08 Naskah Publikasi
08 Naskah Publikasi
TUGAS AKHIR
Farid Fathoni
13 611 107
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2018
MODEL ANTRIAN MULTI CHANNEL SINGLE PHASE DENGAN LAJU
LAYANAN HETEROGEN UNTUK ANALISIS EVALUASI KINERJA
KETERLAMBATAN DAN KEBERANGKATAN KAPAL
TUGAS AKHIR
Farid Fathoni
13 611 107
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2018
ii
iii
iv
KATA PENGANTAR
1. Bapak Fathul Wahid, S.T., M.Sc., Ph.D,, selaku rektor Universitas Islam
Indonesia
2. Bapak Prof. Riyanto, S.Pd., M.Si., Ph.D., selaku dekan Fakultas Matematika
dan Ilmu Pengetahuan Alam Universitas Islam Indonesia.
3. Bapak Dr. Edy Widodo, S.Si., M.Si., selaku ketua Jurusan Statistika Fakultas
Matematika dan Ilmu Pengetahuan Alam Universitas Islam Indonesia.
4. Ibu Atina Ahdika S.Si., M.Si., selaku dosen pembimbing yang selalu sabar,
mengingatkan, membantu, dan membimbing penulis sehingga bisa
menyelasaikan tugas akhir.
5. Dosen-Dosen Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan
Alam yang telah memberikan ilmu kepada penulis.
v
6. Aripin Adil selaku Bapak, Ety Komariah selaku ibu, Maulana Aripin selaku
kakak pertama dan Rahmadani Noer Huda selaku adik, beserta keluarga besar
yang telah mendoakan dan memberikan semngat terus menurus demi
kelancaran menyelesaikan skrpsi ini.
7. Putri Auliana Rifqi Mukhlashin yang selalu sabar menghadapi penulis,
mengingatkan, menceramahi, dan membantu penulis untuk menyelesaikan
tugas akhir. Semoga apa yang telah dilakukan mendapatkan balasan dari Allah
SWT dan semoga kita selalu bersama.
8. Sahabat teman seperjuangan dari awal kuliah sampai akhir kuliah “SYC”
Muhammad Mirza Fariz S.Stat, Rafendra Aditya Putra S.Stat, Muhammad Irfan
Chandra S.Stat, Lazuardi Dwi Imawan S.Stat, Vandanu Aditya Putra S.Stat
yang selalu mengingtkan untuk menyelesaikan tugas akhir agar bisa
melanjutkan ke jenjang yang lebih tinggi. Semoga persahabatan ini tidak akan
pernah putus.
9. Semua pihak yang tidak dapat penulis sebutkan satu per satu, terima kasih atas
dukungan serta doanya.
Farid Fathoni
.
vi
DAFTAR ISI
vii
3.11.2Distribusi Waktu Pelayanan .......................................................... 19
3.11.3Faktor Utilisasi .............................................................................. 20
3.12Teori Antrian ........................................................................................... 20
3.13Tujuan Teori Antrian .............................................................................. 21
3.14Sistem Antrian ........................................................................................ 22
3.15Disiplin Antrian ...................................................................................... 25
3.16Pengujian Distribusi Data ....................................................................... 25
3.17Notasi Kendal.......................................................................................... 27
3.18Model Antrian Dasar............................................................................... 28
BAB IV METODOLOGI PENELITIAN ............................................................. 37
4.1 Populasi dan Sampel ............................................................................... 37
4.2 Tempat dan Waktu Penelitian ................................................................. 37
4.3 Variabel Penelitian .................................................................................. 37
4.4 Metode dan Pengumpulan data ............................................................... 38
4.5 Metode dan Analisis Data ....................................................................... 38
4.6. Tahapan Penelitian .................................................................................. 38
BAB V HASIL DAN PEMBAHASAN ................................................................ 40
5.1 Deskripsi Pergerakan Kedatangan Kapal Dermaga 1 dan 3 Pada Tahun
2016 ....................................................................................................... 40
5.2 Deskripsi Pegerakan Kedatangan Kapal Pada Tahun 2016 Berdasarkan
Penjualan ................................................................................................. 41
5.3 Deskripsi Pergerakan Kedatangan Kapal di Dermaga 1 Tahun 2016 ..... 42
5.4 Deskripsi Pergerakan Kedatangan Kapal Di Dermaga 2 Pada Tahun
2016 ....................................................................................................... 44
5.5 Deskrpsi Pergerakan Kedatangan Kapal di Dermaga 3 Pada Tahun
2016 ....................................................................................................... 45
5.6 Uji Distribusi........................................................................................... 47
5.6.1 Uji Distibusi Kedatangan dan Keberangkatan Dermaga 1 dan
Dermaga 3 ..................................................................................... 47
5.7 Penentuan Model Antrian ....................................................................... 49
5.8 Analisis Perhitungan Model Antrian ...................................................... 49
5.8.1 Analisis Perhitungan Manual ........................................................ 49
BAB VI KESIMPULAN DAN SARAN .............................................................. 54
viii
6.1 Kesimpulan ............................................................................................. 54
6.2 Saran 55
DAFTAR PUSTAKA ........................................................................................... 56
LAMPIRAN .......................................................................................................... 59
ix
DAFTAR TABEL
x
DAFTAR GAMBAR
xi
DAFTAR LAMPIRAN
xii
DAFTAR SIMBOL
x : Banyaknya kedatangan
t : Waktu pelayanan
Q : Jumlah server
xiii
xiv
MODEL ANTRIAN MULTI CHANNEL SINGLE PHASE DENGAN LAJU
LAYANAN HETEROGEN UNTUK ANALISIS EVALUASI KINERJA
KETERLAMBATAN DAN KEBERANGKATAN KAPAL
Farid Fathoni
Program Studi Statistika Fakultas MIPA
Universitas Islam Indonesia
INTISARI
Permintaan bahan bakar yang selalu meningkat menjadi salah satu pilihan oleh berbagi
macam perushaan. Namun pelayanan yang selalu meningkat mengakibatkan terjadinya suatu antrian
pada dermaga. Sehingga perlu mengetahui bagaimana cara menentukan model antrian yang cocok
untuk menggambarkan sistem antrian kedatangan dan keberangkatan kapal, cara membangun
layanan dengan laju layanan heterogen, mengetahui tingkat kinerja antrian kapal di PT Bukit Asam
(Persero) Tbk Bandar Lampung. Model yang tepat yaitu (M/M/2) : (FCFS/∞/∞) dengan laju
layanan heterogen. Dengan menggunakan laju layanan heterogen hasil analisis menunjukkan bahwa
antrian yang ada sudah cukup efektif. Hasil penelitian ini dapat digunakan sebagai acuan untuk
melakukan perhitungan antrian kapal dengan laju layanan heterogen. Hasil yang didapatkan
menggunakan laju pelayanan heterogen yaitu tidak terdapat kapal dalam antrian, jumlah kapal yang
berada dalam sistem sekitar 12 kapal/bulan. Waktu yang dihabiskan kapal dalam sistem sekitar 592
menit/kapal, dan waktu yang dihabiskan kapal dalam antrian sekitar 16 menit/kapal. Dengan kata
lain antrian di PT Bukit Asam (Persero) Tbk Bandar Lampung sudah cukup efektif.
