Introduction to Management Science

8th Edition
by
Bernard W. Taylor III

Chapter 13
Analisis Antrian
(Queuing Analysis)

Chapter 13 - Queuing Analysis 1

Chapter Topics

Unsur-unsur Analisis Antrian (Elements of Waiting Line Analysis

Sistem Antrian Pelayanan Tunggal (The Single-Server Waiting
Line System
Waktu Pelayanan Tidak Terbatas dan Konstan (Undefined and
Constant Service Times
Panjang Antrian Terbatas (Finite Queue Length
Populasi Pelanggan Terbatas (Finite Calling Problem
Antrian Pelayanan Multipel (The Multiple-Server Waiting Line
Tambahan Jenis Sistem Antrian (Addition Types of Queuing
Systems

Chapter 13 - Queuing Analysis 2

Overview

Yg menghabiskan sebagian waktu untuk mengantri bukan hanya orang

saja (antrian dalam membayar di supermarket, gerbang tol, transaksi di
bank, dll), ttp jg produk yg menunggu giliran dlm proses produksi,
mesin yg menunggu giliran untuk diperbaiki, dll.
Memberikan pelayanan cepat mrpk aspek penting atas kualitas
pelayanan pd pelanggan.
Dasar analisis waktu menunggu adalah trade-off antara biaya
perbaikan pelayanan & biaya yg berasal dari waktu menunggu
pelanggan.
Analisis Antrian mrpk bentuk analisis probabilitas.
Hasil dr analisis antrian disebut sbg karakteristik operasi.
Hasil ini digunakan oleh manajer untuk mengambil keputusan dlm
suatu operasi yg mengandung masalah antrian.

Chapter 13 - Queuing Analysis 3

Unsur-unsur Analisis Antrian

Antrian terbentuk krn orang atau jasa tiba pd fungsi pelayanan (server)
lebih cepat dibandingkan waktu untuk memberikan pelayanan pd
mereka.
Sebagian besar perusahaan memiliki kapasitas pelayanan yg cukup
tersedia untuk melayani pelanggan dlm jangka panjang.
Kedatangan pelanggan tidak terjadi pd tingkat yg sama, dan waktu yg
dubutuhkan untuk melayani pelanggan jg tidak sama.
Dlm jangka panjang, antrian yg terbentuk semakin panjang & berkurang
(bahkan kadang kosong) akan mendekati suatu tingkat kedatangan
rata-rata dan tingkat pelayanan rata-rata.
Keputusan mengenai manajemen antrian dibuat berdasarkan rata-rata
kedatangan pelanggan dan waktu pelayanan.
Dua hal tsb digunakan dlm formula antrian untuk menghitung
karakteristik operasional sistem antrian yg selanjutnya dijadikan
dasar dlm mengambil keputusan.
Chapter 13 - Queuing Analysis 4
Sistem Antrian Pelayanan Tunggal
The Single-Server Waiting Line System (1 of 2)
Komponen dr suatu sistem antrian adalah kedatangan, pelayanan, dan
struktur antrian.
Faktor-faktor penting dlm analisis:
Disiplin antrian (pd urutan ke brp pelanggan dilayani).
Sifat populasi pelanggan (dr mana pelanggan berasal).
Tingkat kedatangan (seberapa banyak pelanggan ada dlm antrian).
Tingkat pelayanan (seberapa cepat pelanggan dilayani)

Chapter 13 - Queuing Analysis 5

Konfigurasi contoh sistem antrian pelayanan tunggal

Fasilitas
layanan

Baris antrian
Figure 13.1
The Fast Shop Market Queuing System

Chapter 13 - Queuing Analysis 6

Single-Server Waiting Line System
Component Definitions
Disiplin Antrian (Queue Discipline): urutan dimana
pelanggan yg menunggu akan dilayani.
Populasi Pelanggan (Calling Population): adalah sumber
pelanggan (terbatas atau tak terbatas).
Tingkat Kedatangan (Arrival Rate): mrpk frekuensi
pelanggan datang dlm antrian berdasarkan suatu distribusi
probabilitas (biasanya berdistribusi Poisson).
Tingkat Pelayanan (Service Rate): mrpk rata-rata jumlah
pelanggan yg dpt dilayani selama suatu periode tertentu
(biasanya berdistribusi exponential negative).

