Fakultas

Rekayasa
Industri

PENELITIAN OPERASIONAL II
IE-G3F3
Program Studi Teknik Industri
Fakultas Rekayasa Industri
Telkom University
 Fakultas
Rekayasa
Industri

SISTEM ANTRIAN

Pendahuluan

●
Kedatangan dan antrian
●
Fasilitas pelayanan

Komponen Sistem Antrian

●
M/M/1
●
M/M/S
●
M/M/1/i/f

Model Sistem Antrian

 Fakultas
Rekayasa
Industri

TUJUAN
PEMBELAJARAN
• Mengetahui komponen sistem antrian
• Mampu menganalisis dan menentukan komponen yang berpengaruh
dalam sistem antrian
• Memahami dan membedakan model-model sistem antrian
• Mampu menghitung dan menentukan sistem antrian yang optimal
dalam beberapa kasus yang ada
 Fakultas
Rekayasa
Industri

PENDAHULUAN
 Fakultas
Rekayasa
Industri

Antrian yang panjang adalah

fenomena sehari-hari
Fakultas
Rekayasa
Industri
Fakultas
Rekayasa
Industri
Fakultas
Rekayasa
Industri
Fakultas
Rekayasa
Industri
 Fakultas
Rekayasa
Industri

bagi sebagian orang antri

merupakan hal yang
membosankan
Fakultas
Rekayasa
Industri
Fakultas
Rekayasa
Industri
 Fakultas
Rekayasa
Industri

sebagai akibatnya,
akan menyebabkan
pelanggan kabur
Fakultas
Rekayasa
Industri
Fakultas
Rekayasa
Industri
 Fakultas
Rekayasa
Industri

LATAR BELAKANG
Organisasi mengimplementasikan sistem
antrian

Pelayanan cepat,
Biaya penambahan
konsumen tidak
fasilitas layanan
menunggu lama VS
(Cost Meningkat)
(Pelayanan Baik)

Metode optimisasi sistem antrian

 Fakultas
Rekayasa
Industri

KOMPONEN SISTEM ANTRIAN

 Fakultas
Rekayasa
Industri

TIGA KOMPONEN DALAM

SISTEM ANTRIAN
• Kedatangan, populasi yang akan dilayani (calling
population)
• Antrian
• Fasilitas Pelayanan
 Fakultas
Rekayasa
Industri

KEDATANGAN, POPULASI YANG

AKAN DILAYANI (CALLING
POPULATION)

Populasi Kedatangan

Finite Infinite
 Fakultas
Rekayasa
Industri

KEDATANGAN, POPULASI YANG

AKAN DILAYANI (CALLING
POPULATION)
Pola kedatangan yang sifatnya acak
• Dapat digambarkan dengan distribusi statistik
• Dapat ditentukan dua cara:
 kedatangan per satuan waktu
 distribusi waktu antar kedatangan
 Fakultas
Rekayasa
Industri

KEDATANGAN, POPULASI YANG

AKAN DILAYANI (CALLING
POPULATION)
Contoh :
• Kedatangan digambarkan dalam jumlah satu waktu, dan bila
kedatangan terjadi secara acak, informasi yang penting adalah
probabilitas n kedatangan dalam periode waktu tertentu,
dimana n = 0,1,2,.
• Jika kedatangan diasumsikan terjadi dengan kecepatan rata-rata
yang konstan dan bebas satu sama lain, distribusi kedatangan
ini disebut distribusi probabilitas Poisson.
 Fakultas
Rekayasa
Industri

KEDATANGAN, POPULASI YANG

AKAN DILAYANI (CALLING
POPULATION)
• Ahli matematika dan fisika, Simeon Poisson (1781 – 1840),
menemukan sejumlah aplikasi manajerial, seperti kedatangan
pasien di RS, sambungan telepon melalui central switching
system, kedatangan kendaraan di pintu toll, dll.
• Semua kedatangan tersebut digambarkan dengan variabel acak
yang terputus-putus dan nonnegative integer (0, 1, 2, 3, 4, 5,
dst).
• Selama 10 menit mobil yang antri di pintu toll bisa 3, 5, 8, dst.
 Fakultas
Rekayasa
Industri