xv
SINGLE PHASE MULTI CHANNEL QUEUE MODEL WITH
HETEROGENEOUS SERVICE RATE FOR ANALYDSIS OF
EVALUATION OF SHIP’S DELAY AND DEPARTURE PERFORMANCE
Farid Fathoni
Statistics Department, Faculty of Mathematics and Sciences
Islamic University of Indonesia
ABSTRACT
The ever-increasing demand for fuel is one of the choices by sharing different types of
companies. But the ever-increasing service resulted in a queue on the ground. So it is necessary to
know how to determine a suitable queue model to describe the arrival and departure vessel queue
system, how to build service with heterogeneous service rate, to know the performance level of ship
queue at PTBukit Asam (Persero) Tbk Bandar Lampung. The exact model is (M/M/2) : (FCFS / ∞
/ ∞) with heterogeneous service rate. By using the heterogeneous service rate analysis results
indicate that the existing queue is quite effective. The results of this study can be used as a reference
for calculating ship queues with heterogeneous service rates. The results obtained using the
heterogeneous service rate is that there are no ships in the queue, the number of ships in the system
is around 12 ships / month. The time spent aboard in the system is about 592 minutes / ship, and the
time spent aboard is in the queue of about 16 minutes / ship. In other words, the queues at PT Bukit
Asam (Persero) Tbk Bandar Lampung have been quite effective.
xvi
BAB I
PENDAHULUAN
1
2
api menuju pelabuhan tarahan melalui proses pengujian kualitas, kalori, kadar
air dan abu sebelum dikapalkan melalui dermaga.
Pemilihan tipe dermaga sangat dipengaruhi oleh kebutuhan yang akan
dilayani, ukuran kapal, arah gelombang dan angin, kondisi topografi dan tanah
dasar laut, dan tinjauan ekonomi untuk mendapatkan bangunan yang paling
ekonomis. PT Bukit Asam (Persero) Tbk mempunyai 3 dermaga dan
mempunyai fungsi yang berbeda, adapun dermaga tersebut meliputi dermaga 1
yang memiliki ukuran yang cukup luas sehingga berfungsi untuk melakukan
pengisian batubara untuk penjualan ke domestik dan luar negeri. Dermaga 2
memiliki ukuran lebih kecil dibandingkan dermaga lainnya dan hanya bisa
digunakan untuk tipe kapal domestik. Dermaga ini tidak sering digunakan
karena dermaga ini hanya berfungsi ketika dermaga lainnya sedang melakukan
perawatan. Dermaga 3 memiliki ukuran yang paling besar dibandingkan dengan
dermaga lainnya dan mempunyai fungsi yang sama dengan dermaga 1. Namun
dermaga ini cenderung digunakan untuk pengisian batubara tipe ekspor, tetapi
terkadang bisa digunakan juga untuk pengisian penjualan domestik ketika
dermaga sedang kosong.
Dari informasi yang peneliti dapatkan di bagian ruangan penunjang operasi
di kantor PT Bukit Asam (Persero) Tbk melalui bapak Dendi, antrian yang
diterapkan kurang begitu baik karena ketika kapal datang tidak langsung
dilayani namun harus menunggu untuk beberapa saat.
Terjadinya suatu antrian yang sangat panjang dan terlalu lama menyebabkan
terbuangnya waktu. Disamping itu kerugian juga akan dialami oleh pemberi
pelayanan, karena akan mengurangi efisiensi kerja, keuntungan yang sedikit,
bahkan menimbulkan citra kurang baik terhadap konsumen. Bila kejadian ini
terus terjadi dan dibiarkan begitu saja, maka pada masa yang akan datang
jumlah konsumen yang telah didapatkan oleh perusahaan ini dapat berkurang
dan akan pergi karena kinerja dalam hal pelayanan kurang memuaskan.
Adapun tindakan yang dilakukan oleh penulis yaitu menganalisis
permasalahan yang muncul dan menerapkan teori antrian untuk mengetahui
3
sumber masalah yang timbul sehingga proses transaksi akan berjalan dengan
baik dan menjadi tolak ukur bagi perusahaan tersebut.
Berdasarkan uraian diatas, metode yang digunakan oleh peneliti yaitu
menggunakan Multi Channel Single Phase dengan laju layanan heterogen
karena di PT Bukit Asam (Persero) Tbk terdapat 2 fasilitas pelayanan yang
dialiri oleh antrian tunggal.
TINJAUAN PUSTAKA
5
6
Cicurug Sukabumi. Antrian resep yang ada di loket pangambilan obat menandakan
adanya suatu permasalahan pelayanan.
