SIMULASI ANTRIAN DAN IMPLEMENTASINYA
SKRIPSI
ELIDA FITRI
050803040
(Operasi Riset)
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
SIMULASI ANTRIAN DAN IMPLEMENTASINYA
SKRIPSI
Diajukan untuk memenuhi syarat mendapat gelar Sarjana Sains
ELIDA FITRI
050803040
(Operasi Riset)
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : SIMULASI ANTRIAN DAN IMPLEMENTASINYA
Kategori : SKRIPSI
Nama : ELIDA FITRI
Nomor Induk Mahasiswa : 050803040
Program studi : SARJANA (S1) MATEMATIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA
UTARA
Diluluskan di
Medan, Oktober 2009
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Drs.Suwarno Ariswoyo, M.Si Drs. Faigiziduhu Bu’ulölö, M.Si
NIP. 19500321 198003 1 001 NIP. 19531218 198003 1 003
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU Ketua,
Dr. Saib Suwilo, M.Sc NIP. 19640109 198803 1 004
PERNYATAAN
SIMULASI ANTRIAN DAN IMPLEMENTASINYA
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Oktober 2009
ELIDA FITRI
PENGHARGAAN
Bismillahirrahmanirrahim.
Puji dan syukur penulis ucapkan kehadirat ALLAH SWT Yang Maha Pengasih dan
Maha Penyayang, dengan limpahan Anugerah dan Karunia-Nya skripsi ini berhasil
diselesaikan dalam waktu yang ditetapkan.
Skripsi ini merupakan salah satu syarat yang harus dipenuhi dan diselesaikan oleh
seluruh mahasiswa fakultas MIPA Departemen Matematika. Pada skripsi ini penulis
mengambil judul skripsi tentang Simulasi Antrian dan Implementasinya.
Demikian, penulis juga menyadari keterlibatan berbagai pihak yang telah
membantu demi terselesaikannya skripsi ini. Oleh karena itu terima kasih penulis
ucapkan kepada:
1. Drs. Faigiziduhu Bu’ulölö, M.Si selaku dosen dan pembimbing I yang telah
memberikan banyak bimbingan dan arahan dalam penulisan skripsi ini.
2. Drs.Suwarno Ariswoyo, M.Si selaku dosen dan pembimbing II atas bantuan
dan penjelasan yang diberikan demi selesainya skripsi ini.
3. Bapak Drs. H. Haluddin Panjaitan dan Ibu Dra. Elly Rosmaini, M.Si selaku
komisi penguji atas masukan dan saran yang telah diberikan demi perbaikan
skripsi ini.
4. Bapak Dr. Saib Suwilo, M.Sc dan Bapak Drs. Henry Rani Sitepu, M.Si selaku
ketua dan sekretaris departemen matematika FMIPA USU
5. Bapak Prof. Dr. Eddy Marlyanto M.Sc selaku Dekan FMIPA USU
6. Semua Dosen dan Pegawai Departemen Matematika FMIPA USU
7. Ayahanda (almarhum) dan Ibunda tercinta, yang sangat saya kasihi dan
sayangi atas doa dan dukungan moril maupun materil yang diberikan selama
ini.
8. Abang dan kakak kandung saya: bang Munardi, bang Ihsan Kurnia, kak
Saryana, dan adinda Safrizal, yang selalu memberikan motivasi, saran dan
bantuannya.
9. Seluruh rekan-rekan Matematika stambuk 2005 seperjuangan, istimewa untuk kak mala tercinta, d’echi lon sayang, eng2 (vita), febri, ulan, d’sandra rizal, yang selalu memberi semangat, dukungan, motivasi selama ini.
10.Teman-teman satu kost di M. Yusuf: k’vera, d’iin, d’irma, d’desi tercinta yang
telah memberikan motivasi dan bantuannya.
11. Semua pihak yang tidak dapat penulis sebutkan satu persatu.
Penulis menyadari bahwa masih banyak kekurangan dalam menyelesaikan
skripsi ini. Oleh karena itu penulis mengharapkan masukan dan kritikan yang bersifat
membangun demi kesempurnaan skripsi ini. Semoga segala bentuk bantuan yang
telah diberikan mendapat balasan yang lebih baik dari Allah SWT.
Akhir kata, kiranya skripsi ini dapat bermanfaat bagi pihak pembaca.
Hormat saya,
ABSTRAK
Tujuan dari tulisan ini adalah untuk mempelajari kinerja sistem antrian dengan cara memodelkan simulasi antrian tunggal. Dari analisis perhitungan uji distribusi akan diperoleh model antriannya. Parameter sistem yang diukur adalah ekspektasi kecepatan pertibaan rata-rata, ekspektasi kecepatan pelayanan rata-rata, peluang masa sibuk, probabilitas semua pelayanan menganggur atau tidak ada pasien dalam sistem, ekspektasi panjang antrian, ekspektasi panjang garis, ekspektasi waktu menunggu dalam sistem, ekspektasi waktu menunggu dalam antrian.
ABSTRACT
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel xi
Daftar Gambar xii
Bab 1 Pendahuluan 1
1.1Latar Belakang 1
1.2Perumusan Masalah 3
1.3Batasan Masalah 3
1.4Tujuan Penelitian 3
1.5Manfaat Penelitian 4
1.6Tinjauan Pustaka 4
Bab 2 Landasan Teori 6
2.1 Teori Antrian 6
2.2 Sistem Antrian 7
2.2.1 Kedatangan Populasi yang akan Dilayani (calling population) 7
2.2.2. Antri 8
2.2.3. Pelayanan 8
2.3 Disiplin Antrian 9
2.4 Elemen Dasar Antrian 11
2.4.1 Distribusi Kedatangan 11
2.4.2 Barisan Antri 11
2.4.3 Mekanisme Pelayanan 12
2.4.4 Waktu Pelayanan 12
2.4.5 Sumber Masukan 12
2.5 Model- Model Antrian 13
2.5.1 Single Channel, Single Phase 14
2.5.2 Single Channel, Multi Phase 14
2.5.3 Multi Channel, Single Phase 15
2.5.4 Multi Channel, Multi Server 15
2.6 Terminologi dan Notasi 16
2.7 Pola Kedatangan dan Lama Pelayanan 17
2.7.1 Pola kedatangan 18
2.7.1.1 Uji Kesesuaian Poisson 19
2.7.2 Lama Pelayanan 19
2.7.2.1 Uji Kesesuaian Eksponensial 19
2.7.2.2 Pembangkit Bilangan Random 20
2.8 Analisis Formula yang digunakan 20
2.8.1 Menentukan peluang masa sibuk (P) 20
2.8.2 Menentukan peluang semua pelayanan menganggur 21
2.8.3 Ekspensi panjang antrian ( Lq ) 21
2.8.4 Ekspektasi panjang garis (L) 21
2.8.5 Ekspektasi waktu menunggu dalam sistem (Ws) 22
2.8.6 Ekspektasi waktu menunggu dalam antrian (Wq) 22
Bab 3 Pembahasan 23
3.1 Pengumpulan Data 23
3.2 Pengolahan Data 28
3.2.1 Waktu Antar Kedatangan Pasien 28
3.2.2 Waktu Pelayanan Pasien 30
3.3 Mensimulasikan Model 32
3.3.1 Waktu Pemeriksaan Pasien “lama” 32
3.3.2 Waktu Pemeriksaan Pasien “baru” 33
3.3.3 Waktu Pembuatan Kartu Riwayat Kesehatan 34
3.4 Analisis Hasil Perhitungan Berdasarkan Analisis dan Simulasi
Dengan Menggunakan Teori Antrian 35
3.4.1 Hasil Perhitungan Berdasarkan Analisis Menggunakan
Teori Antrian 35
3.4.1 Hasil Perhitungan Berdasarkan Analisis
3.4.1.1 Ekspektasi Kecepatan pertibaan rata-rata 36
3.4.1.2 Ekspektasi kecepatan pelayanan rata-rata 36
3.4.1.3 Menetukan peluang masa sibuk 37
3.4.1.4 Menentukan peluang semua pelayanan menganggur
3.4.1.5 Menentukan espektasi panjang antrian 37
3.4.1.6 Menentukan panjang garis 38
3.4.1.7 Menentukan ekspektasi waktu menunggu
dalam sistem 38
3.4.1.8 Menentukan ekspektasi waktu menunggu
dalam antrian 38
3.4.2 Hasil Perhitungan Berdasarkan Simulasi Menggunakan
Teori Antrian 38
3.4.2.1 Ekspektasi Kecepatan pertibaan rata-rata 38
