SIMULASI ANTRIAN KLINIK DAN IMPLEMENTASINYA MENGGUNAKAN GPSS
|
|
- Bambang Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SIMULASI SIMULASI ANTRIAN KLINIK DAN IMPLEMENTASINYA MENGGUNAKAN GPSS Dosen Pengampu : Dr. Danardono DISUSUN OLEH : Nama : Muh. Zaki Riyanto NIM : (02/156792/PA/08944) Prodi : Matematika JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS GADJAH MADA DAERAH ISTIMEWA YOGYAKARTA 2005
2 1 PENDAHULUAN Diketahui terdapat suatu klinik dokter umum (satu dokter saja). Pasien ataupun orang yang berobat ke klinik ini diwajibkan untuk mempunyai riwayat kesehatan dari dokter yang bersangkutan, jika belum mempunyai riwayat kesehatan maka harus membuatnya terlebih dahulu, bagi yang sudah mempunyai dapat langsung antri untuk dilakukan pemeriksaan oleh dokter. Jadi, pasien dibagi menjadi 2 macam yaitu : 1. Pasien lama, yaitu pasien yang pernah datang sebelumnya (sudah mempunyai riwayat kesehatan). 2. Pasien baru, yaitu pasien yang baru pertama kali datang (belum mempunyai riwayat kesehatan). Dan dari pengamatan diperoleh informasi bahwa : Rata-rata waktu kedatangan untuk pasien lama adalah 40 menit. Rata-rata waktu kedatangan untuk pasien baru adalah 60 menit. Lama waktu antar kedatangan, keduanya berdistribusi uniform dengan rata-rata interval ±10 menit. Lama waktu pemeriksaan oleh dokter membutuhkan waktu 20 ± 5 menit dan berdistribusi uniform. Untuk membuat riwayat kesehatan yang baru, membutuhkan waktu 10 ± 3 menit. Klinik ini dibuka selama 8 jam setiap hari (8 jam = 480 menit). PERMASALAHAN Akan dibuat model simulasi dari sistem antrian tunggal ini dan juga akan dicoba untuk meng-simulasikan keadaan ini untuk waktu 30 hari untuk mengetahui berapa lama para pangunjung klinik untuk antri. Jika dimungkinkan, akan dicari solusi penyelesaian agar lama waktu antri pengunjung berkurang dengan tanpa menambah fasilitas ataupun komponen penunjang lain secara signifikan.
3 2 Diagram Sistem: Masuk Antri YA Punya Riwayat Kesehatan? TIDAK Diperiksa Dokter Membuat Riwayat Kesehatan Selesai REPRESENTASI DENGAN EVENT GRAPH t(a) t(s) c(1) c(2) Events : 1 : Kedatangan Pasien 2 : Menemui Dokter 3 : Pelayanan Selesai Delays : t(a) : Waktu sampai kedatangan berikutnya t(s) : Waktu pelayanan pasien Kondisi : c(1) : n = 0 c(2) : n > 0
4 MENENTUKAN JENIS DISTRIBUSI Salah satu cara menentukan distribusi probabilitas adalah dengan memberikan sebuah variable untuk menguji hasil outcome-nya. Probabilitas, atau frekuensi relative untuk setiap outcome yang mungkin dari sebuah variable ditentukan dengan membagi frequency of observasi (banyaknya pengamatan) dengan total number of observation (jumlah observasi). Distribusi probabilitas, harus kita catat, tidak selalu menjadi basis dalam pengamatan. Seringkali, managerial mengestimasi berdasarkan keputusan dan pengalaman yang digunakan untuk membuat sebuah distribusi dari variable tersebut.dan distribusi itu sendiri dapat berupa data empiris atau berdasarkan bentuk yang diketahui seperti uniform, normal, binomial, poisson atau exponensial. Dari hasil pengamatan, diasumsikan jenis distribusi untuk waktu kedatangan dan waktu antar kedatangan berdistrbusi uniform (kontinu). Adapun distribusi uniform digunakan untuk memodelkan proses dimana hasilnya mempunyai peluang yang sama untuk terjadi dalam interval waktu a dan b. f ( x) = 1 b a, a x b 3 PEMBANGKITAN BILANGAN RANDOM Bilangan random digunakan untuk menentukan berapa lama waktu yang digunakan sesuai dengan jenis distribusinya yaitu berdistribusi uniform. Untuk membangkitkan bilangan random ini digunakan alat bantu berupa perangkat lunak, kami menggunakan Excel untuk membangkitkan bilangan random antara 0 1. Algoritma untuk menentukan x Diketahui jenis distribusi uniform dengan interval waktu distribusinya : f ( x) = 1 b a Algoritma: 1. Bangkitkan bilangan random u (0, 1) 2. x = a + (b 1)u 3. Diperoleh x a x b, dengan fungsi
