Manajemen Farmasi

3.decision making tools

m.fr.kl-ffua.2019
TEORI ANTRIAN
- Waiting line models
- Queuing models
Soerjono Seto
TEORI ANTRIAN

Dasar :
 Kebutuhan pelayanan >

fasilitas pelayanan
 Tujuan :

1. memperkecil waktu tunggu

2. membuat biaya pelayanan yang
optimal
Beberapa contoh (industri):

 Berbagai proses yg menciptakan /me-

nimbulkan masalah baris tunggu atau
dsb masalah antrian (queues): bila
bbrp kary.,konsumen,komponen atau
mesin-2 sedang menunggu pelayanan
krn pd saat itu dari bagian/fasilitas pe-
layanan sedang melayani yg lain, shg
tdk mampu melayani pada saat tsb.
Penerapan teori antrian:
 Adalah masalah penentuan antara:
 -biaya krn waktu yg hilang dari para
kary.yg hrs menunggu u/ dilayani &
 -biaya krn penambahan fasilitas ‘yan’
secara tepat.Perlu dicari:(matematis)
 TC paling rendah dari:

1. -waktu yg hilang krn hrs menunggu

2. -upah para kary.yg melakukan “yan”
Penerapan Teori Antrian:
Penentuan antara :
 pengeluaran biaya
 waktu tunggu yang hilang
 biaya krn penambahan fasilitas pelayanan.

 terjadi minimisasi biaya / biaya paling

rendah untuk:
a/ waktu yg hilang krn personil harus
menunggu pelayanan.
b/ upah para karyawan bagian pelayanan
Contoh: bengkel Industri
notasi:
-Tool crib:pusat penyimpanan peralatan
-Attendant :karyawan di tool crib
-Machinist :karyawan di bag.bengkel.
(attendant melayani machinist yang
meminta peralatan mahal sambil men-
catat peralatan yan dipakai/diserahkn.
Catatan :

 Dari tabel , bahwa :2 (dua) attendant

di tool crib mrpk jumlah yg optimal 
meminimumkan biaya dari :
 (1)waktu yg hilang dari para machinist

 (2)upah dari para attendant

 serangkaian percobaan tsb: boros

waktu & uang problem solving:
secara matematis
Penggunaan Teori Antrian
Faktor-2 (yg hrs diketahui):

 Tingkat kedatangan:
 rata-2 orang datang meminta pelayanan 
dinyatakan dalam suatu jumlah untuk
periode waktu tertentu (mis. 60 orang/jam).
 Tingkat pelayanan :
 tingkat pelayanan dapat menangani orang-2
yg memerlukan pelayanan dalam waktu ttt.
(mis. 50 orang per-jam).
Faktor-Faktor
(mengikuti pola):
 Disiplin Antrian :
 Aturan-2 yg hrs dipenuhi untuk melakukan
pelayanan, biasanya  “ first come first
served“
 Distribusi waktu kedatangan & pelayanan
 random : tidak teratur/ tidak mengikuti
suatu pola tertentu.
 uniform : tidak bervariasi.
 Distribusi Poison (distribusi kedatangan)
 Distribusi Eksponensial (u/ pelayanan)
Distribusi Poison/Eksponen:
 Distribusi Poison:
 dalam jangka waktu terus menerus
terdapat probabilitas yg sangat kecil, untuk
suatu kejadian dari suatu percobaan, dimana
percobaan itu jumlahnya besar.
 Distribusi Eksponensial:
 distribusi yg probabilitasnya lebih besar
untuk mendapatkan waktu pelayanan yg
lebih pendek,meskipun kadang-2 suatu
pelayanan memerlukan waktu > dari rata-2
Tingk.Kedatangan & Yan.
(pola yg uniform & random)
 Pada pola uniform dapat terjadi:
 tidak ada antrian, terjadi waktu menganggur.
 tidak ada antrian, tidak ada waktu
menganggur.
 ada antrian, tidak ada waktu menganggur.
 Pola random, dengan: 
 simulasi  tabel angka random
 matematis
Tingkat: kedatangan & pelayanan

Pola uniform  pemecahan masalah antrian akan lebih

mudah, contoh:
1. Tidak ada antrian, terjadi waktu menganggur, mis.:
kedatangan selama 10 jam & setiap jam ada 10
kedatangan dg pelayanan sebesar 12 pelayanan per-
jam.
2. Tidak ada antrian, tidak ada waktu menganggur,mis.:
setiap 6 menit terjadi 1 kedatangan. Pelayanan juga
perlu waktu 6 menit untuk melayani setiap
kedatangan.
3. Ada antrian,tidak ada waktu menganggur, mis.,waktu
kedatangan spt contoh diatas, tapi pelayanan hanya
bisa dilayani dg rate 8 pelayanan / jam.
Metode Simulasi Antrian:

 Salah satu cara pemecahan masalah

antrian dg distribusi waktu kedatangan
& waktu pelayanan yg pola random
dengan metode simulasi.
 Cara: lakukan semirip mungkin
aslinya, kmd amati apa yg terjadi.
 Apa yg digunakan,:
 dg tabel angka-angka random.
Tabel angka random
 Tabel yg terdiri dari:
Kumpulan-kumpulan angka yg terdiri dari 10
digit. Pada setiap kumpulan angka tsb. suatu
angka mempunyai kesempatan yg sama
untuk berada didalamnya.

