdk)
 Notasi untuk Distribusi
(kedatangan/waktu pelayanan)
M : Markovian (Distribusi Poisson untuk kedatangan,
Exponensial untuk tingkat pelayanan)
D : Deterministik (konstan)
Ek : Erlang atau Distribusi Gama
GI : General distribution untuk interarrival time
G : General distribution untuk waktu pelayanan

FCFS : First Come First Served

LCFS : Last Come First Served
SIRO : Service in Random Order
GD : General Discipline
 Antrian Deterministik
– Akan lebih konsisten bila menggunakan
atau meanggap suatu Sistem Antrian
sebagai D/D/1
Arrival rate ~ deterministik
Service times ~ deterministik
Steady-state (long-run, forever)
Exact analytic results
 Contoh D/D/1
Arus lalu lintas yang melewati suatu ruas jalan
satu arah pada perioda pagi hari adalah konstan
1000 smp/jam. Pada jam 7.00 terjadi penutupan
sebagian jalan karena kecelakaan, sehingga
kapasitas jalan yang tadinya 1500 smp/jam
berkurang menjadi 500 smp/jam. Jalan kembali
normal pada jam 10.00
– Berapa jumlah kendaraan (smp) maksimum yang
mengantri
– Berapa waktu antrian maksimum
– Berapa jumlah total tundaan yang terjadi
 Simple Queue System
– Sistem Antrian yang paling populer adalah sistem
antrian sederhana M/M/1
– M/M/1 queue (Kendall’s Notation: Markovian; poisson
arrival rate/exponential service rate/single
channel/phase)
Arrival rate ~ poisson
Service times ~ exponential, indep. of interarrivals
Steady-state (long-run, forever)
Exact analytic results
FCFS discipline (atau lebih dikenal sbg FIFO)
(M/M/1):(FCFS//)

– Padahal sistem antrian ini membutuhkan validasi yg

ketat terhadap distribusi kedatangan dan waktu
pelayanan, selain itu terdapat jg masalah bila 
mendekati atau sama atau lebih besar dari 
 Formula untuk M/M/1
 

Ls   npn  n(1   )  n  p0  1  
n 0 n 0 1 
Ls 1 1 pn   n p0  (1   )  n
Ws   
  (1   )   
1 
Wq  Ws  

 (1   )
2
Lq  Wq 
1 

– L : expected jumlah unit

– W : expected waktu tunggu
– s : dalam sistem
– q : dalam antrian
–  : /
– pn : probabilitas terdapat n unit dalam sistem
 Contoh M/M/1
Suatu gerbang tol yang memiliki sebuah toll
booth pada suatu ramp keluar jalan tol memiliki
waktu pelayanan rata-rata 15 detik per
kendaraan. Jumlah kendaraan yang keluar tol
melalui gerbang tersebut pada satu jam puncak
adalah 150 kendaraan.
– Berapa panjang antrian rata-rata?
– Berapa peluang terjadinya antrian lebih dari 5
kendaraan?
– Berapa waktu tunggu rata-rata?
– Bagaimana bila volume jam puncaknya bertambah
50%?
Probabilitas dalam Sistem Antrian

1. Birth postulate

• Sistem pada state En (n = 0, 1, 2, …) pada saat t, kemungkinan bahwa

tepat ada satu kelahiran selama interval waktu t sampai dengan (t+∆t)
adalah [λn ∆t + O(∆t )], dimana λn positif konstan.

2. Death postulate

• Sistem pada state En (n = 0, 1, 2, …) pada saat t, kemungkinan bahwa

tepat ada satu kematian selama interval waktu t sampai dengan (t+∆t)
adalah [μn ∆t + O(∆t )], dimana μ0 = 0 dan μn positif konstan untuk n
>0

3. Multiple jump postulate

• Sistem pada state En (n = 0, 1, 2, …) pada saat t, kemungkinan bahwa

jumlah kombinasi kelahiran dan kematian lebih dari satu selama
interval waktu t sampai dengan (t+∆t) adalah O(∆t).
• O(∆t) adalah fungsi dari ∆t yang karena ∆t <<< (kecil sekali, mendekati
nol), maka fungsi tersebut memenuhi persamaan:

lim O(∆t) = 0
∆t
∆t0

• Berdasarkan postulate diatas, selama interval waktu t sampai dengan

(t+∆t) harus terjadi salah satu dari kejadian mutually exclusive berikut:
1. Tepat ada 1 kelahiran tanpa kematian.
2. Tepat ada 1 kematian tanpa kelahiran.
3. Jumlah kelahiran dan kematian lebih besar dari 1.
4. Tidak ada kelahiran atau kematian.