5 4 MENSIMULASIKAN MODEL Diketahui waktu rata-rata kedatangan untuk pasien lama 40 menit dan waktu rata-rata kedatangan untuk pasien baru 60 menit dengan waktu antar kedatangan keduanya berdistribusi uniform dengan rata-rata ±10 menit. Karena dokternya hanya satu, maka jika ada yang sedang diperiksa, pasien yang lain harus menunggu gilirannya (antri). Adapun waktu rata-rata pemeriksaan 20 ± 5 menit dan waktu rata-rata pembuatan riwayat kesehatan10 ± 3 menit. Kemudian bangkitkan bilangan random dengan interval 0 1 untuk menentukan perkiraan lama waktunya. a) Waktu Antar Kedatangan Pasien Lama Diketahui waktu rata-rata kedatangan 40 menit dengan waktu antar kedatangan ±10 menit, jadi interval waktunya adalah antara 30 menit sampai 50 menit, atau b a = 20. Jadi diperoleh fungsi distribusinya yaitu: 1 f ( x) =,30 x Dengan algoritma di atas, untuk menentukan x-nya yaitu dengan rumus: x = 30 + (50 30)u = u Kedatangan pasien lama bilangan random u 1 0,87 47,38 2 0,19 33,74 3 0,73 44,68 4 0,89 47,87 5 0,85 46,91 6 0,37 37,35 7 0,51 40,12 8 0,67 43,48 9 0,15 33, ,31 36, ,58 41, ,40 38, ,48 39, ,24 34,84 Waktu antar kedatangan pasien lama (menit)
6 5 b) Waktu Antar Kedatangan Pasien Baru Diketahui waktu rata-rata kedatangan 60 menit dengan waktu antar kedatangan ±10 menit, jadi interval waktunya adalah antara 50 menit sampai 70 menit, atau b a = = 20. Jadi diperoleh fungsi distribusinya yaitu: 1 f ( x) =,50 x Dengan algoritma di atas, untuk menentukan x-nya yaitu dengan rumus: x = 50 + (70 50)u = u Kedatangan pasien baru bilangan random u 1 0,12 52,36 2 0,11 52,30 3 0,45 59,07 4 0,19 53,81 5 0,56 61,11 6 0,51 60,28 7 0,11 52,25 8 0,89 67,87 9 0,03 50, ,13 52, ,79 65, ,17 53, ,45 59, ,18 53,53 Waktu antar kedatangan pasien baru (menit) c) Waktu Pemeriksaan Pasien Lama Diketahui waktu rata-rata pemeriksaan 20 ± 5 menit, karena pasien lama sudah memiliki riwayat kesehatan maka langsung dilayani/diperiksa dokter. Jadi diperoleh nilai dari b a = = 10. Jadi diperoleh fungsi distribusinya yaitu: 1 f ( x) =,15 x Dengan algoritma tadi, untuk menentukan x-nya yaitu dengan rumus: x = 15 + (25 15)u = u
7 6 Kedatangan pasien lama bilangan random u 1 0,20 17,03 2 0,15 16,55 3 0,78 22,76 4 0,76 22,58 5 0,57 20,69 6 0,64 21,41 7 0,77 22,67 8 0,06 15,57 9 0,75 22, ,95 24, ,03 15, ,47 19, ,07 15, ,04 15,41 Lama pemeriksaan pasien lama (menit) d) Waktu Pembuatan Riwayat Kesehatan Baru dan Pemeriksaan Pasien baru Diketahui waktu rata-rata pemeriksaan 20 ± 5 menit, karena pasien baru belum memiliki riwayat kesehatan maka harus langsung membuat riwayat kesehatan kepada dokter selama 10 ± 3 menit dan kemudian langsung dilayani/diperiksa dokter. Jadi diperoleh fungsi distribusinya yaitu: Kedatangan pasien baru 1 1 Kedatangan: f ( x) =,15 x 25 dan pembuatan: f ( x) =,7 x Bilangan random u Lama pembuatan riwayat kesehatan Bilangan random u Lama pemeriksaan pasien baru 1 0,54 10,23 0,43 19,31 29,54 2 0,92 12,53 0,91 24,14 36,67 3 0,55 10,29 0,48 19,83 30,12 4 0,65 10,93 0,53 20,32 31,25 5 0,76 11,56 0,81 23,11 34,67 6 0,40 9,38 0,35 18,51 27,89 7 0,25 8,53 0,37 18,70 27,23 8 0,77 11,62 0,96 24,57 36,19 9 0,26 8,53 0,18 16,84 25, ,01 7,08 0,73 22,33 29, ,22 8,34 0,77 22, ,56 10,36 0,28 17,77 28, ,52 10,12 0,87 23,69 33, ,95 12,71 0,88 23,78 36,49 Total Lama Pelayanan
8 7 TABEL: SIMULASI PROSES SISTEM ANTRIAN BERDASARKAN TABEL WAKTU ANTAR KEDATANGAN DAN LAMA PEMERIKSAAN. waktu t kejadian (event) n waktu t kejadian (event) n 0 Inisialisasi Pasien lama (6) dilayani 1 47 Pasien lama (1) datang Pasien baru (5) datang 2 47 Pasien lama (1) dilayani Pasien lama (6) selesai 1 52 Pasien baru (1) datang Pasien baru (5) dilayani 1 64 Pasien lama (1) selesai Pasien lama (7) datang 2 64 Pasien baru (1) dilayani Pasien baru (5) selesai 1 81 Pasien lama (2) datang Pasien lama (7) dilayani 1 93 Pasien baru (1) selesai Pasien baru (6) datang 2 93 Pasien lama (2) dilayani Pasien lama (8) datang Pasien baru (2) datang Pasien lama (7) selesai Pasien lama (2) selesai Pasien baru (6) dilayani Pasien baru (2) dilayani Pasien lama (6) datang Pasien lama (3) datang Pasien baru (6) selesai Pasien baru (2) selesai Pasien lama (8) dilayani Pasien lama (3) dilayani Pasien baru (7) datang Pasien baru (3) datang Pasien Lama (8) Selesai Pasien lama (3) selesai Pasien lama (9) dilayani Pasien baru (3) dilayani Pasien lama (10) datang Pasien lama (4) datang Pasien lama (9) selesai Pasien baru (3) selesai Pasien baru (7) dilayani Pasien lama (4) dilayani Pasien baru (7) selesai Pasien baru (4) datang Pasien lama (10) dilayani Pasien lama (5) datang Pasien lama (11) datang Pasien lama (4) selesai Pasien baru (8) datang Pasien baru (4) dilayani Pasien lama (10) selesai Pasien baru (4) selesai Pasien lama (11) dilayani Pasien lama (5) dilayani Pasien lama (11) selesai Pasien lama (6) datang Pasien baru (8) dilayani Pasien lama (5) selesai Pasien baru (8) selesai 0
