Bab Ii
Bab Ii
KAJIAN TEORI
analisis sistem antrean pada penelitian. Beberapa hal yang akan dibahas pada bab
ini berkaitan dengan teori probabilitas, teori antrean, model-model antrean, uji
A. Teori Probabilitas
berkaitan dengan suatu kejadian tertentu. Jika kejadian itu pasti terjadi, maka
probabilitas kejadian itu adalah 1 dan jika kejadian itu mustahil terjadi, maka
probabilitas, diantaranya:
dengan nilai riil P(A) dengan tiap kejadian A disebut fungsi peluang dan P(A)
1
0 ≤ 𝑃(𝐴), untuk tiap A (2.1)
𝑃 ( 𝑆) = 1 (2.2)
∞ ∞
Jika 𝐴1, 𝐴2, … adalah kejadian yang saling lepas (mutually exclusive) satu
kejadian A adalah:
𝑛
𝑃 ( 𝐴) = (2.4)
�
�
1. Variabel Acak
X. Hasil pemetaan yaitu sebuah bilangan riil x untuk setiap e dari ruang
2
S 𝑅𝑥
e X(e)
(a) (b)
Variabel acak dibedakan menjadi dua yaitu variabel acak diskrit dan
variabel acak kontinu. Berikut definisi mengenai kedua jenis variabel acak
tersebut:
3
Definisi 2.3 (Bain & Engelhardt, 1992, p. 56)
𝑥1, 𝑥2, . . . , 𝑥𝑛 atau 𝑥1, 𝑥2, . . ., maka X disebut variabel acak diskrit. Fungsi
probabilitas.
𝑓(𝑥𝑖) ≥ 0 (2.6)
∑ 𝑓(𝑥𝑖) = (2.7)
1
𝑥𝑖
Bukti:
Syarat (2.6) mengikuti fakta dimana nilai dari fungsi densitas probabilitas
diskrit adalah sebuah probabilitas dan tidak negatif. Karena 𝑥1, 𝑥2, …
Dengan demikian,
4
untuk semua 𝑥𝑖. Hal ini mengakibatkan fungsi densitas probabilitas harus
memenuhi syarat (2.6) dan (2.7) dan fungsi yang memenuhi syarat-syarat
dengan:
𝜇 = 𝐸(𝑋) = ∑ 𝑥
(2.9)
𝑓( 𝑥 )
𝑥
5
Definisi 2.6 (Bain & Engelhardt, 1992, p. 64)
sebagai:
𝑥
𝐹(𝑋) = ∫ 𝑓(𝑡)𝑑𝑡 (2.10)
−∞
suatu variabel acak kontinu X jika dan hanya jika fungsi tersebut
memenuhi syarat:
𝑓( 𝑥 ) ≥ 0 (2.11)
dengan:
∞
𝐸(𝑋) = ∫ 𝑥𝑓(𝑥) (2.13)
𝑑𝑥
−∞
6
konvergen. Jika sebaliknya, maka E(X) tidak ada.
7
2. Distribusi Poisson
acak diskrit, yaitu banyaknya hasil percobaan yang terjadi didalam suatu
interval waktu tertentu atau suatu daerah tertentu (Hasan, 2002: 54). Berikut
diskrit yang
berbentuk
Keterangan:
3. Distribusi Eksponensial
waktu. Misalnya pada fasilitas jasa, dengan asumsi bahwa waktu pelayanan
bersifat acak. Artinya waktu untuk melayani customer tidak tergantung pada
lama waktu yang telah dihabiskan untuk melayani customer sebelumnya dan
8
Berikut ini merupakan definisi yang menjelaskan tentang distribusi
Eksponensial:
𝜆𝑒−𝜆𝑥, 𝑢𝑛𝑡𝑢𝑘 𝑥 ≥ 0
𝑓(𝑥) = { 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛 (2.15)
dimana x menyatakan waktu yang dibutuhkan sampai terjadi satu kali sukses
𝐹(𝑥; 𝜆) = { ∫ 𝜆𝑒 𝑑𝑡 = 1 − 𝑒 ,
−𝜆𝑥 −𝜆𝑥
untuk 𝑥 ≥
(2.16)
0
0
0, untuk 𝑥 yang lain
B. Teori Antrean
waktu tunggu yang terjadi dalam barisan antrean. Antrean dapat dilihat dalam
kendaraan yang menunggu pada traffic light atau pasien yang menunggu untuk
diperiksa.
9
1. Konsep Dasar Teori Antrean
bersifat seragam (uniform) selama dalam periode tertentu atau secara acak.
Hal ini karena customer tidak datang pada waktu yang sama, demikian juga
suatu proses antrean terlebih dahulu. Proses antrean merupakan suatu proses
(Kakiay, 2004, p. 10). Proses antrean terjadi pada sistem antrean yang mana
merupakan suatu
10
himpunan customer, pelayan dan suatu aturan yang mengatur pelayanan
kepada customer.
(Suprapto, 2013, p. 325). Proses ini dapat dilihat pada gambar berikut:
Sistem antrean
Antrean Mekanisme
Populasi
Pelayanan
11
Desain sarana pelayanan dapat diklasifikasikan dalam channel dan
customer hanya dilayani oleh satu penyedia layanan (server) dan melalui
satu phase pelayanan. Desain dari sistem antrean ini merupakan desain
memiliki dua atau lebih fasilitas pelayanan (server) yang terdiri dari
12
antrean tunggal. Misalnya, supermarket yang memiliki beberapa kasir atau
Server
Server
Kedatangan keluar
Antrean Server
Server Server
(Tahap 1) (Tahap 2)
Kedatangan keluar
Antrean
13
Hal ini berarti ada lebih dari satu customer yang dilayani pada waktu
berikut:
Server Server
(Tahap (Tahap 2)
Server Server
Antrean (Tahap 1) (Tahap 2)
Kedatangan keluar
a. Distribusi Kedatangan
b. Distribusi Pelayanan
15
c. Fasilitas Pelayanan
dibentuk. Desain fasilitas pelayanan ini dapat dibagi dalam tiga bentuk,
yaitu:
1) Bentuk series
d. Disiplin Pelayanan
pada:
barang di dalam truk, dimana barang yang masuk terakhir justru akan
e. Kapasitas Antrean
17
f. Sumber Pemanggilan
maupun manusia. Bila ada sejumlah mesin yang rusak maka sumber
4. Notasi Kendall
bentuk notasi. Menurut Kakiay (2004, pp. 17-18), bentuk kombinasi proses
(a/b/c) : (d/e/f)
18
M : Distribusi kedatangan atau pelayanan dari proses Poisson.