Chapter 13 - Queuing Analysis 7

Model Pelayanan Tunggal
Single-Server Model
Asumsi model pelayanan tunggal:
Populasi pelanggan yg tak terbatas.
Disiplin antrian “pertama datang-pertama dilayani” (first-come, first-
served).
Tingkat kedatangan Poisson.
Waktu pelayanan Exponential.
Symbol:
 = tingkat kedatangan (rata2 jumlah kedatangan per periode waktu)
 = tingkat pelayanan (rata2 jumlah yg dilayani per periode waktu)
Pelanggan harus dilayani dgn tingkat kecepatan yg lebih tinggi dr tingkat
kedatangan ( < ), shg tdk terjadi antrian yg tak terhingga.

Chapter 13 - Queuing Analysis 8

Formula dasar antrian pelayanan tunggal
Basic Single-Server Queuing Formulas
Probabilitas tdk adanya pelanggan dlm suatu sistem antrian:

 
Po  1  



 

Probabilitas terdapat n pelanggan dlm suatu sistem antrian:

n n
Pn      
     




 
  Po   
  1 



    

Rata2 jumlah pelanggan dlm suatu sistem antrian:

L 
 
Rata2 jumlah pelanggan dalam baris antrian:

Lq    2
     
9
Rata2 waktu yg dihabiskan seorang pelanggan dlm keseluruhan sistem
antrian:
W  1 L
  
Rata2 waktu yg dihabiskan seorang pelanggan untuk menunggu dlm
antrian sampai dilayni:
Wq  
     

Probabilitas bahwa pelayanan sedang sibuk (faktor utilisasi):

U 

Probabilitas bahwa pelayanan menganggur:

I 1U 1 

10
Contoh
Karakteristik untuk Fast Shop Market
 = 24 pelanggan per jam kedatangan ke tempat kasir
 = 30 pelanggan per jam yg dpt keluar
 

  

 (1 - 24/30)
Po  1  

 

 0.20 Probabilitas tdk adanya pelanggan dlm sistem

L    24/(30 - 24)  4 Pelanggan, rata2 dlm sistem antrian

 

Lq    2

   

 (24)2/[30( 30 - 24)]  3.2 Pelanggan, rata2 dlm baris antrian

11
W  1  L  1/[30 - 24]
  
 0.167 Jam (10 menit), waktu rata2 tiap pelanggan dlm sistem

Wq    24/[30(30 - 24)]
   
 0.133 Jam (8 menit), waktu rata2 tiap pelanggan dlm baris antrian

U    24/30
 .80 Probabilitas pelayanan akan sibuk
I = 1 – U = 1 – 0.8 = 0.20, Probabilitas server menganggur, dan
seorang pelanggan dapat dilayani

12
Karakteristik Operasi Keadaan Tetap
(Steady-State)
Karakteristik operasi adalah rata2 dan diasumsikan menjadi rata2
keadaan tetap.
Statistik operasional sistem antrian mrpk keadaan tetap, atau konstan,
sepanjang waktu.
Karena keadaan tetap maka:
Faktor utilisasi, U, hrs kurang dr 1: U < 1, atau  /  < 1 dan  < .
Rasio tingkat kedatangan thd tingkat pelayanan hrs lebih kecil dr 1
atau tingkat pelayanan hrs lebih tinggi dr tingkat kedatangan.
Server hrs dpt melayani pelanggan lebih cepat dr kedatangan
pelanggan, kalau tidak, baris antrian akan memanjang menjadi tdk
terbatas.