KEDATANGAN, POPULASI YANG

AKAN DILAYANI (CALLING
POPULATION)
Ciri distribusi poisson:
• Rata-rata jumlah kedatangan setiap interval bisa diestimasi dari
data sebelumnya
 Fakultas
Rekayasa
Industri

KEDATANGAN, POPULASI YANG

AKAN DILAYANI (CALLING
POPULATION)
Probabilitas n kedatangan dalam waktu T ditentukan dengan
rumus:
e  T (  T ) n
P (n, T ) 
n!
dimana :
λ = rata-rata kedatangan per satuan waktu
T = periode waktu
n = jumlah kedatangan dalam waktu T
P (n,T) = probabilitas n kedatangan dalam waktu T
 Fakultas
Rekayasa
Industri

KEDATANGAN, POPULASI YANG

AKAN DILAYANI (CALLING
POPULATION)
Jika kedatangan mengikuti Distribusi Poisson dapat ditunjukkan
secara matematis bahwa waktu antar kedatangan akan
terdistribusi sesuai dengan distribusi eksponensial.

P(T  t )  1  e  t , 0t 
dimana :
P(T≤ t) = probabilitas di mana waktu antar kedatangan T ≤
suatu waktu tertentu
λ = rata-rata kedatangan per satuan waktu
t = suatu waktu tertentu
 Fakultas
Rekayasa
Industri

KEDATANGAN, POPULASI YANG

AKAN DILAYANI (CALLING
POPULATION)
Perilaku kedatangan
• Populasi yang akan dilayani mempunyai perilaku yang
berbeda-beda dalam membentuk antrian.
• Ada tiga jenis perilaku: reneging, balking, dan jockeying.
• Reneging menggambarkan situasi dimana seseorang masuk
dalam antrian, namun belum memperoleh pelayanan,
kemudian meninggalkan antrian tersebut.
• Balking menggambarkan orang yang tidak masuk dalam
antrian dan langsung meninggalkan tempat antrian.
• Jockeying menggambarkan orang yang pindah-pindah
antrian.
 Fakultas
Rekayasa
Industri

ANTRIAN
• Batasan panjang antrian bisa terbatas (limited) bisa juga tidak
terbatas (unlimited).
• Sebagai contoh antrian di jalan tol masuk dalam kategori
panjang antrian yang tidak terbatas.
• Sementara antrian di rumah makan, masuk kategori panjang
antrian yang terbatas karena keterbatasan tempat.
 Fakultas
Rekayasa
Industri

ANTRIAN
Contoh:
Sistem Antrian/Garis Tunggu Fasilitas Pelayanan
Lapangan terbang Pesawat menunggu di landasan Landasan pacu
Bank Nasabah (orang) Kasir/teller
Pencucian mobil Mobil Tempat pencucian mobil
Bongkar muat barang Kapal dan truk Fasilitas bongkar muat
Sistem komputer Program komputer CPU, printer, dll
 Fakultas
Rekayasa
Industri

ANTRIAN
Contoh:
Sistem Antrian/Garis Tunggu Fasilitas Pelayanan
Bantuan pengobatan
Orang Ambulance
darurat
Perpustakaan Member Pegawai perpustakaan
Registrasi mahasiswa Mahasiswa Pusat registrasi
Skedul sidang pengadilan Kasus yang disidangkan Pengadilan
 Fakultas
Rekayasa
Industri

FASILITAS PELAYANAN
Karakteristik fasilitas pelayanan dapat dilihat dari tiga hal:
1. Jumlah server dan tata letak (lay out) secara fisik dari
sistem antrian
2. Disiplin antrian
3. Waktu pelayanan
 Fakultas
Rekayasa
Industri

FASILITAS PELAYANAN
1. Jumlah dan tata letak fisik dari sistem antrian digambarkan
dengan jumlah saluran, juga disebut sebagai jumlah pelayan.
 Fakultas
Rekayasa
Industri

FASILITAS PELAYANAN
Sistem antrian jalur tunggal (single channel, single server, single
phase).
Dalam sistem antrian ini hanya terdapat satu pemberi layanan serta
satu jenis layanan yang diberikan.
 Fakultas
Rekayasa
Industri