(M/M/k):(GD/∞/∞)
k = Banyaknya server k
GD = General Discipline
terbatas
19
5. Tingkat Kedatangan
interval waktu yang sama. Dalam hal ini, permintaan customer terdistribusi
secara acak pada masing-masing interval waktu tetap dalam kurun waktu
yang tidak terputus disebut proses Poisson (Siswanto, 2007, p. 218). Berikut
ilustrasi proses Poisson pada kedatangan customer dan interval waktu tetap
pada interval 𝐼0 tidak ada yang datang. Keadaan ini merupakan contoh
20
Dalam Gambar 2.7, kurun waktu observasi tersebut dibagi menjadi
empat interval waktu tetap. Jika I menandai banyaknya interval waktu maka
𝑛
𝐼 = ∑ 𝐼𝑖 (2.17)
𝑖=1
banyaknya interval
𝑁=∑ (2.18)
𝐾𝑖𝐼𝑖
𝑖=1
secara acak (random). Jika pada setiap interval tersebut dibagi menjadi n
sub interval dengan asumsi dan proses yang sama, maka kedatangan pada
customer pada
𝑁
𝜆=
21
(2.19)
22
Menggunakan persamaan (2.19), rata-rata laju kedatangan (arrival
� 10 𝑐𝑢𝑠𝑡𝑜𝑚𝑒𝑟
�= = 2,5
𝜆= 4 𝑗𝑎𝑚
𝐼
Jadi, rata-rata laju kedatangan adalah 5 customer dalam 2 jam , maka rata-rata
interval kedatangan antara satu customer dengan customer yang lain adalah:
customer per interval waktu, maka 1/𝜆 menyatakan rata-rata waktu antar
kedatangan customer.
6. Tingkat Pelayanan
setiap customer diberi simbol 1/𝜇 satuan (Kakiay, 2004, p. 11). Misalnya,
1 1 𝑗𝑎𝑚
=
𝜇 4 𝑐𝑢𝑠𝑡𝑜𝑚𝑒𝑟
23
Selanjutnya, apabila rata-rata waktu antar pelayanan 1/𝜇 dalam
rata pelayanan (μ) dalam customer per satuan waktu mengikuti distribusi
operasi pelayanan. Pembahasan ini terdiri dari: proses kelahiran dan kematian
(QBD) Process; solusi steady-state dari kinerja sistem antrean; dan antrean
calling unit yang baru dalam sistem antrean, sedangkan kematian adalah
terjadi secara acak yang rata-rata terjadinya bergantung pada keadaan yang
sedang berlangsung (current state) dari sistem (Dimyati & Dimyati, 2002, p.
356).
24
Gambar 2.8 Diagram Proses Kelahiran dan Kematian
kematian:
1) Birth postulate
bahwa tepat ada satu kelahiran selama interval waktu t sampai dengan (𝑡
2) Death postulate
bahwa tepat ada satu kematian selama interval waktu t sampai dengan (𝑡
untuk n > 0.
bahwa jumlah kombinasi kelahiran dan kematian lebih dari satu selama
memenuhi persamaan:
lim 0(∆𝑡)
∆𝑡→0 =0
∆𝑡
25
Sebagai akibat postulate ketiga, maka postulate pertama
diasumsikan tepat ada 1 kelahiran dan tanpa kematian. Keadaan yang sama
berlaku juga untuk postulate kedua yaitu ada 1 kematian dan tanpa
kelahiran.
dengan (𝑡 + Δ𝑡) harus terjadi salah satu dari kejadian mutually exclusive
probabilitas bahwa tidak terjadi kelahiran dan kematian pada interval waktu
26
Tabel 2.1 Probabilitas kejadian mutually exclusive
+0(Δ𝑡)
Kedua ruas kemudian dikurangi oleh 𝑃𝑛(𝑡) dan dibagi oleh t , sehingga
diperoleh:
𝑃𝑛(𝑡 + Δ𝑡) − 𝑃𝑛(𝑡) (𝑡)𝜆 +𝑃 (𝑡)𝜇 + 𝑃 (𝑡)[−𝜆 −𝜇 ]
=𝑃
𝑛−1 𝑛−1 𝑛+1 𝑛+1 𝑛 𝑛 𝑛
Δ𝑡
0(Δ𝑡)
+
Δ𝑡
27
𝑓(𝑥 + ℎ) − 𝑓(𝑥)
𝑓′(𝑥) = lim
𝑘→0 ℎ
𝑃′(𝑡) = 𝜆
𝑛 𝑛−1 𝑃𝑛−1 (𝑡) + 𝜇𝑛+1 𝑃𝑛+1 (𝑡) − + )𝑃𝑛(𝑡)
(𝜆𝑛 𝜇𝑛
𝑑𝑃𝑛(𝑡)
=𝜆 (2.21)
𝑑𝑡 𝑛−1 𝑃𝑛−1 (𝑡) + 𝜇𝑛+1 𝑃𝑛+1 (𝑡) − + )𝑃𝑛(𝑡), 𝑛 > 0
(𝜆 𝑛 𝜇𝑛
(2.21) yaitu:
…). Keadaan ini menunjukkan bahwa kematian tidak akan pernah terjadi,
𝑑𝑃0(𝑡)
= −𝜆 𝑃0(𝑡) , untuk 𝑛 = 0 (2.23)
𝑑𝑡
𝑑𝑃𝑛(𝑡)
= 𝜆𝑃 (𝑡) − 𝜆𝑃 (𝑡), untuk 𝑛 = 1, 2, … (2.24)
𝑛−1 𝑛
𝑑𝑡
0, maka didapatkan:
𝑑
(𝑒𝜆𝑡𝑃 (𝑡)) = 𝜆
𝑑𝑡 1
𝑒𝜆𝑡𝑃1(𝑡) = ∫ 𝜆 𝑑𝑡
𝑑𝑃2(𝑡)
+ 𝜆𝑃 (𝑡) = 𝜆2𝑡𝑒−𝜆𝑡
𝑑𝑡 2
𝑑 𝜆𝑡
(𝑒 𝑃 (𝑡)) = 𝜆2𝑡
𝑑𝑡 2
29
1
𝑒𝜆𝑡𝑃 (𝑡) = 𝜆2𝑡2 + 𝑐
2
2
( ) 1
2 2 −𝜆𝑡 −𝜆𝑡
𝑃2 𝑡 = 𝜆 𝑡 + 𝑐𝑒 , karena 𝑃2 adalah fungsi probabilitas maka c =
𝑒
2
(𝜆𝑡)𝑛𝑒−𝜆𝑡 (2.27)
𝑃𝑛(𝑡) =
𝑛!