9 8 SECARA GRAFIS : 3,5 3 2,5 2 1,5 1 0, ,5 3 2,5 2 1,5 1 0, ,36 81,12 104,7 125,8 163,7 173,7 217,5 222,6 257,9 278,7 298,1 338,9 353,3 381,2 396,8 419,3 452, ,5
10 9 ANALISIS OUTPUT DENGAN METODE REPLIKASI Akan dihitung untuk hari ke-1 sampai ke-n, yaitu: x i = n i = LuasArea LuasArea = T 480 Kemudian hitung untuk x 1, x 2,., x 30 Dengan menggunakan perangkat lunak GPSS, diperoleh hasil output simulasi selama 30 hari. Ditunjukkan pada tabel di bawah ini : Hari Jumlah Jumlah ke-n pasien lama pasien baru Luas Area x i = n i , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,72
11 10 Rata-rata x 1, x 2,., x 30 yaitu : x = N x Standar Deviasi : i 1, , , ,72 = 30 53,299 = = 1, ( xi x) s = N 1 2 = (1,798 1,777) 2 + (1,840 1,777) (1,72 1,777) 2 = 0,0784 Interval Konfidensi 95% : s x ± t( α / 2; N 1) N 0,0784 1,777 ± t 30 (0,025;29) 0,0784 1,777 ± (2,045) 5,477 1,777 ± 0,029 1,748 n 1,806
12 11 SOURCE CODE : SIMULASI DENGAN GPSS SIMULATE * MODEL SIMULASI UNTUK PASIEN "BARU" * GENERATE 60,10 ;WAKTU KEDATANGAN - MENIT QUEUE LINE ;MASUK ANTRIAN SEIZE DOC ;MENEMUI DOKTER DEPART LINE ;KELUAR ANTRIAN ADVANCE 10,3 ;MEMBUAT RIWAYAT KESEHATAN ADVANCE 20,5 ;PEMERIKSAAN RELEASE DOC ;PEMERIKSAAN SELESAI TERMINATE * MODEL SIMULASI UNTUK PASIEN "LAMA"* GENERATE 40,10 ;WAKTU KEDATANGAN - MENIT QUEUE LINE ;MASUK ANTRIAN SEIZE DOC ;MENEMUI DOKTER DEPART LINE ;KELUAR ANTRIAN ADVANCE 20,5 ;PEMERIKSAAN RELEASE DOC ;PEMERIKSAAN SELESAI TERMINATE * MODEL SIMULASI UNTUK LAMA SIMULASI * GENERATE 480 ;LAMANYA BUKA TERMINATE 1 ;KLINIK TUTUP START 30 OUTPUT SIMULASI DENGAN GPSS (Untuk 1 hari) START TIME END TIME BLOCKS FACILITIES STORAGES NAME VALUE DOC LINE LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY 1 GENERATE QUEUE SEIZE DEPART ADVANCE ADVANCE RELEASE TERMINATE GENERATE QUEUE SEIZE DEPART ADVANCE RELEASE TERMINATE GENERATE TERMINATE FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY DOC QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY LINE FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE
13 12 OUTPUT SIMULASI DENGAN GPSS (Untuk 1 hari berikutnya) START TIME END TIME BLOCKS FACILITIES STORAGES NAME VALUE DOC LINE LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY 1 GENERATE QUEUE SEIZE DEPART ADVANCE ADVANCE RELEASE TERMINATE GENERATE QUEUE SEIZE DEPART ADVANCE RELEASE TERMINATE GENERATE TERMINATE FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY DOC QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY LINE FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE OUTPUT SIMULASI DENGAN GPSS (Untuk 30 hari) START TIME END TIME BLOCKS FACILITIES STORAGES NAME VALUE DOC LINE LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY 1 GENERATE QUEUE SEIZE DEPART ADVANCE ADVANCE RELEASE TERMINATE GENERATE QUEUE SEIZE DEPART ADVANCE RELEASE TERMINATE GENERATE TERMINATE
14 13 FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY DOC QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY LINE FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE
BAB II DASAR TEORI. 2.1 Simulasi. II.1.1 Pengertian Simulasi II-1
BAB II DASAR TEORI Bab dasar teori ini akan dijabarkan teori-teori yang mendasari serta mendukung pelaksanaan tugas akhir. Diantaranya adalah teori tentang simulasi, discrete system simulation, dan sistematika
Lebih terperinciAnalisis Model dan Simulasi. Hanna Lestari, M.Eng
Analisis Model dan Simulasi Hanna Lestari, M.Eng Simulasi dan Pemodelan Klasifikasi Model preskriptif deskriptif diskret kontinu probabilistik deterministik statik dinamik loop terbuka - tertutup Simulasi
Lebih terperinciFORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING
FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN (kata pengantar) 1.1 Latar Belakang 1.2 Tujuan Penulisan
Lebih terperinciSimulasi Event-Diskrit (Discrete-Event Simulation)
Bab 4: Simulasi Event-Diskrit (Discrete-Event Simulation) Sumber: Harrell, C., B.K. Ghosh and R.O. Bowden, Jr., Simulation Using Promodel, 2 nd ed., McGraw-Hill, Singapore, 2003. Bab 4: Simulasi Event-Diskrit
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN Pada bab ini akan dibahas implementasi yang dilakukan terhadap perangkat lunak berdasarkan analisis dan perancangan yang telah dilakukan sebelumnya. Bab ini juga akan
Lebih terperinci6/15/2015. Simulasi dan Pemodelan. Keuntungan dan Kerugian. Elemen Analisis Simulasi. Formulasi Masalah. dan Simulasi