FASILITAS PELAYANAN
Sistem antrian jalur tunggal tahapan berganda
(single channel, single server, multi phase).
Dalam sistem antrian ini terdapat lebih dari satu jenis layanan
yang diberikan, tetapi dalam setiap jenis layanan hanya terdapat
satu pemberi layanan.
 Fakultas
Rekayasa
Industri

FASILITAS PELAYANAN
Sistem antrian jalur tunggal satu tahap (single channel, multi
server, single phase).
Terdapat satu jenis layanan dalam sistem antrian, tetapi terdapat
lebih dari satu pemberi layanan.
 Fakultas
Rekayasa
Industri

FASILITAS PELAYANAN
Sistem antrian jalur berganda dengan tahapan berganda (multi
channel, multi server, multi phase)
Sistem antrian dimana terdapat lebih dari satu jenis layanan dan
terdapat lebih dari satu pemberi layanan dalam setiap jenis layanan.
 Fakultas
Rekayasa
Industri

FASILITAS PELAYANAN
2. Disiplin
Klasifikasi Disiplin antrian:
a) Prioritas
b) First come first serve
c) Kombinasi dari kedua jenis disiplin antrian tersebut
 Fakultas
Rekayasa
Industri

FASILITAS PELAYANAN
a. Prioritas:
• Disiplin prioritas dikelompokkan menjadi dua, yaitu preemptive
dan non preemptive.
• Disiplin preemptive menggambarkan situasi dimana pelayan
sedang melayani seseorang, kemudian beralih melayani orang
yang diprioritaskan meskipun belum selesai melayani orang
sebelumnya.
• Disiplin non preemptive menggambarkan situasi dimana pelayan
akan menyelesaikan pelayanannya baru kemudian beralih
melayani orang yang diprioritaskan.
 Fakultas
Rekayasa
Industri

FASILITAS PELAYANAN
b. First come first serve :
menggambarkan bahwa orang yang lebih dahulu datang akan
dilayani terlebih dahulu.
 Fakultas
Rekayasa
Industri

FASILITAS PELAYANAN
c. Kombinasi dari prioritas dan first come first serve.
Sebagai contoh, para pembeli yang akan melakukan pembayaran
di kasir untuk pembelian kurang dari sepuluh jenis barang
(dengan keranjang) di supermarket disediakan counter tersendiri.
 Fakultas
Rekayasa
Industri

FASILITAS PELAYANAN
3. Waktu Pelayanan
Karakteristik Waktu Pelayanan:
Waktu yang dibutuhkan untuk melayani bisa dikategorikan
sebagai konstan dan acak.
• Waktu pelayanan konstan, jika waktu yang dibutuhkan untuk
melayani sama untuk setiap pelanggan.
• Waktu pelayanan acak, jika waktu yang dibutuhkan untuk
melayani berbeda-beda untuk setiap pelanggan. Jika waktu
pelayanan acak, diasumsikan mengikuti distribusi
eksponensial.
 Fakultas
Rekayasa
Industri

MODEL SISTEM ANTRIAN

Fakultas
Rekayasa
Industri
 Fakultas
Rekayasa
Industri

MODEL SISTEM ANTRIAN

Notasi 1 : M tingkat kedatangan mengikuti suatu
distribusi Poisson
Notasi 2 : distribusi tingkat pelayanan
Notasi 3 : jumlah fasilitas
Notasi 4 & 5 : sumber populasi & kepanjangan antrian tak
terbatas (I) dan terbatas (F)
Contoh:
• Model 1. M/M/1/I/I
• Model 2. M/M/S/I/I
• Model 3. M/M/1/I/F
• Model 4. M/M/S/F/I
 Fakultas
Rekayasa
Industri