• Jumlah kemungkinan kejadian diatas adalah 1 sehingga kemungkinan

terjadinya kejadian (4) adalah:

P(4) = 1 – [ P(3) + P(2) + P(1) ]

• untuk sistem pada state En (n = 0, 1, 2, …) pada saat t, kemungkinan
bahwa tidak terjadi kelahiran dan tidak terjadi kematian pada interval
waktu t sampai dengan (t+∆t) adalah:

[ 1 – (λn ∆t) – (μn ∆t) + O(∆t) ]

• Untuk n > 0 , sistem dapat mencapai state En pada saat (t +∆t) dari
sistemnya pada saat t, dalam salah satu dari keempat cara mutually
exclusive berikut:

State pd saat t Kejadian t s/d (t +∆t) Probabilitas

En-1 satu kelahiran Pn-1(t) [λn-1 ∆t + O(∆t )]

En+1 satu kematian Pn+1(t) [μn+1 ∆t + O(∆t )]
? banyak kejadian O(∆t )
En tidak terjadi sesuatu Pn(t) [ 1 – (λn ∆t) – (μn ∆t) + O(∆t) ]
• Maka

Pn(t+∆t) = Pn-1(t) [λn-1 ∆t + O(∆t )]+ Pn+1(t) [μn+1 ∆t + O(∆t )]

+ O(∆t ) + Pn(t) [ 1 – (λn ∆t) – (μn ∆t) + O(∆t) ]

Gabungkan O(∆t ) dan kurangi kedua ruas dengan Pn(t), selanjutnya

dibagi dengan ∆t didapat:

Pn(t+∆t)-Pn(t) = λn-1 Pn-1(t) + μn+1 Pn+1(t) –(λn + μn ) Pn(t)

∆t
+ O(∆t )
∆t

utk ∆t positif:

Pn(t+∆t)-Pn(t) = lim λn-1 Pn-1(t) + μn+1 Pn+1(t) –(λn + μn ) Pn(t)

lim
∆t ∆t0
∆t0
+ O(∆t )
∆t
 dPn(t) = λn-1 Pn-1(t) + μn+1 Pn+1(t) –(λn + μn ) Pn(t) untuk n > 0 (1)
dt

Jika n = 0, λ-1=0, dan μ0=0 sehingga

dP0(t) = μ1P1(t) – λ0P0(t) (2)

dt

• Kelahiran Murni
• Asumsikan λn = λ dan μn = 0 untuk seluruh n (n = 0, 1, 2, …). Tingkat
kedatangan rata-rata konstan.
• Persamaan differensialnya menjadi:

dP0(t) = – λ P0(t) untuk n = 0

dt

dPn(t) = λ Pn-1(t) - λ Pn(t) untuk n > 0

dt
• Asumsikan bahwa sistem dalam state E0 pd saat t = 0, maka:

P0 (t) = e-λt untuk n = 0

atau

Pn (t) = (λt)n e-λt untuk n = 1, 2, …

n!

Persamaan diatas merupakan distribusi Poissson dengan parameter λt.

• Kematian Murni
• Asumsikan λn = 0 dan μn = μ untuk n = 0, 1, 2, … Tingkat pelayanan rata-
rata konstan.
• Persamaan differensial menjadi:

dPn(t) = μ Pn+1(t) – μ Pn(t) untuk n = 0, 1, 2, …, M-1

dt

dPM(t) = – μ PM(t) untuk n ≈ M

dt
• Asumsikan sistem dalam state EM pada saat t = 0, maka:

PM(t) = e-μt untuk n ≈ M

atau

Pn(t) = (μt)M-n e-μt untuk n = 0, 1, 2, …, M-1

(M–n)!

• Jadi, distribusi kemungkinan dari banyaknya kematian adalah distribusi

Poisson dengan paramater μt.
• Selanjutnya pengembangan model antrian adalah menggabungkan
kelahiran (kedatangan) dan kematian (keberangkatan) didasarkan pada
asumsi Poissson; bahwa, waktu antar kedatangan dan pelayanan
mengikuti distribusi eksponensial.