3.4.2.2 Ekspektasi kecepatan pelayanan rata-rata 39
3.4.2.3 Menetukan peluang masa sibuk 40
3.4.2.4 Menentukan peluang semua pelayanan menganggur 40
3.4.2.4 Menentukan espektasi panjang antrian 40
3.4.2.5 Menentukan Panjang garis 40
3.4.2.6 Menentukan ekspektasi waktu menunggu
dalam sistem 41
3.4.2.8Menentukan ekspektasi waktu menunggu
dalam antrian 41
Bab 4 Kesimpulan dan Saran 42
4.1 Kesimpulan 42
4.2 Saran 43
Daftar Pustaka 44
Lampiran
DAFTAR TABEL
Tabel Halaman
Tabel 3.1 Rangkuman Data Keadaan Klinik minggu 1 (jam 15:00-17:00) 23
Tabel 3.2 Rangkuman Data Keadaan Klinik minggu II (jam 15:00-17:00) 24
Tabel 3.3 Rangkuman Data Keadaan Klinik minggu III (jam 15:00-17:00) 24
Tabel 3.4 Data Tingkat kedatangan Pasien setiap jam minggu ke-I 24
Tabel 3.5 Data Tingkat kedatangan Pasien setiap jam minggu ke-II 25
Tabel 3.6 Data Tingkat kedatangan Pasien setiap jam minggu ke-III 25
Tabel 3.7 Data rata-rata waktu Pelayanan (dalam menit) minggu I 26
Tabel 3.8 Data rata-rata waktu Pelayanan (dalam menit) minggu II 26
Tabel 3.9 Data rata-rata Waktu Pelayanan (dalam menit) minggu III 26
Tabel 3.10 Rata-Rata Kecepatan kedatangan Pasien Lama Gabungan 28
Tabel 3.11 Rata-Rata Kecepatan kedatangan Pasien Baru Gabungan 29
Tabel 3.12 Rata-Rata Kecepatan pelayanan Pasien Lama Gabungan 30
Tabel 3.13 Rata-Rata Kecepatan pelayanan Pasien Baru Gabungan 31
Tabel 3.14 Simulasi Waktu Pemeriksaan Pasien “lama” 32
Tabel 3.15 Simulasi Waktu Pemeriksaan Pasien “Baru” 33
Tabel 3.16 Simulasi Pembuatan Kartu Riwayat Kesehatan Pasien “Baru” 35
DAFTAR GAMBAR
Gambar Halaman
Gambar 2.5.1 Visualisasi sebuah sistem 13
Gambar 2.5.2 Single Channel, Single Phase 14
Gambar 2.5.3 Single Channel, Multi Phase 14
Gambar 2.5.4 Multi Channel, Single Phase 15
Gambar 2.5.5 Multi Channel, Multi Server 16
PENDAHULUAN
1.1 Latar Belakang
Meningkatnya kompetisi yang mengarah pada pemenuhan tuntutan kebutuhan
konsumen baik secara kuantitas maupun kualitas menyebabkan dunia usaha harus
terus berjuang meningkatkan pelayanan dan fleksibilitasnya untuk dapat beradaptasi
dan berinovasi secara cepat dan tepat. Salah satu hal yang menyolok dalam sebuah
instansi pelayanan langsung ke konsumen adalah bagian fasilitas pelayanan (kasir).
Waktu mengantri yang terlalu panjang bisa menyebabkan konsumen enggan untuk
berkunjung kembali di masa yang akan datang, di sisi lain bila tidak ada antrian
hingga tenaga kerja bagian fasilitas pelayanan (kasir) banyak yang menganggur akan
menyebabkan kerugian secara implisit bagi perusahaan.
Dalam model-model antrian, kedatangan pelanggan dan waktu pelayanan
dijelaskan dalam bentuk distribusi probabilitas, yang umumnya disebut sebagai
Distribusi Kedatangan (arrival distribution) dan Distribusi Waktu Pelayanan (service
time distribution). Selain kedua faktor tersebut ada faktor lain yang juga cukup
penting dalam pengembangan model-model antrian, diantaranya: rancangan sarana
pelayanan, peraturan pelayanan dan prioritas pelayanan, ukuran antrian, dan perilaku
manusia menjadi hal yang tidak terlepas dari masalah antrian ini. Faktor
ketidakpastian (randomize) juga sangat berpengaruh dalam perilaku sistem pelayanan.
Di mana dalam sistem pelayanan tersebut baik tingkat kedatangan pelanggan maupun
tingkat pelayanan sama-sama mempunyai sifat tidak pasti (random). Salah satu cara
yang biasa digunakan untuk mengamati perilaku sistem yang mengandung faktor
ketidakpastian (randomize) yaitu menggunakan model simulasi. Sistem yang besar
dan kompleks menyebabkan simulasi sebagai alat analisis untuk pengambilan
keputusan menjadi semakin populer dan diperlukan.
Simulasi berusaha mempresentasikan sistem nyata yang ada dengan presisi
yang lebih mudah untuk diamati dibandingkan jenis model lain. Dengan simulasi
model ini berperilaku. Dengan kata lain model simulasi yang baik adalah model
simulasi yang tidak hanya berorientasi pada output/hasil dari sebuah sistem,
melainkan bagaimana model tersebut dapat menjelaskan karakteristik dan perubahan
sistem dari waktu ke waktu. Semakin mampu model simulasi menirukan sistem
nyatanya maka semakin baik model tersebut.
Dari uraian di atas, dengan menyadari arti pentingnya pelayanan yang lebih
baik kepada pelanggan maka perlu adanya perbaikan kinerja dari proses pelayanan
yang mempunyai sifat ketidakpastian tersebut. Sedangkan simulasi sangat cocok
untuk mengamati sistem yang bersifat tidak pasti, sehingga hal tersebut
melatarbelakangi penulis mengangkat permasalahan ini sebagai judul skripsi, yaitu:
“SIMULASI ANTRIAN DAN IMPLEMENTASINYA”.
Suatu proses antrian (queueing process) adalah suatu proses yang
berhubungan dengan kedatangan seorang pelanggan pada suatu fasilitas pelayanan,
kemudian menunggu dalam suatu baris (antrian) jika semua pelayannya sibuk, dan
akhirnya meninggalkan fasilitas tersebut.
Teori antrian pertama kali dikemukakan oleh A.K. Erlang, seorang ahli matematika bangsa Denmark pada tahun 1λ13 dalam bukunya ”Solution of Some Problem in the Theory of Probability of Significance in Automatic Telephone
Exchange”. Penggunaan istilah Sistem Antrian (Queueing System) dijumpai pertama kali pada tahun 1951 didalam journal Royal Statistical Sosiety, sedangkan masalah
antrian itu sendiri sebenarnya sudah dijumpai sejak zaman Moses atau Noah.
Dalam kesempatan ini aplikasi masalah antrian secara khusus akan dibahas
oleh penulis pada ” Klinik Spesialis Dalam (INTERNIST) Dr. H. Faisal Lubis, Sp.PD
Bireun”. Setiap harinya pasien banyak datang ke Klinik Spesialis Dalam
(INTERNIST) Dr. H. Faisal Lubis, Sp.PD tersebut untuk berobat sehingga dengan
banyaknya pasien yang berdatangan tersebut maka terjadi kesibukan pelayanan.
Karena adanya permasalahan antrian pada Klinik Spesialis Dalam
(INTERNIST) Dr. H. Faisal Lubis, Sp.PD tersebut maka diadakan penelitian secara
sistematis untuk menganalisis masalah antrian tersebut. Sehingga pada akhirnya
masalah antrian tersebut dapat dikurangi atau bahkan dapat dicegah sehingga pasien
puas terhadap pelayanan yang diberikan dan dari pihak klinik sendiri dapat
memberikan pelayanan yang optimal.
1.2 Perumusan Masalah
Masalah yang akan dibahas adalah menentukan model antrian yang paling tepat
digunakan sehingga dapat menghindarkan terjadinya antrian. Jika dimungkinkan,
akan dicari solusi penyelesaian agar lama waktu antri pengunjung berkurang dengan
tanpa menambah fasilitas ataupun komponen penunjang lain secara signifikan.
