Suatu sistem antrian dapat dianalisis uji distribusinya, model antriannya, dan ukuran kinerja sistem. Contoh misalnya adalah sistem antrian berdasarkan data pengamatan di SPBU Jatiwaringin dalam suluran tunggal (single channel model) adalah sebagai berikut:
Banyak Pelanggan di Sistem | Frekuensi Terjadi Tiap Menit (Oi) | Jumlah Kedatangan |
0 | 0 | 8 |
1 | 0 | 10 |
2 | 0 | 9 |
3 | 1 | 5 |
4 | 2 | 6 |
5 | 3 | 8 |
6 | 2 | 12 |
7 | 1 | 15 |
8 | 4 | 10 |
9 | 3 | 9 |
10 | 2 | 6 |
11 | 2 | 13 |
Total | 20 | 111 |
Pelayanan Dalam Detik | Frekuensi Kejadian |
0 | 0 |
1 | 0 |
2 | 0 |
3 | 0 |
4 | 0 |
5 | 0 |
6 | 0 |
7 | 0 |
8 | 0 |
9 | 0 |
10 | 0 |
11 | 0 |
12 | 0 |
13 | 1 |
14 | 2 |
15 | 1 |
16 | 1 |
17 | 2 |
18 | 0 |
19 | 1 |
20 | 1 |
21 | 2 |
22 | 1 |
23 | 0 |
24 | 1 |
25 | 1 |
26 | 1 |
27 | 2 |
28 | 2 |
29 | 0 |
30 | 1 |
Total = | 20 |
PENYELESAIAN:
Diketahui:
- Model Antrian = Model Saluran Tunggal (single channel model)
- Notasi Sistem = (M/M/1)
- Disiplin Pelayanan = FCFS (First-Come First-Served)
- Notasi Pelayanan = (FCFS/N/∞)
- Tingkat keyakinan = 95% (α=0.05)
Metode tambahan:
- Modelkan Nilai Harapan (Ei) baik untuk Frekuensi Kedatangan maupun Waktu Pelayanan
- Uji Distribusi Datanya dengan metode goodness of fit test
Perhitungan:
Menghitung Frekuensi Kedatangan Pelanggan dengan Pendekatan Distribusi Poisson:
Banyak Pelanggan di Sistem | Frekuensi Terjadi Tiap Menit (Oi) | Jumlah Kedatangan | P(x) | Frekuensi Harapan (Ei) |
0 | 0 | 8 | 0.000096 | 0 |
1 | 0 | 10 | 0.000889 | 0 |
2 | 0 | 9 | 0.004112 | 0 |
3 | 1 | 5 | 0.012678 | 1 |
4 | 2 | 6 | 0.029318 | 3 |
5 | 3 | 8 | 0.054238 | 6 |
6 | 2 | 12 | 0.083617 | 9 |
7 | 1 | 15 | 0.110494 | 12 |
8 | 4 | 10 | 0.127758 | 14 |
9 | 3 | 9 | 0.131307 | 15 |
10 | 2 | 6 | 0.121459 | 13 |
11 | 2 | 13 | 0.102136 | 11 |
Total | 20 | 111 |
Rata-rata pelanggan tiap menit adalah 111/15 = 9.25 orang
Hasil Uji Kecocokan Kedatangan Pelanggan:
Banyak Pelanggan di Sistem | Frekuensi Terjadi Tiap Menit (Oi) | Jumlah Kedatangan | Frekuensi Harapan (Ei) | (Oi-Ei)^2 | Hasil |
0 | 0 | 8 | 0 | 63.82942 | 0.57504 |
1 | 0 | 10 | 0 | 98.03609 | 0.883208 |
2 | 0 | 9 | 0 | 72.99298 | 0.657594 |
3 | 1 | 5 | 1 | 12.90781 | 0.116287 |
4 | 2 | 6 | 3 | 7.538987 | 0.067919 |
5 | 3 | 8 | 6 | 3.918756 | 0.035304 |
6 | 2 | 12 | 9 | 7.390387 | 0.06658 |
7 | 1 | 15 | 12 | 7.481297 | 0.067399 |
8 | 4 | 10 | 14 | 17.48226 | 0.157498 |
9 | 3 | 9 | 15 | 31.08175 | 0.280016 |
10 | 2 | 6 | 13 | 55.97986 | 0.504323 |
11 | 2 | 13 | 11 | 2.765203 | 0.024912 |
20 | Χ² = | 3.436079 |
Hasil perhitungan diperoleh dari Tabel didapat data sebagai berikut:
- Jumlah data (n) = 12
- Jumlah Oi = 15
