BAB 2 LANDASAN TEORI

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1 Metode Peramalan Dalam melakukan peramalan (forecasting) terdapat dua metode yang biasa digunakan yaitu metode peramalan kuantitatif dan metode peramalan kualitatif. Dimana metode peramalan kuantitatif dapat dibedakan menjadi : a. Metode Time series Metode ini dalam melakukan peramalan didasarkan pada nilai suatu variabel masa lalu dengan tujuan untuk menentukan pola dari data-data masa lalu, yang kemudian diektrapolasi pada masa mendatang. Kelompok metode ini adalah metode Box Jenkins, metode Smooting, metode Proyeksi dengan regresi. b. Metode Kausal Dimana suatu variabel diramalkan berdasarkan hubungan dengan variabel lain yang diperkirakan mempengaruhi dalam penentuan pada masa yang akan datang. Kelompok metode ini adalah metode Regresi, model Ekonometri, dan model Input Output. Peramalan terhadap kebutuhan bahan bakar minyak solar tahun 2007 merupakan pemanfaatan informasi (data) yang ada pada saat ini dan masa lalu yaitu data

2 11 pemakaian bahan bakar minyak solar tahun 2005 dan Informasi (data) ini yang dipakai sebagai panduan perencanaan kebutuhan dimasa yang akan datang dalam usaha untuk mencapai sasaran yang diharapkan. Metode peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut : 1. Tersedianya informasi tentang masa lalu. 2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data numerik. 3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang. Pola data pada metode peramalan kuantitatif ada empat yaitu : 1. Pola Horisontal (H), terjadi bilamana nilai data berfluktuasi di sekitar nilai ratarata yang konstan. Deret seperti itu, stationer terhadap nilai rata-ratanya. 2. Pola Musiman (S), terjadi bilamana deret dipengaruhi oleh faktor musiman, seperti kuartal tahun tertentu, bulanan, harian pada minggu tertentu. 3. Pola Siklik (C), terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. 4. Pola Trend (T), terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data Metode Smooting (Pemulusan) Metode smooting (pemulusan) dibagi menjadi dua bagian yaitu Averaging methods (rata-rata) dan Metoda eksponensial smooting.

3 12 Averaging methods terdiri dari mean (rata-rata sederhana), Single Moving Average (bergerak tunggal), dan Double Moving Average (Bergerak ganda). Averaging methods dipakai apabila : 1. Kondisi setiap data pada waktu yang berbeda mempunyai bobot yang sama sehingga fluktuasi random data dapat diredam dengan rata-ratanya. 2. Tidak semua data masa lalu dapat mewakili asumsi pola data berlanjut terus dimasa yang akan datang, maka dapat dipilih sejumlah periode tertentu saja, misalnya 6 periode. 3. Perioda yang relevan adalah n perioda terakhir, maka rata-rata dapat dihitung dengan n perioda yang berbeda. Perataan ini disebut dengan Moving Average. 4. Datanya stationer, Single Moving Average cukup baik untuk meramalkan keadaan. 5. Ternyata data tidak stationer, mengandung pola trend, maka dilakukan Moving Average pada hasil Single Moving Average, yang dinamakan Moving Averages with Linear Trend. 6. Peramalan jangka pendek Metode Peramalan Moving Average Metode moving average diperoleh melalui penjumlahan dan pencarian nilai ratarata dari sejumlah periode tertentu, setiap kali menghilangkan nilai terlama dan menambah nilai baru.

4 13 Moving Average : Ft () = t i= 1 x() i m dimana i = t-m+1,., sampai t Keterangan Notasi : f (t+h) = F(t) x(t) : Actual (historical) data dalam waktu t, t = 1,...,n F(t), F'(t) : The smoothing or derived value dalam waktu t. f (t+h) m : Peramalan untuk waktu t+h dimana, h adalah periode masa datang. : Panjang periode moving average. Contoh perhitungan dengan peramalan Moving Average sebagai berikut : Diketahui : Peramalan dengan menggunakan panjang periode (m) = 3 bulan, h = 1 bulan, maka forcasting untuk kebutuhan bbm dibulan ke 4 adalah sebagai berikut : Ft () = t i= 1 x() i m = = = f (t+h) = F(t) f (4) = maka berdasarkan peramalan dengan Moving Average kebutuhan bbm dibulan ke 4 diharapkan adalah sebesar Liter Dalam mengatasi adanya trend dalam data yang dipergunakan maka untuk mengurangi kesalahan sistematis yang terjadi bila rata-rata bergerak dipakai pada data berkecenderungan (trend) maka dikembangkanlah metode rata-rata bergerak