Sistem antrian yang ada di loket pengambilan obat dapat dikatagorikan sebagai
model antrian Pelayanan Ganda dengan Populasi Tidak Terbatas (M/M/C) :
(GD/∞/∞). Namun, model antrian tersebut dapat disimulasikan untuk sistem yang
berada dalam kondisi tetap (standy state).
Hasil yang didpatkan adalah pada dasarnya sistem pelayanan di loket
pengambilan obat sudah baik, namun pada saat-saat tertentu sering terjadi
penungguan resep di loket obat terutama pada saat jam padat kedatangan dari pukul
09.00 WIB sampai pukul 11.00 WIB. Maka dapat diketahui bahwa penyediaan
jumlah pelayanan yang ada di loket pengambilan obat sekarang adalah kurang tepat,
karena dengan jumlah 3 orang petugas loket obat, rata-rata tingkat kedatangan resep
(λ) masih melibihi potensi maksimum pelayanan loket pengambilan obat (c µ)
sehingga antrian tidak berada dalam kondisi tetap (Standy State).
Untuk mengurangi lama waktu antrian di BNI KCP Unmul dan untuk
memaksimalkan jumlah nasabah yang dilayani, maka dilakukan perbaikan dengan
menambah jumlah teller dari semula 2 teller menjadi 3 teller, sehingga didaPTkan
total rata-rata waktu pelayanan yaitu sebesar 7,66 menit/nasabah.
LANDASAN TEORI
3.1 Pelabuhan
Menurut Perarturan Pemerintah No.69 Tahun 2001 Pasal 1 ayat 1, tentang
Kepelabuhan, pelabuhan adalah tempat yang terdiri dari daratan dan perairan di
sekitarnya dengan batas – batas tertentu sebagai tempat kegiatan pemerintahan dan
kegiatan ekonomi yang dipergunakan sebagai tempat kapal bersandar, berlabuh,
naik turun penumpang dan/atau bongkar barang yang dilengkapi dengan fasilitas
keselamatan pelayanan dan kegiatan penunjang pelabuhan serta sebagai tempat
perpindahan antara moda transportasi.
Menurut Triatmodjo (1996) pelabuahan (port) adalah suatu wilayah/tempat
perairan yang terlindung oleh gelombang air laut dan berfungsi sebagai tempat
berlabuhnya kapal atau kendaraan air lainnya yang berfungsi menaikan atau
menurunkan penumpang, barang, hewan, reparasi, pengisian bahan bakar dan lain
sebagainya.
3.2 Tongkang
Tongkang atau Ponton adalah suatau jenis kapal yang dengan lambung datar
atau suatu kotak besar yang mengapung, digunakan untuk mengangkut berbagai
jenis barang, mengangkut mobil menyebrangi sungai, di daerah yang belum
memiliki jembatan. Dengan sistem ditarik oleh kapal tunda atau digunakan untuk
mengakomodasikan pasang-surut seperti pada dermaga apung.
9
10
pelabuhan. Salah satu contoh kapal yang ditarik yaitu tongkang, kapal rusak,
dan peralatan lainnya. Walaupun ukuran kapal tunda kecil, namun memilik tenaga
yang besar bila dibandingkan dengan ukurannya yaitu berkekuatan antra 750
sampai 3000 tenaga kuda (500 – 2000 KW).
Dari percobaan ini dapet didefiniskan beberapa peubah acak. Salah satu peubah
acak yang dapat didefinisikan adalah X yang menunjukan munculnya mata dadu,
Dengan demikian akan didapatkan nilai nol jika muncul mata dadu ganjil (S1,
S3, S5) sedangkan akan didaPTkan nilai 1 jika muncul mata dadu genap (S2, S4, S6).
Pemetaan fungsi X dapat digambar seperti berikut:
12
X = f(S1)
Daerah Fungsi S1
S2
0 Wilayah
S3
Fungsi
S4 1
S5
dengan
n(A) : banyaknya kejadian A
n(S) : banyaknya anggota ruang sampel atau kejadian yang mungkin muncul
Suatu percobaan dengan ruang sampel S dan A1, A2, A3, … mewakili kejadian
yang mungkin. Himpunan fungsi yang berhubungan dengan nilai rill P(A) dengan
tiap kejadian A disebut fungsi himpunan peluan P(A) disebut peluang dari jika
memenuhi syarat seperti berikut:
i. 0 ≤ P(A) untuk tiap A
ii. P(S) = 1
iii. 𝑃(∪∞ ∞
𝑖=1 Α𝑖 ) = ∑𝑖=1 𝑃(𝐴𝑖 )
Dimana A1, A2, A3, … adalah kejadian yang saling independen (Bain dan
Engelhardt, 1992:9).
13
waktu atau besarnya daerah tersebut atau tidak bergantung pada banyaknya
hasil percobaan yang terjadi diluar interval waktu atau daerah tersebut.
3. Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu
yang singkat atau dalam daerah yang kecil dapat diabaikan.
Bain dan Engelhardt (1992) dalam bukunya yang berjudul Introduction of
Probability and Mathematical Statistics menyatakan bahwa peubah acak diskrit X
dikatakan berdistribusi Poisson dengan parameter 𝜇 > 0 jika fungsi densitas
peluang yang terbentuk,
𝑒 −𝜇 𝜇 𝑥
𝑓(𝑥; 𝜇) = dengan x = 0,1,2, … (3.4)
𝑥!
dengan 𝜇 menyatakan rata-rata banyaknya sukses yang terjadi per satuan waktu
atau daerah tertentu.
Walpole dan Myers (1995) menyatakan bahwa rataan dan variansi distribusi
poisson 𝑓(𝑥, 𝜇) keduanya sama dengan 𝜇.
𝑒 −𝜇 𝜇 𝑥 𝑒 −𝜇 𝜇 𝑥 𝑒 −𝑢 𝜇 𝑥−1
𝐸(𝑋) = ∑∞
𝑥=0 𝑥 = ∑∞
𝑥=1 𝑥 = 𝜇 ∑∞
𝑥=1 (𝑥−1)!