Poisson dengan parameter 𝜆𝑡. Sehingga harga rata-rata dan variansi dari
(𝜆𝑡)𝑥𝑒−𝜆𝑡 (2.28)
𝑃𝑥(𝑡) = , 𝑥 = 0, 1, 2 . ..
𝑥!
sampai berakhir pada state 𝐸0 (Dimyati & Dimyati, 2002, p. 360). Dengan
30
demikian proses ini ekuivalen dengan kelahiran murni, kecuali proses ini
𝑑𝑃𝑛(𝑡)
= 𝜇𝑃 (𝑡) − 𝜇𝑃 (𝑡), untuk 𝑛 = 0, 1, 2, . . , 𝑁 (2.29)
𝑛+1 𝑛
𝑑𝑡
𝑑𝑃𝑁(𝑡)
= −𝜇𝑃 (𝑡), untuk 𝑛 ≈ 𝑁 (2.30)
𝑁
𝑑𝑡
proses. Sehingga probabilitas bahwa tidak ada kejadian terjadi pada saat t
adalah:
(2.30) diperoleh:
𝑑𝑃𝑁−1(𝑡)
= 𝜇𝑃 (𝑡) − 𝜇𝑃 (𝑡)
𝑁 𝑁−1
𝑑𝑡
𝑑𝑃𝑁−1(𝑡)
+ 𝜇𝑃 (𝑡) = 𝜇𝑃 (𝑡)
𝑁−1 𝑁
𝑑𝑡
𝑑𝑃𝑁−1(𝑡)
+ 𝜇𝑃 (𝑡) = 𝜇𝑒−𝜇𝑡
𝑁−1
𝑑𝑡
diperoleh:
𝑑𝑃𝑁−1(𝑡)
𝑒𝜇𝑡 + 𝜇𝑒𝜇𝑡𝑃 (𝑡) = 𝜇
𝑁−1
𝑑𝑡
𝑑
(𝑒𝜇𝑡𝑃 (𝑡)) = 𝜇
𝑁−1
𝑑𝑡
𝑑𝑃𝑁−2(𝑡)
= 𝜇𝑃 (𝑡) − 𝜇𝑃 (𝑡)
𝑁−1 𝑁−2
𝑑𝑡
𝑑𝑃𝑁−2(𝑡)
+ 𝜇𝑃 (𝑡) = 𝜇𝑃 (𝑡)
𝑁−2 𝑁−1
𝑑𝑡
𝑑𝑃𝑁−2(𝑡)
+ 𝜇𝑃 (𝑡) = 𝜇2𝑡𝑒−𝜇𝑡
𝑁−2
𝑑𝑡
diperoleh:
𝑑𝑃𝑁−2(𝑡)
𝑒𝜇𝑡 + 𝜇𝑒𝜇𝑡𝑃 (𝑡) = 𝜇2𝑡
𝑁−2
𝑑𝑡
𝑑
(𝑒𝜇𝑡𝑃 (𝑡)) = 𝜇2𝑡
𝑁−2
𝑑𝑡
𝑒𝜇𝑡𝑃𝑁−2(𝑡) = ∫ 𝜇2𝑡 𝑑𝑡
1
𝑒𝜇𝑡𝑃𝑁−2 (𝑡) = 𝜇2𝑡2 + 𝑐
2
𝑃𝑁−2 1
(𝑡) = 2 𝜇 𝑡 𝑒 −𝜇𝑡 + 𝑐 𝑒 −𝜇𝑡 , karena 𝑃𝑁−2 adalah fungsi probabilitas
2 2
32
1
𝑃𝑁−2 (𝑡) = (𝜇𝑡)2𝑒−𝜇𝑡 (2.33)
2
(𝜇𝑡)𝑁−𝑛𝑒−𝜇𝑡 (2.34)
𝑃𝑁(𝑡) =
(𝑁 − 𝑛)!
