Nama : Yuliana Jennifer Angwarmase

NIM : 201450057
Kelas : LOGISTIK 4B
Matkul : Sistem Pemodelan dan Sistem Logistik

RESUME JURNAL TEORI ANTRIAN

Judul : METODE PERKIRAAN ANTRIAN KENDARAN DI TERMINAL LAUT :
PERBANDINGAN KOMPUTASI
Nama Penulis : GANG CHEN, ZHONG-ZHEN YANG

Antrean kendaraan yang panjang di pintu gerbang terminal laut merupakan fenomena
lalu lintas yang umum terjadi di kota pelabuhan, yang terkadang menimbulkan permasalahan
pada lalu lintas perkotaan. Untuk dapat mengatasi masalah ini, pertama-tama diperlukan
model yang akurat untuk memperkirakan panjang antrian kendaraan. Dalam makalah ini,
kami membandingkan metode-metode yang ada dalam studi kasus, dan mengevaluasi
kelebihan dan kekurangannya. Secara khusus, kami mengembangkan model regresi berbasis
simulasi, menggunakan perangkat lunak simulasi lalu lintas mikro PARAMIC. Pada simulasi
diperoleh proses transien antrian mengikuti kurva logaritma natural. Kemudian, berdasarkan
kurva tersebut, kami mengembangkan model estimasi panjang antrian. Dalam eksperimen
numerik, model yang diusulkan menunjukkan akurasi estimasi yang lebih baik daripada
metode lain yang ada.
Pendahuluan
Antrean kendaraan yang panjang merupakan masalah umum di fasilitas transportasi
dan logistik skala besar, misalnya pelabuhan laut, terminal logistik, dan bandara. Biasanya,
fasilitas investasi tinggi ini memiliki kapasitas yang relatif stabil.
Karena sumber daya yang mahal dan terbatas, termasuk lahan, tidak selalu mungkin untuk
memperluas dan meningkatkan pasokan setelah selesai dibangun. Di sisi lain, permintaan
pelanggan tidak terdistribusi secara merata dari waktu ke waktu. Sehingga antrian pelanggan
sangat sering terjadi pada jam-jam sibuk yang pada akhirnya membatasi kapasitas layanan.
Dalam hal ini, pengelolaan kedatangan pelanggan dapat digunakan untuk mengurangi
kemacetan dan memanfaatkan fasilitas/peralatan yang ada. Kami percaya bahwa kebutuhan
akan manajemen permintaan akan menjadi hal yang umum untuk fasilitas transportasi skala
besar dan investasi tinggi ini, berkat mempopulerkan teknologi informasi. Sebelum dapat
menerapkan manajemen permintaan apa pun, diperlukan model prediksi yang baik untuk
memperkirakan panjang antrian dengan akurasi tinggi.
Terminal laut adalah contoh khas dari fasilitas yang disebutkan di atas. Sebagai
konsekuensi dari volume lalu lintas kargo yang terus meningkat dan pengenalan mega-kapal,
kemacetan truk di gerbang terminal menjadi masalah umum di banyak pelabuhan utama.
Antrean kendaraan menimbulkan polusi udara yang serius dan membatasi kapasitas armada
truk dan sistem terminal. Baik sektor publik maupun swasta berkepentingan untuk
mengurangi antrean dan menjaga efisiensi arus barang. Namun, dalam literatur, kami belum
melihat studi perbandingan metode estimasi panjang antrian truk yang ada yang akan
menunjukkan mana yang cocok dalam situasi apa. Umumnya, sistem gerbang terminal laut
berada dalam situasi dinamis, di mana tingkat kedatangan truk dan tingkat layanan gerbang
bervariasi dari waktu ke waktu. Interval perubahan tersebut terlalu pendek bagi antrian yang
hampir jenuh untuk mencapai kondisi tunaknya. Seperti yang ditunjukkan pada Gambar. 1,
antrian membutuhkan waktu untuk mencapai keadaan tunak, dan proses pembentukan dan
keadaan tunak memainkan peran penting dalam menganalisis antrian. Selain itu, antrian truk
jelas menunjukkan ciri- ciri lalu lintas yang padat.
Oleh karena itu, untuk secara akurat memperkirakan panjang antrian truk di pintu
gerbang di terminal laut, perlu untuk menangkap perilaku transien dari antrian yang dinamis
dan juga karakteristik lalu lintas dari antrian kendaraan. Dalam literatur, kita dapat
menemukan lima metode untuk memperkirakan panjang antrian truk di gerbang terminal laut.
Yaitu model aliran fluida, model antrian stasioner, model antrian non stasioner, model
simulasi dan model regresi. Tulisan ini mencoba membandingkan metode-metode tersebut
dengan menerapkan semuanya pada satu kasus, sehingga kita dapat melihat kelebihan dan
kekurangan masing-masing metode dalam penerapan kasus nyata. Khusus untuk metode
regresi, dalam penelitian ini kami mengembangkan model regresi berbasis simulasi dengan
menggunakan data simulasi lalu lintas mikro, dimana perilaku mengemudi kendaraan secara
detail dapat ditangkap dengan baik. Model ini baik dalam proses pembentukan antrian
kendaraan yang melengkung, dan memiliki akurasi estimasi yang lebih tinggi dibandingkan
metode lain dalam eksperimen numerik.