𝑥! 𝑥!
𝑒 −𝜇 𝜇 𝑦
𝐸(𝑋) = 𝜇 ∑∞
𝑦=0 𝑦!
= 𝜇
Karena,
𝑒 −𝜇 𝜇 𝑦
∑∞
𝑦=0 = ∑∞
𝑦=0 𝑝(𝑦; 𝜇) = 1
𝑦!
∞ ∞ ∞
𝑒 −𝜇 𝜇 𝑥 𝑒 −𝜇 𝜇 𝑥 2
𝑒 −𝜇 𝜇 𝑥−2
𝐸[𝑋(𝑋 − 1)] = ∑ 𝑥(𝑥 − 1) = ∑ 𝑥(𝑥 − 1) =𝜇 ∑
𝑥! 𝑥! (𝑥 − 2)!
𝑥=0 𝑥=2 𝑥=2
𝑒 −𝜇 𝜇 𝑦
𝐸[𝑋(𝑋 − 1)] = 𝜇 2 ∑∞
𝑦=0 𝑦!
= 𝜇2
15
Jadi,
2 2
𝜎 2 = 𝐸(𝑋 2 ) − (𝐸(𝑋)) = 𝐸[𝑋(𝑋 − 1)] + 𝐸(𝑋) − (𝐸(𝑋)) = 𝜇 2 + 𝜇 − 𝜇 2 = 𝜇
𝑀𝑥 (𝑡) = ∑ 𝑒 𝑡𝑥 𝑓(𝑥
𝑥
𝑛 𝑛 𝑛 𝑡 𝑡 )𝑥
𝐸 −𝜇 𝜇 𝑋 (𝜇𝑒 𝑡 ) 𝑡 𝑒 −𝜇𝑒 (𝜇𝑒
∑ 𝑒 𝑡𝑥 = 𝑒 −𝜇 ∑ = 𝑒 −𝜇 𝑒 𝜇𝑒 ∑
𝑥! 𝑥! 𝑥!
𝑥=0 𝑥=0 𝑥=0
Sehingga,
𝑡 (𝑒𝑡 −1)
𝑀𝑥(𝑡) = 𝑒 −𝜇 𝑒 𝜇𝑒 = 𝑒 𝜇
𝑡 −1) 𝑡 −1)
= 𝜇𝑒 𝑡 𝑒 𝜇(𝑒 + (𝜇𝑒 𝑡 )2 𝑒 𝜇(𝑒 |𝑡=0 = 𝜇 + 𝜇2
2
𝜎 2 = 𝐸(𝑋 2 ) − (𝐸(𝑋)) = 𝜇 + 𝜇 2 − 𝜇 2 = 𝜇 (3.7)
16
𝑥 1
misalkan 𝑦 = maka 𝑑𝑦 = 𝜃 𝑑𝑥 atau 𝑑𝑥 = 𝜃 𝑑𝑦,
𝜃
∞ ∞
𝐸(𝑋) = ∫ 𝑦𝑒 −𝑦 𝜃 𝑑𝑦 = 𝜃 ∫ 𝑦 𝑒 −𝑦 𝑑𝑦
0 0
∞ ∞ 2
1 𝑥 𝑥 𝑥
𝐸(𝑋 2 ) = ∫ 𝑥 2 𝑒 −𝜃 𝑑𝑥 = 𝜃 ∫ 2 𝑒 −𝜃 𝑑𝑥
0 𝜃 0 𝜃
𝑥 1
misalkan 𝑦 = 𝜃 maka 𝑑𝑦 = 𝑑𝑥 atau 𝑑𝑥 = 𝜃 𝑑𝑦,
𝜃
∞ ∞
𝐸(𝑋 2 ) = 𝜃 ∫0 𝑦 2 𝑒 −𝑦 𝜃 𝑑𝑦 = 𝜃 2 ∫0 𝑦 2 𝑒 −𝑦 𝑑𝑦
∞ ∞
2) 2 2 −𝑦 |
∞
𝐸(𝑋 = 𝜃 [𝑦 𝑒 + ∫ 2𝑦 𝑒 𝑑𝑦] = 𝜃 [0 + ∫ 2𝑦 𝑒 −𝑦 𝑑𝑦]
−𝑦 2
0 0 0
∞
= 𝜃 [∫ 2𝑦 𝑒 −𝑦 𝑑𝑦]
2
0
∞ ∞
2) 2 −𝑦 |
∞ −𝑦 2 −𝑦 |
∞
𝐸(𝑋 = 𝜃 [2𝑦𝑒 + ∫ 2𝑒 𝑑𝑦] = 2𝜃 [𝑦𝑒 + ∫ 𝑒 −𝑦 𝑑𝑦]
0 0 0 0
∞
= 2𝜃 2 [0 + (𝑒 −𝑦 | )] = 2𝜃 2
0
2
𝜎 2 = (𝐸(𝑋)) = 2𝜃 2 − 𝜃 2 = 𝜃 2 (3.10)
𝑥 1
1 ∞ 1 ∞ (𝑡− )𝑥
= 𝜃 ∫−∞ 𝑒 𝑡𝑥−𝜃 𝑑𝑥 = ∫ 𝑒 𝜃 𝑑𝑥
𝜃 −∞
1 ∞
1
= 1 [𝑒 (𝑡−𝜃)𝑥| 0 ]
𝜃(𝑡− )
𝜃
1
MGF ini hanya konvergen 𝑡 > 𝜃 sehingga didatapkan,
1
𝑀𝑥(𝑡) = (3.11)
1−𝜃𝑡
𝑑 1 𝑑
𝐸(𝑋) = 𝑀𝑥′ (𝑡 = 0) = 𝑑𝑡 1−𝜃𝑡 |𝑡=0 = 𝑑𝑡 (1 − 𝜃𝑡)−1 |𝑡=0 (3.12)
𝑑2
𝐸(𝑋 2 ) = 𝑀𝑥" (𝑡 = 0) = (1 − 𝜃𝑡)−1 |𝑡=0
𝑑𝑡 2
𝑑
= 𝜃(1 − 𝜃𝑡)−2 |𝑡=0
𝑑𝑡
2
𝜎 2 = 𝐸(𝑋 2 ) − (𝐸(𝑋)) = 2𝜃 2 − 𝜃 2 = 𝜃 2 (3.13)
dimana,
𝑥 : banyaknya kedatangan
𝑃(𝑥) : probabilitas kedatangan
19
dimana,
𝑡 : waktu pelayanan
1
: rata-rata waktu pelayanan
𝜇
𝜆 𝜆
𝜌 = 𝑐 𝜇 , 𝑚𝑎𝑘𝑎 <1 (3.16)
𝑐𝜇
dengan
𝜆 : rata-rata kedatangan
𝜇 : rata-rata pelayanan/keberangkatan
Keadaan sistem atau jumlah unit dalam sistem akan sangat dipengaruhi oleh
state (keadaan) awal dan waktu yang telah dilalui jika suatu sistem telah mulai
berjalan. Dalam keadaan ini sistem dikatakan dalam kondisi transient. Bila keadaan
ini berlangsung terus-menerus maka keadaan akan independen terhadap state awal
dan juga terhadap waktu yang dilaluinya. Keadaan seperti ini dikatakan sistem
dalam kondisi steady-state. Teori antrian cenderung memusatkan pada kondisi
steady-state, sebab kondisi transient lebih sukar dianalisis (Dimyanti, 1994:356).