Birth- Death Process dari suatu state space berdimensi satu menjadi state
33
𝛺 = {(𝑘, 𝑗) ∶ 𝑘 ≥ 0,1 ≤ 𝑗 ≤ 𝑚}
𝐴0 𝐶0 0⋯ 0 0
⎡𝐵 𝐴1 𝐶1 ⋯⎤ 0 0 ⋯
𝑄 = 01 𝐵2 𝐴2 𝐶2 0 (2.35)
⋯⎥
⎢0 0 𝐵 𝐴 𝐶
⋱]
[0 0 0 ⋱ ⋱
Matriks Q memiliki elemen diagonal bernilai negatif dan elemen non-
diagonal bernilai positif. Untuk sebuah sistem dengan 𝑐 server, tidak hanya
𝐴0 = −𝜆
𝐴1 = [−(𝜆 + 2𝜃) 2𝜃
]
0 −(𝜆 + 𝜇)
−(𝜆 + 3𝜃) 3𝜃 0
𝐴2 = [ 0 −(𝜆 + 𝜇 + 2𝜃) 2𝜃 ]
0 0 −(𝜆 + 2𝜇 + 𝜃)
−ℎ0 𝑐𝜃 0 0 0
⎡ −ℎ1 (𝑐 − 1)𝜃 0 0 ⎤
0 0
𝐴𝑘 = 0 ⋱ ⋱ (2.36)
0
⎢ 0 0 0 −ℎ𝑘−1 (𝑐 − 𝑘 + 1)𝜃 ⎥
[ 0 0 0 0 −(𝜆 + 𝑘𝜇 + (𝑐 − 𝑘)𝜃)](𝑘+1)×(𝑘+1)
34
−ℎ0 𝑐𝜃 0 0 0
⎡
0 −ℎ1 (𝑐 − 1)𝜃 0 0 ⎤
𝐴= 0 0 ⋱ ⋱ 0 (2.37)
⎢ 0 0 0 −ℎ𝑐−1 𝜃 ⎥
[ 0 0 0 −ℎ𝑐]
0
0
𝐵1 = [ ]
𝜇
0 0
𝐵2 = [0 𝜇]
0 2𝜇
0 0 0
⎡0 ⎤
0 𝜇 0 0
𝐵𝑘 = 0 0 ⋱ 0 (2.38)
⎢0 0 0 (𝑘 − 1)𝜇⎥
[0 0 0 𝑘𝜇 ](𝑘+1)×𝑘
0 0 0 0
⎡0 𝜇 0 0⎤
𝐵= 0 0 ⋱ 0 (2.39)
⎢0 0 (𝑐 − 1)𝜇 0⎥
[0 0 0 𝑐𝜇]
𝐶0 = [𝜆 0]
𝜆 0 0
𝐶1 = [ ]
0 𝜆 0
𝜆 0 0 0
𝐶2 = [0 𝜆 0 0]
0 0 𝜆 0
𝜆 0 0 0 0
0 𝜆 0 0 0]
𝐶𝑘 = [
0 0 ⋱ 0 0 (2.40)
0 0 0 𝜆 0 (𝑘+1)×(𝑘+2)
35
𝜆 0 0 0
0 𝜆 0 0]
𝐶 = 𝜆𝐼 = [ (2.41)
0 ⋱ 0
0 𝜆
0
0
𝑅2𝐵 + 𝑅𝐴 + 𝐶 = 0 (2.42)
𝑟 𝑟0, ⋯ 𝑟0,𝑐
1 ⋯ 𝑟1,𝑐
0
⋯ ] (2.43)
0 𝑟1 ⋮
𝑹=[0 0 0 𝑟𝑐
0 0
𝐴0 𝐶0 0 0 0 0
𝐵[𝑹] = ⎡0𝐵 0 ⎤
𝐴⋱1 𝐶⋱1 0 0
⎢0
1
0 ⋱ 0 0 (2.45)
𝐵𝑐−1 𝐴𝑐−1 𝐶𝑐−1 0 ⎥
[0 0 0 𝐵𝑐 𝐴𝑐 𝐴 + 𝑅𝐵]
36
5. Solusi Steady State dari Kinerja Sistem Antrean
konstan dan independen terhadap waktu. Solusi steady state untuk 𝑃𝑛 dapat
2) Dengan menetapkan
𝑑𝑃𝑛(𝑡)
=0
𝑑𝑡
bahwa:
lim 𝑃𝑛(𝑡) = 𝑃𝑛
𝑡→∞
Sehingga:
lim 𝑑𝑃𝑛(𝑡)
{ }=0
𝑡→∞ 𝑑𝑡
menjadi:
𝑃 = 𝜆0 𝑃 (2.48)
1
𝜇1 0
37
Selanjutnya dengan menggunakan persamaan (2.46) untuk n = 1, maka
diperoleh:
diperoleh persamaan:
𝜆1𝜆0
𝑃 = 𝑃 (2.50)
2 0
𝜇2𝜇1
umum yaitu
:
𝜆𝑛−1𝜆𝑛−2 . . . 𝜆0
𝑃 = 𝑃 (2.51)
𝑛 0
𝜇𝑛𝜇𝑛−1 . . . 𝜇1
∑ 𝑃𝑛 = (2.52)
1
𝑛=0
𝐿𝑠 = ∑ 𝑛 (2.53)
𝑃𝑛
𝑛=0
𝐿𝑞 = ∑ (𝑛 − (2.54)
𝑐)𝑃𝑛
𝑛=𝑐+1
Terdapat hubungan yang kuat antara 𝐿𝑠 , 𝐿𝑞, 𝑊𝑠, dan 𝑊𝑞, sehingga salah satu
ukuran secara otomasis dapat ditentukan dari ukuran lainnya. Anggap 𝜆𝑒𝑓𝑓
38
adalah rata-rata laju kedatangan efektif (tidak bergantung dengan jumlah
𝐿𝑠
𝑊𝑠 = (2.55)
𝜆𝑒𝑓𝑓
𝐿𝑞
𝑊𝑞 = (2.56)
𝜆𝑒𝑓𝑓
Hubungan langsung dari ukuran keefektifan juga terdapat antara 𝑊𝑠 dan 𝑊𝑞,
berdasarkan definisi
Waktu Waktu
menunggu menunggu Waktu
yang yang pelayanan
diperkirakan diperkirakan yang
dalam sistem dalam diperkirakan
antrean
1
𝑊𝑠 = 𝑊𝑞 + (2.57)
𝜇
Selanjutnya mensubstitusikan persamaan (2.57) dengan 𝑊𝑠 dan 𝑊𝑞 serta
𝐿𝑠 𝜆𝑒𝑓𝑓
= + (2.58)
𝐿𝑞 𝜇
sibuk. Karena selisih antara 𝐿𝑠 dan 𝐿𝑞 harus sama dengan banyaknya pelayan
𝜆
𝜌= <1 (2.61)
𝑐𝜇
Kondisi stabil (steady state) dapat terpenuhi jika ρ < 1 yang berarti λ < μ.