Pelayanan yang optimal dalam dunia kesehatan adalah suatu hal yang sangat
penting, karena disamping menyangkut masalah dari baik buruk nya reputasi klinik,
juga menyangkut masalah nyawa dari pasien itu sendiri.
1.3Batasan Masalah
Dari masalah yang dirumuskan di atas maka dapat dilakukan pembatasan masalah,
agar lebih mengarahkan permasalahan tersebut pada tujuannya sehingga menjadi
lebih jelas. Adapun pembatasan masalahnya adalah sebagai berikut:
1. Ruang lingkup penelitian hanya mencakup kedatangan, pelayanan, disiplin
antrian dan jumlah fasilitas pelayanan yang tersedia.
2. Pembatasan masalah dilakukan hanya yang menyangkut proses antrian pasien
baru yang akan membuat kartu daftar riwayat hidup, dan pasien lama yang
langsung dilayani dokter.
3. Model antrian yang akan digunakan adalah model antrian tunggal
1.4Tujuan Penelitian
Adapun tujuan penelitian ini adalah untuk memodelkan simulasi antrian tunggal di
klinik. Dan jika dimungkinkan, akan dicari solusi penyelesaian agar lama waktu antri
pengunjung dengan tanpa menambah fasilitas ataupun komponen penunjang lain
1.5 Manfaat Penelitian
1. Dapat menerapkan ilmu dan pengetahuan yang diperoleh di bangku kuliah di
lapangan.
2. Dapat dijadikan masukan dalam menentukan kebijakan dalam mengurangi
antrian.
3. Dapat dijadikan sebagai sumber ilmu pengetahuan khususnya dalam simulasi
antrian.
1.6Tinjauan Pustaka
Sebagai acuan yang digunakan oleh penulis sebagai landasan teori dalam penulisan
tugas akhir ini penulis mengutip dari buku-buku teori antrian.
Berikut ini adalah tinjauan pustaka yang digunakan oleh penulis:
1. Aminuddin, S.Si (2005), dalam bukunya yang berjudul “Prinsip-Prinsip Riset Operasi”. Dikatakan, bahwa apabila waktu pelayanan bersifat acak, kita harus mendapatkan distribusi probabilitas yang paling sesuai untuk
menggambarkan perilakunya. Biasanya jika waktu pelayanannyan acak,
analisis antrian menggunakan distribusi probabilitas eksponensial.
2. Drs. Suad Husnan MBA (1982), dalam bukunya yang berjudul “Teori
Antrian”. Dikatakan, bahwa salah satu cara yang tepat untuk mengatasi masalah antrian ini adalah dengan menggunakan metode simulasi keseluruhan
masalah untuk merancang suatu percobaan yang akan menirukan semirip
mungkin keadaan yang sebenarnya dan kemudian mengamati apa yang akan
terjadi. Metode simulasi ini merupakan salah satu metode yang efektif untuk
memecahkan masalah antrian jenis ini.
3. Dra. Fien Zulfikarijah, M. M (2004), dalam bukunya yang berjudul
“Operation Research”. Dikatakan, bahwa bila suatu sistem memiliki fasilitas pelayanan lebih dari jumlah optimal, ini berarti membutuhkan
investasi modal yang berlebihan. Akan tetapi, apabila jumlahnya kurang dari
optimal, maka hasilnya adalah tertundanya pelayanan.
4. Richard Bronson, Hans J. Wospakrik (1982), dalam bukunya yang berjudul “Teori dan Soal-Soal Operation Research”. Dikatakan, bahwa Suatu proses
antrian (queueing process) adalah suatu proses yang berhubungan dengan
kedatangan seorang pelanggan pada suatu fasilitas pelayanan, kemudian
menunggu dalam suatu baris (antrian) jika semua pelayannya sibuk, dan
akhirnya meninggalkan fasilitas tersebut. Sebuah sistem antrian adalah suatu
himpunan pelanggan, pelayan dan suatu aturan yang mengatur kedatangan
pada pelanggan dan pemrosesan masalahnya.
5. Roberth V. Hogg dan Elliot A. Tanis (1977), dalam bukunya yang berjudul
“Probability and Statistical Inference”. Dikatakan, bahwa variabel random X akan berdistribusi uniform jika fungsi PDF sama dengan konstan dalam
interval [a, b].
6. Sihono Dwi waluyo (2001), dalam bukunya yang berjudul “Statistika Untuk
Pengambilan Keputusan”. Dikatakan, bahwa yang dimaksud dengan pengujian hipotesis adalah pengujian terhadap pernyataan (statement) atau
anggapan yang berkaitan dengan parameter populasi. Hipotesis yang
dirumuskan dengan harapan akan diterima kebenarannya disebut hipotesis
teoretis , artinya hipotesis yang didasarkan pada teori yang mendukung
hipotesis tersebut.
7. Sri Mulyono, SE., MSc (2004), dalam bukunya yang berjudul “Riset Operasi”. Dikatakan, bahwa dalam simulasi, variabel randim dinyatakan dalam distribusi probabilitas, sehingga sebagian besar model simulasi adalah
model probabilistik.
8. Drs. Siswanto, M. Sc (2007), dalam bukunya yang berjudul “Operation Research”. Dikatakan, bahwa sebuah fasilitas pelayanan dalam sebuah sistem mungkin hanya terdiri satu kali proses, artinya setelah selesai proses
pelayanan segera keluar dari sistem; namun mungkin juga memerlukan
beberapa kali tahap proses dimana penyelesaian proses pelayanan dalam
sebuah tahap perlu dilanjutkan dengan tahap berikutnya. Hal ini tentu saja
mempengaruhi konfigurasi model antrian.
9. Thomas J. Kakiay (2004), dalam bukunya yang berjudul “Dasar Teori Antrian”. Dikatakan, bahwa tujuan sebenarnya dari teori antrian adalah meneliti kegiatan dari fasilitas pelayanan dalam rangkaian kondisi random dari
BAB 2
LANDASAN TEORI
Antrian (queueing) adalah kejadian yang sering dijumpai dalam kehidupan
sehari-hari. Menunggu didepan loket untuk mendapatkan tiket, menunggu pengisian bahan
baker, menunggu di pintu jalan tol, dan beberapa kasus menunggu yang lain sering
ditemui atau mungkin dialami. Karena menunggu memakan waktu, sementara waktu
merupakan sumber daya yang berharga, maka pengurangan waktu menunggu
merupakan tema yang menarik untuk dianalasis, tetapi tidak berarti analisis antrian
hanya membahas waktu menunggu.
2.1 Teori Antrian
Teori Antrian (Queuering Theory) merupakan studi matematika dari antrian atau
kejadian garis tunggu (waiting lines), yakni suatu garis tunggu dari pelanggan yang
memerlukan layanan dari sistem yang ada. Antrian yang panjang sering kali di lihat di
bank saat nasabah mengantri di teller untuk melakukan transaksi, airport saat para
calon penumpang melakukan check-in, di super market saat para pembeli antri untuk
melakukan pembayaran, di tempat cuci mobil : mobil antri untuk dicuci dan masih
banyak contoh lainnya. Di sektor jasa, bagi sebagian orang antri merupakan hal yang
membosankan dan sebagai akibatnya terlalu lama antri, akan menyebabkan pelanggan
kabur. Hal ini merupakan kerugian bagi organisasi tersebut.
Untuk mempertahankan pelanggan, sebuah organisasi selalu berusaha untuk
memberikan pelayanan yang terbaik. Pelayanan yang terbaik tersebut diantaranya
adalah memberikan pelayanan yang cepat sehingga pelanggan tidak dibiarkan
menunggu (mengantri) terlalu lama. Namun demikian, dampak pemberian layanan
yang cepat ini akan menimbulkan biaya bagi organisasi, karena harus menambah
fasilitas layanan. Oleh karena itu, layanan yang cepat akan sangat membantu untuk
mempertahankan pelanggan, yang dalam jangka panjang tentu saja akan
Suatu asumsi yang sangat penting dalam teori antrian adalah apakah sistem
mencapai suatu keadaan keseimbangan atau dinamakan steady state. Ini berarti
diasumsikan bahwa ciri-ciri operasi seperti panjang antrian dan rata-rata waktu
menunggu akan memiliki nilai konstan setelah berjalan selam suatu periode waktu.