1. Kedatangan
Setiap masalah antrian melibatkan kedatangan, misalnya orang, transportasi,
panggilan telepon untuk dilayani dan sebagainya. Unsur ini dinamakn proses input.
Proses input meliputi sumber kedatangan atau biasa disebut calling population dan
23
C. Lama pelayanan
Lama pelayanan adalah waktu yang dibutuhkan pada saat melayani satu
pelanggan atau satu satuan. Oleh karena itu, waktu pelayanan boleh tetap
dari waktu ke waktu untuk semua pelanggan atau boleh juga berupa varibel
acak. Umumnya digunakan untuk keperluan analisis, waktu pelayanan
dianggap sebagai variabel acak yang terpencar secara bebas dan tidak
bergantung pada waktu tiba.
3. Antrian
Suatu antrian timbul tergantung dari sifat kedatangan dan proses pelayanan.
Jika tidak terjadi antrian berarti terdapat pelayan yang tidak bekerja atau kelebihan
fasilitas pelayanan (Mulyono, 1991).
Menurut Yamit (1993) tedapat beberapa sistem antrian, meliputi identifikasi
dari item dalam antrian dan fasilitas pelayanan yang diperlukan. Dapat dilihat dari
tabel 3.1 berikut:
Tabel 3.1 Contoh Sistem Antrian
Fasilitas
Sistem Garis Tunggu Atau Antrian
Pelayanan
distribusi lain, maka plot antara data dan nilai peluang akan menunjukan sebuah
bentuk kurva, dengan nilai koefesien kolerasi yang tidak terlalu besar. Sehingga H0
akan ditolak pada taraf α tertentu, bila koefisien > critical value disamping
pengambilan keputusan memalului pendekatan P-value.
Asumsi untuk uji ini adalah data terdiri atas hasil pengamatan bebas yang
merupakan sebuah sampel acak berukuran n dari suatu distribusi yang belum
diketahui.
Adapun prosedur pengujiannya adalah sebagai berikut (Daniel, 1989),
1. Menentukan Hipotesis :
H0 = Data yang diamati berdistribusi Poisson
H1 = Data yang diamati tidak berdistribusi Poisson
2. Menentukan Taraf Signifikansi :
Taraf siginifikansi yang digunakan adalah 𝛼 = 5%
3. Statistik Uji
D = Sup | S(x) – F0(x) |
dengan :
S(x) = distribusi kumulatif sampel dari populasi
F0(x)=distribusi kumulatif data teoritis dari distribusi yang di hipotesiskan
4. Kriteria Uji yang digunakan :
H0 ditolak jika p-value < nilai 𝛼.
c 1, 2, 3, … ∞ Jumlah server
PS Priority Service
multiple) dan fase (single atau multiple), istilah saluran yaitu menunjukan jumlah
tempat yang memberikan pelayanan atau dapat diartkan sebagai jumlah fasilitas