5 14 linear (Moving Averages with Linear Trend) yang dalam hal ini memiliki persamaan sebagai berikut : Ft () = t i= 1 x() i m, dimana i = t-m+1,., sampai t dan a = 6 2 ( 1) m m F'(t) = F'(t-1) + a [(m-1)x(t) + (m+1)x(t-m) - 2m F(t-1)] (m-1) f(t+h) = F(t) + F'(t) [ +h] 2 Contoh perhitungan dengan peramalan Moving Averages with Linear Trend sebagai berikut : Peramalan dengan menggunakan panjang periode (m) = 3 bulan, h = 1 bulan, maka forcasting untuk kebutuhan bbm dibulan ke 4 adalah sebagai berikut : F(3) = t i= 1 x() i m = = = F(3) = F'(t-1)+ a[(m-1)xt+ (m+1)x(t-m) 2mF(t-1) = (m-1) f(t+h) = F(t) + F'(t) [ +h] 2 = = maka berdasarkan peramalan dengan Moving Average kebutuhan bbm dibulan ke 4 diharapkan adalah sebesar Liter

6 Ukuran Ketepatan Peramalan. Dalam mengukur ketepatan peramalan dapat diukur dengan melakukan perhitungan statistik standart dan statistik relative, Perhitungan dalam pengukuran ketepatan peramalan digunakan Mean Error (ME), MAD (Mean Absolute Deviation), MSE (Mean Square Error), dan SSE (Sum of Squared Error). Dengan persamaan sebagai berikut : 1. Mean Error (ME) n et () ME =, dimana e(t) = x(t) F(t) n t= 1 2. MAD (Mean Absolute Deviation) n MAD = t= 1 et () n 3. MSE (Mean Square Error) n MSE = t= 1 [ et ()] 2 4. SSE (Sum of Squared Error) n n SSE = e() t t= 1 2 Dari beberapa ukuran statistik standard yang digunakan dalam mengukur ketepatan peramalan maka dapat diketahui untuk nilai MAD, MSE, ME semakin rendah maka peramalan akan semakin baik (mendekati data aktual). Tetapi nilai

7 16 terendah tidak memberikan indikasi seberapa baik metode peramalan yang digunakan dibandingkan dengan metode lainnya. 2.2 Pengendalian Persediaan (Inventory Control) Persediaan (inventory) adalah sumber daya yang disimpan untuk memenuhi permintaan saat ini dan yang akan datang. Setiap perusahaan biasanya memiliki persediaan, pengecer selalu menyediakan dagangannya, rumah sakit menyimpan darah dan obat, bank menyiapkan uang kas bahkan ibu rumah tangga punya aneka persediaan. Ada banyak bentuk persediaan, diantaranya bahan mentah, bahan dalam proses, perlengkapan dalam operasi dan perawatan, serta barang jadi. Ada banyak alasan mengapa perusahaan punya persediaan. Pertama, untuk memenuhi permintaan konsumen yang telah diramalkan, karena permintaan tidak diketahui dengan pasti, dapat dimiliki persediaan tambahan yang dinamakan safety or buffer stock untuk memenuhi lonjakan permintaan yang diramalkan. Faktor musim, seperti perayaan besar (Lebaran, Natal, Tahun baru) sangat berpengaruh terhadap gejolak permintaan. Dengan demikian safety stock dapat menghindari stock out atau shortage. Kedua, untuk mendapatkan potongan harga jika membeli dalam jumlah banyak. Ketiga, untuk menghindari risiko akibat kenaikan harga. Keempat, persediaan material dapat menjaga kelancaran produksi karena dapat menghindari stock out jika terjadi keterlambatan pengiriman, kerusuhan massa atau bencana alam.