2.2 Sistem Antrian
Sebuah Sistem Antrian adalah suatu himpunan pelanggan, pelayan dan suatu aturan
yang mengatur kedatangan pada pelanggan dan pemrosesan masalahnya. Pelanggan
yang tiba dapat bersifat tetap atau tidak tetap untuk memperoleh pelayanan. Apabila
pelanggan yang tiba dapat langsung masuk kedalam sistem pelayanan maka
pelanggan tersebut langsung dilayani, sebaliknya jika harus menunggu maka mereka
harus membentuk antrian hingga tiba waktu pelanggan.
Ada tiga komponen dalam sistem antrian yaitu :
1. Kedatangan , populasi yang akan dilayani (calling population)
2. Antri
3. Pelayanan
Masing-masing komponen dalam sistim antrian tersebut mempunyai karakteristik
sendiri sendiri. Karakteristik dari masing-masing komponen tersebut adalah :
2.2.1 Kedatangan Populasi yang akan Dilayani (calling population)
Karakteristik dari populasi yang akan dilayani (calling population) dapat dilihat
menurut ukurannya, pola kedatangan, serta perilaku dari populasi yang akan dilayani.
Menurut ukurannya, populasi yang akan dilayani bisa terbatas (finite) bisa juga tidak
terbatas (infinite). Sebagai contoh jumlah mahasiswa yang antri untuk registrasi di
sebuah perguruan tinggi sudah diketahui jumlahnya (finite), sedangkan jumlah
nasabah bank yang antri untuk setor, menarik tabungan, maupun membuka rekening
baru, bisa tak terbatas (infinite).
Pola kedatangan bisa teratur, bisa juga acak (random). Kedatangan yang
distandardisasi. Pada proses semacam ini, kedatangan produk untuk diproses pada
bagian selanjutnya biasanya sudah ditentukan waktunya, misalnya setiap 30 detik.
Sedangkan pola kedatangan yang sifatnya acak (random) banyak dijumpai misalnya
kedatangan nasabah di bank. Pola kedatangan yang sifatnya acak dapat digambarkan
dengan distribusi statistik dan dapat ditentukan dua cara yaitu kedatangan per satuan
waktu dan distribusi waktu antar kedatangan.
2.2.2. Antri
Inti dari analisis antrian adalah antri itu sendiri. Timbulnya antrian terutama
tergantung dari sifat kedatangan dan proses pelayanan. Penentu antrian lain yang
penting adalah disiplin antrian. Disiplin antrian adalah aturan keputusan yang
menjelaskan cara melayani pengantri, misalnya, yang pertama datang yang pertama
dilayani, dan lain-lain. Jika tidak ada antrian berarti terdapat pelayan yang
menganggur atau kelebihan fasilitas pelayanan.
2.2.3. Pelayanan
Karakteristik fasilitas pelayanan dapat dilihat dari tiga hal, yaitu tata letak (lay out)
secara fisik dari sistem antrian, disiplin antrian, waktu pelayanan.
a. Tata letak
Letak fisik dari sistem antrian digambarkan dengan jumlah saluran, atau juga
disebut jumlah pelayanan. Bila terdapat satu saluran pelayanan maka
dikatakan sistem saluran tunggal. Sistem saluran majemuk mempunyai sumber
pelayanan lebih dari satu saluran yang beroperasi secara bersamaan.
b. Disiplin antrian
Ada dua klasifikasi yaitu prioritas dan first come first serve. Disiplin prioritas
dikelompokkan menjadi dua, yaitu preemptive dan non preemptive. Disiplin
preemptive menggambarkan situasi di mana pelayan sedang melayani
seseorang, kemudian beralih melayani orang yang diprioritaskan meskipun
belum selesai melayani orang sebelumnya. Sementara disiplin non preemptive
menggambarkan situasi di mana pelayan akan menyelesaikan pelayanannya
baru kemudian beralih melayani orang yang diprioritaskan.
Sedangkan disiplin first come first serve menggambarkan bahwa orang
yang lebih dahulu datang akan dilayani terlebih dahulu. Dalam kenyataannya
sering dijumpai kombinasi dari kedua jenis antrian tersebut. Yaitu 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 super market disediakan counter tersendiri.
c. Karakteristik waktu pelayanan
Pelayanan atau mekanisme pelayanan dapat terdiri dari satu atau lebih
pelayan, atau satu atau lebih fasilitas pelayanan. Contohnya, jalan tol dapat
memiliki beberapa pintu tol. Mekanisme pelayanan dapat hanya terdiri dari
satu pelayan dalam satu fasilitas pelayanan yang ditemui pada loket seperti
pada penjualan tiket di gedung bioskop. Di samping itu, perlu diketahui cara
pelayanan dirampungkan, yang kadang-kadang merupakan proses random.
Waktu yang dibutuhkan untuk melayani bisa dikategorikan sebagai
konstan dan acak. Waktu pelayanan konstan, jika waktu yang dibutuhkan
untuk melayani sama untuk setiap pelanggan. Sedangkan waktu pelayanan
acak, jika waktu yang dibutuhkan untuk melayani berbeda-beda untuk setiap
pelanggan. Jika waktu pelayanan acak, diasumsikan mengikuti distribusi
eksponensial.
2.3 Disiplin Antrian
Ada dua klasifikasi yaitu prioritas dan first come first serve. 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. Sementara disiplin non preemptive menggambarkan
melayani orang yang diprioritaskan. Sedangkan disiplin first come first serve
menggambarkan bahwa orang yang lebih dahulu datang akan dilayani terlebih dahulu.
Dalam kenyataannya sering dijumpai kombinasi dari kedua jenis disiplin
antrian tersebut. Yaitu 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 super market disediakan counter
tersendiri. Jadi disiplin antrian adalah aturan dalam mana para pelanggan dilayani atau
disiplin pelayanan (service discipline) yang memuat urutan (order) para pelanggan
menerima layanan.
Aturan pelayanan menurut urutan kedatangan ini dapat didasarkan pada:
1. Pertama Masuk Pertama Keluar atau First In First Out (FIFO) disebut juga First
Come First Served (FCFS) merupakan suatu peraturan di mana yang akan
dilayani terlebih dahulu adalah pelanggan yang datang terlebih dahulu.
Contohnya: antrian di loket-loket penjualan kerete api, di bioskop dan lain-lain.
2. Yang Terakhir Masuk Pertama Keluar atau Last In First Out ( LIFO) disebut juga
Last Come First Served (LCFS) merupakan antrian di mana yang paling akhir
adalah yang dilayani paling awal atau paling dahulu.
Contohnya: pada sistem bongkar muat barang di dalam truk, di mana barang yang
masuk terakhir justru akan keluar terlebih dahulu.
3. Pelayanan dalam Urutan Acak atau Service In Random Order (SIRO) atau
dikenal juga Randon Selection For Service (RSS) artinya pelayanan dilakukan
secara acak , tidak mempersoalkan siapa yang lebih dahulu tiba.
Contohnya: pada arisan, di mana pelayanan atau service dilakukan berdasarkan
undian (random).
4. Pelayanan Berdasarkan Prioritas atau Priority Service (PR) artinya prioritas
pelayanan diberikan kepada mereka yang mempunyai prioritas lebih tinggi
dibandingkan dengan mereka yang mempunyai lebih rendah, meskipun yang
terakhir ini kemungkinan sudah dahulu tiba dalam garis tunggu.
Contohnya: seseorang yang keadaan penyakit yang lebih berat dibanding dengan
orang lain dalam suatu tempat praktek dokter, mungkin juga karena kedudukan
atau jabatan seseorang menyebabkan dia dipanggil terlebih dahulu atau diberi
prioritas lebih tinggi. Demikian juga bagi seseorang yang menggunakan waktu
pelayanan yang lebih sedikit diberi prioritas dibanding dengan mereka yang
memerlukaan pelayanan lebih lama, tidak mempersoalkan siapa yang lebih dahulu
masuk dalam garis tunggu.
2.4 Elemen Dasar Antrian
Elemen-elemen dasar model antrian bergantung kepada faktor-faktor berikut:
2.4.1 Distribusi Kedatangan
Distribusi kedatangan adalah cara populasi memasuki sistem. Distribusi kedatangan
itu dapat bersifat konstan (constant arrival distribution) artinya setiap pelanggan,
mungkin datang setiap 7 menit sekali atau dalam 1 jam. Atau, bisa bersifat random
(arrival random distribution) artinya, kemungkinan terdapat pelanggan yang datang
dalam waktu 5 menit, 7 menit, 10 menit, dan seterusnya.