Chapter 13 - Queuing Analysis 13

Dampak Karakteristik Operasi thd Keputusan
Manajerial
Manajer ingin menguji bbrp alternatif untuk mengurangi waktu
menunggu yg dilakukan pelanggan:
Penambahan karyawan untuk mengepak barang belanjaan.
Penambahan tempat kasir baru.
Alternatif 1: Penambahan Karyawan (tingkat pelayanan meningkat dari
 = 30   = 40 pelanggan per jam).
biaya $150 per minggu/karyawan, terhindar dr kerugian $75 per
minggu untuk setiap menit pengurangan waktu menunggu.
Karakteristik operasi berdasarkan parameter yg baru ( dan ):
Po = 0.40 probabilitas tdk adanya pelanggan dlm sistem
L = 1.5 pelanggan, rata2 dlm sistem antrian

Chapter 13 - Queuing Analysis 14

 Alternatif 1

Lq = 0.90 pelanggan, rata2 dlm baris antrian

W = 0.063 jam (3.75 menit) waktu rata2 per pelanggan dlm sistem
Wq = 0.038 jam (2.25 menit) waktu rata2 per pelanggan dlm baris antrian
U = 0.60 probabilitas pelnggan hrs menunggu (server sibuk)
I = 0.40 probabilitas server akan menganggur

• Rata2 waktu menunggu bagi tiap pelanggan (Wq) telah berkurang dari 8
menit menjadi 2.25 menit. Penghematan (kerugian yg dpt dihindari) yg
diperoleh:
8 menit – 2.25 menit = 5.75 menit
5 menit x $75/menit = $431.25
• Karena tambahan karyawan menimbulkan biaya $150 per minggu, total
penghematan yg terjadi= $431.25 - $150 = $281.25 per minggu

Chapter 13 - Queuing Analysis 15

 Alternatif 2

Alternatif 2: Penambahan Tempat Kasir Baru

 Biaya pembuatan $6,000 dan upah $200 per minggu untuk kasir
tambahan
  = 24/2 = 12 pelanggan per jam
 = 30 pelanggan yg dilayani per jam
karakteristik operasi bdsk  dan  yg baru :
Po = .60 probabilitas tdk ada pelanggan dlm sistem
L = 0.67 pelanggan dlm sistem antrian
Lq = 0.27 pelanggan dlm baris antrian
W = 0.055 jam (3.33 menit) per pelanggan dlm sistem
Wq = 0.022 jam (1.33 menit) per pelanggan dlm baris antrian
U = .40 probabilitas seorang pelanggan hrs menunggu
I = .60 probabilitas server menganggur

Chapter 13 - Queuing Analysis 16

 Alternatif 2

Penghematan:
Waktu menunggu: 8 menit – 1.33 menit = 6.67 menit
6.67 menit x $75/menit = $500 per minggu
Karena ada upah kasir/minggu $200, maka total
penghematan per minggu = $500 - $200 = $300.
Untuk menutup biaya pembuatan kasir dibutuhkan waktu
selama 20 minggu ($6000/$300 = 20 minggu).
Setelah 20 minggu, toko tsb akan menghemat $18.75 per
minggu ($300 - $281.25) lebih banyak dgn membuat tempat
kasir baru drpd memperkerjakan karyawan tambahan.

