Upload
vuhanh
View
218
Download
0
Embed Size (px)
Citation preview
Banyaknya penelpon di
waktu sibuk (jam kerja)Operator telepon
terbatas
Penelpon menunggu dilayani
A.K. Erlang tahun 1910
Teori Antrian
Teori yang
menyangkut
studi matematis
dari antrian-
antrian
Proses antrian
Sistem antrian
Keadaan sistem
Analisis Teori AntrianUkuran
Performansi
Waktu rata-rata yang dihabiskan
pelanggan dalam antrian
Rata-rata jumlah pelanggan
dalam sistemPanjang antrian rata-rata
Probabilitas sejumlah pelanggan
berada dalam sistem
Probabilitas sistem pelayanan
akan kososng
Waktu rata-rata yang dihabiskan
pelanggan dalam sistem
Pola kedatangan
Pola waktu pelayanan
Desain fasilitas
pelayananpelayanan
Disiplin antrian
Ukuran antrian
Sumber input
Perilaku pelanggan
Pola kedatangan
Waktu antar
Deterministik
Probabilistik
Waktu antar
kedatangan
pelanggan yang
berurutan
Pola waktu pelayanan
Deterministik
Probabilistik
Waktu yang
dibutuhkan untuk
melayani seorang
pelanggan.
FCFS
(First Come First Served)
LCFS
Disiplin antrian
LCFS
(Last Come First Served)
SIRO
(Service in Random Order)
Service Priority
� Distribusi probabilitas Poisson paling sering
digunakan bila kedatangan didistribusikan secara
random.
� Distribusi Poisson menggambarkan jumlah� Distribusi Poisson menggambarkan jumlah
kedatangan per unit waktu bila sejumlah variabel
random mempengaruhi kedatangan.
� Bila pola kedatangan individu mengikuti distribusi
poisson maka waktu antar kedatangan adalah
random dan mengikuti suatu distribusi eksponensial.
HUBUNGAN DISTRIBUSI POISSON DAN
EKSPONENSIAL
Sistem antrian yang dipelajari disini yaitu banyaknya
kedatangan dan kepergian (selesainya pelayanan) selama
interval waktu tertentu dinyatakan dalam kondisi sebagai
berikut:Kondisi 1
Probabilitas terjadinya kegiatan antara waktu t sampai t+h
hanya bergantung pada kejadian yang terjadi selama selang h
Kondisi 2
Kondisi 3
hanya bergantung pada kejadian yang terjadi selama selang h
saja (banyaknya kejadian sebelum waktu ke-t tidak akan
mempengaruhi kejadian selama selang waktu h)
Probabilitas bahwa dalam selang waktu h yang sangat
kecil akan terjadi suatu event yaitu positif dan ≤ 1
Paling banyak satu kejadian yang bisa terjadi selama
selang waktu h yang sangat kecil
Pn(t)�Probabilitas akan terjadi n event dalamwaktu t maka (untuk n =0):
Kondisi 2Kondisi 2
Kondisi 1Kondisi 1 )().()( 000 hPtPhtP =+
1)(0 0 ≤< hP
0;)(0 ≥= − tetP tα
dipenuhi jika
α = konstan positif
α = laju kedatangan
laju kepergianEventEvent
kedatangan
kepergian
per satuanwaktuα = laju kepergian
Eventkepergian waktu
untuk h → 0 maka
hhP
hhhehP h
α
αααα
−≅
+−+−== −
1)(
McLaurin)"(deret "...!3
)(
!2
)(1)(
0
32
0
Kondisi 3Kondisi 3 hhPhP α≅−= )(1)( 01
f (t ) = pdf dari interval waktu antara 2 event yang
berurutan, t ≥0
F (t ) = fungsi densitas kumulatif dari t
Misal :
∫∞
=0
)()( dxxftF
Jika T = interval waktu sejak terjadinya event berakhir
maka P {waktu antar 2 event ≥ T} = P { tidak ada event yang terjadi
selama T }
atau TeTPTtP α−==≥ )(}{atau TeTPTtP α−==≥ )(}{ 0
TT
T
T
edttfedttf αα −
∞−
−∞
−=⇒= ∫∫ 1)()(Jadi,TeTtP α−−=<⇒ 1)(
)()(1)()( TFdt
dTfeTFTtP T =⇒−==< −α
0;)( >= − TeTf Tαα distribusi eksponensial untuk waktu antar 2
kejadian
α1
)( =TE satuan waktu rata – rata interval waktu antar 2 kejadian
Sebuah mesin selalu memiliki unit cadangan untuk
digunakan sebagai pengganti jika terjadi kerusakan.