Gambar 1. Perilaku transien dari simulasi antrian dengan kondisi awal idle.
Metode regresi, dalam penelitian ini kami mengembangkan model regresi berbasis
simulasi dengan menggunakan data simulasi lalu lintas mikro, dimana perilaku mengemudi
kendaraan secara detail dapat ditangkap dengan baik. Model ini baik dalam proses
pembentukan antrian kendaraan yang melengkung, dan memiliki akurasi estimasi yang lebih
tinggi dibandingkan metode lain dalam eksperimen numerik.

Dalam studi yang ada, terdapat lima jenis metode estimasi antrian kendaraan untuk sistem
gerbang fasilitas transportasi dan logistik skala besar. Di bagian ini, kami meninjau metode
ini satu per satu.
Yang pertama adalah metode aliran fluida, yang pada dasarnya mengikuti prinsip
keseimbangan aliran, artinya perubahan antrian sama dengan aliran masuk dikurangi aliran
keluar. Prinsip ini hanya berlaku dalam lingkungan deterministik, tetapi ketika
memperkirakan panjang antrian rata-rata dalam lingkungan stokastik, prinsip ini selalu
diremehkan, karena mengabaikan fenomena antrian yang disebabkan oleh elemen stokastik
dalam proses kedatangan dan pelayanan. Misalnya, model Chen dan Yang (2010)
mengasumsikan bahwa tidak ada antrian yang terjadi ketika tingkat kedatangan lebih rendah
dari kapasitas gerbang. Model mereka pasti meremehkan panjang antrian truk, karena teori
antrian mengatakan bahwa antrian selalu bisa terjadi bahkan ketika tingkat kedatangan tidak
melebihi kapasitas server dalam suatu periode. Metode kedua adalah model antrian stasioner,
yang telah diterapkan secara luas di berbagai industri, misalnya manajemen lalu lintas
Internet (Chydzi'nski dan Chr'ost, 2011), industri jasa (Davidson, 1988) dan industri logistik
(Guan dan Liu, 2009; Kim, 2009; Taniguchi et al., 1999). Guan dan Liu (2009) menggunakan
model antrian M/Ek/s multi-server untuk menganalisis antrian gerbang pada satu terminal
peti kemas di pelabuhan New York/ New Jersey. Mereka mengabaikan proses
transien/pertumbuhan antrian dan berasumsi bahwa antrian dapat mencapai kondisi tunaknya
secara instan. Oleh karena itu, panjang antrian dalam penelitian mereka kemungkinan besar
terlalu tinggi. Taniguchi dkk. (1999) juga menerapkan model antrian M/Ek/s untuk
menjelaskan pergerakan truk di terminal logistik umum.
Metode yang digunakan
1. Model aliran fluida. Model aliran fluida memiliki fungsi keseimbangan aliran dasar,
artinya perubahan panjang antrian sama dengan aliran masuk dikurangi aliran keluar.
Model yang digunakan oleh Chen dan Yang (2010) adalah :
lt = maks {0, ltÿ1 + ÿt ÿ ÿ}
dimana l adalah rata-rata panjang antrian dalam kondisi mapan, t adalah interval waktu, ÿ
adalah rata-rata tingkat kedatangan truk per interval waktu, dan ÿ adalah rata-rata tingkat
pelayanan gerbang per interval waktu.
Model antrian stasioner.
2. Model antrian stasioner adalah alat klasik untuk memperkirakan sistem/jaringan antrian,
dan memungkinkan sejumlah ukuran kinerja kondisi mapan yang berguna untuk
ditentukan. Ini telah diterapkan secara luas di berbagai bidang, misalnya jaringan
komunikasi, sistem komputer, pabrik mesin, dan sebagainya. Pada saat yang sama, ia
juga menerima beberapa komentar kritis; yang utama adalah asumsi-asumsi tersebut
terlalu membatasi untuk dapat memodelkan situasi dunia nyata dengan tepat.
Berdasarkan tata letak fisik dan karakteristiknya, sistem gerbang terminal peti kemas
dapat diperlakukan sebagai sistem antrian multi-server dengan beberapa jalur masuk dan
keluar, sehingga model antrian multi-server dapat diterapkan untuk menganalisis
keadaan tunak antrian truk. Model antrian multi-server memiliki parameter tambahan
berikut: sebagai jumlah jalur gerbang dan W sebagai rata-rata waktu tunggu pelanggan
dalam kondisi stabil. Jenis model antrian ditentukan oleh distribusi statistik interval
kedatangan truk dan waktu pelayanan gerbang. Dua penelitian yang ada, oleh Guan dan
Liu (2009) serta Taniguchi et al. (1999), mengadopsi model antrian tipe M/Ek/s untuk
menjelaskan pergerakan truk di terminal peti kemas laut dan terminal logistik publik.
 3. Model antrian non stasioner. Keterbatasan model antrian stasioner adalah bahwa
model tersebut mengabaikan perilaku transien dari suatu antrian dan menganggap
antrian dapat mencapai keadaan statisnya secara instan. Oleh karena itu, metode ini
hanya cocok untuk sistem antrian yang mencapai kondisi tunak. Biasanya antrian truk
di terminal kontainer tidak stabil, karena tingkat kedatangan truk dan tingkat layanan
gerbang bervariasi dari waktu ke waktu.
Model regresi berbasis simulasi
Pada bagian ini, kami memperkenalkan metode regresi berbasis simulasi yang diusulkan
untuk estimasi panjang antrian truk. Kerangka umum, seperti yang ditunjukkan pada
Gambar. 3, meliputi empat langkah berikut. Langkah pertama adalah mengembangkan
model simulasi sistem antrian alamat dengan perangkat lunak simulasi lalu lintas mikro.
Alat simulasinya adalah PARAMICS, salah satu aplikasi simulasi lalu lintas mikro
terbaik, yang dapat memodelkan perilaku berkendara secara mendetail dari setiap
kendaraan individu. Kami mengumpulkan data antrean yang memadai melalui simulasi,
dengan menjalankan model untuk setiap skenario yang memungkinkan untuk mencakup
proses pembentukan dan kondisi antrean truk yang stabil. Langkah kedua adalah
memvalidasi hasil simulasi. Simulasi komputer seringkali spesifik pada skenario,
sehingga data simulasi perlu divalidasi setelah dikumpulkan. Di sini kita melakukannya
dengan membandingkan panjang antrian tunak dari simulasi dengan hasil dari model
antrian stasioner yang bersangkutan dengan menghitungn rata-rata pergerakan setiap titik
waktu; kemudian kita pilih data simulasi sebelum titik kritis, dan menganalisis proses
pembentukan antrian dengan melakukan analisis regresi. Tujuannya adalah untuk
mengidentifikasi kurva yang paling sesuai dengan data simulasi. Nilai fitness dapat
dievaluasi dengan nilai R2. Karena data simulasi yang digunakan disini hanya berkaitan
dengan proses pembentukan antrian, maka kurva yang diperoleh juga memiliki rentang
valid dari nol hingga titik kritis. Setelah titik kritis, antrian akan tetap stabil dan panjang
antriannya akan sama dengan yang ada di titik kritis. Contoh kurvanya adalah lt = f (t), t ÿ
[0, titik kritis]. (11)
Langkah ketiga adalah membuat analisis regresi pada data simulasi untuk masing-masing
skenario. Pertama kami mengidentifikasi titik kritis ketika periode pembentukan antrian
berakhir