Jika nilai ρ > 1 maka kedatangan terjadi dengan laju yang lebih cepat dari
pada yang dapat dilayani server. Keadaan ini menunjukkan bahwa panjang
antrean yang diharapkan bertambah tanpa batas sehingga tidak steady state.
Demikian juga jika ρ = 1, maka kedatangan terjadi dengan laju yang sama
Poisson dengan rata-rata λ. Selain itu, terdapat c server dimana setiap server
Berikut
40
ini merupakan diagram yang menggambarkan tentang model
(M/M/c):(GD/∞/∞):
λ λ λ λ λ
λ
0 1 2 c c+1
μ 2μ 3μ cμ cμ cμ
kedatangan (λ) dan rata-rata laju pelayanan (µ) customer konstan. Selain itu
solusi steady state dari kinerja sistem antrean dapat disimpulkan bahwa 𝜆𝑒𝑓𝑓
= 𝜆.
dengan atau lebih besar dari c, maka laju pelayanannya dapat dirumuskan
sebagai berikut:
𝜆𝑛 = 𝜆 , 𝑛≥0
𝜇𝑛 {𝑛𝜇, 𝑛≤𝑐
𝑐𝜇, 𝑛≥𝑐
41
Perhitungan 𝑃𝑛 untuk 𝑛 ≤ 𝑐 dapat dijabarkan sebagai berikut:
𝑛
𝑃𝑛 = 𝜌𝑛𝑃0 = (𝜆) 𝑃0
𝜇
𝑃 = 𝜆𝑛 𝑃
𝑛 0
𝜇(2𝜇)(3𝜇). . . (𝑛𝜇)
𝜆𝑛
𝑃𝑛 = 𝑃0 (2.62)
𝑛! 𝜇𝑛
dan 𝑃𝑛 untuk 𝑛 ≥ 𝑐 yaitu:
𝑃 = 𝜆𝑛 𝑃
𝑛 0
𝜇(2𝜇). . . (𝑐 − 1)𝜇(𝑐𝜇)(𝑐𝜇). . . (𝑐𝜇)
𝜆𝑛
𝑃𝑛 = 𝑃0 (2.63)
𝑐! 𝑐𝑛−𝑐𝜇𝑛
Jadi, dari persamaan (2.62) dan persamaan (2.63) diperoleh persamaan:
𝑛
( 𝜌𝑛! ) 𝑃0 0≤𝑛≤𝑐
𝑃𝑛 { 𝑛
(2.64)
( 𝜌 ) 𝑃0 𝑛>
�𝑛−𝑐 𝑐! 𝑐
�
mensubstitusikan persamaan (2.64) ke dalam persamaan Pn seperti
1
n0
berikut:
𝑐−1 ∞
𝜌 𝑛 𝜌𝑛
𝑃0 {∑ +∑ 𝑛−𝑐𝑐!
}=1
𝑛=0𝑛! 𝑛=𝑐 𝑐
𝑐−1 −1
∞
𝑛 𝑐
𝜌 𝜌 𝜌 𝑛−𝑐
𝑃0 = {∑ + ∑ 𝑛−𝑐
}
𝑛=0𝑛! 𝑐! 𝑛=𝑐 𝑐
𝑐−1
−1
𝑃 = {∑ 𝜌
𝑛
𝜌𝑐 𝜌
)} , <1 (2.65)
1
+ (
0
𝑛! 𝑐! 1 − 𝜌/𝑐 𝑐
𝑛=0
berikut:
𝐿𝑞 = ∑(𝑛 − 𝑐)𝑃𝑛
𝑛=𝑐
𝐿𝑞 = ∑ 𝑘𝑃𝑘+𝑐
𝑘=0
∞
𝑘+𝑐
= ∑ 𝑘𝜌 𝑃0
𝑘=0 𝑐 𝑐!