2.4.2 Barisan Antri
Suatu antrian selalu ditandai dari besarnya jumlah pelanggan yang ada di dalam
sistem untuk mendapatkan pelayanan. Batasan panjang antrian bisa terbatas (limited)
apabila jumlah pelanggan yang dibolehkan masuk kedalam sistem dibatasi sampai
jumlah tertentu. Sebagai contoh antrian di rumah makan, masuk kategori panjang
antrian yang terbatas karena keterbatasan tempat. Bila pembatasan yang demikian
tidak disediakan, maka antrian dikatakan tidak terbatas (unlimited). Sebagai contoh
antrian di jalan tol masuk dalam kategori panjang antrian yang tidak terbatas.
Dalam kasus batasan panjang antrian yang tertentu (definite line-length) dapat
menyebabkan penundaan kedatangan antrian bila batasan telah tercapai. Contoh :
sejumlah tertentu pesawat pada landasan telah melebihi suatu kapasitas bandara,
2.4.3 Mekanisme Pelayanan
Mekanisme pelayanan adalah jumlah susunan stasiun, yang terdiri dari satu atau lebih
stasiun pelayanan.
Desain fasilitas pelayanan dapat dibagi dalam 3 bentuk, yaitu:
a. Bentuk series, dalam satu garis lurus atau melingkar.
b. Bentuk paralel, dalam beberapa garis lurus yang antara yang satu dengan
lainnya paralel.
c. Bentuk network station, yang dapat didesain secara series dengan pelayanan
lebih dari satu pada setiap stasiun. Bentuk ini juga dapat dilakukan secara
paralel dengan stasiun yang berbeda-beda.
Suatu model dikatakan pelayanan tunggal apabila sistem hanya mempunyai
satu sistem pelayanan dan model dikatakan model pelayanan ganda bila lebih dari
satu satu stasiun pelayanan.
2.4.4 Waktu Pelayanan
Waktu Pelayanan adalah waktu yang diperlukan untuk pelayanan, sejak pelayanan
dimulai hingga selesai pelayanan. Waktu pelayanan boleh tetap dari waktu ke waktu
untuk semua pelanggan atau boleh juga berupa variable acak. Umumnya untuk
keperluan analisis, waktu pelayanan dianggap sebagai variable acak yang terpencar
secara bebas dan sama dan tidak tergantung pada waktu pertibaan.
2.4.5 Sumber Masukan
Sumber adalah kumpulan orang atau barang dari mana satuan-satuan datang atau
dipanggil untuk dilayani. Ukuran populasi dikatakan tidak terbatas apabila jumlah
pelanggan cukup besar dan dikatakan terbatas apabila jumlah pelanggan kecil.
2.5 Model-Model Antrian
Dalam pendekatan sistem ada 4 faktor yang dominan, yaitu [1] Batas Sistem, [2]
Input, [3] Proses, dan [4] Output. Model antrian perlu ditentukan batasannya agar
jelas parameter-parameter yang terlibat di dalam masalah yang sedang diobservasi.
Batas sistem ini akan memudahkan untuk mengetahui apakah mereka yang sudah
berada digaris tunggu kemudian keluar masih diobservasi, demikian pulasejauh mana
batasan proses pelayanan di mana pasilitas pelayanan telah selesai dengan
aktivitasnya.
Input pada model antrian adalah mereka yang menghendaki pelayanan dari sebuah
fasilitas yang menawarkan jenis pelayanan. Misalnya: pelanggan salon, pasien klinik,
nasabah bank, perbaikan mesin,dan lain-lain.
Proses adalah kegiatan tertentu untuk melayani permintaan pelanggan. Misalnya:
potong rambut, menabung atau mengambil uang, reparaasi atau perbaikan mesin dan
lain-lain.
Output adalah pelanggan yang telah selesai dilayani didalam fasilitas pelayanan.
Selama input adalah yang membutuhkan pelayanan proses dimana terbentuk garis
tunggu untuk memperoleh pelayanan, maka inputnya adalah yang berada di garis
tunggu.
o Batas sistem
Gambar 2.5.1 Visualisasi sebuah sistem
Berdasarkan sifat penelitiannya dapat diklasifikasikan fasilitas-fasilitas
pelayanan dalam susunan saluran dan phase yang akan membentuk suatu struktur
antrian yang berbeda-beda. Istilah saluran menunjukkan jumlah jalur untuk memasuki
sistem pelayanan. Sedangkan istilah phase berarti jumlah stasiun-stasiun pelayanan, di
mana para pelanggan harus melaluinya sebelum pelayanan dinyatakan lengkap.
Ada empat model struktur antrian dasar yang umum terjadi dalam seluruh
sistem antrian:
2.5.1 Single Channel, Single Phase
Sistem antrian jalur tunggal (single channel, single server) berarti bahwa dalam sistem
antrian tersebut hanya terdapat satu pemberi layanan serta satu jenis layanan yang
diberikan, sehingga yang telah menerima pelayanan dapat langsung keluar dari ssstem
antrian. Contohnya adalah pada pembelian tiket bus yang dilayani oleh satu loket,
seorang pelayan toko dan lain-lain.
Sistem Antrian:
Datang keluar
Gambar 2.5.2 Single Channel, Single Phase
2.5.2. Single Channel, Multi Phase
Sementara sistem antrian jalur tunggal tahapan berganda (single channel multi phase)
berarti dalam sistem antrian tersebut terdapat lebih dari satu jenis layanan yang
diberikan, tetapi dalam setiap jenis layanan hanya terdapat satu pemberi layanan.
Contohnya adalah: pada proses pencucian mobil.
Sistem Antrian:
Datang keluar
Gambar 2.5.3 Single Channel, Multi Phase Fasilitas
pelayanan 1
Fasilitas pelayanan 1
Fasilitas pelayanan 2
2.5.3. Multi Channel, Single Phase
Sistem antrian jalur berganda satu tahap (multi channel single phase) adalah terdapat
satu jenis layanan dalam sistem antrian tersebut , namun terdapat lebih dari satu
pemberi layanan. Misalnya: pada pembelian tiket yang dilayani oleh lebih dari satu
loket, pelayanan nasabah di Bank, dan lain-lain.
Sistem Antrian:
Datang keluar
Gambar 2.5.4 Multi Channel, Single Phase
2.5.4. Multi Channel, Multi Server
Sistem antrian jalur berganda dengan tahapan berganda (multi channel, multi phase)
adalah sistem antrian di mana terdapat lebih dari satu jenis layanan dan terdapat lebih
dari satu pemberi layanan dalam setiap jenis layanan. Sebagai contohnya adalah pada
pelayanan kepada pasien di rumah sakit dan pendaftaran, diagnosa, tindakan medis
sampai pembayaran. Setiap sistem pelayanan ini mempunyai beberapa fasilitas
pelayanan pada setiap tahap, sehingga lebih satu individu dapat dilayani pada suatu
waktu.
Fasilitas pelayanan 1
Sistem Antrian:
Datang keluar
Gambar 2.5.4 Multi Channel, Multi Server
2.6 Terminologi dan Notasi
Terminologi dan notasi yang biasa digunakan dalam sistem adalah sebagai berikut:
1. Keadaan sistem adalah jumlah atau banyaknya aktivitas pelayanan yang
melayani satuan pelanggan dalam sistem.
2. Panjang antrian adalah banyaknya satuan yang berada dalam sistem dikurangi
dengan jumlah satuan yang sedang dilayani.
Notasi yang digunakan adalah sebagai berikut:
n = jumlah satuan pasien dalam sistem antrian pada waktu t.
c = jumlah satuan pelayanan.
Pn(t) = peluang bahwa ada n pasien yang masuk dalam antrian dalam waktu t.
= tingkat kedatangan.
1
= rata-rata kedatangan pelanggan.
t
= Peluang bahwa ada satu satuan pasien yang masuk dalam antrian selama waktu t.
= tingkat pelayanan.
1
= rata-rata waktu pelayanan
t
= peluang bahwa ada satu satuan pasien yang selesai dilayani selama Fasilitas
pelayanan 1
Fasilitas pelayanan
1
Fasilitas pelayanan
1
Fasilitas pelayanan
1
waktu t.
= tingkat kesibukansistem
c = faktor untuk fasilitas untuk pelayanan c.
L = ekspektasi panjang garis.
Lq = ekspektasi panjang antrian.
W = ekspektasi waktu menunggu dalam sistem.
