TEORI ANTRIAN

Proses Kelahiran Murni

Asumsi  Pn = λ, μn = 0, untuk n (n = 0, 1, 2, …)
Maka persamaan (1) & (2) berubah menjadi

dP0 (t )
 P0 (t ) untuk n = 0
dt

dPn (t ) untuk n = 1,2,…

 Pn 1 (t )  Pn (t )
dt

Asumsikan sistem dalam state E0 pada saat t = 0, maka

P0 (t )  e  t untuk n = 0
( t ) n e  t
Pn (t )  untuk n = 1,2,…
n!
 P0 (t )  e  t menunjukkan bahwa kemungkinan tidak terjadi
kelahiran selama interval waktu dari 0 s/d t adalah e  t

Sehingga kemungkinan bahwa kelahiran pertama akan terjadi pada

interval waktu ini adalah (1  e  t )

Proses Kematian Murni

Asumsi : -  n  0  n = 1, 2, 3, … μn = μ  n = 1, 2, 3, …
- Sistem dalam state Em pada saat t = 0
Proses ini ekivalen dengan proses kelahiran murni, tetapi bergerak
dalam arah yang berlawanan, dan proses berhenti setelah M event.
 dPn (t )
  Pn 1 (t )  Pn (t ) untuk n = 0, 1, 2, … M-1
dt
dPm (t )
  PM (t ) untuk n M
dt
dengan cara yang sama pada proses kelahiran murni, diperoleh
probabilitas bahwa tidak ada event terjadi pada saat t adalah :
PM (t )  e  t
Probabilitas bahwa (M-n) event telah terjadi, dimana (M-n) < M adalah
( t ) M n e  t
Pn (t ) 
( M  n)!
Sehingga kemungkinan bahwa M event telah terjadi adalah
M
P0 (t )  1   Pn (t )
n 1

Kesimpulan :
Distribusi kemungkinan dari banyaknya kematian/kelahiran adalah
“poisson”
Distribusi kemungkinan dari waktu antar kematian adlah
“eksponensial”
Solusi Steady State
Jika sistem antrian telah mencapai kondisi steady state, maka
probabilitas {Pn(t)} menjadi konstan dan independen terhadap waktu.
Solusi steady state untuk Pn, bisa dicapai dengan 2 persamaan yaitu :
1. Dengan ….Pn(t) dalam kasus transien dari t  ∞
2. Dengan menetapkan dPn (t )  0
dt

Karena solusi transien ini tidak dapat digunakan untuk proses

kelahiran-kematian  maka digunakan pendekatan kedua.

Asumsi bahwa Lim Pn (t )  Pn

t

 dPn (t ) 
sehingga t   dt   0
Lim
 
Untuk t∞ maka persamaan (1) & (2) menjadi:
0   n 1 Pn 1   n 1 Pn 1  (n  M n ) Pn jika n > 0

0  1 P1  0 P0 jika n = 0
0
untuk n = 0 diperoleh P1   P0

n  P   n 1 Pn 1
untuk n > 0 diperoleh Pn 1  Pn  n n
 n 1  n 1

Dengan logika yang sama untuk n = 1 diperoleh

0  0 Po   2 P2  (1  1 ) P1

dan seterusnya untuk n = 2, 3, 4, …. dapat diperoleh yang

selengkapnya dapat dilihat pada tabel berikut.
  n 1
Sehingga Pn  Pn 1
n
n2
Pn 1  Pn  2 dst
 n 1

 n 1  n2 
Pn   Pn2 
n   n 1 
 n 1 n  2 ....0
Pn  P0
 n  n 1 ...1
 n 1 
  i 
Pn   i n0  P0
   untuk n = 1,2,3,….

i 1
i
 Cn

Pn = CnP0

Karena  Pn  1
n 0
1
P0  
Maka 1   Cn
n 1
 
Sehingga L   nPn dan Lq   (n  s)Pn
n0 ns

L Lq
W  Wq 
 
Sedangkan tingkat kedatangan rata-rata dalam jangka waktu yang
panjang ( ) adalah 
   nPn
n 0

Persamaan-persamaan yang dikembangkan di atas akan menjadi

dasar dalam model-model sistem antrian yang diantara lain adalah
Model Single Server (S ≤ 1)
Input poisson dan waktu pelayanan eksponensial
Input poisson dan waktu pelayanan sembarang
Input poisson dan waktu pelayanan konstan
Input poisson dan waktu pelayanan Erlang
Input poisson dan waktu pelayanan eksponensial dan antrian
terbatas
Model sumber terbatas
Model dengan state dimana tingkat pelayanan λ, atau tingkat
kedatangan besifat dependen.
Model Multiple Server (S > 1)
Model Disiplin Prioritas