𝑘
𝜌𝑐 𝜌 ∞
𝜌 𝑘−1
𝐿𝑞 = 𝑃0 ∑ 𝑘( )
𝑐! 𝑐 𝑘=1 𝑐
Dimana
∞ ∞
𝜌 𝑘−1
𝑑 𝜌 𝑘 𝑑 1 1
∑ 𝑘( = ∑( ) [ ]
) 𝜌 = = 1−𝜌
𝜌 𝜌 2
𝑐 𝑐
𝑘=1 𝑑 ( ) 𝑘=0 𝑑( ) (1 − )
𝑐 𝑐 𝑐 𝑐
43
Sehingga diperoleh persamaan:
44
𝜌𝑐 𝜌
𝐿 𝑞 = 𝑃0 1
𝑐! 𝑐 𝜌 2
(1 − )
𝑐
=[ 𝜌𝑐+1
𝑐 − 𝜌 ] 𝑃0
2
𝑐! 𝑐 ( )
𝑐
=[ 𝜌𝑐+1 ]𝑃
(𝑐 − 𝜌)2 0
(𝑐 − 1)! 𝑐2
𝑐2
𝜌𝑐+1
𝐿𝑞 = [ ] 𝑃0 (2.66)
(𝑐 − 1)! (𝑐 − 𝜌)2
𝜆
𝐿𝑠 = 𝐿𝑞 +
𝜇
= 𝐿𝑞 + 𝜌
𝜌𝑐+1
𝐿𝑠 = [ ] 𝑃0 + 𝜌 (2.67)
(𝑐 − 1)! (𝑐 − 𝜌)2
Nilai 𝑊𝑞 dapat ditentukan dengan mensubstitusikan persamaan (2.66)
𝑊𝑞 = 𝐿𝑞
𝜆
[ 𝜌𝑐+1 ]𝑃
𝑊𝑞 = (𝑐 − 1)! (𝑐 − 𝜌)2 0
𝜆
𝜆𝜌𝑐 1
= 𝑃 0 ×
𝜇(𝑐 − 1)! (𝑐 − 𝜌)2 𝜆
45
𝑊𝑞 = 𝜌𝑐 𝑃0 (2.68)
𝜇(𝑐 − 1)! (𝑐 − 𝜌)2
1
𝑊𝑠 = 𝑊𝑞 +
𝜇
𝜌 𝑐
1
𝑊𝑠 = 𝑃 0 + (2.69)
𝜇(𝑐 − 1)! (𝑐 − 𝜌)2 𝜇
persamaan:
𝑐̅ = {[
𝜌𝑐+1 ] 𝑃0 + 𝜌 } − 𝜌𝑐+1 ] 𝑃0 } = 𝜌 (2.70)
2 2
{[
(𝑐 − 1)! (𝑐 − 𝜌) ( 𝑐 − 1) ! ( 𝑐 − 𝜌 )
46
sepenuhnya ditentukan dari suatu distribusi Poisson. 𝑆𝑁(𝑋) adalah distribusi
47
frekuensi kumulatif yang diobservasi dari suatu sampel acak dengan 𝑁
observasi. Dari distribusi teoritis dapat ditarik asumsi bahwa dibawah 𝐻0,
diharapkan untuk setiap nilai 𝑋, 𝑆𝑁(𝑋) harus mendekati 𝐹0(𝑋). Jadi, dibawah
asumsi 𝐻0 diharapkan selisih antara 𝑆𝑁(𝑋) dan 𝐹0(𝑋) kecil dan ada dalam
yang dirumuskan:
Tes ini memperlihatkan dan menyelesaikan suatu observasi terpisah dari yang
digabungkan. Bisa digunakan baik sampel kecil (𝑁 ≤ 25) maupun besar (𝑁 >
25). Kekuatan dari tes Kolmogorov-Smirnov lebih besar dalam semua kasus
E. Vacation
Dalam sebuah sistem antrean akan terdapat individu yang datang untuk
Sebuah sistem antrean yang memiliki satu server disebut dengan single server
sedangkan sistem antrean dengan lebih dari satu server disebut multiserver.
saja mempunyai tugas sekunder. Salah satu server yang terdapat di bank
48
adalah
49
customer service. Tugas customer service selain melayani customer atau
melakukan tugas sekunder ataupun saat server tidak melayani pelanggan pada
dianggap sebagai waktu istirahat server, waktu bagi server ketika melakukan
tugas sampingan, atau gangguan teknis pada saat melakukan pelayanan (Tian
dari satu server pada sistem antrean, maka digunakan Multiserver Vacation
Models. Pada penulisan skripsi ini hanya akan dibahas mengenai model
antrean multiserver dengan vacation yang dilakukan beberapa kali oleh satu
atau lebih server secara tidak bersamaan. Model antrean yang demikian
dan waktu vacation (𝜃) ketiganya saling bebas. Diberikan 𝐿𝑣(𝑡) adalah banyak
pelanggan dalam sistem pada waktu t, dan diberikan 𝐽(𝑡) adalah banyak server
50
F. Antrean M/M/c dengan Multiple Asynchronous Vacation (AS, MV)
antrean dengan server lebih dari satu, dimana server-server dalam sistem
dengan serempak maka server tersebut melakukan apa yang disebut dengan
Multiple Synchronous Vacation. Dalam skripsi ini diambil studi kasus pada
sistem antrean di PT Bank BPD DIY Kantor Cabang Sleman sehingga model
Vacation.