Gambar 2. Cuplikan 3D
simulasi antrian di gerbang terminal di PARAMICS.
langkah keempat, berdasarkan
kurva pembentukan antrian yang teridentifikasi, kami mengusulkan model yang
komprehensif untuk memperkirakan panjang antrian truk. Model bekerja dengan cara berikut:
selama transisi status dari satu interval waktu ke interval waktu berikutnya, tingkat
kedatangan (biasanya diketahui) menentukan kurva (parameter) mana yang akan dimodelkan,
sedangkan antrian dan panjang antrian sisa dari interval terakhir dapat digunakan untuk
memproyeksikan status formasi antrian (atau titik waktu) dengan kurva, dan seiring
berjalannya waktu satu interval, panjang antrian dapat diperkirakan mengikuti kurva.
Misalkan suatu antrian pada awal selang waktu t mempunyai panjang antrian l(tÿ1) dan
tingkat kedatangan pelanggan adalah ÿt.
Deskripsi kasus. Kami memilih terminal peti kemas di Pelabuhan Tianjin sebagai studi kasus
untuk menganalisis antrian truk. Karena truk kosong dan truk bermuatan dilayani di jalur
yang
berbeda, kami hanya fokus pada sistem gerbang untuk truk bermuatan. Ada dua jalur yang
melayani truk bermuatan. Secara umum kecepatan kedatangan truk sangat dinamis dan
bervariasi dari jam ke jam, sedangkan waktu pelayanan kurang lebih stabil dengan rata- rata
2,6 menit dan standar deviasi 0,2 menit. Perilaku lalu lintas truk juga merupakan elemen
penting dalam sistem, karena dibutuhkan rata-rata 0,3 menit bagi truk saat ini untuk
meninggalkan stasiun servis dan truk berikutnya untuk siap diservis. Oleh karena itu, dengan
mempertimbangkan kedua waktu di atas, kapasitas sistem adalah 40,8 truk per jam. Karena
tarif layanan tetap dan pelanggan tingkat kedatangan bervariasi antara 1 dan 40, kami
merancang sistem 40 skenario yang akan disimulasikan. Skenario lain di mana tingkat
kedatangan pelanggan melebihi tarif pelayanan tidak karena pemanfaatan sistem antrian tarif
akan menjadi satu dalam skenario ini, dan panjang antrian akan meningkat sebesar selisih
antar pelanggan tingkat kedatangan dan tingkat pelayanan.
 Gambar 5. Perbandingan panjang antrian tunak dari simulasi dan model M/G/s.