8 17 Pengendalian persediaan adalah pengendalian terhadap semua barang yang dimiliki oleh perusahaan dan dipakai dalam proses produksi maupun berupa produkproduk jasa. Pada dasarnya persediaan bahan baku atau material haruslah disediakan sebanyak mungkin guna mendukung berlangsungnya proses produksi dengan lancar akan tetapi, dengan adanya persediaan bahan baku/material yang besar akan memberikan konsekuensi terhadap biaya atau modal yang harus ditanggung sehingga perlu adanya pengendalian antara jumlah modal dengan jumlah dan jenis bahan/ material yang disimpan dan pada kenyataannya dalam hal persediaan ada dua masalah utama yang harus diperhatikan yaitu berupa besar jumlah minimum suku cadang yang harus disediakan dan berapa jumlah maksimumnya Biaya Persediaan. Biaya yang terkait dengan persediaan dikelompokkan menjadi tiga, yaitu carrying or holding costs, Ordering costss, dan shortage cost. Gabungan unsur-unsur biaya persediaan ini berhubungan secara non linear dengan jumlah persediaan, sehingga dapat mendapatkan jumlah persediaan yang menghasilkan biaya persediaan terendah. Carrying cost adalah biaya untuk memiliki dan menyimpan persediaan selama periode tertentu. Biaya ini berhubungan positif dengan jumlah persediaan dan terkadang dengan waktu penyimpanan. Termasuk dalam kelompok ini adalah bunga atas dana yang ditanamkan dalam persediaan, sewa gudang, penyusutan. Carrying cost dapat dinyatakan dalam dua cara yaitu : Pertama, yang paling sering adalah

9 18 menyatakannya dalam rupiah per unit persediaan per periode waktu. Kedua, dinyatakan sebagai persentase tertentu dari nilai persediaan, biasanya antara 10-15%. Ordering costs adalah biaya yang berhubungan dengan penambahan persediaan yang dimiliki. Biaya ini biasanya dinyatakan dalam rupiah per pesanan dan tidak terkait dengan volume pesanan. Jadi Ordering costs berhubungan positif dengan frekuensi persediaan. Termasuk kelompok ini adalah biaya pengiriman, pesanan beli, inspeksi penerimaan dan pencatatan. Ordering costs biasanya berhubungan terbalik dengan carrying cost. Jika volume pesanan bertambah, frekuensi pesanan berkurang sehingga mengurangi Ordering costs, sementara itu, bertambahnya volume pesanan menyebabkan bertambahnya baik persediaan maupun carrying cost. Sehingga dapat dikatakan bahwa jika volume pesanan bertambah, ordering costs berkurang tetapi carrying costs bertambah. Shortage or stockout costs terjadi apabila permintaan tidak dapat dipenuhi karena kekosongan persediaan. Termasuk dalam kelompok ini adalah ketidakpuasan konsumen dan potensi keuntungan yang tidak terealisasi. Sangat sulit memperkirakan shortage costs, sebagai gantinya dilakukan perkiraan subjektif. Shortage costs berhubungan terbalik dengan carrying costs. Jika persediaan bertambah, carrying cost bertambah sementara shortage costs berkurang.

10 Model Persediaan Melalui inventory model penyederhanaan masalah persediaan dalam realitas yang rumit akan dapat menjawab dua hal penting, yaitu berapa banyak harus dipesan dan kapan (berapa kali) memesan sehingga biaya persediaan dapat diminimkan. Model Basic Economic Order Quantity merupakan dasar bagi pengembangan model persediaan yang lain, melalui pelepasan satu demi satu asumsinya. Dimana model ini diturunkan dengan menggunakan beberapa asumsi yaitu : a. Permintaan diketahui secara pasti dan konstan. b. Tidak ada shortage (Kekosongan persediaan) c. Lead time (waktu antara penempatan pesanan dan penerimaannya) diketahui dan konstan. d. Sekali pesan sekali terima. e. Tidak ada potongan harga dan ordering cost konstan. Siklus pengendalian persediaan yang sesuai dengan asumsi model ini dimana suatu volume pesanan (Q), diterima dan digunakan pada tingkat yang konstan. Jika persediaan berkurang sampai reorder point (R), persanan berikutnya segera ditempatkan jadi tidak perlu menunggu persediaan habis karena penyerahan barang butuh waktu selama waktu tenggang (Lead Time). Setiap pesanan diterima seluruhnya sekali pada saat persediaan habis, sehingga tidak ada stockout. Siklus ini berulang dengan volume pesanan, lead time, reorder point yang sama.