Wq = ekspektasi menunggu dalam antrian.
Untuk kemudahan dalam memahami karakteristik suatu sistem antrian
digunakan notasi Kendall Lee yaitu format umum, (a / b / c) : (d / e / f).
Notasi ini dikenalkan pertama kali oleh DG Kendall dalam bentuk (a / b / c) dan
selanjutnya AM. Lee menambahkan simbol d, e, dan f pada notasi kendall.
Notasi tersebut mempunyai arti sebagai berikut:
a : Bentuk distribusi pertibaan , yaitu jumlah pertibaan pertambahan waktu.
b : Bentuk distribusi pelayanan, yaitu selang waktu antara satuan-satuan yang
dilayani.
c : Jumlah saluran paralel dalam sistem.
d : Disiplin pelayanan.
e : Jumlah maksimum yang diperkenankan berada dalam sistem.
f : Besarnya populasi masukan.
Simbol a dan b untuk kedatangan dan kepergian digunakan kode-kode berikut
sebagai pengganti:
M : Distribusi pertibaan poisson atau distribusi pelayanan eksponensial.
D : Waktu pelayan tetap.
G : Distribusi umum keberangkatan atau waktu pelayanan
Untuk huruf-huruf d digunakan kode-kode penggganti:
FIFO atau FCFS
LIFO atau LCFS
Untuk huruf c, dipergunakan bilangan bulat positif yang menggunakan jumlah
pelayanan paralel. Untuk huruf e dan f digunakan kode N atau menyatakan jumlah
terbatas atau tak berhingga satu-satuan dalam sistem antrian dan populasi masukan.
Misalnya pada penulisan model (M/M/1) : (FIFO/~/~), ini berarti bahwa
model menyatakan pertibaan berdistribusi poisson, waktu pelayanan berdistribusi
eksponensial, jumlah satuan pelayanan Waktu, pelayanan adalah first in first out,
jumlah langganan yang boleh masuk tidak berhingga dalam sistem antrian dan ukuran
(besarnya) populasi masukan juga tidak berhingga.
2.7 Pola Kedatangan dan Lama Pelayanan
2.7.1 Pola kedatangan
Salah satu cara menentukan distribusi probabilitas adalah memberikan sebuah
variable untuk menguji hasil outcome-nya. Distribusi probabilitas, harus dicatat, tidak
selalu menjadi basis dalam pengamatan. Seringkali, managerial mengestimasi
berdasarkan keputusan dan pengalaman yang digunakan untuk membuat sebuah
distribusi dari variabel tersebut. Dan distribusi itu sendiri dapat berupa data empiris
atau berdasarkan bentuk yang diketahui seperti uniform, normal, binomial, poisson
atau eksponensial.
Fungsi peluang poisson digunakan untuk menggambarkan tingkat kedatangan
dengan asumsi bahwa jumlah kedatangan adalah acak dan kedatangan pelanggan
antar interval waktu saling tidak mempengaruhi. Probabilitas tepat terjadinya x
kedatangan dalam distribusi Poisson dapat diketahui dengan menggunakan rumus:
! ) (
x e x
P
x
Di mana:
P(x) = peluang bahwa ada x kedatangan dalam sistem
= tingkat kedatangan rata-rata
e = bilangan navier (e = 2,71828)
x = variabel acak diskrit yang menyatakan banyaknya kedatangan
per interval waktu
2.7.1.1 Uji Kesesuaian Poisson
Untuk menghitung nilai 2
x dari data pengamatan pada h1, h2, sampai h18 terlebih
dahulu ditentukan nilai waktu pelayanan yang diharapkan dengan menggunakan
rumus distribusi Poisson.
Untuk menentukan nilai 2
x maka digunakan rumus:
x x x
x i
2 2
Kriteria keputusan dilakukan dengan terima rata-rata pelayanan berdistribusi Poisson
apabila x hitung x tabel 2 2
dalam hal lain keputusan ditolak.
2.7.2 Lama Pelayanan
Lama pelayanan yang dihitung sejak kedatangan pelanggan dalam sistem antrian
sampai selesai pelayanan mengikuti distribusi Eksponensial. Ini bisa dilakukan
dengan membandingkan sample waktu pelayanan yang sebenarnya dengan waktu
pelayananan yang diharapkan berdasarkan rumus sebagai berikut:
t
e t
f( )
Dengan :
µ = Rata-rata tiap pelayanan (unit pelayanan per unit waktu)
e = Bilangan Navier (e = 2, 71828)
t = waktu lamanya pelayanan (unit pelayanan per unit waktu)
2.7.2.1 Uji Kesesuaian Eksponensial
Untuk menghitung nilai 2
x dari data pengamatan pada h1, h2, sampai h10 terlebih
dahulu ditentukan nilai waktu pelayanan yang diharapkan dengan menggunakan
Untuk menentukan nilai 2
x maka digunakan rumus:
harapan
2 harapan 2
i i i
x
Kriteria keputusan dilakukan dengan terima rata-rata pelayanan berdistribusi
eksponensial apabila x hitung x tabel 2 2
dalam hal lain keputusan ditolak.
2.7.2.2 Pembangkit Bilangan Random
Bilangan random digunakan untuk menentukan berapa lama waktu yang digunakan
sesuai dengan jenis distribusinya yaitu berdistribusi eksponensial. Untuk
membangkitkan bilangan random ini digunakan alat bantu berupa perangkat lunak,
penulis menggunakan Excel untuk membangkitkan bilangan random antara 0 – 1.
Algoritma untuk menentukan x
Diketahui jenis distribusi eksponensial dengan rata-rata waktu kedatangan dan
bilangan random u
Algoritma:
1. Bangkitkan bilangan random u (0 , 1)
2. x = - ln (u)
3. Diperoleh x
2.8 Analisis Formula yang digunakan
Dalam melakukan perhitungan penulis mengambil acuan dengan formula yang
digunakan dalam pemecahan persoalan yang ditemukan di klinik, yaitu:
2.8.1 Menentukan peluang masa sibuk ( ):
Ketika menandai tingkat kedatangan dan menandai tingkat pelayanan dimana >
menyertai sebagai asumsi maka tingkat kesibukan sistem dapat dinyatakan:
2.8.2 Menentukan peluang semua pelayanan menganggur (P):
Tingkat kesibukan sistem paling sibuk adalah 100% dan jika tingkat
kedatangan dan semakin kecil pada tingkat pelayanan yang tidak berubah maka
tingkat kesibukan akan menurun. Dengan demikian, probabilitas sistem yang sedang
kosong sangat tergantung pada penggunaan fasilitas pelayanannya. Secara matematik
dituliskan:
Secara umum P0 merupakan peluang waktu menganggur berlaku untuk semua
sistem pelayanan baik dalam sistem pelayanan tunggal maupun sistem pelayanan
ganda. Bila seorang yang berada dalam sistem, maka satu pelayan akan sibuk dan c-1
pelayan akan menganggur.
Maka dinyatakan dengan formula:
2.8.3 Ekspensi panjang antrian ( Lq )
Untuk sistem saluran tunggal ekspektasi panjang antrian dinyatakan dengan:
2.8.4 Ekspektasi panjang garis (L):
2
s
L
2.8.5 Ekspektasi waktu menunggu dalam sistem (Ws):
L Ws
2.8.6 Ekspektasi waktu menunggu dalam antrian (Wq):
Karena waktu menunggu rata-rata dalam antrian ditambah dengan waktu pelayanan
merupakan waktu menunggu rata-rata dalam sistem, maka:
s
q W
W
PEMBAHASAN
3.1 Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data yang diperoleh dari pengamatan
langsung pada Klinik Spesialis Dalam (INTERNIST) Dr. H. Faisal Lubis, Sp. PD
Bireun. Pengamatan dilakukan selama 18 hari, yaitu pada hari senin sampai sabtu
(mulai tanggal 6 Juli 2009 sampai dengan tanggal 1 Agustus 2009). Waktu yang
dipilih berdasarkan pengamatan yang dilakukan selama 3 hari dengan mencatat waktu
pertibaan pasien, waktu mulai dilayani, waktu selesai dilayani pada setiap pasien yang
datang memeriksakan diri.
Pencatatan lama waktu-waktu tersebut di atas berdasarkan perhitungan dengan
memakai stopwatch yaitu mulai dari pasien datang, pasien dilayani, sampai pasien
selesai dilayani.