 Simulasi: dg tabel tsb tentang waktu

kedatangan dg melakukan simulasi kegiatan
di fasilitas pelayanan  tentukan jumlah
karyawan yg paling tepat untuk melayani
mereka yg datang (karyawan, konsumen,
komponen/mesin).
Tabel Angka Random
Contoh simulasi:
 Suatu pabrik farmasi mempunyai gudang
bahan baku guna kelancaran proses
produksinya. Untuk meminta bahan baku
obat, para pekerja bagian pabrik datang ke
gudang untuk mengajukan daftar
permintaannya. Petugas gudang ada 2 orang
& pekerja pabrik 10 orang. Farmasis sbg
manajer melihat kadang-2 terjadi antrian
digudang tsb. Dia ingin memecahkan
masalah ini. Pengamatan per-jam, berulang
ulang dan ber-beda beda waktunya didapat:
Hasil pengamatan:
 Butuh waktu Jumlah
pelayanan (menit)
8 15
9 30
10 45
11 60
------
Total = 150 orang

Rata-2 waktu per-kedatangan : 5 menit.

 Angka-angka random:

Source: Dudley J.Cowden cs,Practical

Problems in Business Statistic, sbb.:
Tabel I
1. 1581922396 9. 7055087567 5435810788
2. 2068577984 10. 6472382934 9670852913
3. 8262130892 11. 4112077556 1291265730
4. 8374856049 12. 3440672463 4890031305
5. 4637567488 13. 1882412963 0099520858
6. 0928105582 14. 0684012006 3090908872
7. 7295088579 15. 0933147914 2039593181
8. 9586111652 16. 7457747468 5973470495
Prosentase distribusi waktu
pelayanan :
 ( 8 menit)  15/150 x 100%=10%
 ( 9 menit)  30/150 x 100%=20%
 (10menit)  45/150 x 100%=30%
 (11menit)  60/150 x 100%=40%

Rata-2 pelayanan tertimbang:

10% x 8 menit = 0,8 menit
20% x 9 menit = 1,8 menit ( rata rata
30% x10menit = 3,0 menit waktu pela
40% x11menit = 4,4 menit yanan 10’)
Penyelesaian :
 Dari informasi tsb diatas, dilakukan simulasi
dg bantuan Tabel Random:
 dipergunakan periode simulasi 2 jam 
kedatangan 24 kali.
 memilih salah satu angka dari 0 s/d 9 untuk
kedatangan pekerja pabrik (misal angka 7).
 memilih salah satu bilangan di Tabel
 bilangan yg mempunyai angka 7, menunjuk-
kan ada pekerja pabrik yg datang.
Simulasi kedatangan selama
24 periode
Periode 5 jumlah Periode 5 jumlah
menit ke: kedatangan menit ke: kedatangan
1 0 13 0
2 2 14 0
3 0 15 1
4 1 16 4
5 2 17 1
6 0 18 1
7 2 19 1
8 0 20 0
9 3 21 0
10 1 22 1
11 2 23 0
12 1 24 2
Dari waktu pelayanan, distribusi
waktu pelayanan, kedatangan
pekerja (25 orang) & tabel :
Dapat diperoleh simulasi waktu pelayanan
dari para pekerja pabrik tsb (24 periode
@5’). Waktu pelayanan didasarkan pada
angka terdepan bilangan random,sbb:
-Angka 0  8 menit
-Angka 1 & 2  9 menit
-Angka 3,4 & 5  10 menit
-Angka 6,7,8 & 9  11 menit
(lihat tabel random): ada 25x kedatangan.
Tabel random
 Dari tabel random diperoleh
bilangan: (dst.,25 bilangan random)
1. 9846413446orang ke-1….11 menit
2. 8306646692orang ke-2….11 menit
3. 5661684251orang ke-3….10 menit
4. 8875127201orang ke-4….11 menit
5. 4251533454orang ke-5….10 menit
6. 1625457703orang ke-6…. 9 menit
Simulasi waktu pelayanan,
untuk 24 jam:
Periode: Jumlah Waktu
kedatangan: pelayanan:
1 0 -
2 2 11,11
3 0 -
4 1 10
5 2 11,10
6 0 -
7 2 9,10
8 0 -
Lanjutan:

9 3 10,10,11
10 1 11
11 2 10,8
12 1 11
13 0 -
14 0 -
15 1 11
16 4 10,11,11,11
Lanjutan:

17 1 9
18 1 8
19 1 11
20 0 -
21 0 -
22 1 11
23 0 -
24 2 9,11
Setelah simulasi waktu:
kedatangan & pelayanan
gabungkan jadi simulasi seluruh
kegiatan bagian gudang.
optimum petugas gudang
meminimumkan total cost dari operasi
bg gudang+waktu pekerja pabrik yang
hilang karena harus menunggu.
Pedoman: ”first come first served”
Waktu:Pk.09.00-11.00(24 periode @5’)
Penentuan kedatangan
dalam setiap periode:
-1 kedatanganawal periode
-2 kedatanganawal periode & awal
menit ke-3
-3 kedatanganawal periode,awal me-
nit ke-3 &awal menit ke-5
-4 kedatanganawal menit ke-2, ke-3,
ke-4 dan ke-5
Perhitungan total cost:
 Waktu tunggu (menit), ditunjukkan dari grs putus-
putus,didpt  213 menit (dgn 2 petugas gudang)
 Rata-2 waktu tunggu u/ setiap kedatangan adalah=
213/25=8,52 menit
 Mis.: upah petugas gudang / jam = Rp 3.000,00
upah mandor /jam = Rp 4.000,00
 Apabila rata-2 selang waktu tiap kedatangan 5 menit
(penelitian diatas) mandor ke gudang = 96 kali /hari
(8 jam/hari x 12 perjalanan per jam)
 Rata-2 waktu tunggu 8,52 menit, total waktu tunggu
=8,52 x 96= 817,9 menit=13,63 jam yg hilang setiap
hari.
Perhitungan total cost
 Mandor:
waktu yg hilang/hari= 13,63 jam x Rp 4.000,-= Rp54.520
 Petugas Gudang:

biaya untuk 2 petugas= 8jam x Rp 3.000,-x2= Rp48.000,-

TC: 1. karena waktu yg hilang dari
mandor …………………..Rp 54.520,-
2. upah petugas Gd………..Rp 48.000,-
TC per hari ……………………….= Rp 102.520,-
Tugas :penyelesaian soal

 2 Petugas gudang: TC=Rp 102.520,-

 Hitung TC /hari, bila ada 3 petugas
/karyawan bag.gudang
 Hitung TC/hari, bila ada 4 petugas
/karyawan bag.gudang (dgn asumsi:
tidak ada waktu tunggu dari mandor)
Rumus matematis

 Metode simulasi: sulit bila masalah yg

ada makin kompleks 
 Pemecahan masalah antrian: Peneliti
menciptakan rumus-2 matematis
 Penggunaannya rumus-2 tsb,tidaklah
perlu diragukan kebenarannya, jika di
bandingkan dg metode simulasi.
Rumus matematis,single-
channel, contoh:
 Bongkar-muat truk : rata-rata
kedatangan (random)= 10 truk/jam
 Waktu bongkar : rata-rata=11 truk/jam

 Panjang antrianL=Akuadrat/S(S-A)

L=100/11(11-10)= 100/11=9 truk.

 A=arrival rate (jam)

 S=service rate (jam)

Rumus matematis, contoh:

 L1=mrpk panjang antrian plus yang

sedang dilayani =A/S-A=10/11-10=10
 (Hasil persamaan sblm.nya plus 1)

 Waktu tunggu (W) = A/S(S-A)

= 10/11 = 0.9 jam

 W termasuk yg sedang dilayani:

 W1=1/S-A = 1/11-10 = 1 jam.

Multiple Channel vs. Single
Channel Notasi:
 Tempat pelayanan tdk di-sentralisir.
 Po=probabilitas fasilitas pelayanan
menganggur (tdk ada konsumen yg
hrs dilayani, n=0)
 L=rata-rata jml konsumen dlm antrian
 L1=rata-2 jml konsumen dlm antrian
plus yg sedang dilayani.
 W=rata-2 waktu tunggu sblm dilayani
Notasi (lanjutan)

 W1=rata-2 waktu tunggu plus waktu

pelayanan seorang konsumen
 A=rata-2 jml kedatangan per satuan
waktu
 S=rata-2 jml konsumenyg dpt dilayani
per-satuan waktu
Perbandingan rumus-rumus untuk
“single channel” dan “multiple channel”

Single Channel Multiple Channel

Po = 1 - A Po = 1
S N-1 (A/S)n + (A/S)n
Σ n! N ! (1-A/SN)
N=0
L= A2 L = (A/S)N+1 x Po
S (S-A) (N-1) ! (N-A/S)2
L1 = A L1 = L + A
S–A S
W= A W= (A/S)N+1 x Po = L
S (S-A) A(N-1) ! (N-A/S)2 A
W1 = 1 W1 = W + 1 = L 1
S-A A A