pelayanan. Sedangkan phase yaitu menunjukan jumlah tahapan pelayanan dimana
pelanggan harus melalui tahapan demi tahapan hingga dinyatakan lengkap. Sistem
antrian dapat digolongkan sebagai berikut, (Subagyo, dkk, 2000) :
Antrian Server
Masuk Keluar
Server
Antrian
Masuk
Server Keluar
Misal :
𝜇𝑠1 : 𝜇1
𝜇𝑠2 : 𝜇2
𝜇𝑠3 : 𝜇3
32
𝜇𝑠4 : 𝜇4
𝜇𝑠5 : 𝜇5
𝜇𝑠6 : 𝜇6
𝜆
P1 = P
𝜇1 0
𝜆 𝜆
P2 = P
𝜇1 +𝜇2 𝜇1 0
𝜆 𝜆 𝜆
P3 = P
𝜇1 +𝜇2 +𝜇3 𝜇1 +𝜇2 𝜇1 0
𝜆 𝜆 𝜆 𝜆
P4 = P
𝜇1 +𝜇2 +𝜇3 +𝜇4 𝜇1 +𝜇2 +𝜇3 𝜇1 +𝜇2 𝜇1 0
𝜆 𝜆 𝜆 𝜆 𝜆
P5 = P
𝜇1 +𝜇2 +𝜇3 +𝜇4 +𝜇5 𝜇1 +𝜇2 +𝜇3 +𝜇4 𝜇1 +𝜇2 +𝜇3 𝜇1 +𝜇2 𝜇1 0
𝜆 𝜆 𝜆 𝜆 𝜆 𝜆
P6 = P
𝜇1 +𝜇2 +𝜇3 +𝜇4 +𝜇5 +𝜇6 𝜇1 +𝜇2 +𝜇3 +𝜇4 +𝜇5 𝜇1 +𝜇2 +𝜇3 +𝜇4 𝜇1 +𝜇2 +𝜇3 𝜇1 +𝜇2 𝜇1 0
𝜆𝑘
Pk = ∏𝑘 𝑖 P0
𝑖=1 ∑𝑗=1 𝜇𝑗
Misal;
𝜆1 𝜆
k = 1 → P1 = ∏1 𝑖 P0 = 𝑢 P0
𝑖=1 ∑𝑗=1 𝜇𝑗 1
𝜆2 𝜆
k = 2 → P2 = ∏2 𝑖 P0 =𝑢 ∑2 𝜇 P0
𝑖=1 ∑𝑗=1 𝜇𝑗 1 𝑗=1 𝑗
𝜆3 𝜆
k = 3 → P3 = ∏3 𝑖 P0 =𝑢 2 3 P0
𝑖=1 ∑𝑗=1 𝜇𝑗 1 ∑𝑗=1 𝜇𝑗 ∑𝑗=1 𝜇𝑗
Untuk k = 7, 8, … (k > s)
𝜆6 𝜆
P7 = P0
𝜇1 ∑2𝑗=1 𝜇𝑗 … ∑6𝑗=1 𝜇𝑗 ∑6𝑗=1 𝜇𝑗
2
𝜆6 𝜆
P8 = ((∑6 ) P0
𝜇1 ∑2𝑗=1 𝜇𝑗 … ∑6𝑗=1 𝜇𝑗 𝑗=1 𝜇𝑗
𝜆𝑘
P , k = 1, 2, … , s
∏𝑘𝑖=1 ∑𝑘𝑗=1 𝑢𝑗 0
P𝑘 = 𝑘−𝑠
𝜆𝑠 𝜆
𝑠 𝑖
( 𝑠 ) P0 , k > s
{∏𝑖=1 ∑𝑗=1 𝜇𝑗 ∑𝑗=1 𝜇𝑗
Karena pelanggan yang memungkinkan datang lebih dari sistem melibihi dari
server tersebut maka dapat mensubsitusikan k > s ke dalam Lq,
∞
L𝑞 = ∑(𝑛 − 𝑠)P𝑛
𝑛=𝑠
n-s yaitu banyak pelanggan yang berada dalam sistem dikurangi dengan yang
berada di dalam server (s), maka;
L𝑞 = ∑(𝑎 − 𝑠)𝑃𝑎
𝑛=𝑠
= ∑ a P𝑎+𝑠
𝑎=0
∞ 𝑎
𝜆𝑠 𝜆
= ∑𝑎 ( 𝑠 ) P0
𝑎=0
∏𝑠𝑖=1 ∑𝑗𝑖=1 𝜇𝑗 ∑𝑗=1 𝜇𝑗
∞ 𝑎
𝜆𝑠 𝜆
= P0 ∑𝑎( 𝑠 ) P0
∏𝑠𝑖=1 ∑𝑗𝑖=1 𝜇𝑗 𝑎=0 ∑𝑗=1 𝜇𝑗
𝜆
( 𝑠 )
𝜆 𝑠∑𝑗=1 𝜇𝑗
= P0 𝑠
∏𝑖=1 ∑𝑗𝑖=1 𝜇𝑗 1 − 𝑠 𝜆
∑𝑗=1 𝜇𝑗
∑ P𝑘 = 0
𝑘=0
𝜆 𝜆6 𝜆6 𝜆
P0 + P0 + ⋯ + 6 P0 + 6 +⋯
𝜇1 ∏𝑖=1 ∑𝑖𝑗=1 𝜇𝑗 ∏6𝑖=1 ∑𝑖𝑗=1 𝜇𝑗 ∑𝑗=1 𝜇𝑗
𝑘−𝑠
𝜆𝑠 𝜅
+ 𝑠 ( 𝑠 ) =1
∏𝑖=1 ∑𝑖𝑗=1 𝜇𝑗 ∑𝑗=1 𝜇𝑗
Sehingga,
𝑠−1 ∞ 𝑘−𝑠
𝜆𝑘 𝜆𝑠 𝜆
P0 [1 + ∑ 𝑘 𝑖
+ ∑ ( 𝑘 𝑖
)( 𝑠 ) ]=1
∏𝑖=1 ∑𝑗=𝑖 𝜇𝑗 ∏𝑖=1 ∑𝑗=1 𝜇𝑗 ∑𝑗=1 𝜇𝑗
𝑘=1 𝑘=𝑠
1
P0 = R1 + R2
35
𝑠−1
𝜆𝑘
R1 = 1 + ∑
∏𝑘𝑖=1 ∑𝑖𝑗=1 𝜇𝑗
𝑘=1
∞ 𝑘−𝑠
𝜆𝑠 𝜆
R2 = ∑ ( 𝑘 ) ( 𝑠 )
∏𝑖=1 ∑𝑖𝑗=1 𝜇𝑗 ∑𝑗=1 𝜇𝑗
𝑘=𝑠
2
𝜆𝑠 𝜆𝑠 𝜆 𝜆𝑠 𝜆
= 𝑠 𝑖
+ 𝑠 𝑖 𝑖
+ 𝑠 𝑖
( 𝑖 ) + ⋯+
∏𝑖=1 ∑𝑗=1 𝜇𝑗 ∏𝑖=1 ∑𝑗=1 𝜇𝑗 ∑𝑗=1 𝜇𝑗 ∏𝑖=1 ∑𝑗=1 𝜇𝑗 ∑𝑗=1 𝜇𝑗
2
𝜆𝑠 𝜆 𝜆
= 𝑠 𝑖
[1 + 𝑖 +( 𝑖 ) +⋯]
∏𝑖=1 ∑𝑗=1 𝜇𝑗 ∑𝑗=1 𝜇𝑗 ∑𝑗=1 𝜇𝑗
𝜆𝑠 1
= 𝑠 𝑖
∏𝑖=1 ∑𝑗=1 𝜇𝑗 1 − 𝜆
𝑖
∑𝑗=1 𝜇𝑗
P0
1
=
𝜆𝑘 𝜆𝑠 1
[1 + ∑𝑠−1
𝑘=1 ] +
𝑘 𝑖
∏𝑖=1 ∑𝑗=1 𝜇𝑗 ∏𝑖=1 ∑𝑗=1 𝜇𝑗 1 − 𝜆
𝑠 𝑖
[ ∑𝑖𝑗=1 𝜇𝑗 ]
𝜆
𝜌 = ∑𝑠 (3.17)
𝑖=1 𝜇1
𝐿𝑞
𝑊𝑞 = (3.18)
𝜆
𝑊𝑠 = 𝑊𝑞 + E(𝑠)
𝑠
= 𝑊𝑞 + ∑𝑠 (3.19)
𝑖=1 𝜇𝑖
𝐿𝑠 = 𝜆 𝑊𝑠 (3.20)