Dari pengumpulan data di lapangan maka diperoleh jumlah kedatangan pasien sebagai
berikut:
Tabel 3-1 Rangkuman Data Keadaan Klinik minggu 1 (jam 15:00-17:00)
Hari Senin Selasa Rabu Kamis Jumat sabtu
Jumlah Pasien
P lama
P baru
P lama
P baru
P lama
P baru
P lama
P baru
P lama
P baru
P lama
P baru 29
12 23 11 24 12 23 9 17 13 15 19
Lama penga matan
(jam)
Tabel 3-2 Rangkuman Data Keadaan Klinik minggu II (jam 15:00-17:00)
Tabel 3-3 Rangkuman Data Keadaan Klinik minggu III (jam 15:00-17:00)
Hari Senin Selasa Rabu Kamis Jumat sabtu
Tabel 3-4 Data Tingkat kedatangan Pasien setiap jam minggu ke-I
Tabel 3-5 Data Tingkat kedatangan Pasien setiap jam minggu ke-II
Tabel 3-6 Data Tingkat kedatangan Pasien setiap jam minggu ke-III
Hari
µ untuk pasien lama
Tabel 3-7 Data rata-rata waktu Pelayanan (dalam menit) minggu I
Tabel 3-8 Data rata-rata waktu Pelayanan (dalam menit) minggu II
Hari
Tabel 3-9 Data rata-rata waktu Pelayanan (dalam menit) minggu III
Hari
µ untuk pasien lama
187
Untuk menghitung nilai µharapan dengan nilai t = 1, digunakan rumus:
t
)
(t e f
Jadi dapat dihitung nilai-nilai µharapan sebagai berikut:
137
µ untuk pasien baru
25
Untuk menghitung µharapan dengan t = 1, dengan rumus
t
Jadi dapat dihitung nilai-nilai µharapan sebagai berikut:
153
3.2 Pengolahan Data
3.2.1 Waktu Antar Kedatangan Pasien
Uji Kesesuaian Poisson
Untuk menghitung nilai 2
x dari data pengamatan pada h1, h2, sampai h18 terlebih
dahulu ditentukan nilai kemungkinan waktu pelayanan yang diharapkan dengan
menggunakan rumus distribusi Eksponensial dan mengambil nilai t = 1 pada rumus
distribusi eksponensial.
Untuk menentukan nilai 2
x maka digunakan rumus:
Kriteria keputusan dilakukan dengan terima rata-rata pelayanan berdistribusi
eksponensial apabila x hitung x tabel 2 2
dalam hal lain keputusan ditolak.
Tabel 3-10 Rata-rata kecepatan kedatangan pasien lama
Hari h1 h2 h3 h4 h5 h6 h7 h8
14,5 11,5 11,5 11,5 8,5 12,5 15 8,5
h9 h10 h11 h12 h13 h14 h15 h16 h17 h18
9,5 10 9 8,5 8 11,5 8,5 7 8,5 11,5
Dari data diatas maka:
84
Berdasarkan nilai batas kritis 2
x dengan taraf nyata 0,05 dan k = 18
Maka diterima asumsi bahwa pola pelayanan pasien berdistribusi Poisson.
Tabel 3-11 Rata-rata kecepatan kedatangan pasien baru gabungan
Hari h1 h2 h3 h4 h5 h6 h7 h8
6 5,5 6 6 6,5 9,5 7 7,5
h9 h10 h11 h12 h13 h14 h15 h16 h17 h18
7 5 6 7,5 11,5 5,5 7,5 8,5 8 5
Dari data diatas maka:
Berdasarkan nilai batas kritis 2
x dengan taraf nyata 0,05 dan k = 18
Maka diterima asumsi bahwa pola pelayanan pasien berdistribusi poisson.
Waktu Pelayanan Pasien
Uji Kesesuaian Eksponensial
Untuk menghitung nilai 2
x dari data pengamatan pada h1, h2, sampai h18 terlebih
menggunakan rumus distribusi Eksponensial dan mengambil nilai t = 1 pada rumus
distribusi eksponensial.
Untuk menentukan nilai 2
x maka digunakan rumus:
Kriteria keputusan dilakukan dengan terima rata-rata pelayanan berdistribusi
eksponensial apabila x hitung x tabel 2 2
dalam hal lain keputusan ditolak.
Tabel 3-12 Rata-rata kecepatan pelayanan pasien lama
Hari h1 h2 h3 h4 h5 h6 h7 h8
Dari data diatas maka:
Berdasarkan nilai batas kritis 2
x dengan taraf nyata 0,05 dan k = 18
Maka diterima asumsi bahwa pola pelayanan pasien berdistribusi eksponensial.
Tabel 3-13 Rata-rata kecepatan pelayanan pasien baru gabungan
Dari data diatas maka:
Berdasarkan nilai batas kritis 2
x dengan taraf nyata 0,05 dan k = 18
Maka diterima asumsi bahwa pola pelayanan pasien berdistribusi eksponensial.
3.3 Mensimulasikan Model
Metode simulasi merupakan salah satu metode yang lebih efektif untuk memecahkan
masalah antrian jenis ini. Untuk mensimulasikan waktu kedatangan, waktu pelayanan
yang bersifat random, maka akan digunakan angka-angka random.
Bilangan random digunakan untuk menentukan berapa lama waktu yang digunakan
sesuai dengan jenis distribusinya. Untuk membangkitkan bilangan random ini
digunakan alat bantu berupa perangkat lunak, yaitu Microsoft Excel untuk
3.3.1 Waktu Pemeriksaan Pasien “lama”
Dari uji distribusi diketahui waktu pemeriksaan berdistribusi Eksponensial. Diketahui
waktu rata-rata pemeriksaan 5,313 menit.
Jadi fungsi distribusinya yaitu:
(u) ln
t
Algoritma untuk menentukan x
1. Bangkitkan bilangan random u (0 , 1)
2. x = -5,313 ln (u)
3. Diperoleh x
Tabel 3-14 Simulasi Waktu Pemeriksaan Pasien “lama”
kedatangan pasien “Baru”
bilangan random
(u)
rata-rata waktu pemeriksaan
x =-5,313 ln (u)
1 0,94 0,329
2 0,33 5,890
3 0,92 0,443
4 0,96 0.217
5 0,40 4,868
6 0,28 6,763
7 0,93 0,386
8 0,10 12,234
9 0,76 1,458
10 0,86 0,801
11 0,41 4,737
12 0,06 14,948
13 0,82 1,054
14 0,20 8,551
15 0,48 3,900
16 0,61 2,626
17 0,44 4,362
18 0,89 1,619
jumlah 74,166
rata-rata 4,1214
3.3.2 Waktu Pemeriksaan Pasien “baru”
Dari uji distribusi diketahui pemeriksaan dokter berdistribusi eksponensial. Diketahui
waktu rata-rata pemeriksaan 5,465 menit. Jadi fungsi distribusinya yaitu:
(u) ln
t
Algoritma untuk menentukan x
1. Bangkitkan bilangan random u (0 , 1)
2. x = -5,465 ln (u)
3. Diperoleh x
Tabel 3-15 Simulasi Waktu Pemeriksaan Pasien “Baru”
kedatangan
pasien “Baru”
Bilangan random
(u)
rata-rata waktu pemeriksaan
x = -5,465 ln (u)
1 0.03 19,163
2 0.69 2,028
3 0.79 1,288
4 0.35 5,737
5 0.13 11,150
6 0.73 1,720
7 0.36 5,580
8 0.94 0,338
3.3.3 Waktu Pembuatan Kartu Riwayat Kesehatan
Dari uji distribusi diketahi pemeriksaan dokter berdistribusi Eksponensial. Diketahui
waktu rata-rata pemeriksaan 1,955 menit. Jadi fungsi distribusinya yaitu:
(u) ln
t
Algoritma untuk menentukan x
1. Bangkitkan bilangan random u (0 , 1)
2. x = -1,955 ln (u)
3. Diperoleh x
10 0.53 3,470
11 0.15 10,368
12 0.55 3,267
13 0.7 1,950
14 0.46 4,243
15 0.4 5,007
16 0.71 1,872
17 0.57 3,072
18 0.23 8,030
jumlah 101,736
rata-rata 5,652
Tabel 3-16 simulasi Pembuatan Kartu Riwayat Kesehatan Pasien “Baru”
kedatangan pasien “Baru”
bilangan random
(µ)
rata-rata waktu pembuatan KRK
t = -1,955 ln (u)
1 0.46 1,518
2 0.05 5,857
3 0.17 3,464
4 0.47 1,476
5 0.93 0,142
6 0.86 0,295
7 0.39 1,841
8 0.34 2,110
9 0.45 1,561
10 0.2 3,146
11 0.14 3,844
12 0.6 0,999
13 0.08 4,938
14 0.62 0,935
15 0.56 1,133
16 0.44 1,605
17 0.52 1,278
18 0.09 4,706
Jumlah 40,848
rata-rata 2,269
3.4 Hasil Perhitungan Berdasarkan Analisis dan Simulasi dengan Menggunakan Teori Antrian
3.4.1 Hasil Perhitungan Berdasarkan Analisis dengan Menggunakan Teori Antrian
Berdasarkan analisis terhadap tingkat kedatangan, waktu pelayanan, model antrian di
model antrian dengan pola kedatangan poisson, dan waktu pelayanan berdistribusi
eksponensial sebelum melakukan simulasi:
3.4.1.1Ekspektasi Kecepatan pertibaan rata-rata ( ):
menit
3.4.1.2Ekspektasi kecepatan pelayanan rata-rata (µ):
Dari data diketahui rata-rata pelayanan pasien lama = 5,313 menit, lama
pelayanan pasien baru = lama pemeriksaan dokter + lama pelayanan
pembuatan kartu riwayat kesehatan = 5,465 + 1,9545 = 7,4195 menit.