Simulasi dan Pemodelan Analisis lii Model dan Simulasi Klasifikasi Model preskriptif deskriptif diskret kontinu probabilistik deterministik statik dinamik loop terbuka - tertutup Hanna Lestari, M.Eng Simulasi
Lebih terperinciBILANGAN ACAK. Metode untuk mendapatkan bilangan acak : 1. Metode Kongruen Campuran Rumus :
BILANGAN ACAK Bilangan acak adalah bilangan sembarang tetapi tidak sembarangan. Kriteria yang harus dipenuhi, yaitu : Bilangan acak harus mempunyai distribusi serba sama (uniform) Beberapa bilangan acak
Lebih terperinciBAB I PENDAHULUAN. cepat saji dalam annual report sebagai berikut, KFC dalam situs resmi laporan
BAB I PENDAHULUAN 1.1 Latar Belakang Restoran cepat saji adalah salah satu tempat makan yang banyak diminati oleh konsumen dari segala umur dan kalangan. Hal ini di ungkapkan bebeapa restoran cepat saji
Lebih terperinciModel dan Simulasi Universitas Indo Global Mandiri
Model dan Simulasi Universitas Indo Global Mandiri Nomor random >> angka muncul secara acak (random/tidak terurut) dengan probabilitas untuk muncul yang sama. Probabilitas/Peluang merupakan ukuran kecenderungan
Lebih terperinciSIMULASI ANTRIAN PELAYANAN BONGKAR MUAT KAPAL
SEMINAR TUGAS AKHIR SIMULASI ANTRIAN PELAYANAN BONGKAR MUAT KAPAL (STUDI KASUS TERMINAL MIRAH PELABUHAN TANJUNG PERAK SURABAYA) Oleh : Risky Abadi 1203.109.004 Latar Belakang Pelabuhan Tanjung Perak sebagai
Lebih terperinciBAB II LANDASAN TEORI. digunakan untuk mendukung penyusunan laporan tugas akhir. Landasan teori
BAB II LANDASAN TEORI Dalam bab ini akan dijelaskan berbagai macam landasan teori yang digunakan untuk mendukung penyusunan laporan tugas akhir. Landasan teori yang dibahas meliputi permasalahan-permasalahan
Lebih terperinciBAB III METODOLOGI PENELITIAN. dalam pembuatan solusi tersebut adalah sebagai berikut: harapan dan memiliki manfaat yang maksimal.
BAB III METODOLOGI PENELITIAN Pada bab ini akan menjelaskan tentang tahapan-tahapan yang dilakukan untuk memecahkan masalah. Tahapan tersebut diawali dengan analisa permasalahan yang terjadi dalam Puskesmas
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Saji Dengan Menggunakan Metode Next-event Time Advance.
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai analisis dari permasalahan yang diambil beserta rancangan sistem dari Aplikasi Simulasi Pelayanan Restoran Cepat Saji Dengan
Lebih terperinciBAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis Sistem pelayanan multiple (multiple-server system) atau biasa disebut multiserver single queue merupakan baris antrian tunggal yang dilayani
Lebih terperinci2.1 Pengantar Model Simulasi Sistem Diskrit
Pokok Bahasan Pendahuluan Sistem, Model dan Simulasi Keuntungan dan Kerugian Simulasi Jenis-jenis Simulasi Simulasi Komputer Bahasa Simulasi Tahapan Pemodelan Simulasi 19 20 PENGANTAR PEMODELAN & SIMULASI
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN Dalam bab ini akan menjelaskan tentang hasil pengujian perhitungan secara matematis dengan membandingkan histogram data mentah dan distribusi probabilitias teoritis. Data mentah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Antrian Teori antrian adalah teori yang menyangkut studi sistematis dari antrian atau baris-baris penungguan. Formasi baris-baris penungguan ini tentu saja merupakan suatu
Lebih terperinciBAB II LANDASAN TEORI. Dalam Kamus Bahasa Inggris dari Oxford [13] menjelaskan simulasi : The
BAB II LANDASAN TEORI 2.1 Teknik Simulasi Dalam Kamus Bahasa Inggris dari Oxford [13] menjelaskan simulasi : The Technique of imitating then behaviour of some situation or system (economic, mechanical,
Lebih terperinciSeminar Hasil Tugas Akhir
Seminar Hasil Tugas Akhir FALAH EGY SUJANA (1209100050) JURUSAN MATEMATIKA FMIPA-ITS SIMULASI ANTRIAN SISTEM PELAYANAN NASABAH (STUDI KASUS : BANK X) Pembimbing : Drs. Soetrisno, MI.Komp. LATAR BELAKANG
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1. Metode Pengambilan Sampling 2.1.1. Populasi Populasi adalah kelompok elemen yang lengkap, yang biasanya berupa orang, objek, transaksi, atau kejadian dimana kita tertarik untuk
Lebih terperinciSIMULASI SISTEM ANTRIAN SINGLE SERVER. Sistem: himpunan entitas yang terdefinisi dengan jelas. Atribut: nilai data yang mengkarakterisasi entitas.
SIMULASI SISTEM ANTRIAN SINGLE SERVER Sistem: himpunan entitas yang terdefinisi dengan jelas. Atribut: nilai data yang mengkarakterisasi entitas. List/file/set: entitas-entitas dengan properti yang sama.