dari suatu pelanggan yang dapat dilayani pada waktu bersamaan. Contoh pada
model ini adalah: pada pelayanan yang diberikan kepada pasien di rumah sakit
dimulai dari pendaftaran, diagnosa, tindakan medis, sampai pembayaran, registrasi
ulang mahasiswa baru pada sebuah universitas, dan lain-lain. Adapun model yang
digunakan seperti berikut:
METODOLOGI PENELITIAN
37
38
40
41
Gambar 5.1 Pergerakan Kedatangan Kapal Dermaga 1 dan 3 Pada Tahun 2016
70
60
50
40
30
20
10
0
MEI
OKTOBER
FEBRUARI
APRIL
JULI
SEPTEMBER
MARET
NOVEMBER
JANUARI
DESEMBER
AGUSTUS
JUNI
PERGERAKAN KEDATANGAN KAPAL PADA TAHUN
2016 BERDASARKAN PENJUALAN
Pergerakan Kedatangan Kapal Pada Tahun 2016 Berdasarkan Penjualan
Februa Agustu Septe Oktob Novem Desem
Januari Maret April Mei Juni Juli
ri s mber er ber ber
IP.Suralaya 22 13 20 22 24 20 18 22 18 22 19 22
PLN 56 47 46 55 62 46 37 30 46 44 38 44
Ekspor 2 7 9 5 6 3 3 4 1 1 1 11
November dan Februari kedatangan kapal sama sebanyak 45 kapal, pada bulan Juli
sebanyak 43 kapal. Contoh perhitungan mencari rata-rata kedatangan dan
keberangkatan kapal di dermaga 1 adalah sebagai berikut:
Januari 55 23 2,3913
Februari 45 22 2,045455
Berdasarkan tabel 4.1 rata-rata kedatangan kapal pada bulan januari yaitu
2,3913 dan rata-rata kedatangan kapal pada bulan februari yaitu 2,04545 dan pada
tabel 4.2 rata-rata keberangkatan kapal pada bulan Januari yaitu 4,977028196 dan
rata-rata keberangkatan kapal pada bulan Februari yaitu 2,705709. Hasil
perhitungan selengkapnya terdapat pada Lampiran 3 dan Lampiran 6.
44
DERMAGA 1
63 66
55 50 57 52
45 48 47 43 48 45
SEPTEMBER
APRIL
OKTOBER
MEI
DESEMBER
FEBRUARI
JULI
AGUSTUS
NOVEMBER
JANUARI
MARET
JUNI
KEDATANGAN KAPAL YANG BERADA DI DERMAGA TAHUN
2016
DERMAGA 2
10 10
5
2 1
0 0 0 0 0 0 0
SEPTEMBER
APRIL
OKTOBER
MEI
DESEMBER
FEBRUARI
JULI
AGUSTUS
NOVEMBER
JANUARI
MARET
JUNI
KEDATANGAN KAPAL YANG BERADA DI DERMAGA TAHUN
2016
Januari 23 15 1,5333
Februari 17 13 1,307692
Berdasarkan tabel 4.1 rata-rata kedatangan kapal pada bulan januari yaitu
1,5333 dan rata-rata kedatangan kapal pada bulan februari yaitu 1,307692 dan tabel
4.2 rata-rata keberangkatan kapal pada bulan Januari yaitu 4,977028196dan rata-
rata keberangkatan kapal pada bulan Februari yaitu 2,408248525. Hasil perhitungan
selengkapnya terdapat pada Lampiran 4 dan Lampiran 7.