MERUMUSKAN MASALAH
ANTRIAN
Perkiraan prestasi dari sistem antrian dapat digambarkan dengan
misalnya:
- rata-rata jumlah kedatangan dalam antrian
- rata-rata waktu tunggu dari suatu kedatangan dan persentase
waktu luang dari pelayanan.
Ukuran prestasi ini dapat digunakan untuk
- memutuskan jumlah pelayanan yang harus diberikan
- perubahan yang harus dilakukan dalam kecepatan pelayanan
- atau perubahan lain dalam sistem antrian.
Dengan sasaran pelayanan, jumlah pelayan dapat ditentukan tanpa
berpatokan pada biaya waktu tunggu.
 Fakultas
Rekayasa
Industri
Ukuran prestasi dan parameter model antrian ditentukan dengan notasi sebagai berikut:
• λ = rata-rata kecepatan kedatangan (jumlah kedatangan per satuan waktu)
• 1/λ = rata-rata waktu antar kedatangan
• μ = rata-rata kecepatan pelayanan (jumlah satuan yang dilayani per satuan waktu bila
pelayan sibuk).
• 1/μ = rata-rata waktu yang dibutuhkan pelayan
• ρ = faktor penggunaan pelayan (proporsi waktu pelayan ketika sedang sibuk)
• Pn = probabilitas bahwa n satuan (kedatangan) dalam sistem = rata-rata jumlah satuan dalam
antrian (rata-rata panjang antrian)
• Ls = rata-rata jumlah satuan dalam sistem
• Wq = rata-rata waktu tunggu dalam antrian
• Ws = rata-rata waktu tunggu dalam sistem
• n = jumlah pelanggan dalam sistem
• λ = jumlah rata-rata pelanggan yang datang per satuan waktu
• μ = jumlah rata-rata pelanggan yang dilayani per satuan waktu
• Po = probabilitas tidak ada pelanggan dalam sistem
• P = tingkat intensitas fasilitas pelayanan
• L = jumlah rata-rata pelanggan yang diharapkan dalam sistem
• W = waktu yang diharapkan oleh pelanggan selama dalam sistem
• S = jumlah fasilitas pelayanan
 Fakultas
Rekayasa
Industri

MERUMUSKAN MASALAH
ANTRIAN
Dalam Single-channel Queuing Model (M/M/1) akan dibahas
permasalahan antrian yang didasarkan pada asumsi berikut :
• Satu pelayanan dan satu tahap.
• Jumlah kedatangan per unit waktu digambarkan oleh Distribusi Poisson
dengan λ = rata-rata kecepatan kedatangan (M pertama)
• Waktu pelayanan eksponensial dengan μ = rata-rata kecepatan pelayanan
(M kedua)
• Disiplin antrian adalah first come first served seluruh kedatangan dalam
barisan hingga dilayani,
• Dimungkinkan panjang barisan yang tak terhingga.
• Populasi yang dilayani tidak terbatas, rata-rata kedatangan lebih kecil dari
rata-rata waktu pelayanan (λ < μ)
 Fakultas
Rekayasa
Industri

MERUMUSKAN MASALAH
ANTRIAN
Dari asumsi tersebut dapat diperoleh hasil secara statistik sebagai berikut :
• Pw = probabilitas fasilitas layanan sibuk atau faktor utilisasi
fasilitas
=λ/μ
2
• Lq = jumlah rata-rata dalam antrian LQ 
 (   )
• Ls = jumlah rata-rata di dalam sistem 
LS 
(yang antri dan yang sedang dilayani) (   )

wQ 
• Wq = waktu rata-rata di dalam antrian  (   )
1
wS 
• Ws = waktu rata-rata di dalam sistem (   )
 Fakultas
Rekayasa
Industri

MODEL 1. M/M/1/I/I
Single Channel Model (M/M/1/I/I):
Poisson distributed arrivals and exponentially distributed service
time
 Fakultas
Rekayasa
Industri

MODEL 1. M/M/1/I/I
Contoh Soal 1
UD ABC mengoperasikan satu buah pompa bensin dengan satu
orang pekerja yaitu Ali. Rata-rata tingkat kedatangan kendaraan
mengikuti distribusi Poisson yaitu 20 kendaraan/jam. Ali dapat
melayani rata-rata 25 kendaraan/jam. Jika diasumsikan model sistem
antrian yang digunakan adalah M/M/1, hitunglah:
1. Tingkat intensitas (kegunaan) pelayanan
2. Jumlah rata-rata kendaraan yang diharapkan dalam sistem
3. Jumlah kendaraan yang diharapkan menunggu dalam antrian
4. Waktu yang diharapkan oleh setiap kendaraan selama dalam sistem
(menunggu pelayanan)
5. Waktu yang diharapkan oleh setiap kendaraan untuk menunggu dalam
antrian
 Fakultas
Rekayasa
Industri

