3.

Model Antrian Pelayanan Majemuk

Diberikan model antrian majemuk dimana ada satu antrian dan beberapa pelayanan. Jika
pelanggan dalam antrian menemukan pelayanan kosong, kepala pelanggan dalam antrian
mengisi saluran layanan yang kosong, dimana pelanggan yang pertama datang akan dilayani
terlebih dahulu. Pada bagian ini kita akan membahas tiga model antrian pelayanan yaitu sebagai
berikut :

3.1 Model Antrian M / M / c / ∞

Diasumsikan untuk model antrian M / M / c / ∞ adalah sebagai berikut :

λ k =λ (k =0 , 1 ,2 , …)

μk =
{ kμ ,(k =0 , 1 ,2 , … , c)
cμ ,(k =c , c+1 , c +2 ,…)

Mengacu pada Teorema 6.4, agar limit peluang ada maka syarat perlu dan cukup yang harus
dipenuhi adalah

( ) ( )[ ( ) ( ) ]
∞ j
λk −1 c−1 1 λ j 1 λ c
λ λ 2
∑∏ μk
=∑ + 1+ + +…
j=0 k=1 j=0 j! μ c! μ cμ cμ

c−1 j c ∞
u u
¿∑ + ∑ ρn
j=0 j ! c ! n=0
c−1 j c
u u
¿∑ + <∞
j=0 j ! c !(1−ρ)

λ u λ
Yang mengakibatkan ρ<1, dimana u= dan ρ= = . Dengan mengasumsikan ρ<1 maka
μ c ( cμ )
kita memiliki limit peluang yang membatasi

[∑ ]
c−1 −1
uj uc
p0 = +
j =0 j ! c !(1− ρ)

{ ()
uj
p 0 ,( j=1 , 2, … , c )
p j= c j ! j−c
u u
p 0 ,( j=c , c +1 , …)
c! c

Mari kita hitung Lq , rata-rata banyaknya pelanggan dalam antrian adalah

 ∞ c c
u p0 u ρ
Lq=∑ ( j−c ) p j= p0 ( 0+1 ρ+ 2 ρ +3 ρ +… )=
2 3
2
j=c c! c ! ( 1−ρ )

Dengan menggunakan Rumus Little, kita memiliki rata-rata waktu tunggu :

Lq
W q=
λ

Rata-rata waktu pelayanan adalah 1/ μ, sehingga rata-rata waktu yang dihabiskan selama antri
adalah

1
W =W q +
μ

Sekali lagi menerapkan Rumus Little, kita memiliki L= λW , jumlah rata-rata pelanggan dalam
sistem.

Peluang dari seorang pelanggan yang baru saja datang harus menunggu untuk dilayani adalah
∞ c
u
P { pelanggan yang datang menunggu layanan } =∑ p j = p
j =c c !(1−ρ) 0

Dengan menggunakan Formula C Erlang, kita punya distribusi waktu tunggu

P { U ≤ t }=1−C ( c , u ) e ¿−cμt (1−ρ )

Rata-rata waktu tunggu adalah

C (c , u)/ μ
W q=
c (1− ρ)

3.2 Model Antrian M / M / c / c

Dalam model antrian ini kapasitas antrian sama dengan banyaknya canel pelayanan.
Seorang pelanggan mendatangi sebuah sistem maka ia langsung dapat dilayani jika paling sedikit
satu pelayan sedang kososng. Sebaliknya jika tidak ada pelayanan yang kosong maka ia harus
pergi tanpa dilayani.

Berdasarkan bagian sebelumnya, maka kita punya limit peluang

u λ
Mengacu pada Teorema 6.5, kita memiliki probabilitas pembatas terlepas dari ¿ = :
c cμ
j
u
p j= p ( j=1 , 2 , … ,c ) (¿)
j! 0
dimana

[ ]
2 c −1
u u u
p0= 1+ + +…+
1! 2! c!

Dengan menulis ulang persamaan (*) maka kita punya

(∑ )
c
u j −u u j −u
p j= e / e ( j=0 ,1 , 2 ,… , c )
j! j=0 j!

Yang dapat dihitung dengan mudah dengan table distribusi Poisson. Khususnya
c
u /c !
Pc = =B( c , u)
1+u+u /2 !+…+u c /c !
2

Yang disebut dengan Formula B Erlang atau Erlang’s Loss Formula yaitu peluang bahwa
seorang pelanggan harus pergi tanpa dilayani.

Rata-rata kedatangan actual diberikan oleh

λ a=λ ( 1−p c )=λ [ 1−B( c , u) ]

Perlu dicatat bahwa Lq=W q=0 , karena tidak ada garis antrian dalam model ini. Rata-rata
banyaknya pelanggan dalam sistem adalah
c c−1
uj
L=∑ j p j=u p0 ∑ =u [ 1−B(c ,u) ]
j=0 j =0 j!

Kita dengan mudah dapat membuktikan Rumus Little

L 1
W= =
λa μ

3.3 Model Antrian M / M / ∞ /∞

Dalam model antrian Model Antrian M / M / ∞ /∞ semua pelanggan yang datang dapat langsung
dilayani, karena banyaknya canel pelayanan tak hingga. Kita dapat mendekati model antrian ini
dengan model M / M / c / c dengan cukup besar. Maka kita punya limit peluang
j
u −u
p j= e ( j=0 , 1 ,2 , …)
j!

Yang merupakan distribusi Poisson X POI (u).

Karena X POI (u) maka kita punya rata-rata banyaknya pelanggan dalam sistem adalah
 L=u

Dengan menggunakan Formula Little maka kita punya rata-rata waktu pelayanan yaitu

W =u/ λ=1/ μ

Karena tidak ada antrian maka kita memiliki

Lq=W q=0

Seperti yang ditunjukkan pada Contoh, kami telah memperoleh hasil analitik Peluang j
pelanggan telah dilayani pada waktu t, dengan syarat tidak ada pelanggan pada t=0 diberikan
oleh

( p λ t )j − pλ t
P { j pelanggan dilayani pada waktu t }= e ( j=0 , 1 , 2, … ) ,
j!

Yaitu peluang bahwa j pelanggan telah dilayani pada waktu t mengikuti proses Poisson non-
homogen dengan fungsi nilai rata-rata
t
p λ t=λ ∫ [ 1−G( x )] dx
0

Dimana G(t) adalag sebarang distribusi waktu. Jika t → ∞ maka kita punya
j
u −u
P { j pelanggan telah dilayani dalam steady state }= e ( j=0 , 1 ,2 , …)
j!

dimana
∞
λ
lim p λ t= λ∫ [ 1−G(x) ] dx= =u
t→∞ 0 μ

Khususnya jika kita asumsikan distribusi waktu pelayanan G( x ) berdistribusi eksponential yaitu
G ( x ) =1−e− μt , maka kita memiliki fungsi nilai rata-rata
t
λ
p λ t=λ ∫ [ 1−G(x ) ] dx = ( 1−e )
− μt

0 μ

yang merupakan fungsi nilai rata-rata dari proses Poisson non-homogen. dimana
λ k =λ , μk +1=( k +1 ) μ , P 00 ( 0 ) =1 dan P0 j ( 0 )=0 untuk j ≥ 1.