Lebih terperinciBagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas
Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode
Lebih terperinciBAB III PEMODELAN DAN SIMULASI
BAB III PEMODELAN DAN SIMULASI 3.1 Sistem Antrian Incoming Call THE TEMPO GROUP Gambar 3.1 Telepon Operator Secara umum Sistem Antrian Incoming Call di THE TEMPO GROUP dapat digambarkan sebagai berikut
Lebih terperinciLABORATORIUM SISTEM PENDUKUNG KEPUTUSAN DAN INTELIGENSIA BISNIS
LABORATORIUM SISTEM PENDUKUNG KEPUTUSAN DAN INTELIGENSIA BISNIS Latar Belakang Pelayanan terpusat di satu tempat Antrian pemohon SIM yg cukup panjang (bottleneck) Loket berjauhan Sumber daya terbatas Lamanya
Lebih terperinciFORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING
FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN (kata pengantar) 1.1 Latar Belakang 1.2 Tujuan Penulisan
Lebih terperinciDISTRIBUSI VARIABEL RANDOM
DISTRIBUSI VARIABEL RANDM Distribusi Variabel Diskrit Distribusi variabel diskrit adalah salah satu variabel acak yang diasumsikan memiliki bilangan terbatas dari nilai-nilai yang berbeda. Contoh : Waktu
Lebih terperinciBab IV Simulasi Metode Monte Carlo Mengatasi Masalah dalam Distribusi Data
24 Bab IV Simulasi Metode Monte Carlo Mengatasi Masalah dalam Distribusi Data IV.1 Mengenal Metode Monte Carlo Distribusi probabilitas digunakan dalam menganalisis sampel data. Sebagaimana kita ketahui,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. 4.1 Distribusi probabilitas banyaknya pelanggan dalam sistem antrian
BAB IV HASIL DAN PEMBAHASAN 4.1 Distribusi probabilitas banyaknya pelanggan dalam sistem antrian M/M/1/K Pada model antrian, kedatangan pelanggan dalam sistem antrian dan kepergian pelanggan yang telah
Lebih terperinciBAB 2 LANDASAN TEORI
17 BAB 2 LANDASAN TEORI 2.1 Pengantar Fenomena menunggu untuk kemudian mendapatkan pelayanan, seperti halnya nasabah yang menunggu pada loket bank, kendaraan yang menunggu pada lampu merah, produk yang
Lebih terperinciBAB III SIMULASI SISTEM ANTRIAN M/M/1. paket data. Adapun kinerja yang akan dibahas adalah rata-rata jumlah paket dalam
BAB III SIMULASI SISTEM ANTRIAN M/M/1 3.1 Model Antrian M/M/1 Model antrian yang dibahas dalam tugas akhir ini adalah model antrian M/M/1. Sistem antrian ini diasumsikan digunakan pada simpul jaringan
Lebih terperinciDasar-dasar Simulasi
Bab 3: Dasar-dasar Simulasi PEMODELAN DAN SIMULASI SISTEM M O N I C A A. K A P P I A N T A R I - 2 0 0 9 Sumber: Harrell, C., B.K. Ghosh and R.O. Bowden, Jr., Simulation Using Promodel, 2 nd ed., McGraw-
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Teori antrian pertama kali dikemukakan oleh A.K.Erlang, yang menggambarkan model antrian untuk menentukan jumlah optimal dari fasilitas telepon switching yang digunakan untuk melayani
Lebih terperinciKULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:
KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: 1. Terminating simulation 2. Nonterminating simulation: a. Steady-state parameters b. Steady-state cycle parameters
Lebih terperinciSIMULASI SISTEM ANTRIAN PELAYAN TUNGGAL SEDERHANA
SIMULASI SISTEM ANTRIAN PELAYAN TUNGGAL SEDERHANA Algoritma Sistem Antrian Pelayan Tunggal Sederhana Contoh antrian : car wash, kantor pos, bank Gambaran Masalah Kedatangan pelanggan Antrian pelayanan
Lebih terperinciBAB 4 PENGOLAHAN DATA
BAB 4 PENGOLAHAN DATA 4.1 Penentuan Sample dari Populasi dan Pengolahan Dalam mencapai tujuan utama dari perancangan materi ini, yakni meningkatkan efisiensi Shuttle Bus Binus Square, beberapa variabel
Lebih terperinciSimulasi Monte Carlo
Simulasi Monte Carlo Simulasi Monte Carlo Simulasi monte carlo melibatkan penggunaan angka acak untuk memodelkan sistem, dimana waktu tidak memegang peranan yang substantif (model statis) Pembangkitan
Lebih terperinciSimulasi antrian pelayanan kasir swalayan citra di Bandar Buat, Padang
Simulasi antrian pelayanan kasir swalayan citra di Bandar Buat, Padang Dewi Rahmadani, Fitri Julasmasari Jurusan Teknik Industri, Fakultas Teknik, Universitas Andalas Abstrak Antrian merupakan salah satu
Lebih terperinciBab V MetodeFunctional Statistics Algorithm (FSA) dalam Sintesis Populasi
31 Bab V MetodeFunctional Statistics Algorithm (FSA) dalam Sintesis Populasi V.1 Mengenal Metode Functional Statistics Algorithm (FSA) Metode Functional Statistics Algorithm (FSA) adalah sebuah metode
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu fenomena dalam kehidupan sehari-hari yang sering terjadi adalah fenomena penungguan. Fenomena ini biasa terjadi apabila kebutuhan akan suatu pelayanan melebihi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Antrian Sistem antrian adalah merupakan keseluruhan dari proses para pelanggan atau barang yang berdatangan dan memasuki barisan antrian yang seterusnya memerlukan pelayanan
Lebih terperinciBAB 2 LANDASAN TEORI
24 BAB 2 LANDASAN TEORI 2.1 Pendahuluan Ilmu pengetahuan tentang bentuk antrian, yang sering disebut sebagai teori antrian (queueing theory) merupakan sebuah bagian penting operasi dan juga alat yang sangat
Lebih terperinciABSTRAK. Untuk menjaga keteraturan di jalan raya dibuat rambu-rambu lalu lintas. Salah satu
iv ABSTRAK Untuk menjaga keteraturan di jalan raya dibuat rambu-rambu lalu lintas. Salah satu rambu tersebut adalah lampu lalu lintas. Namun seringkali terjadi kemacetan pada persimpangan jalan karena
Lebih terperinciMata Kuliah Pemodelan & Simulasi
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probabilitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciBAB I PENDAHULUAN. banyak orang agar mau menjadi pemegang polis pada perusahaan tersebut. Salah
BAB I PENDAHULUAN 1.1 Latar Belakang Perusahaan asuransi menawarkan berbagai produk untuk menarik minat banyak orang agar mau menjadi pemegang polis pada perusahaan tersebut. Salah satu produk asuransi
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal)
Lebih terperinciSimulasi Produksi dan Distribusi Pelayanan Permintaan Sarung Tenun (studi kasus di PT. ASEANTEX Mojokerto)
Simulasi Produksi dan Distribusi Pelayanan Permintaan Sarung Tenun (studi kasus di PT. ASEANTEX Mojokerto) Weny Indah Kusumawati, MMT ITS, weny@stikom.edu Dr. Ir. Abdullah Shahab, M.Sc, ITS Abstraksi PT.