- Jumlah Kedatangan = 111
- Rata-rata Kedatangan = 9.25
- Hasil Chi-Squared (X²) = 3.436
- Chi-Squared Distribution Table = 19.7
Hasil = Tabel tersebut diatas diterima karena => 3.436 < 19.7
Menghitung Frekuensi Pelayanan Pelanggan dengan Pendekatan Distribusi Poisson:
Pelayanan Dalam Detik | Frekuensi Kejadian | Jumlah | P(x) | Frekuensi Harapan (Ei) |
0 | 0 | 0 | 1.15E-06 | 0 |
1 | 0 | 0 | 1.57E-05 | 0 |
2 | 0 | 0 | 0.000107 | 0 |
3 | 0 | 0 | 0.00049 | 0 |
4 | 0 | 0 | 0.001674 | 1 |
5 | 0 | 0 | 0.004579 | 2 |
6 | 0 | 0 | 0.010439 | 4 |
7 | 0 | 0 | 0.020397 | 9 |
8 | 0 | 0 | 0.034873 | 15 |
9 | 0 | 0 | 0.052996 | 22 |
10 | 0 | 0 | 0.072485 | 31 |
11 | 0 | 0 | 0.090129 | 38 |
12 | 0 | 0 | 0.102727 | 44 |
13 | 1 | 13 | 0.10808 | 46 |
14 | 2 | 28 | 0.10559 | 45 |
15 | 1 | 15 | 0.09628 | 41 |
16 | 1 | 16 | 0.082304 | 35 |
17 | 2 | 34 | 0.066218 | 28 |
18 | 0 | 0 | 0.050316 | 21 |
19 | 1 | 19 | 0.036221 | 15 |
20 | 1 | 20 | 0.02477 | 11 |
21 | 2 | 42 | 0.016133 | 7 |
22 | 1 | 22 | 0.01003 | 4 |
23 | 0 | 0 | 0.005964 | 3 |
24 | 1 | 24 | 0.003399 | 1 |
25 | 1 | 25 | 0.00186 | 1 |
26 | 1 | 26 | 0.000978 | 0 |
27 | 2 | 54 | 0.000496 | 0 |
28 | 2 | 56 | 0.000242 | 0 |
29 | 0 | 0 | 0.000114 | 0 |
30 | 1 | 30 | 5.21E-05 | 0 |
TOTAL | 20 | 424 |
Rata-rata pelayanan pelanggan = 424/31 = 13.67 detik
Hasil Uji Kecocokan Pelayanan Pelanggan:
Pelayanan Dalam Detik | Frekuensi Kejadian | Jumlah (Oi) | Frekuensi Harapan (Ei) | (Oi-Ei)^2 | Hasil |
0 | 0 | 0 | 0 | 2.37E-07 | 0.000 |
1 | 0 | 0 | 0 | 4.43E-05 | 0.000 |
2 | 0 | 0 | 0 | 0.002073 | 0.000 |
3 | 0 | 0 | 0 | 0.043092 | 0.000 |
4 | 0 | 0 | 1 | 0.503833 | 0.001 |
5 | 0 | 0 | 2 | 3.770121 | 0.009 |
6 | 0 | 0 | 4 | 19.59121 | 0.046 |
7 | 0 | 0 | 9 | 74.79515 | 0.176 |
8 | 0 | 0 | 15 | 218.626 | 0.516 |
9 | 0 | 0 | 22 | 504.9229 | 1.191 |
10 | 0 | 0 | 31 | 944.5684 | 2.228 |
11 | 0 | 0 | 38 | 1460.348 | 3.444 |
12 | 0 | 0 | 44 | 1897.152 | 4.474 |
13 | 1 | 13 | 46 | 1077.546 | 2.541 |
14 | 2 | 28 | 45 | 281.2361 | 0.663 |
15 | 1 | 15 | 41 | 666.808 | 1.573 |
16 | 1 | 16 | 35 | 357.0876 | 0.842 |
17 | 2 | 34 | 28 | 35.08985 | 0.083 |
18 | 0 | 0 | 21 | 455.139 | 1.073 |
19 | 1 | 19 | 15 | 13.26728 | 0.031 |
20 | 1 | 20 | 11 | 90.20064 | 0.213 |
21 | 2 | 42 | 7 | 1236.197 | 2.916 |
22 | 1 | 22 | 4 | 314.9672 | 0.743 |
23 | 0 | 0 | 3 | 6.395564 | 0.015 |
24 | 1 | 24 | 1 | 508.8982 | 1.200 |
25 | 1 | 25 | 1 | 586.1972 | 1.383 |
26 | 1 | 26 | 0 | 654.603 | 1.544 |
27 | 2 | 54 | 0 | 2893.351 | 6.824 |
28 | 2 | 56 | 0 | 3124.515 | 7.369 |
29 | 0 | 0 | 0 | 0.002343 | 0.000 |
30 | 1 | 30 | 0 | 898.6763 | 2.120 |
TOTAL | 424 | X² = | 43.218 |