model tampaknya
melebih-lebihkan panjang antrian, dan tidak dapat menangani periode antara jam 6 pagi,
ketika permintaan melebihi kapasitas. Model yang diusulkan dalam penelitian ini
memberikan estimasi yang mendekati hasil simulasi, meskipun dengan sedikit underestimasi.
Secara ringkas, hasil perbandingan menunjukkan bahwa model yang diusulkan dalam
penelitian ini memiliki akurasi yang tinggi dalam memperkirakan panjang antrian truk di
gerbang terminal. Hal ini juga menunjukkan bahwa pemahaman proses pembentukan antrian
dan mempertimbangkan karakteristik lalu lintas sangat diperlukan untuk analisis antrian
kendaraan secara komprehensif.
Selain perbandingan akurasi di atas, kami juga membandingkan secara singkat keunggulan
masing-masing model. Simulasi akurat tetapi sangat memakan waktu, sehingga tidak cocok
untuk digabungkan dengan optimasi kecuali dalam permasalahan skala kecil. Model antrian
stasioner juga tidak cocok karena tidak dapat menangani situasi dimana permintaan melebihi
kapasitas. Manajemen permintaan kedatangan truk merupakan salah satu jenis optimasi yang
biasanya memerlukan model komputasi yang cepat, seperti model aliran fluida, pendekatan
non-stasioner M(t)/G(t)/1 atau model regresi yang diusulkan dalam penelitian ini. Tentu saja,
model kami dikembangkan berdasarkan data simulasi dalam jumlah besar yang juga
memakan waktu lama untuk menghasilkannya, namun keunggulannya dalam hal akurasi
sangat luar biasa. Diharapkan bahwa beberapa perkiraan untuk M(t)/G(t)/s(t) non- stasioner
akan dikembangkan di masa depan, yang mungkin menarik untuk ditambahkan ke dalam
studi perbandingan ini.
Kesimpulan
Menangani antrean truk di gerbang telah menjadi tugas penting bagi banyak pelabuhan
besar dan fasilitas logistik skala besar lainnya. Mengenai estimasi panjang antrian truk,
penting untuk memahami karakteristik lalu lintas arus kendaraan dan bagaimana antrian
muncul dan berkembang. Dalam tulisan ini, kami menggunakan alat simulasi lalu lintas
mikro untuk mensimulasikan sistem gerbang terminal peti kemas dan mengamati proses
terbentuknya antrian truk. Kami menemukan bahwa proses pembentukan antrian umumnya
mengikuti kurva logaritma natural dan prosesnya memakan waktu terutama ketika tingkat
kedatangan truk tinggi.
Berdasarkan ini, kami mengembangkan model estimasi panjang antrian untuk antrian
truk di gerbang terminal peti kemas. Dalam percobaan, model yang kami usulkan berkinerja
lebih baik daripada model/ perkiraan yang ada, meskipun sedikit lebih rendah dibandingkan
dengan hasil simulasi. Percobaan juga menunjukkan bahwa model antrian stasioner jelas
melebih-lebihkan panjang antrian, dan model aliran fluida yang mengabaikan fenomena
antrian stokastik selalu meremehkan panjang antrian. Kontribusi lain dari makalah ini adalah
mengintegrasikan perilaku lalu lintas ke dalam analisis antrian, yang merupakan karakteristik
utama dari antrian truk. Terakhir, kurva logaritma natural dari proses pembentukan antrian
dan model estimasi panjang antrian yang diusulkan juga dapat diterapkan dalam kasus lain.