Lebih terperinciDESKRIPSI SISTEM ANTRIAN PADA KLINIK DOKTER SPESIALIS PENYAKIT DALAM
DESKRIPSI SISTEM ANTRIAN PADA KLINIK DOKTER SPESIALIS PENYAKIT DALAM Deiby T. Salaki 1) 1) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl. Kampus Unsrat Manado, 95115 e-mail: deibytineke@yahoo.co.id
Lebih terperinciSIMULASI ANTRIAN PELAYANAN PASIEN (STUDI KASUS: KLINIK BIDAN LIA JALAN MT. HARYONO NO. 52 BINJAI)
ZERO JURNAL MATEMATIKA DAN TERAAN Volume No. 207 -ISSN: 2580-569X E-ISSN : 2580-5754 SIMULASI ANTRIAN ELAYANAN ASIEN (STUDI KASUS: KLINIK BIDAN LIA JALAN MT. HARYONO NO. 52 BINJAI) Hendra Cipta Dosen rodi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Metode Simulasi 2.1.1 Pengertian Metode Simulasi Simulasi ialah suatu metodologi untuk melaksanakan percobaan dengan menggunakan model dari suatu sistem nyata (Siagian, 1987).
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Statistika adalah salah satu cabang ilmu matematika yang memperhitungkan probabilitas dari suatu data sampel dengan tujuan mendapatkan kesimpulan mendekati
Lebih terperinciPENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam
Lebih terperinciPEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengertian Dasar Teori Antrian Dalam kehidupan sehari-hari, antrian (queueing) sangat sering ditemukan. Mengantri sering harus dilakukan jika kita menunggu giliran misalnya mengambil
Lebih terperinciPr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
Lebih terperinciBAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI
BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI 3.1 Pendahuluan Pada bab sebelumnya telah dibahas mengenai pertidaksamaan Chernoff dengan terlebih dahulu diberi pemaparan mengenai dua pertidaksamaan
Lebih terperinciSIMULASI PELAYANAN KASIR SWALAYAN CITRA DI BANDAR BUAT, PADANG
SIMULASI PELAYANAN KASIR SWALAYAN CITRA DI BANDAR BUAT, PADANG Dewi Rahmadani, Fitri Julasmasari Jurusan Teknik Industri, Fakultas Teknik, Universitas Andalas Abstrak Antrian merupakan salah satu fenomena
Lebih terperinciFM-UDINUS-BM-08-04/R0 SILABUS MATAKULIAH. Revisi : - Tanggal Berlaku : September 2014
SILABUS MATAKULIAH Revisi : - Tanggal Berlaku : September 2014 A. Identitas 1. Nama Matakuliah : A11. 54815 / 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer 4. Bobot sks : 3 SKS 5.