menit
3.4.1.3Menetukan peluang masa sibuk :
menit
3.4.1.4Menentukan peluang semua pelayanan menganggur
323
3.4.1.5Ekspektasi panjang antrian (Lq):
3.4.1.6Menentukan ekspektasi panjang garis (L):
L = Lq +
L = 5,317 + 0,861
L = 6,178 pasien per menit
3.4.1.7Menentukan ekspektasi waktu menunggu dalam sistem (W):
menit
3.4.1.8Menentukan ekspektasi waktu menunggu dalam antrian (Wq):
menit
3.4.2 Hasil Perhitungan Berdasarkan Simulasi dengan Menggunakan Teori Antrian
Berdasarkan analisis terhadap tingkat kedatangan, waktu pelayanan, model antrian di
Klinik Spesialis Dalam (INTERNIST) Dr. H. Faisal Lubis, Sp.PD Bireun adalah
model antrian dengan pola kedatangan uniform, dan waktu pelayanan berdistribusi
eksponensial sesudah melakukan simulasi:
3.4.2.1Ekspektasi Kecepatan pertibaan rata-rata ( ):
Dari data diketahui:
menit
3.4.2.2Ekspektasi kecepatan pelayanan rata-rata (µ):
Dari data diketahui rata-rata pelayanan pasien lama = 4,1214 menit, lama
pelayanan pasien baru = lama pemeriksaan dokter + lama pelayanan
pembuatan kartu riwayat kesehatan = 5,652 + 2,269 = 7,921 menit.
3.4.2.3Menentukan peluang masa sibuk:
3.4.2.4Menentukan Peluang semua pelayan menganggur:
369
3.4.2.5Ekspektasi panjang antrian:
)
3.4.2.6Menentukan ekspektasi panjang garis:
3.4.2.7Menentukan ekspektasi waktu menunggu dalam sistem:
menit 9,550
278 , 0 2,655
W W
L W
3.4.2.8Menetukan ekspektasi waktu menunggu dalam antrian:
menit 9,181
369 , 0 550 , 9
q q q
W W
W
W
Tabel 3.17 Rangkuman Hasil Pengolahan Data
Nilai Hasil Analisis Hasil Simulasi
0,278 0,278
µ 0,323 0,369
0,861 0,753
P0 0,323 0,369
Lq 5,317 2,302
L 6,178 2,655
W 22,223 9,550
BAB 4
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari hasil pembahasan yang telah disajikan di atas, maka dapat disimpulkan bahwa:
1. Model antrian yang diperoleh adalah model (M/M/1) :(FIFO/~/~),
tingkat kedatangan berdistribusi Poisson, waktu pelayanan berdistribusi
eksponensial, dengan jumlah pelayanan adalah seorang dokter, disiplin
antrian yang digunakan adalah pasien yang pertama datang yang pertama
dilayani, jumlah pelanggan dalam sistem antrian dan ukuran populasi pada
sumber masukan adalah tak berhingga.
2. Dari hasil analisis data pada waktu kedatangan pasien, waktu pelayanan
pasien, dan waktu pembuatan kartu riwayat kesehatan diperoleh nilai:
ekspektasi kecepatan pertibaan rata-rata ( ) = 0,278 pasien per menit,
ekspektasi kecepatan pelayanan rata-rata (µ) = 0,318 pasien per menit,
peluang masa sibuk ( ) = 0,323, probabilitas semua pelayanan
menganggur atau tidak ada pasien dalam sistem (P0) = 0,537, ekspektasi
panjang antrian (Lq) = 5,317 pasien per menit, ekspektasi panjang garis
(L) = 6,178 pasien per menit, ekspektasi waktu menunggu dalam sistem
(W) = 22,223 menit, ekspektasi waktu menunggu dalam antrian (Wq) =
21,9 menit.
3. Dari simulasi yang dilakukan pada waktu kedatangan pasien, waktu
pelayanan pasien, dan waktu pembuatan kartu riwayat kesehatan diperoleh
nilai: ekspektasi kecepatan pertibaan rata-rata ( ) = 0,278 pasien per
menit, ekspektasi kecepatan pelayanan rata-rata (µ) = 0,369 pasien per
menit, peluang masa sibuk = 0,369, probabilitas semua pelayanan
menganggur atau tidak ada pasien dalam sistem (P0) = 0,369, ekspektasi
ekspektasi panjang garis (L) = 2,655 pasien per menit, ekspektasi waktu
menunggu dalam sistem (W) = 9,550 menit, ekspektasi waktu menunggu
dalam antrian (Wq) = 9,181 menit.
5.2 Saran
Tingkat kedatangan pasien dan kecepatan pelayanan untuk selalu di analisa, sehingga
dapat ditentukan kebijakan untuk mengantisipasi antrian yang terjadi demi
memberikan pelayanan yang terbaik bagi pasien. Pelayanan kesehatan tidak ada tawar
menawar, karena menyangkut masalah nyawa manusia. Dengan demikian pelayanan
pasien yang terbaik akan sangat bermanfaat demi tertolongnya pasien.
Pada pelayanan kedatangan yaitu pada pendaftaran pasien sebaiknya diberikan
nomor antrian dan diberitahukan interval waktu untuk dilayani dokter supaya para
pasien datang beberapa saat akan dilayani oleh dokter, sehingga pasien tidak terlalu
DAFTAR PUSTAKA
Aminuddin, 2005., “Prinsip-Prinsip Riset Operasi”. Erlangga: Jakarta.
Bronson, Richard, 1991., “Teori Dan Soal-Soal operation Research”. Edisi pertama cetakan kedua. Erlangga: Jakarta.
Dwi Waluyo, Sihono, 2001., „Statistika Untuk Pengambilan Keputusan”. Ghalia Indonesia: Jakarta.
Husnan, Suad, 1982., “Teori Antrian”. BPFE : Yogyakarta.
Kakiay, Thomas J, 2004., “Dasar Teori Antrian Untuk Kehidupan Nyata”. Andi:
Yogyakarta.
Mulyono, Sri, 2004., “Riset Operasi”. Fakultas Ekonomi Universitas Indonesia:
Jakarta.
Siagian, P, 1λ87., “Penelitian Opersional Teori dan Praktek”. Universitas Indonesia-PRESS: Jakarta.
Siswanto, 2007., “Operation research”. Jilid 1. Erlangga: Jakarta.
Tarigan, Josep R; Suparmoko, M, 2000., “Metode Pengumpulan Data”. BPFE:
Yogyakarta.
Tim Penelitian Dan Pengembangan Wahana Komputer, 2001., “Pengolahan Data
Statistik Dengan SPSS 10.0”. Salemba Infotex: Jakarta.
V. Hogg, Robert; A. Tanis, Elliot, 1977., “Probability and Statistical Inference”.
Simon and Schuster/A Viacom Company Company: New Jersey 07458.
Zulfikarijah, Fien, 2004., “Operation research”. Edisi pertama Cetakan pertama.
Bayumedia Publishing: Malang.