• Pengembangan model antrian secara umum didasarkan pada sifat steady

state dari situasi antrian, yang dicapai setelah sistem beroperasi untuk
waktu yang cukup lama. Kebanyakan situasi antrian terjadi pada kondisi
steady state.

• Model umum mengasumsikan bahwa besaran kedatangan dan

keberangkatan adalah state dependent, berarti tergantung pada jumlah
pelanggan dalam fasilitas pelayanan.

• Ditentukan
n = jumlah pelanggan dalam sistem (dalam antrian ditambah dalam
pelayanan.
λn = besar kedatangan n pelanggan dalam sistem
μn = besar keberangkatan n pelanggan dalam sistem
Pn = kemungkinan steady-state n pelanggan dalam sistem
• Model umum menyatakan Pn sebagai fungsi λn dan μn . Kemungkinan ini
digunakan untuk menentukan ukuran fisik sistem, seperti rata-rata
panjang antrian, rata-rata waktu tunggu, dan rata-rata penggunaan
fasilitas.

• Kemungkinan Pn ditentukan dengan menggunakan diagram transition-rate

seperti pada gambar dibawah

λ0 λ1 λn-1 λn

0 1 2 … n-1 n n+1 …

μ1 μ2 μn μn+1

• Untuk n > 0, state n dapat berubah hanya pada dua kemungkinan state:
n-1 ketika suatu keberangkatan terjadi pada besaran μn , dan n+1 ketika
suatu kedatangan terjadi pada besaran λn. State 0 hanya dapat berubah
menuju state 1 ketika suatu kedatangan terjadi pada besaran λ0.
Sementara μ0 tidak didefinisikan karena tidak ada keberangkatan yang
terjadi jika sistem kosong.
• Dibawah kondisi steady-state, untuk n > 0, besaran yang diharapkan dari
aliran masuk dan keluar dari state n harus sama. Berdasarkan pada
kenyataan bahwa state n dapat berubah menuju state n-1 dan n+1 saja,
sehingga

(besaran diharapkan = λn-1 Pn-1 + μn+1 Pn+1

dari aliran menuju state n)

dg cara sama,

(besaran diharapkan = ( λn + μn ) Pn
dari aliran keluar state n)

Dari persamaan diatas, didapat persamaan keseimbangan:

λn-1 Pn-1 + μn+1 Pn+1 = ( λn + μn ) Pn

Persamaan keseimbangan untuk n = 0, adalah

λ0 P0 = μ1 P1
• Persamaan keseimbangan diselesaikan secara rekursi dalam bentuk p 0
sebagai berikut: Untuk n = 0, didapat

P1 = (λ0/μ1) P0

• Selanjutnya, untuk n = 1, didapat

λ0 P0 + μ2 P2 = (λ1 + μ1) P1

Substitusi p1 = (λ0/μ1) p0 ke dalam persamaan sehingga didapat

P2 = λ1 λ0 P0
μ2 μ1

Dalam bentuk umum

Pn = λn-1 λn-2 … λ0 P0 , n = 1, 2, …
μn μn-1 … μ1
∞
• Nilai p0 ditentukan dari persamaan Pn = 1
n=0
• Contoh
• Toko besar B & K mengoperasikan tiga kaunter checkout. Manajer
menggunakan jadwal pada tabel dibawah untuk menentukan jumlah
kaunter dalam pelaksanaan yang tergantung pada jumlah pelanggan
dalam toko:

jumlah pelanggan dlm toko Jumlah kaunter dalam pelaksanaan

1 sampai 3 1
4 sampai 6 2
lebih dari 6 3

Pelanggan tiba di area kaunter berdasarkan distribusi Poisson dengan

besaran rata-rata 10 pelanggan per jam. Waktu checkout rata-rata per
pelanggan adalah eksponensial dengan rata-rata 12 menit. Tentukan
kemungkinan steady-state Pn dari n pelanggan dalam area checkout.
• Solusi
• Dari informasi masalah, didapat
λn = λ = 10 pelanggan per jam, n = 0, 1, …