Lebih terperinciBAB 1 PENDAHULUAN. Kata statistik dikaitkan dengan kata staat (bahasa Jerman artinya negara) atau statista
vii BAB 1 PENDAHULUAN 1.1 Latar Belakang Kata statistik dikaitkan dengan kata staat (bahasa Jerman artinya negara) atau statista (bahasa Italia artinya negarawan). Dari dua kata tersebut, statistika dapat
Lebih terperinciANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG
LAPORAN RESMI PRAKTIKUM PENGANTAR METODE STATISTIKA MODUL 3 ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG Oleh : Diana Nafkiyah 1314030028 Nilamsari Farah Millatina
Lebih terperinciTEORI ANTRIAN PERTEMUAN #10 TKT TAUFIQUR RACHMAN PENGANTAR TEKNIK INDUSTRI
TEORI ANTRIAN PERTEMUAN #10 TKT101 PENGANTAR TEKNIK INDUSTRI 6623 TAUFIQUR RACHMAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS ESA UNGGUL KEMAMPUAN AKHIR YANG DIHARAPKAN Mampu membandingkan
Lebih terperinciBAB V INFERENSI STATISTIK SATU POPULASI NORMAL
BAB V INFERENSI STATISTIK SATU POPULASI NORMAL Bab ini membahas inferensi statistik untuk mean dan variansi satu populasi normal berdasarkan sampel random berukuran kecil dan besar. Untuk membahas hal
Lebih terperinciANALISIS SISTEM ANTRIAN PADA BANK MANDIRI CABANG AMBON Analysis of Queue System on the Bank Mandiri Branch Ambon
Jurnal Barekeng Vol. 8 No. 1 Hal. 45 49 (2014) ANALISIS SISTEM ANTRIAN PADA BANK MANDIRI CABANG AMBON Analysis of Queue System on the Bank Mandiri Branch Ambon SALMON NOTJE AULELE Staf Jurusan Matematika,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pemodelan dan Simulasi Model merupakan representasi sistem dalam kehidupan nyata yang menjadi fokus perhatian dan menjadi pokok permasalakan. Pemodelan dapat didefinisikan sebagai
Lebih terperinciMata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pokok Bahasan Variabel Acak Pola Distribusi Masukan Pendugaan Pola Distribusi Uji Distribusi
Lebih terperinciK ports. Gambar 5. Sistem komputer time-shared
Perhatikan sistem komputer time-shared, dimana pemakai dihubungkan ke sistem melalui jaringan telepon. Hanya ada sedikit jumlah port untuk koneksi seperti ini, dan ketika semua port digunakan saat panggilan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI Dalam membuat model simulasi, perlu diketahui mengenai beberapa teori yang berhubungan dengan pembuatan model dan teori yang berguna untuk menverfikasi model. Beberapa teori tersebut
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH SIMULASI (KB) KODE / SKS : KK / 3 SKS
KODE / SKS : KK-01333 / 3 SKS 1 Pengertian dan tujuan 1. Klasifikasi Model 1 Simulasi. Perbedaan penyelesaian problem Dapat menjelaskan klasifikasi model dari matematis secara analitis dan numeris suatu
Lebih terperinciSI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS) Mahasiswa mampu menggunakan teori dan model antrian untuk menganalisa operasi 1. Penggunaan teori antrian 2. Struktur masalah antrian 3. Distribusi
Lebih terperinciDISTRIBUSI PROBABILITAS (PELUANG)
DISTRIBUSI PROBABILITAS (PELUANG) Distribusi Probabilitas (Peluang) Distribusi? Probabilitas? Distribusi Probabilitas? JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Distribusi = sebaran,
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. Pada bab ini akan dijelaskan mengenai kebutuhan sistem, implementasi dan
BAB IV IMPLEMENTASI DAN EVALUASI Pada bab ini akan dijelaskan mengenai kebutuhan sistem, implementasi dan evaluasi simulasi pelayanan retoran cepat saji dengan menggunakan metode next event time advance.
Lebih terperinciDasar-dasar Statistika Pemodelan Sistem
Dasar-dasar Statistika Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Statistika Pemodelan Januari 2016
Lebih terperinciVALIDASI DAN VERIFIKASI MODEL
DAFTAR ISI 1. Tujuan Umum... 2 2. Validasi dan Verifikasi... 2 3. Tipe Validasi... 4 4. Teknik Validasi... 5 4.1. Uji Kesamaan Dua Rata-Rata... 8 4.2. Uji Kesamaan Dua Variansi... 12 4.3. Uji Kecocokan
Lebih terperinciKONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.
KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. EKSPERIMEN suatu percobaan yang dapat diulang-ulang dengan kondisi yang sama CONTOH : Eksperimen : melempar dadu 1 kali Hasilnya
Lebih terperinciBAB IV INFERENSI STATISTIK SATU POPULASI SEMBARANG
BAB IV INFERENSI STATISTIK SATU POPULASI SEMBARANG Bab ini akan membahas inferensi statistik terhadap mean suatu populasi sembarang dan proporsi suatu populasi dikotomi/binomial. Ukuran sampel random yang
Lebih terperinciMA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi
MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep peubah acak, fungsi peluang (probability density function), fungsi distribusi
Lebih terperincimulai Identifikasi masalah dan tujuan dan Pengambilan data (pengamatan) Statistika deskriptif Uji asumsi tingkat kedatangan dan tingkat pelayanan
L A N G K A H mulai Identifikasi masalah dan tujuan dan Pengambilan data (pengamatan) Statistika deskriptif Uji asumsi tingkat kedatangan dan tingkat pelayanan A N A L I S I S Analisis sistem nyata Dibandingkan
Lebih terperinciHaryoso Wicaksono, S.Si., M.M., M.Kom. 26
Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN Pada bab ini akan dibahas mengenai analisis secara umum, analisis kebutuhan perangkat lunak dan penjelasan mengenai perancangan perangkat lunak. 3.1 Analisis Masalah Umum
Lebih terperinciBAB V IMPLEMENTASI SIMULASI MONTE CARLO UNTUK PENILAIAN OPSI PUT AMERIKA
BAB V IMPLEMENTASI SIMULASI MONTE CARLO UNTUK PENILAIAN OPSI PUT AMERIKA 5.1 Harga Saham ( ( )) Seperti yang telah diketahui sebelumnya bahwa opsi Amerika dapat dieksekusi kapan saja saat dimulainya kontrak