model antrian M/M/c (AS,MV) dapat dipandang sebagai suatu QBD Process
𝐴0 𝐶0 0 0 0 0 0 0
⎡𝐵 𝐴1 𝐶1 ⋯⎤
⎢ 1 0 0 0 0 0
⎢0 𝐵2 𝐴2 𝐶2 0 0 ⋯0⎥
…
0
⎥
⎢0 0 ⋱ ⋱ ⋱ 0 0 0 ⋯
𝑄=⎢0 0 0 𝐵𝑐−1 𝐴𝑐−1 𝐶𝑐−1 0 0 …⎥
⎢0 0 0 0 𝐵 𝐴 𝐶 0 ⎥
⎢0 …⎥
0 0 0 0 𝐵 𝐴 𝐶 ⋱⎥
⎢0 0 0 0 𝐵 𝐴 ⋱⎥
0 0
[⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋱ ]
51
1. Rate Matrix R
minimum dari suatu persamaan matriks kuadratik (2.42) dalam suatu Quasi
Birth and Death Process. Entri-entri diagonal rate matrix R dapat dicari
turut merupakan entri pada kolom terakhir dan baris terakhir dari matriks 𝐴𝑘,
Mempunyai dua akar, yaitu 𝑟𝑘 < 𝑟∗𝑘 dan 0 < 𝑟𝑘 < 1, 𝑟𝑘∗ ≥ 1
Bukti :
𝑎 = 𝑘𝜇
𝑏 = −[𝜆 + 𝑘𝜇 + (𝑐 − 𝑘)𝜃]
𝑐=𝜆
52
Maka
dan
𝜆 + ( 𝑘 + 1) 𝜇 + ( 𝑐 − 𝑘 − 1 ) 𝜃
𝑟∗ =
𝑘+1
2(𝑘 + 1)𝜇
(2.76)
√(𝜆 + (𝑘 + 1)𝜇 + (𝑐 − 𝑘 − 1)𝜃)2 − 4(𝑘 + 1)𝜇𝜆
+
2(𝑘 + 1)𝜇
𝜆 + ( 𝑘 + 1) 𝜇 + ( 𝑐 − 𝑘 − 1) 𝜃
𝑟𝑘+1 =
2(𝑘 + 1)𝜇
(2.77)
√(𝜆 + (𝑘 + 1)𝜇 + (𝑐 − 𝑘 − 1)𝜃) − 4(𝑘 + 1)𝜇𝜆
2
−
2(𝑘 + 1)𝜇
diperoleh persamaan:
(𝑘 + 1)𝜇𝑟∗ 𝜆 + ( 𝑘 + 1) 𝜇 + ( 𝑐 − 𝑘 − 1 ) 𝜃
𝑘+1
=
2
(2.78)
√(𝜆 + (𝑘 + 1)𝜇 + (𝑐 − 𝑘 − 1)𝜃) − 4(𝑘 + 1)𝜇𝜆
2
+
2
Selanjutnya persamaan (2.77) dikalikan dengan (𝑘 + 1)𝜇, sehingga
diperoleh persamaan:
53
(𝑘 + 1)𝜇𝑟𝑘+1 = 𝜆 + (𝑘 + 1)𝜇 + (𝑐 − 𝑘 − 1)𝜃
2
(2.79)
√(𝜆 + (𝑘 + 1)𝜇 + (𝑐 − 𝑘 − 1)𝜃)2 − 4(𝑘 + 1)𝜇𝜆
−
2
diperoleh persamaan:
𝑟𝑐 = 𝜌 untuk 0 ≤ 𝑘 ≤ 𝑐 − 1, 𝑘 + 1 ≤ 𝑗 ≤ 𝑐 (2.82)
dapat dihitung secara rekursif dari nilai entri-entri pada diagonal matriks.
54
(𝑘 + 1)𝜇(𝑟𝑘𝑟𝑘,𝑘+1 + 𝑟𝑘,𝑘+1𝑟𝑘+1) + (𝑐 − 𝑘)𝜃𝑟𝑘
− [𝜆 + (𝑘 + 1)𝜇 + (𝑐 − 𝑘 − 1)𝜃]𝑟𝑘,𝑘+1 = 0
(𝑘 + 1)𝜇(𝑟𝑘𝑟𝑘,𝑘+1 + 𝑟𝑘,𝑘+1𝑟𝑘+1)
(2.84)
−[𝜆 + (𝑘 + 1)𝜇 + (𝑐 − 𝑘 − 1)𝜃]𝑟𝑘,𝑘+1 = −(𝑐 − 𝑘)𝜃𝑟𝑘
Dengan 0 ≤ 𝑘 ≤ 𝑐 − 1.
persamaan:
= (𝑐 − 𝑘)𝜃𝑟𝑘
diperoleh persamaan:
𝑟𝑘,𝑘+1 𝑐−𝑘 𝜃 𝑟𝑘
=( )( 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑘 ≤ 𝑐 − 1 (2.86)
) ∗ 𝑘+1 −
𝑘+1 𝜇 𝑟
𝑟𝑘
(𝑐 − 𝑘)(𝑐 − 𝑘 − 1) 𝜃 2 𝑟𝑘𝑟∗𝑘+2
𝑟𝑘,𝑘+2 = ( )
(𝑘 + 1)(𝑘 + 2) 𝜇 (𝑟∗ 𝑘+2 − 𝑟𝑘+1 )(𝑟∗ 𝑘+1 −
(2.87)
𝑟 𝑘)
𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑘 ≤ 𝑐 − 2
(𝑐 − 𝑘)(𝑐 − 𝑘 − 1)(𝑐 − 𝑘 − 2)
3
𝑟𝑘,𝑘+3 = ( 𝜃) …
(𝑘 + 1)(𝑘 + 2)(𝑘 + 3) 𝜇
𝑟𝑘𝑟∗𝑘+3(𝑟∗𝑘+2𝑟∗𝑘+3 − 𝑟𝑘𝑟𝑘+1)
(2.88)
…
(𝑟∗ 𝑘+3 − 𝑟𝑘+2 )(𝑟∗ 𝑘+2 − 𝑟𝑘+1 )(𝑟∗ 𝑘+1 − 𝑟𝑘)
𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑘 ≤ 𝑐 − 3
55
⋮
56
(𝑐 − 𝑘)(𝑐 − 𝑘 − 1)(𝑐 − 𝑘 − 2) … (𝑐 − 𝑘 −
𝑛) 𝜃 𝑛
𝑟𝑘,𝑘+𝑛 = ( )
(𝑘 + 1)(𝑘 + 2)(𝑘 + 3) … (𝑘 + 𝑛) 𝜇
…
(2.89)
∗ ∗ ∗
𝑟𝑘𝑟 𝑘+𝑛(𝑟 𝑘+𝑛−1𝑟 𝑘+𝑛 − 𝑟𝑘𝑟𝑘+1)
…
(𝑟∗ 𝑘+𝑛 − 𝑟𝑘+𝑛−1 ) … (𝑟∗ 𝑘+3 − 𝑟𝑘+2 )(𝑟∗ 𝑘+2 − 𝑟𝑘+1 )(𝑟∗ 𝑘+1 − 𝑟𝑘)
𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑘 ≤ 𝑐 − 𝑛
process yang irreducible merupakan suatu positif recurrent jika dan hanya
berdimensi 𝑐 + 1
𝜋𝑘 = 𝜋𝑐𝑹𝑘−𝑐, 𝑘 ≥ 𝑐 (2.90)
57
umum representasi dari matrix geometric distribution adalah
58
𝜋𝑘 = 𝜋0𝑅𝑘 (2.91)
𝜋𝑘 = 𝐾𝛽𝑘, 0 ≤ 𝑘 ≤ 𝑐
𝜋𝑘 = 𝐾𝛽𝑘𝑹𝑘−𝑐, 𝑘 ≥ 𝑐 (2.92)
𝑐−1 −1
dinotasikan dengan 𝐿𝑣(𝑐). Nilai banyaknya customer yang berada pada sistem
antrean M/M/c (AS, MV) merupakan jumlahan dari banyak customer pada
waktu server belum melakukan vacation dan banyak customer yang datang
persamaan berikut:
𝐿(𝑐) = 𝐿 + 𝐿
𝑣 𝑠 𝑑
Dengan
59
Misal sebanyak k customer memasuki sistem antrean pada saat d
server melakukan vacation. Menurut (Tian & Zhang, 2006, p. 227) peluang
1
𝛽𝑐𝑐 𝑘=0
𝑃{𝐿𝑑 = 𝑘} = { 𝜎 𝑘−1 (2.93)
1 𝛿𝐻 𝜂 𝑘≥
1
𝜎
dengan 𝜎 = 𝛽𝑐𝑐 + 𝛿𝐻𝑘−1𝜂 dan 𝛿 = 𝛽𝑐,0, 𝛽𝑐,1, 𝛽𝑐,2, … , 𝛽𝑐,𝑐−1 merupakan
vektor baris berdimensi 𝑐. Sehingga 𝛽𝑐 = (𝛽𝑐0, 𝛽𝑐1, 𝛽𝑐2, … , 𝛽𝑐,𝑐−1, 𝛽𝑐𝑐) = (𝛿,
𝑟 𝑟0 ⋯ 𝑟0𝑐−1
0 1 ⋯ 𝑟1𝑐−1
0 𝑟1 ⋯ ⋮ ]
𝑯=[0 0 0 𝑟𝑐−1
0 0
𝑟0𝑐
𝑟1𝑐
𝜂=[ ⋮ ]
𝑟𝑐−1,𝑐
𝑃 {𝐿 1
{𝛽 𝑘} =
= + 𝛿𝐻𝑘−1𝜂}
𝑑 𝑐𝑐
𝜎
Selanjutnya akan dicari fungsi pembangkit peluang dari 𝐿𝑑, yaitu:
∞ ∞
𝐿 (𝑧) = ∑ 𝑧𝑘
𝑃{𝐿 = 𝑘 ={𝛽∑𝑘 𝑧 1 ( + 𝛿𝑯𝑘−1𝜂})
𝑑
}
𝑐𝑐
𝑑 𝑘=0 𝜎
𝑘=0
1 ∞
= ∑ 𝑧𝑘 {𝛽 + 𝛿𝑯𝑘−1𝜂}
𝜎 𝑐𝑐
𝑘=0
1 [ {
= ( 𝑧 𝛽 + 𝛿𝜂}] + [𝑧2{𝛽 + 𝛿𝑯1𝜂}] + ⋯ )
60
𝑐𝑐 𝑐𝑐
𝜎
61
1
{𝛽 (𝑧) =
𝐿 + 𝑧𝛿(1 − 𝑧𝑯)−1𝜂} (2.94)
𝑑 𝑐𝑐
𝜎
Kemudian dari definisi fungsi pembangkit peluang dan persamaan (2.93)
𝐸( 𝐿
) = 𝐿 (1) = 1 ( 𝛿(𝐼 − 𝑧𝑯)𝜂 − (𝑧𝛿𝜂)(−𝑯)
′
𝑑 𝑑 )
(1 − 𝑧𝐻)2
𝜎
𝐸(𝐿𝑑 1
)= 𝛿(1 − 𝑯)−2𝜂
𝜎
Jadi nilai harapan banyaknya customer dalam sistem antrean M/M/c (AS,
MV) adalah:
𝐿(𝑐) = 𝐿 + 𝐿
𝑣 𝑑
𝜌 𝑠
(𝑐)
𝐿 = )−2𝜂 (2.95)
1 (
𝑣 + 𝐼−𝑯
𝛿
1−𝜌 𝜎
dinotasikan dengan 𝑊𝑣(𝑐), dapat dicari menggunakan Little’s Law seperti pada
(𝑐 )
(𝑐) 𝐿 𝑣
𝑊
𝑣 =
𝜆
1 𝜌 1
𝑊(𝑐) = ( )−2𝜂) (2.95)
(
+ 𝐼−𝑯
𝑣 𝛿
𝜆 1−𝜌 𝜎
62
Substitusikan 𝜆 = 𝜌𝑐𝜇 ke dalam persamaan (2.95), sehingga diperoleh:
63
(𝑐) 1
𝑊 = + 𝛿(𝐼 − 𝑯)−2𝜂 (2.96)
𝜌
𝑣
𝑐𝜇(1 − 𝜌) 𝑐𝜇𝜎
sarana pelayanan.
1. Sejarah Singkat
Sebagai suatu perusahaan daerah, pertama kalinya Bank BPD DIY diatur
Peraturan Daerah Nomor 11 Tahun 1997 dan Nomor 7 Tahun 2000. Tujuan
rakyat banyak.
64
Bank BPD DIY merupakan salah satu alat kelengkapan otonomi
menyimpan uang daerah, dan sebagai salah satu sumber pendapatan daerah
2. Visi Misi
Visi Bank BPD DIY adalah Menjadi Bank Terpercaya, Istimewa dan
profesional
65
Budaya Kerja dan Perilaku Utama “ISTIMEWA”
a. Respek
b. Akurat
c. Modern
d. Amanah
e. Handal
66