Chapter 13 - Queuing Analysis 17

Ringkasan karakteristik operasi untuk setiap
alternatif sistem

Table 13.1
Operating Characteristics for Each Alternative System

Chapter 13 - Queuing Analysis 18

Pertukaran biaya untuk tingkat pelayanan

Total biaya fasilitas pelayanan

Tingkat pelayanan yg
hrs dipertahankan

Figure 13.2
Cost Trade-Offs for Service Levels
Chapter 13 - Queuing Analysis 19
Waktu Pelayanan Tidak Terbatas dan Konstan

Waktu pelayanan konstan terjadi pd peralatan mesin yg

otomatis.
Waktu pelayanan konstan mrpk kasus khusus pd model
pelayanan tunggal dgn waktu pelayanan tdk terbatas.
Formula untuk waktu pelayanan tdk terbatas:

Po 1  Wq  Lq

2
     /  
2 2  
1
Lq    W Wq  
21  /  
 


L  Lq   
U 

Chapter 13 - Queuing Analysis 20

Contoh Waktu Pelayanan Tdk Terbatas
Data: Suatu perusahaan dgn satu mesin fax; tingkat kedatangan 20
orang per jam dan berdistribusi Poisson; waktu pelayanan tdk terbatas
dgn rata2 2 menit dan standard deviasi 4 menit.
Karakteristik operasi:
 120  .33 Probabilitas mesin menganggur
Po 1 
30
2 2 2
2 2  /  2  20 1/15  20 / 30
Lq  
2 1 / 
 
2 120 / 30
 3.33 Karyawan berada dlm baris antrian
 3.33 (20 / 30)
L  Lq  
 4.0 Karyawan dlm antrian & menggunakan mesin

Chapter 13 - Queuing Analysis 21

 Wq  Lq  3.33 0.1665 jam  10 Menit waktu menunggu
 20
dlm baris antrian
W Wq  1  0. 1665  1  0.1998 jam
30
 12 Menit waktu berada dlm sistem
  20  67% Penggunaan mesin
U 
30

Chapter 13 - Queuing Analysis 22

Waktu pelayanan konstan
Formula:

Pada model dgn waktu pelayanan konstan tdk ada

variabilitas pd waktu pelayanan   = 0.
susbstitusikan  = 0 pada rumus:
2 2 2  2  2
     /    0    /  
2 2   
  /  

 2
Lq       
21  /  
 
21  /  
 
21  /   2     

     

Seluruh formula lainnya sama dgn formula pelayanan

tunggal.

Chapter 13 - Queuing Analysis 23

Contoh Waktu Pelayanan Konstan

Pencucian Mobil otomatis: mesin cuci mobil tsb dpt

menampung 1 mobil; waktu mencuci (pelayanan) konstan
4.5 menit; tingkat kedatangan mobil ke bengkel 10 mobil
per jam (mengikuti distribusi Poisson).
Tentukan rata2 panjang antrian dan rata2 waktu menunggu
pd tempat cuci mobil.
 = 10 mobil per jam,  = 60/4.5 = 13.3 mobil per jam
Lq   (10)2
2   1.14 Mobil menunggu
2 (   ) 2(13.3)(13.3 10)
dlm baris antrian
Wq  Lq 1.14  0.114 Jam atau 6.84 menit berada dlm
 10
baris antrian

Chapter 13 - Queuing Analysis 24

Panjang Antrian Terbatas

Pd antrian terbatas, panjang antrian dibatasi (karena

keterbatasan tempat untuk antri).
Karakteristik operasi, dimana M mrpk jumlah maksimum yg
dpt berada dlm sistem antrian:
   n
Po  1 / 
  for n  M
Pn  (Po) 


1 ( /  )M 1 



    M 1
L /  ( M 1)( / ) Lq  L   (1PM )
1  /  1 ( /  )M 1

W L 1
Wq W  
 (1 PM )

Chapter 13 - Queuing Analysis 25

 Contoh Panjang Antrian Terbatas

Metro Quick Lube, suatu mengkel ganti oli yg terletak di pinggir jalan;
 Memiliki tempat 1 mobil dlm pelayanan & 3 mobil dlm antrian
 Rata2 waktu kedatangan pelanggan 3 menit (20 mobil per jam)
 Rata2 waktu pelayanan 2 menit (30 mobil per jam)
 Waktu kedatangan & pelayanan berdistribusi eksponensial
Karakteristik operasi untuk  = 20,  = 30, M = 4:

 1  /   120 / 30  .38 Probabilitas tdk ada mobil dlm sistem

Po
1( / )M 1 1(20 / 30)5
n M 4
PM (Po) 







(.38) 20




  .076 Probabilitas 4 mobil dlm sistem
   
  30
  (penuh)

Chapter 13 - Queuing Analysis 26

 Rata2 panjang antrian dan waktu tunggu:
  1   M 1
L /  ( M )( / )
1  /  1( / )M 1

5 20 30 5
L  20 / 30  ( )( / )  1.24 Mobil dlm sistem antrian
120 / 30 1(20 / 30)5

  
Lq  L  (1 PM ) 1.24 20(1 .076)  0.62 Mobil dlm baris antrian
30

W L  1.24  0.067 Jam = 4.03 menit dlm sistem

(1PM ) 20(1.076) antrian

Wq W  1
 0. 067  1 0.033 Jam = 2.03 menit dlm baris antrian
30
Chapter 13 - Queuing Analysis 27
Populasi Pelanggan Terbatas
Pd bbrp sistem antrian terdapat suatu jumlah pelanggan tertentu yg
mungkin datang pd fasilitas pelayanan. Misal layanan perbaikan mesin
di suatu pabrik, layanan perbaikan kendaraan operasional di
perusahaan, dll .
Karakteristik operasi dgn tingkat kedatangan Poisson & tingkat
pelayanan exponential :
Po  1
n
N N!   
 
 ( N  n)!  
n0  

where N  population size, and n  1, 2,...N

n   
Pn  N!   Po



Lq  N 




(1 Po)


( N  n)! 




 

 

L  Lq  (1 Po) Wq  Lq 1
W Wq  
( N  L)
Chapter 13 - Queuing Analysis 28
Contoh Populasi Pelanggan Terbatas

Wheelco Manufacturing Company

 Memiliki 20 mesin produksi
 Tiap mesin rata2 beroperasi 200 jam sebelum rusak
 Waktu perbaikan rata2 3.6 jam
 Tenaga: 1 karyawan senior dan 1 asisten
 Tingkat kerusakan berdistribusi Poisson & tingkat pelayanan
berdistribusi exponensial.
Perusahaan menginginkan analisis atas waktu mesin menganggur
(idle) karena rusak untuk menentukan apakah jumlah karyawan
bagian perbaikan sudah cukup?
Karakteristik operasi
 = 1/200 jam = .005 per jam
 = 1/3.6 jam = .2778 per jam
N = 20 mesin
Chapter 13 - Queuing Analysis 29
 Po  1
n
.652
20 20!  .005  
  
n 0 (20 n)! .2778
 

Lq 20 .005 .27781.652 .169 Mesin menungu

.005
L .169 (1.652) .520 Mesin dlm sistem

Wq  .169 1.74 Jam menunggu diperbaiki

(20 .520)(.005)

W 1.74  1 5.33 Jam berada dlm sistem

.2778

Chapter 13 - Queuing Analysis 30

Kesimpulan
Po = 0.65 (65%), peluang tidak ada mesin yg diperbaiki. Artinya 100%-
65% = 35% waktu karyw bagian perbaikan & asistennya digunakan
untuk memperbaiki mesin.
L = 0.52 mesin dlm sistem. Dari 20 mesin, rata2 0.52 atau 2.6% mesin
rusak & menunggu perbaikan/sedang diperbaiki.
W = 5.33 jam. Tiap mesin yg rusak menganggur (rusak, menunggu
perbaikan, sedang diperbaiki) selama 5.33 jam.
Jadi sistem ini kelihatannya cukup memadai

Chapter 13 - Queuing Analysis 31

Antrian Pelayanan Multipel
Pd model antrian pelayanan multipel, dua atau lebih
pelayanan independen melayani secara paralel untuk satu
baris antrian.
Sbg contoh pelayanan pelanggan di Biggs Department
Store.
Bagian tsb memiliki satu ruang tunggu dgn barisan kursi2
yg membentuk satu baris antrian. Para pelanggan datang
ke tempat ini dgn pertanyaan2 atau pengaduan atau untuk
menjernihkan permasalahan yg berhubungan dgn tagihan
kartu kredit. Para pelanggan tsb dilayani oleh 3 orang
pramuniaga, masing2 ditempatkan pd stand terpisah.
Pelanggan dilayani bdsrkn siapa pertama datang-pertama
dilayani.