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Distribusi probabilitas binomial adalah distribusi probabilitas diskrit yang paling sering digunakan untuk merepresentasikan kejadian dalam kehidupan sehari-hari.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Antrian Suatu antrian ialah suatu garis tunggu dari nasabah yang memerlukan layanan dari satu atau lebih fasilitas pelayanan. Kejadian garis tunggu timbul disebabkan oleh
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
34 BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Flow Diagram Pemecahan Masalah Diagram alir merupakan diagram yang bertujuan untuk mengevaluasi langkah-langkah proses dalam situasi yang lebih jelas agar dapat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Beberapa Indikator Tingkat Pelayanan Rumah Sakit Secara umum, tingkat pelayanan dalam suatu rumah sakit dapat dilihat melalui beberapa indikator sebagai berikut (Departemen Kesehatan
Lebih terperinciModul 2017/2018 TUTORIAL SIMULASI KOMPUTER. Laboratorium Pemodelan dan Simulasi Industri Universitas Islam Indonesia
TUTORIAL SIMULASI KOMPUTER 5 2017/2018 Modul DESAIN EKSPERIMENT & PEMILIHAN ALTERNATIF Laboratorium Pemodelan dan Simulasi Industri Universitas Islam Indonesia DAFTAR ISI 1. Tujuan Umum... 2 2. Desain
Lebih terperinciANALISIS ANTRIAN MENGGUNAKAN METODE SIMULASI MONTE CARLO. Fajar Etri Lianti ABSTRACT
ANALISIS ANTRIAN MENGGUNAKAN METODE SIMULASI MONTE CARLO Fajar Etri Lianti Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Riau Kampus
Lebih terperinciSimulasi Dan Permodelan Sistem Antrian Pelanggan di Loket Pembayaran Rekening XYZ Semarang
Simulasi Dan Permodelan Sistem Antrian Pelanggan di Loket Pembayaran Rekening XYZ Semarang Yani Prihati Fakultas Ilmu Komputer Universitas AKI Abstract Queuing is a condition in which a group of people,
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Menurut Open Darnius (2009, hal : 53) simulasi dapat diartikan sebagai suatu
BAB 2 TINJAUAN TEORITIS 2.1 Pendahuluan Menurut Open Darnius (2009, hal : 53) simulasi dapat diartikan sebagai suatu rekayasa dari suatu model secara logika ilmiah merupakan suatu metode alternatif untuk
Lebih terperinciPengembangan Model Simulasi, oleh Hotniar Siringoringo 1
Simulasi kejadian diskrit memodelkan sistem yang berubah sesuai waktu melalui suatu representasi dimana variabel status berubah secara langsung pada titik terpisah dalam waktu. Titik terpisah dalam waktu
Lebih terperinciSimulasi Antrian Kantor Pos M/M/3 dengan MATLAB
Simulasi Antrian Kantor Pos M/M/3 dengan MATLAB Abstrak Pemodelan dan simulasi banyak dijumpai dalam berbagai bidang kehidupan, terutama untuk mengetahui dampak perubahan yang terjadi pada suatu sistem
Lebih terperinciSimulation. Prepared by Akhid Yulianto, SE, MSC (Log) Based on Anderson, Sweeney, and Williams Thomson ΤΜ /South-Western Slide
Simulation Prepared by Akhid Yulianto, SE, MSC (Log) Based on Anderson, Sweeney, and Williams 1 Simulation Kebaikan dan kelemahan menggunakan simulation Modeling Random Variables and Pseudo-Random Numbers
Lebih terperinciBI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist
BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Distribusi Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep peubah acak, fungsi peluang (probability density function), fungsi distribusi
Lebih terperinciSISTEM ANTRIAN PADA PELAYANANN CUSTOMER SERVICE PT. BANK X
SISTEM ANTRIAN PADA PELAYANANN CUSTOMER SERVICE PT. BANK X SKRIPSI Disusun Oleh: MELATI PUSPA NUR FADLILAH 24010212140026 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG
Lebih terperinciPEMODELAN DAN SIMULASI
PEMODELAN DAN SIMULASI DES Model tersusun atas komponen-komponen sistem yang melibatkan : entitas event sistem state activity delay komponen-komponen sistem tersebut masingmasing mempunyai nilai atau parameter
Lebih terperinciBAB III METODOLOGI PENELITIAN. Langkah perancangan yang akan dilakukan adalah sebagai berikut: produksi pada departemen plastik
BAB III METODOLOGI PENELITIAN 3.1 Langkah Perancangan Langkah perancangan yang akan dilakukan adalah sebagai berikut: a. Melakukan studi literatur sejumlah buku yang berkaitan dengan preventive maintenance.
Lebih terperinciAPLIKASI STATISTIKA. Tri Indri Hardini
APLIKASI STATISTIKA Tri Indri Hardini ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu yang berkenaan
Lebih terperinciBAB 3 METODOLOGI DAN DATA PENELITIAN
BAB 3 METODOLOGI DAN DATA PENELITIAN 3.1 Pengantar Dalam penelitian ini digunakan rancangan penelitian kasus karena dengan rancangan ini diharapkan dapat memberikan informasi yang mendalam, akurat, lengkap
Lebih terperinci28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω
SAMPLE SPACE, SAMPLE POINTS, EVENTS Sample space,ω, Ω adalah sekumpulan semua sample points,ω, ω yang mungkin; dimana ω Ω Contoh 1. Melemparkan satu buah koin:ω={gambar,angka} Contoh 2. Menggelindingkan
Lebih terperinciLAMPIRAN 1. Struktur Organisasi PT. Soho
8 LAMPIRAN Struktur Organisasi PT. Soho 83 LAMPIRAN Perhitungan Jumlah Sampel Minimum Menurut Sritomo (995, p 84), untuk menetapkan jumlah observasi yang seharusnya dibuat (N ) maka disini harus diputuskan
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut
Lebih terperinci(Risk Analysis Simulator)
(Risk Analysis Simulator) TUJUAN Membuat alat eksperimental, atau simulator, yang akan berlaku seperti sistem yang diinginkan dalam aspek yang pasti dan cepat, dengan biaya yang efektif. PERBANDINGAN ANTARA
Lebih terperinci