MODEL 1. M/M/1/I/I
Jawab
Diketahui: λ = 20, μ = 25
1. ρ = λ / μ = 20/25 = 0.80
Bahwa Ali akan sibuk melayani kendaraan selama 80% dari
waktunya, sedangkan 20% dari waktunya (1- ρ) untuk istirahat
2. Ls = λ / (μ – λ) = 20 / (25-20) = 4, atau
Ls = ρ / (1- ρ) = 0.80 / (1-0.80) = 4
Angka 4 menunjukkan bahwa Ali dapat mengharapkan 4
kendaraan yang berada dalam sistem
 Fakultas
Rekayasa
Industri

MODEL 1. M/M/1/I/I
Jawab
3. Lq = λ2 / μ (μ – λ) = (20)2 / 25(25-20) = 3.2 Jadi
kendaraan yang menunggu untuk dilayani dalam antrian sebanyak
3.2 kendaraan
4. Ws = 1 / (μ – λ) = 1 / (25-20) = 0.2 jam atau 12 menit Jadi
waktu rata-rata kendaraan menunggu dalam sistem selama 12
menit
5. Wq = λ / μ (μ – λ) = 20 / 25(25-20) = 0.16 jam atau 9.6 menit Jadi
waktu rata-rata kendaraan menunggu dalam antrian selama 9.6
menit
 Fakultas

Latihan : Menghitung Antrian M/M/1

Rekayasa
Industri

Contoh Soal 1
UD ABC mengoperasikan satu buah pompa bensin dengan satu orang pekerja
yaitu Ali. Rata-rata tingkat kedatangan kendaraan mengikuti distribusi Poisson
yaitu 15 kendaraan/jam. Ali dapat melayani rata-rata 25 kendaraan/jam. Jika
diasumsikan model sistem antrian yang digunakan adalah M/M/1, hitunglah:
1. ƛ?
2. µ?
3. Tingkat intensitas (kegunaan) pelayanan
4. Jumlah rata-rata kendaraan yang diharapkan dalam sistem
5. Jumlah kendaraan yang diharapkan menunggu dalam antrian
6. Waktu yang diharapkan oleh setiap kendaraan selama dalam sistem
(menunggu pelayanan)
7. Waktu yang diharapkan oleh setiap kendaraan untuk menunggu dalam
antrian
 Fakultas
Rekayasa
Industri

MODEL 2. M/M/S/I/I
Model M/M/S/I/I adalah sistem multi channel-single phase yang
mempunyai antrian tunggal dengan melalui beberapa fasilitas
pelayanan.
 Fakultas
Rekayasa
Industri

MODEL 2. M/M/S/I/I
• Model ini identik dengan model 1 dengan perbedaan bahwa dua
atau lebih individu dapat dilayani pada waktu bersamaan oleh
fasilitas-fasilitas pelayanan yang berlainan.
• Model ini mengasumsikan bahwa kedatangan terjadi menurut
input Poisson dengan parameter  dan waktu pelayanan untuk
masing-masing unit mempunyai distribusi eksponensial dengan
rata-rata 1/  .
• Jadi distribusi pelayanan sama, tanpa memperhatikan pelayan
mana dari sejumlah S pelayan yang melakukan pelayanan untuk
unit.
 Fakultas
Rekayasa
Industri

MODEL 2. M/M/S/I/I
• Tingkat pelayanan rata-rata untuk seluruh sistem antrian adalah
tingkat rata-rata di mana unit yang sudah dilayani meninggalkan
sistem.
• Tingkat pelayanan rata-rata per pelayanan yang sibuk adalah ,
• Tingkat pelayanan keseluruhan adalah n = n jika
n ≤ S.
• Jika n  S, berarti semua pelayan sibuk sehingga
n = S .
• Jika  < S (tingkat kedatangan rata-rata lebih kecil dari tingkat
pelayanan rata-rata maks), maka akan terjadi steady state.
 Fakultas
Rekayasa
Industri