Waktu kerusakan mesin atau unit cadangannya itu
Contoh Soal
(Distribusi Kedatangan & Kepergian)
Waktu kerusakan mesin atau unit cadangannya itu
adalah ekponensial dengan mean 10 jam.
Kerusakan terjadi dengan laju 0.1 kejadian perjam,
berapakah probabilitas kerusakan terjadi dalam 5
jam ?
Pn(t)=Probabilitas terdapat n (n > 0) kedatanganselama interval waktu t maka untuk h > 0 danh →0 berlaku :
terdapat n kedatangan selama waktu
PhtPn =+ )(
terdapat n kedatangan selama waktut , dan terdapat 0 kedatangan selama waktu h,
terdapat (n-1) kedatangan selamawaktu t , danterdapat 1 kedatangan selama waktu h
atau
!
)()(
n
ettP
tn
n
λλ −
=
Distribusi dari“banyaknyakedatangan selamainterval waktu t “
Mean = λ = laju kedatangan
n =0,1,2,…
tλMean =Variansi =
λ = laju kedatangan
Distribusi waktu antar kedatangan ~ Eksponensialdengan mean 1/λ
tλtλ
SISTEM
LAJU KEPERGIAN n OBJEK
N OBJEK (PELANGGAN)ASUMSI
Proses Kepergian
(Selesainya Pelayanan)
tidak ada obyek baru yang masuk dalamsistem
LAJU KEPERGIAN (µ) n OBJEK
(PELANGGAN)
)(tn
q
Untuk h� 0, maka (tidakterdapat kepergian).
µh1µh
e(h)0q −≅−
=
Misal, probabilitas terjadin kepergian selamawaktu t.
Untuk h > 0, maka (terdapat 1 kepergian).
µh(h)q1(h)1q0
≅−=
µ
µ
)(1
)('
)(1
)()(
tN
qtN
q
htN
qtN
qhtN
q
−=
−+≅+
µµ )(1
)1)(()( htn
qhtn
qhtn
q −+−≅+
µµ )(1
)()('
1
tn
qtn
qtn
q
nnn
−+−=
−
)(0
)(0
'
)1)((0
)(0
tqtq
htqhtq
µ
µ
−=
−≅+
∑−
=−=
−=
1
0)(1)(
!
)()(
N
nt
nqt
Nq
n
tentt
nq
µµ
Diperoleh,
Waktu pelayanan ~ Distribusi Eksponensial dengan mean 1/μ.
)!515(
3515)3()(
5 −
−−=
tettp
Hari ke-t 1 2 3 4 5 6
µt 3 6 9 12 15 18
P5(t) 0.0008 0.0413 0.1186 0.1048 0.0486 0.015
probabilitas tertinggi untukpemesanan ulang terhadap
barang
(t)5
p(t)4
p(t)3
p(t)2
p(t)1
p(t)0
p(t)5n
p +++++=≤(t)]
15p.......(t)
6[p1 ++−=
∑−−
−=15 3t)(en)(15(3t)
1
Hari ke-t 1 2 3 4 5 6
µt 3 6 9 12 15 18
Pn≤5(t) 0.0012 0.0839 0.4126 0.7576 0.9303 0.9847
probabilitas monoton naik seiring denganpemesanan pada hari ke-t.
∑= −
−=6n n)!(15
1
∑=
==15
0n(6)nnp6]t|Ε[n
=0n
n 0 1 2 3 4 5 6 7 8 9 10 11
Pn(6) .792 .0655 .0509 .0368 .0245 .015 .0083 .0042 .0018 .0007 .0002 .0001
0.55376]t|Ε[n ==
Pn(6) 0 , untuk n = 12, 13, 14, 15.≅
Notasi Kendall� untuk merinci suatu ciri dari antrianadalah (a/b/c) : (d/e/f), dimana:
a : distribusi kedatangan
b : distribusi kepergian (selesainya pelayanan)b : distribusi kepergian (selesainya pelayanan)
c : banyaknya fasilitas pelayanan
d : disiplin antrian
e : banyaknya pengantri maksimal yang diizinkan
berada dalam sistem pelayanan (yang antri dan yang
sedang dilayani)
f : ukuran sumber input
Model Antrian
untuk a dan b biasanya digunakan notasi sebagai berikut:
M : jika distribusi kedatangan dan kepergian
Poisson
D : waktu antar kedatangan dan pelayanan konstan
diketahui dengan pasti (deterministik)
Ek : distribusi waktu antar kedatangan dan
pelayanan Erlang atau Gammapelayanan Erlang atau Gamma
GI: jika distribusi kedatangan General Independent
untuk d digunakan notasi:
GD: jika digunakan disiplin antrian
Dalam pembahasan ini akan dijelaskan model–
model dengan distribusi kedatangan dan
kepergiannya berdistribusi Poisson dan disiplin
antriannya GD.