60/12 = 5 pelanggan per jam, n = 0,1, 2, 3

μn = 2 X 5 = 10 pelanggan per jam, n = 4, 5, 6
3 X 5 = 15 pelanggan per jam, n = 7, 8, …

selanjutnya,

P1 = (10/5) P0 = 2P0
P2 = (10/5)2 P0 = 4P0
P3 = (10/5)3 P0 = 8P0
P4 = (10/5)3 (10/10) P0 = 8P0
P5 = (10/5)3 (10/10)2 P0 = 8P0
P6 = (10/5)3 (10/10)3 P0 = 8P0
Pn = (10/5)3 (10/10)3 (10/15)n-6 P0 = 8(2/3)n-6 P0 , n = 7, 8, …
• Nilai P0 ditentukan dari persamaan

P0 + P0 {2 + 4 + 8 + 8 + 8 + 8 + 8(2/3) + 8(2/3)2 + 8(2/3)3 + … } = 1

atau

P0 {31 + 8 (1 + (2/3) + (2/3)2 + … )} = 1

Gunakan deret penjumlahan geometri

∞

xi = 1/(1-x) , | x | < 1
i=0
didapat

P0 {31 + 8 ( 1/(1-(2/3)))} = 1
P0 = 1/55
• Beberapa kemungkinan dari masalah dapat ditentukan. Misal,
kemungkinan hanya satu kaunter akan buka dihitung sebagai
kemungkinan bahwa terdapat paling banyak 3 pelanggan dalam sistem,
yaitu,

P0 + P1 + P2 + P3 = ( 1 + 2 + 4 + 8 ) (1/55) ≈ 0.273

Kemungkinan yang logis mengasumsikan bahwa B & K akan memiliki

paling sedikit satu kaunter buka walaupun tidak ada pelanggan.
• TUGAS 6
• Soal 1
• Dua kebijakan inventory telah diusulkan oleh departemen purchasing dari
sebuah perusahaan:
Kebijakan 1. Order 150 unit, diberikan reorder point pada 50 unit dan
lead time adalah 10 hari.
Kebijakan 2. Order 200 unit, diberikan reorder point pada 75 unit dan
lead time adalah 15 hari.
Setup cost per order adalah $20, dan holding cost per unit inventory per
hari adalah $0.02
(a) Yang mana dari dua kebijakan yang seharusnya perusahaan terapkan?
(b) Jika anda dalam penugasan menemukan cara baru sebuah kebijakan
inventory untuk perusahaan, apa yang anda rekomendasikan.
• Soal 2
• Suatu item dikonsumsi pada besaran 30 item per hari. Holding cost per
unit per hari adalah $0.05 dan setup cost adalah $100. Anggap bahwa
tidak ada shortage dan purchasing cost per unit adalah $10 untuk barang
yang tidak melebihi 500 unit dan $8 sebaliknya. Tentukan kebijakan
inventory optimal, diberikan lead time 21 hari.
• Soal 3
• Demand untuk produk sepanjang lima periode mendatang dapat diisi
dengan produksi reguler, produksi overtime, atau subkontrak. Subkontrak
dapat digunakan hanya jika seluruh kapasitas overtime telah digunakan.
Tabel nerikut memberikan supply, demand, dan data biaya dari situasi.

Kapasitas produksi (unit)

Periode Waktu reguler Overtime Subkontrak Demand

1 100 50 30 153
2 40 60 80 200
3 90 80 70 150
4 60 50 20 200
5 70 50 100 203

Biaya unit produksi untuk tiga tingkatan dalam masing2 periode adalah
$4, $6, dan $7. Holding cost per periode adalan $0.5. Tentukan solusi
optimal
• Soal 4
• Dapatkan solusi optimal untuk model inventory empat periode berikut.

Periode i Demand Setup cost Holding cost

Di Ki hi
(unit) ($) ($)

1 5 5 1
2 2 7 1
3 3 9 1
4 3 7 1

Unit biaya produksi adala $1 untuk 6 unit pertama dan $2 untuk unit
tambahan.
• Soal 5
• Tinjau situasi antrian satu pelayanan dimana kedatangan dan besar
pelayanan diberikan oleh

λn = 10 – n , n = 0, 1, 2, 3
μn = (n/2) + 5 , n = 1, 2, 3, 4

(a) Buat diagram transisi dan tentukan persamaan keseimbangan untuk

sistem
(b) Tentukan probabilitas steady state.