MODEL 2. M/M/S/I/I
Dari asumsi tersebut dapat diperoleh hasil secara statistik sebagai
berikut :
• Po = probabilitas semua saluran (pemberi layanan) menganggur

1
P0  S 1
( /  ) n ( /  ) S 1
 (n)!
(
S!
)

n 0 1
S
 Fakultas
Rekayasa
Industri

MODEL 2. M/M/S/I/I
Pw = probabilitas semua saluran secara simultan sibuk
(utilization factor)
( /  ) n
Pw  P0
( S!)( S ) S
, jika
n S n ≥

( /,jika
)n 0 ≤ n ≤ S
Pw  P0
(n!)
Dengan


S
 Fakultas
Rekayasa
Industri

MODEL 2. M/M/S/I/I
P0 ( /  ) S 
• Lq = jumlah rata-rata dalam antrian Lq 
S!(1   ) 2
• Ls = jumlah rata-rata dalam sistem
1 
LS   (Wq  )  Lq 
 
Lq
• Wq = rata-rata waktu dalam antrian Wq 

LS
• Ws = rata-rata waktu dalam system Ws 

 Fakultas
Rekayasa
Industri

MODEL 2. M/M/S/I/I
Contoh Soal:
Di sebuah gedung pertunjukan hanya terdapat dua loket penjualan tiket.
Penonton yang datang untuk membeli tiket mengikuti distribusi poisson
dengan rata-rata 30 orang per jam. Waktu yang diperlukan untuk melayani
seorang pembeli berdistribusi eksponensial dengan rata-rata 90 detik.
Tentukan:
a. Notasi Kendall yang diperluas
b. Probabilitas ada 5 orang pembeli di depan loket
c. Ekspektasi panjang antrian termasuk yang sedang dilayani
d. Ekspektasi panjang antrian tidak termasuk yang sedang dilayani
e. Ekspektasi waktu menunggu dalam sistem (termasuk waktu pelayanan)
f. Ekspektasi waktu menunggu dalam antrian (tidak termasuk waktu
pelayanan)
 Fakultas
Rekayasa
Industri

MODEL 2. M/M/S/I/I
Jawab:
𝑎  . 𝑀 / 𝑀 /2/ 𝐼 / 𝐼
1
P0  2
 0, 4545
(3 / 4) 1
(1  3 / 4)  ( )( )
2 1  (3 / 8)
Karena n > S maka:
1
(3 / 4) 5 c. LS   (Wq  )
b. Pw  5 2
0, 4545  0,00674 
(2!)(2 )  30
LS  Lq   0,122715 
0, 4545(3 / 4) 2 (3 / 8) 0,0959  40
d . Lq    0,122715
2!(1  3 / 8) 2
0,78125 LS  0,872715

L 0,872715 Lq 0,122715
e. Ws  S   0,0291 f . Wq    0,00409
 30  30
 Fakultas

Latihan : Menghitung Antrian M/M/S

Rekayasa
Industri

Di sebuah gedung pertunjukan hanya terdapat tiga loket penjualan tiket.

Penonton yang datang untuk membeli tiket mengikuti distribusi poisson dengan
rata-rata 40 orang per jam. Waktu yang diperlukan untuk melayani seorang
pembeli berdistribusi eksponensial dengan rata-rata 50 detik.
Berapakah:
1. ƛ
2. µ
3. S
4. Notasi kendall
5. Probabilitas ada 5 orang pembeli di depan loket
6. Probabilitas ada 10 orang pembeli di depan loket
7. Ekspektasi panjang antrian termasuk yang sedang dilayani
8. Ekspektasi panjang antrian tidak termasuk yang sedang dilayani
9. Ekspektasi waktu menunggu dalam sistem (termasuk waktu pelayanan)
10.Ekspektasi waktu menunggu dalam antrian (tidak termasuk waktu pelayanan)
 Fakultas
Rekayasa
Industri

MULTIPLE-CHANNEL QUEUING MODEL:

POISSON DISTRIBUTED SERVICE TIME DAN EXPONENTIALLY
SERVICE TIME
Asumsi utama yang mendasari model antrian ini adalah rata-rata
tingkat kedatangan lebih kecil dari tingkat pelayanan semua channel (=
jumlah channel dikalikan rata-rata tingkat pelayanan per channel).
Sedangkan asumsi lainnya sama dengan asumsi yang kita gunakan
pada model antrian single-channel.
Dari asumsi tersebut dapat diperoleh hasil secara statistik sebagai
berikut :
• Po = probabilitas semua saluran (pemberi layanan)
menganggur
• S = jumlah saluran



S
 Fakultas
Rekayasa
Industri

MULTIPLE-CHANNEL QUEUING MODEL:

POISSON DISTRIBUTED SERVICE TIME DAN EXPONENTIALLY
SERVICE TIME

Pw = probabilitas semua saluran secara simultan

sibuk utilization factor)
1  s S
Pw  ( ) P0
S!  S  

Ls = jumlah rata-rata dalam sistem

 ( /  ) S 
Ls  P0
( S  1)!( S   ) 2

 Fakultas
Rekayasa
Industri

MULTIPLE-CHANNEL QUEUING MODEL:

POISSON DISTRIBUTED SERVICE TIME DAN EXPONENTIALLY
SERVICE TIME

Lq = jumlah rata-rata dalam antrian


Lq  L S 

Wq= rata-rata waktu dalam antrian
Lq
Wq 

Ws = rata-rata waktu dalam sistem
LS
Ws 

 Fakultas
Rekayasa
Industri

MODEL 3. M/M/1/I/F

Po = probabilitas semua saluran (pemberi layanan) menganggur

1  
P0  
1   N 1 
Pn = probabilitas bahwa n satuan (kedatangan) dalam sistem = rata-rata jumlah
satuan dalam antrian (rata-rata panjang antrian)

 1  ( /  ) 
Pn   N 1 
(  /  ) n

1  (  /  ) 
 Fakultas
Rekayasa
Industri

MODEL 3. M/M/1/I/F
Ls = jumlah rata-rata di dalam sistem (yang antri dan yang sedang dilayani)

   1  ( N  1)(  /  ) N  ( N )(  /  ) N 1 
Ls     
   (1   /  )[1  ( /  ) ]
N 1

Lq = jumlah rata-rata dalam antrian
2
 1  ( N )( /  ) N 1  ( N  1)( /  ) N 
Lq     
       N
 [(1 ( / )][1 ( / ) ] 
atau

efektif   (1  Pn ) Wq = waktu rata-rata di dalam antrian

Lq
efektif Wq 
Lq  Ls  efektif

 Fakultas
Rekayasa
Industri

MODEL 3. M/M/1/I/F
Contoh Soal:
SAMSAT Bandung memiliki satu loket “drive-through”, sehingga
masyarakat tidak perlu keluar mobil untuk mengurus perpanjangan
STNK. Diperkirakan bahwa mobil-mobil tiba sesuai dengan distribusi
Poisson dengan kecepatan 1 mobil setiap 4 menit dan bahwa ada cukup
ruang untuk menempati satu deret sebanyak 8 mobil. Masyarakat yang
menginginkan pelayanan ini tetapi tidak dapat bergabung dalam barisan
di depan loket pelayanan akan pergi ke tempat lain. Memerlukan waktu
3 menit secara rata-rata untuk menyelesaikan sebuah STNK, tetapi
waktu pelayanan sebenarnya bervariasi sesuai dengan distribusi
eksponensial.
 Fakultas
Rekayasa
Industri

MODEL 3. M/M/1/I/F
Tentukan berikut ini:
a. Tuliskan antrian ini sebagai model dalam notasi Kendall
yang diperluas
b. Kemungkinan bahwa fasilitas itu menganggur.
c. Jumlah pelanggan yang diperkirakan menunggu di luar
pelanggan yang sedang dilayani.