MODEL ANTRIANUkuran Performansi
qqssn LW WLP →→→→
∑∞
=on nnP λ/Ls
qWλ
ᴥPn adalah probabilitas terdapat n objek yang berada dalam
sistem
ᴥ Laju kedatanganλ-1/Ws λ
n
sistem
ᴥ Ls adalah ekspektasi banyaknya objek (pengantri) dalam sistem
ᴥ Lq adalah ekspektasi banyaknya objek (pengantri) dalam
antrian (tidak termasuk yang sedang dilayani
ᴥ Ws adalah ekspektasi waktu menunggu dalam sistem (dalam
antrian + dalam pelayanan)
ᴥ Wq adalah ekspektasi waktu menunggu dalam antrian
(M / M / 1) : ( GD / ∞ / ∞)(M / M / 1) : ( GD / ∞ / ∞)
Model AntrianModel Antrian
(M / M / 1) : ( GD / N / ∞)(M / M / 1) : ( GD / N / ∞)
Model Antrian
(M / M / 1) : ( GD / ∞ / ∞)
Tidak ada batasankapasitas sistempelayanan
Tidak adabatasan sumberinput
1 pelayananDistribusi Poisson
Laju kedatangan λ
Laju kepergian μ
ρ=L1=Wλρ=
General disiplin
rata-rata banyaknyaobjek dalam sistem
rata-rata banyaknyaobjek dalam antrian
rata-rata waktu menunggudalam sistem
rata-rata waktu menunggudalam antrian
ρρ−
=1sL
ρρ−
=1
2
qL
)1(
1
ρµ −=sW
)1( ρµρ−
=qW
µλρ=
(M / M / 1) : ( GD / N / ∞)(M / M / 1) : ( GD / N / ∞)
Batas maksimal N → panjang maksimal N-1
effλ
λλ <eff
laju kedatangan dari objek yang bisa bergabung dalamantrian
nρρ
−1
,
,
=nP
nN
ρρ
ρ
−−
+11
1
1
1
+N
1≠ρ
1=ρNn ,...,2,1,0=
{ })1)(1(
)1(11
1
+
+
−−++−
N
NN NN
ρρρρρ 1≠ρ
=SL
2
N 1=ρ
{ } NPNnP −=> 1
)1( Neff P−=λλ
)1( N
q
eff
qq P
LLW
−==
λλ
P [ terdapat 1 kedatangan yang tidak bisa masukantrian karena penuh ] =PN
Jadi,
)1( Neff P−λλ
µλ
µλ )1( N
qeff
qS
PLLL
−+=+=
eff
S
N
SqS
L
P
LWW
λλµ=
−=+=
)1(
1
)1()( NqSeff PLL −=−= λµλ
Contoh Soal
Sebuah salon mempekerjakan satu orang
sebagai tukang potong rambut. Pada hari sabtu
pelanggan yang datang cukup membuat sibuk
pegawainya. Kedatangan pelangganpegawainya. Kedatangan pelanggan
berdistribusi poisson dengan tingkat rata-rata
kedatangan 5 pelanggan per jam. Waktu yang
dibutuhkan untuk melayani pelanggan
berdistribusi eksponensial dengan rata-rata 10
menit per pelanggan. Jika ruang tunggu salon
hanya tersedia 4 kursi tunggu, berapa lama
waktu tunggu dalam sistem?
Penyelesaian:
pelanggan per menit atau pelanggan per jam
maka
pelanggan per jam.Dalam satu jam-nya, rata-rata pelanggan yang membatalkan antriannya
karena penuh adalah
Rata-rata waktu tunggu sampai mobil selesai dicuci