Antrian

Presented by kelompok 4 :
Intan Sandra Hitama Y
Novita Handayani
Zumrotul Fatimiyyah
Nurul Khasanah
 Distribusi
komponensi
Konsep
Teori
Antrian Pure death

?? model
 Antrian..??

Menurut Siagian (1987), antrian ialah

suatu garis tunggu dari nasabah (satuan)
yang memerlukan layanan dari satu atau
lebih pelayan (fasilitas layanan)
CONTOH ANTRIAN

Pelanggan menunggu di kasir

Mahasiswa menunggu konsultasi dengan pembimbing
Mahasiswa menunggu registrasi dan pembayaran spp
Penumpang kereta api menunggu pelayanan loket
penjualan karcis
Pengendara kendaraan menunggu pengisian bahan
bakar
Beberapa produk atau komponen menunggu untuk
diselesaikan
 4 model struktur antrian dasar yang
umum terjadi dalam seluruh sistem
antrian
Single Channel Single Ada dua atau lebih pelayanan yang
dilaksanakan secara berurutan (dalam
Phase
phasephase)

ada dua atau lebih pelayanan yang

Single Channel Multi dilaksanakan secara berurutan (dalam
Phase phasephase).

Ada dua atau lebih fasilitas

Multi Channel Single pelayanan dialiri oleh antrian
Phase tunggal

Multi Channel Multi sistem ini mempunyai beberapa fasilitas

pelayanan pada setiap tahapnya
Phase
 PROSEDUR ANTRIAN
Tentukan sistem antrian yang harus
dipelajari

Tentukan model antrian yang cocok

Gunakan formula matematik atau

metode simulasi untuk menganalisa
model antrian
omponen dalam sistem antri
Populasi Distribusi Disiplin
masukan kedatangan pelayanan

Distribusi Kapasitas
Fasilitas sistem
pelayanan pelayanan
pelayanan

Karakteristik
sistem lainnya
 MENGUKUR KINERJA ANTRIAN

Waktu rata-rata yang dihabiskan oleh pelanggan dalam

antrian ( Wq )
Panjang antrian rata-rata ( Lq )
Waktu rata-rata yang dihabiskan oleh pelanggan dalam
system ( Ws )
Jumlah pelanggan rata-rata dalam system ( Ls )
Probabilitas fasilitas pelayanan akan kosong ( Po )
Probabilitas sejumlah pelanggan ( Pn )
Faktor utilitas system ( )
 RAGAM MODEL
ANTRIAN
Kedatangan
berdistribusi poisson

Penggunaan aturan
FIFO

Pelayanan satu tahap

 Apa itu
Distribusi
eksponensial?
??

Distribusi eksponensial adalah salah

satu kasus khusus dari distribusi
gamma. Peubah acak kontinu
berdistribusi eksponensial dengan para
meter I , bila fungsi padatnya : diamna
juga didapat dengan b > 0 , sehingga
distribusi eksponensial juga disebut
dengan distribusi gama dengan dengan
a= 1.
 Tak lanjutin ya
biar paham

Distribusi eksponensial juga merupakan

suatu distribusi yang berguna untuk
mencari selisih waktu yang terjadi dalam
suatu peluang tertentu . Dalam distribusi
eksponensial ini digunakan pencarian atau
pengolahan data dengan menggunakan
variabel random
Karakteristik distribusi eksponensial

Mempunyai nilai variansi

Mempunyai nilai mean
Pencarian pada distribusi eksponensial
menggunakan variabel random
Peluang yang terjadi pada suatu
percobaan mempengaruhi selisih waktu
yang terjadi pada percobaan tersebut
Mempunyai nilai b > 0
KEGUNAAN DAN
APLIKASI DISTRIBUSI
EKSPONENSIAL
untuk mengukur selisih waktu antara orang 1 dan
ke 2 dalam suatu antrian. Selanjutnya distribusi
ini juga
berguna untuk mengukur tingkat kegagalan yang
mungkin terjadi dalam suatu peluang .
Kemudian distribusi eksponensial juga berguna
dalam mencari peubah acak kontinu x dengan
menggunakan variabel random ( bilangan acak ).
PARAMETER DISTRIBUSI
EKSPONENSIAL
Rataan , varians , dan fungsi pembangkit
momen dari distribusi eksponensial
dirumuskan sebagai berikut
=
=
Mx ( t ) = (1 -t);t <
 Rumus Distribusi Eksponensial dalam kehidupan sehari-
hari
Syarat dari distribusi eksponensial yaitu :
X0
>0
Dalam menghitung probabilitas distribusi eksponensial ,
rumus yang diguanakan adalah :
P ( X Xo ) = e - Xo
Dimana :
X = interval rata-rata
= parameter rata-rata
Xo = rata-rata sampel yang ditanyakan
e= eksponensial = 2,71828
 Biar tambah paham kita ke contoh soal
ya^_^
Contoh soal :
Toko Cd Beat the Hits tengah mengadakan diskon besar-besaran sehingga kedatangan
pengunjung yang berdistribusi eksponensial meningkat dari biasanya menjadi 8,4 per 35 menit
. Berapa probabilitas kedatangan pengunjung dalam selang waktu 8 menit atau lebih ?
Diketahui :
Xo= 8 menit / 35 menit = 0,228
= 8,4
Ditanyakan : P (X8menit )?
Jawab :
P(X Xo ) = eXo
P(X Xo )= e (-8,4*0,228)
= 0,1473
Jadi peluang probabilitas bahwa kedatangan pelanggan Beat The Hits memiliki selang waktu
kedatangan 8 menit atau lebih sebesar 0,1473 .
 LaluPure
death model itu
apa ???

Pure Death Model adalah sistem antrian dimana

customer ditarik dari sistem dan hampir tidak ada
customer yang masuk ke dalam sistem dalam dalam
suatu periode waktu tertentu. Model pertimbangan
situasi penyimpanan N unit barang diawalminggu
untuk memenuhi permintaan pelanggan selama
minggu tersebut
T r m
e i a
Kasih
Lets Start Discuss..