d. Waktu tunggu yang diharapkan sampai seorang pelanggan

dapat memberikan pesanannya pada loket
 Fakultas
Rekayasa
Industri

MODEL 3. M/M/1/I/F
Jawab:
Diketahui :
Waktu kedatangan = 4 menit  λ = 15 mobil / jam
Waktu pelayanan = 3 menit  μ = 20 mobil / jam
a. M/M/1/I/8

1  1  (3 / 4) 0,25
.0 
b. P    0,2701
1  N 1
1  (3 / 4) 81
0,925
 Fakultas
Rekayasa
Industri

MODEL 3. M/M/1/I/F
c. P8  P0 (  ) n  0,2701(0,75)8  0,027

efektif   (1  Pn )  15(1  0,027)  14,595

1  ( N  1)(  ) N  ( N )(  ) N 1  3 1  9(3 / 4)8  8(3 / 4)9 
Ls        9 
 2,0225
 (1   )[1  (  ) ]
N 1
 4  (1  3 / 4)[1  (3 / 4) ] 
efektif 14,595
Lq  Ls   2,0225   1,29275
 20
Lq 1,29275
d. Wq    0,088
efektif 14,595
 Fakultas
Rekayasa
Industri

LATIHAN SOAL
 Fakultas
Rekayasa
Industri

1. Tingkat kedatangan rata-rata langganan selama periode-

periode puncak adalah 50 mobil/jam. Tingkat kedatangan
mengikuti suatu distribusi Poisson. Waktu pelayanan rata-
rata 1 menit dengan distribusi eksponensial.
Ditanyakan:
• Notasi Kendall
• Jumlah rata-rata pelanggan dalam antrian
• Jumlah rata-rata pelanggan dalam sistem
• Waktu menunggu rata-rata dalam antrian
• Waktu menunggu rata-rata dalam sistem
• Probabilitas fasilitas layanan sibuk
 Fakultas
Rekayasa
Industri

2. Pada suatu bank, disediakan 4 loket untuk melayani nasabah.

Diketahui bahwa waktu pelayanan terdistribusi secara eksponensial
dengan rata-rata 6 menit/nasabah. Kedatangan nasabah diperkirakan
berdistribusi poisson dengan rata-rata kedatangan 30 orang/jam.
a. Notasi kendall
b. Rata-rata jumlah orang yang berada dalam sistem dengan 4 loket
pelayanan
c. Rata-rata lama waktu yang dilewatkan oleh para nasabah dalam sistem
d. Rata-rata panjang antrian
e. Rata-rata lama waktu menunggu sebelum masuk kedalam salah satu
loket
 Fakultas
Rekayasa
Industri

3. Di sebuah gedung pertunjukkan hanya terdapat satu loket penjualan tiket.

Penonton yang datang untuk membeli tiket mengikuti distribusi poisson
dengan rata-rata 30 orang per jam. Waktu yang diperlukan untuk melayani
seorang pembeli berdisitribusi eksponensial dengan rata-rata 90 detik.
Tentukan:
• Notasi kendall
• Panjang antrian termasuk yang sedang dilayani
• Panjang antrian tidak termasuk yang sedang dilayani
• Waktu menunggu dalam sistem (termasuk waktu pelayanan)
• Waktu menunggu dalam antrian (tidak termasuk waktu pelayanan)
 Fakultas
Rekayasa
Industri

4. Pompa bensin mempunyai 6 buah tangki yang masing-

masing dapat melayani sebuah mobil pada setiap saat.
Setiap 3 menit datang sebuah mobil yg akan mengisi bensin.
Waktu mengisi bensin rata-rata 4 menit. Ditanyakan:
a. Probabilitas bahwa semua tangki sedang
mengisi/melayani
b. Jumlah rata-rata mobil yang menunggu untuk dilayani
 Fakultas
Rekayasa
Industri

5. Sebuah toko furniture mempunyai 2 loket pembayaran (2

kasir). Pemilik toko mempertimbangkan untuk menambah 1
loket kasir lagi jika dapat menurunkan waktu dalam proses
pembayaran bagi pelanggannya paling tidak setengahnya.
Dari pengalaman yang ada rata-rata kedatangan pelanggan
adalah 8 orang per jam, dan setiap kasir dapat melayani 5
orang pelanggan per jam. Bagaimana saran Anda?