Hasil perhitungan diperoleh dari Tabel didapat data sebagai berikut:
- Jumlah data (n) = 31
- Jumlah Pelayanan Oi = 424
- Rata-rata Kedatangan = 13.68
- Hasil Chi-Squared (X²) = 43.218
- Chi-Squared Distribution Table = 43.68
Hasil = Tabel tersebut diatas diterima karena => 43.218 < 43.68
Model Saluran Tunggal (single channel model)
Sistem antrian dalam penelitian adalah dengan satu fasilitas pelayanan dimana pelanggan datang mengikuti distribusi Poisson dengan laju kedatangan 9.25 orang per menit dan waktu pelayanan berdistribusi Poisson 13.67 detik per pelanggan atau 4.389 orang per menit, Sehingga Model antriannya adalah sistem antrian (M/M/1) : (FCFS/N/∞).
Dari kasus diatas didapatkan λ = 4.389 dan μ = 9.25, maka dapat dihitung:
a) Tingkat intensitas (kegunaan) pelayanan atau ρ, dimana ρ = λ/μ => 4.389/9.25 = 0.474247833 yang artinya petugas SPBU akan sibuk melayani pelanggan selama 47% dari waktunya. Sedangkan 53% dari waktunya atau (1 – p) atau (1 – 0.47) yang sering disebut idle time yang akan digunakan petugas SPBU untuk istirahat, membersihkan pompa, menanti, dan lain-lain.
b) Jumlah rata-rata kendaraan yang diharapkan dalam sistem, dimana persamaannya adalah L = λ / (μ – λ) atau L = ρ / (1 – ρ). Dari persamaan tersebut didapatkan L = 0.902 atau dibulatkan menjadi 1 yang artinya petugas SPBU dapat mengharapkan 1 kendaraan yang berada dalam sistem antrian.
c) Adapun jumlah kendaraan yang diharapkan menunggu dalam antrian, dapat dihitung dengan menggunakan persamaan Lq = λ²/μ(μ-λ), dimana hasilnya adalah Lq = 0.43 mobil.
d) Untuk mengetahui waktu yang diharapkan oleh setiap kendaraan selama dalam sistem (menunggu pelayanan), dapat digunakan persamaan W = 1/(μ – λ); dimana W = 0.21 menit atau sekitar 12.33 detik dalam antrian.
e) Adapun waktu yang diharapkan oleh setiap kendaraan untuk menunggu dalam antrian, dihitung dengan persamaan Wq = λ/μ(μ-λ); dimana Wq didapatkan 0.0975 menit atau sekitar 5.85 detik.
Untuk probabilitas kepastian jumlah kendaraan yang ada dalam sistem dapat dihitung dengan menjumlahkan ρ0 + ρ1, dimana ρn = ρ^n(1-ρ) atau:
- n=0 => ρn = (0.474247833)° x (0.525752) = 0.525752
- n=1 => ρn = (0.474247833)¹ x (0.525752) = 0.249337
- Total =0.775089
Perhitungan tersebut menunjukkan bahwa, tingkat probabilitas 1 kendaraan berada dalam sistem pelayanan adalah sebesar 77.51%.
———– Semoga Bermanfaat ————
suka dengan tulisannya ilmiah banget :D
SukaSuka
sama-sama
SukaSuka
pusing saya cara belajarnya
SukaSuka
emang banyak yg janggal disitu kampank
SukaSuka
aslkm gan, ada ngak contoh nya pembangkitan data nya tp pakai distribusi eksponensial
SukaSuka
saya gak ada
SukaSuka