Chapter 13 - Queuing Analysis 32

Skema sistem antrian multipel

Stand layanan
pelanggan

Resepsionis

Baris antrian

Chapter 13 - Queuing Analysis 33

 Asumsi :
Disiplin antrian: pertama datang-pertama dilayani
Tingkat kedatangan Poisson, waktu pelayanan exponensial
Populasi pelanggan tidak terbatas.
Parameter:
 = tingkat kedatangan (rata2 jumlah kedatangan per periode
waktu)
 = tingkat pelayanan (rata2 jumlah yg dilayani per periode waktu)
per pelayanan (channel)
c = jumlah pelayanan
c  = rata2 tingkat pelayanan efektif sistem tsb (nilainya hrs
melebihi tingkat kedatangan)

Chapter 13 - Queuing Analysis 34

 Formula untuk Karakteristik Operasi:

Po  1  Probabilitas tdk adanya pelanggan dlm

n c 11  n 1  c c   sistem


         

 
 
 
 n 0 n!   c!   c 

n
 

Pn  n c   Po Untuk n>c
1
c!c  

n
 

Pn  n   Po Untuk n<c  Probabilitas terdapat n pelanggan dlm sistem
1
 

L
( / )c Po     Rata2 pelanggan dlm sistem

(c 1)!(c   )2

W  L Rata2 waktu menunggu dlm sistem



Chapter 13 - Queuing Analysis 35

 
Lq  L   Rata2 jumlah pelanggan dlm baris antrian

Wq W  1
  Lq  Rata2 waktu menunggu dl baris antrian

c 
 

Pw    c Po  Probabilitas seorang pelanggan menunggu
1
c!  c    untuk dilayani

Chapter 13 - Queuing Analysis 36

Contoh: Biggs Department Store

 = 10,  = 4, c = 3 pramuniaga toserba

Po  1

   0   1  2
   3
 1  10
   1 10  1 10   1 10
      3(4)
 0! 4   4   4    4  3 4 10

1!  2! 

3!  ( )
 

.045 Probabilitas tdk ada pelanggan di bgn pelayanan

10 4 10 4 3
L  ( )( )( / ) (.045) 10
(3 1)![3(4) 10]2 4

6 Pelanggan rata2 dl bagian pelayanan

W6
10
0.60 Jam (36 menit) waktu rata2 per pelanggan di bgn pelayanan
Chapter 13 - Queuing Analysis 37
 Lq 6 10
4
3.5 Pelanggan rata2 yg menunggu untuk dilayani

Wq  3.5
10
0.35 Jam (21 menit) waktu rata2 per pelanggan menunggu
dilayani
  3
Pw  1 10 

3(4) (.045)


3! 4 3(4) 10





 .703 Probabilitas seorang pelanggan menunggu dilayani (yaitu

terdapat 3 atau lebih pelanggan dlm sistem)

Chapter 13 - Queuing Analysis 38

Kesimpulan
Pw = 0.703 peluang pelanggan menunggu (terlalu besar).
Wq = 21 menit. (terlalu lama).

Jika pihak perusahaan menambah 1 pramuniaga, c = 4, maka:

Po = 0.703
L = 3 pelanggan
W = 0.3 jam (18 menit)
Lq = 0.5 palanggan
Wq = 0.05 jam (3 menit)
Pw = 0.31

Chapter 13 - Queuing Analysis 39