DERMAGA 3
23 26
19 22
17 17 15 15 15
10 12
8
SEPTEMBER
APRIL
MEI
OKTOBER
DESEMBER
FEBRUARI
JULI
AGUSTUS
NOVEMBER
MARET
JANUARI
JUNI
Dermaga 1 Dermaga 3
H0 : Data Kedatangan (Arrival) Kapal Berdistribusi
Poisson
Hipotesis
H1 : Data Kedatangan (Arrival) Kapal Tidak Berdistibusi
Poisson
Tingkat
0,05 0,05
Kepercayaan
Asymp. SIG
0,480 0,278
(2-Tailed)
Dermaga 1 Dermaga 3
H0 : Data Keberangkatan (Departure) Kapal Berdistribusi
Poisson
Hipotesis
H1 : Data Keberangkatan (Departure) Kapal Tidak
Berdistibusi Poisson
Tingkat
0,05 0,05
Kepercayaan
Asymp. SIG
0,537 0,322
(2-Tailed)
K 1 2
∑ 𝜇𝑗
𝑗=1 3 5
Selanjutnya,
1 3 1 3 0,33333
2 5 1 15 0,06667
𝜆 1
𝜌 = ∑𝑠 = 3 = 0,3333333
𝑗=1 𝜇𝑗
1
𝑃0 =
𝜆𝜅 𝜆𝑠 1
[1 + ∑𝑠−1
𝑘=1 ] +[ ]
∏𝑘𝑖=1 ∑𝑖𝑗=1 𝜇𝑗 ∏𝑠𝑖=1 ∑𝑖𝑗−1 𝜇𝑗 𝜆
1−
∑𝑠𝑗=1 𝜇𝑗
1
=
𝜆𝜅 𝜆2 1
[1 + ∑2−1
𝑘=1 ] +
∏𝑘𝑖=1 ∑𝑖𝑗=1 𝜇𝑗 ∏2𝑖=1 ∑𝑖𝑗−1 𝜇𝑗 𝜆
1−
[ ∑2𝑗=1 𝜇𝑗 ]
1
=
[1,333333333] + [0,066666667𝑥 1,25]
1
= = 0,705882353
1,416666667
Dengan demikian bahwa peluang tidak ada kapal dalam sistem yaitu sebesar
0,705882353
𝜆
𝑠 ( )
𝜆 𝑠 ∑ 𝑗=1 𝜇𝑗
𝐿𝑞 = 𝑃0 𝑠
∏𝑖=1 ∑𝑖𝑗=1 𝜇𝑗 1 − 𝜆
∑6𝑗=1 𝜇𝑗
52
𝜆
2
( 2 )
𝜆 ∑𝑗=1 𝜇𝑗
= 𝑃0 2
∏𝑖=1 ∑𝑖𝑗=1 𝜇𝑗 1 − 𝜆
2
∑𝑗=1 𝜇𝑗
= 0,705882353 𝑥 0,066666667 𝑥 0,25
= 0,0117647706
Dengan demikin bahwa tidak ada kapal dalam antrian
Berarti dalam dermaga rata-rata menunggu kapal dalam sistem atau dermaga
sekitar 592 menit/kapal.
53
Berarti jumlah kapal yang berada dalam sistem atau dermaga sekitar 12
kapal/bulan.
6.1 Kesimpulan
Berdasarkan hasil pembahasan yang telah dilakukan di atas, dapat ditarik
beberapa kesimpulan:
1. Kedatangan kapal pada bulan Januari sampai Desember tahun 2016 di dermaga
1 dan 3 mengalami peningkatan yang cukup relatif artinya tingkat kedatangan
kapal salama bulan Januari sampai bulan Desember tidak stabil. Kedatangan
kapal paling banyak terjadi pada bulan Mei sebanyak 89 kapal sedangkan
kedatangan kapal paling sedikit terjadi pada bulan Agustus sebanyak 56 kapal.
2. Model sistem antrian di PT Bukit Asam (Persero) Tbk Bandar Lampung
mengikuti bentuk Multi Channel Single Phase yang mempunyai antrian
tunggal dengan 3 fasilitas pelayanan, namun hanya digunakan 2 fasilitas.
Disiplin antrian yang digunakan yaitu First Come First Served. Distribusi
waktu kedatangan berdistribusi Poisson dan keberangkatan berdistribusi
Poisson . Sehingga model yang didapatkan adalah (M/M/2):(FCFS/∞/∞).
3. Hasil yang didapatkan berdasarkan model antrian yang terbentuk dapat dilihat
dari nilai Ls (banyak kapal dalam sistem), Lq (banyak kapal dalam antrian), Ws
(lama waktu yang dihabiskan dalam sistem), Wq (lama waktu yang dihabiskan
dalam antrian). Hasil yang didapatkan menggunakan laju pelayanan heterogen
yaitu tidak terdapat kapal dalam antrian, jumlah kapal yang berada dalam
sistem sekitar 12 kapal/bulan. Waktu yang dihabiskan kapal dalam sistem
sekitar 592 menit/kapal, dan waktu yang dihabiskan kapal dalam antrian sekitar
16 menit/kapal. Dengan kata lain antrian di PTBukit Asam (Persero) Tbk
Bandar Lampung sudah cukup efektif.
54
55
6.2 Saran
1. Untuk pihak PT Bukit Asam (Persero) Tbk Bandar Lampung
mengoptimalkan agar semua dermaga di gunakan, baik dermaga 1, 2 dan
3.
2. Untuk pembaca agar menjadi tolak ukur untuk penelitian selanjutnya di
PTBukit Asam (Persero) Tbk Bandar Lampung
56
DAFTAR PUSTAKA
Christofani. 2010. Analisis Antrian Pada Spbu 34-17125 Jl.Patriot Raya Kampung
Dua Jakasampurna Bekasi Barat 17145. Jurnal. Universtias
Krisnadwipayana, Bekasi.
Heryanto, Nar dan Tuti G. 2009. Pengantar Statistika Matematis. Bandung: Yrama
Widya.
Mulyono, Sri. 2007. Riset Operasi. Jakarta: Lembaga Penerbit Fakultas Ekonomi
Universitas Indonesia.
Ramadhan. 2017. Simulasi Sistem Antrian Dengan Metode Multi Channel Single
Phase. Jurnal. Universitas Pendidikan Indonesia, Bandung.
Satrio. Adhie Pradana Noer. 2017. Aplikasi Teori Antrian untuk Analisis
Keterlambatan dan Evaluasi Kinerja Penjadwalan Keberangkatan Pesawat
dengan Model Single Channel-Single Phase dan Multi Channel-Single Phase
dengan laju layanan heterogen.Tugas Akhir. Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Indonesia, Yogyakarta.
Siagian, Sondang P. 1987. Penelitian Operasional Teori dan Praktek Cetakan ke-
1. Jakarta: Universitas Indonesia.
Thoha. 2013. Aplikasi Teori Antrian Model Multi Channel Single Phase Dalam
Optimalisasi Layanan Pembayaran Pelanggan Pada Senyum Media
Stationery Jember. Jurnal. Universitas Surabaya, Surabaya.
58
Walpole, Ronald E. dan Raymond Mayers. 1995. Ilmu Peluang dan Statistik Untuk
Insinyur dan Ilmuan. Bandung: Penerbit ITB.
LAMPIRAN
60