11 20 Gambar Siklus model Basic Economic Order Quantity (EOQ) Perumusan Basic Economic Order Quantity (EOQ) dengan variabel-variabel sebagai berikut : Q = Jumlah pemesanan optimal C = Cost per sekali pesan. R = Demand atas product (annual) P = Cost pembelian per satuan unit product F = Holding cost faktor ; faktor biaya pembelian digunakan untuk biaya penyimpanan biasanya diasumsikan 10-15% H = Holding cost per unit product per tahun (H= PF) Total carrying cost adalah perkalian antara carrying cost per unit per periode waktu (H) dengan rata-rata persediaan yang dimiliki. Karena permintaan konstan maka dapat dirumuskan total carrying cost adalah : Total carrying cost = PFQ 2 atau 2 H

12 21 Total ordering cost adalah perkalian antara ordering cost per pesanan (C) dengan frekuensi persamaan per periode waktu yang diamati (bulan/tahun). Karena permintaan diketahui dengan pasti dan konstan (D) maka dapat dirumuskan untuk Total ordering cost adalah : Total ordering cost = CR Q Karena diasumsikan tidak ada shortage (tidak ada biaya shortage) Total inventory cost (TC) adalah gabungan dari total carrying cost dan Total ordering cost dimana Volume pesanan optimum yaitu memberikan biaya inventory terendah dapat diperoleh dengan menggunakan aturan derivative dari suatu fungsi : Total Cost = Order Cost + Holding Cost, CR PFQ dengan persamaan : TC( Q) = + Q 2 Total Cost (TC) akan minimum jika first derivativenya terhadap volume pesanan disamakan dengan 0 (nol). dtc( Q) d CR PFQ PF CR = PR + + = 0, Hasil deferensiasi diperoleh : = 0 2 dq dq Q 2 2 Q Dan untuk persamaan volume pesanan optimum adalah : Q = 2 2 CR PF 2CR 2CR Q = = PF H

13 22 Jika volume pesanan optimum itu disubstitusikan pada fungsi biaya persediaan, dihasilkan biaya persediaan yang terendah. Pemesanan kembali (reorder point) adalah volume persediaan dimana pesanan baru akan ditempatkan atau jumlah permintaan selama periode lead time. ROP (Re-order Point) = Demand during lead time + Safety Stock Dimana : - Demand during lead time = Lead time x Demand per hari - Safety stock = % x Demand during lead time Frekuensi pemesanan (order) per tahun untuk pemenuhan kebutuhan material/bahan baku adalah : f R = dimana ; f = Frekuensi pesanan (order) ; R = Demand per tahun. Q dan Q = Jumlah pemesanan optimal Reorder point tidak ada kaitannya dengan volume pesanan optimum maupun biaya persediaan. 2.3 Metode Antrian Antrian adalah aktivitas menunggu untuk melakukan aktivitas atau dilayani. Sedang teori tentang antrian dapat diartikan sebagai teori yang menyangkut studi sistematis dari antrian-antrian atau baris-baris penungguan, menunggu dalam formasi baris merupakan suatu yang sering kita jumpai dilingkungan kita, apalagi bila fasilitas pelayanan tidak mampu melayani kebutuhan yang ada.

14 23 Pada kondisi umum kita selalu menghendaki agar jumlah fasilitas pelayanan dapat melayani kapasitas antrian, akan tetapi biaya untuk menyediakan fasilitas pelayanan merupakan masalah yang harus dipertimbangkan. Keputusan masalah ini menjadi penting karena apabila pelayanan terlalu banyak maka akan memerlukan biaya yang besar, sebaliknya jika kapasitas pelayanan kurang maka akan terjadi baris penungguan dalam waktu yang lama dan akan menimbulakan ongkos baru. Dengan penjelasan diatas maka yang menjadi tujuan dalam teori antrian adalah mencapai keseimbangan antara ongkos pelayanan dengan ongkos yang disebabkan karena terjadinya antrian Sistem Antrian Proses yang terjadi pada model antrian dapat dilihat dalam sketsa berikut ; Sumber Kedatangan (input) Antrian Fasilitas Pelayanan Gambar Komponen proses antrian. Keluaran (output) - Kedatangan yang akan membutuhkan pelayanan dibangkitkan oleh input (proses input) yang meliputi sumber kedatangan (calling population), dan cara terjadinya kedatangan pada umumnya merupakan proses random. - Memasuki sistem antrian dan masuk dalam antrian, Timbulnya antrian terutama tergantung dari sifat kedatangan dan proses pelayanan. Penentu antrian lain yang

15 24 penting adalah disiplin antri. Disiplin antri adalah aturan keputusan yang menjelaskan cara melayani pengantri. - Pada saat salah satu yang terdapat dalam antrian dipilih untuk mendapat pelayanan (sesuai dengan aturan yang digunakan). - Setelah mendapat pelayanan akan langsung meninggalkan sistem antrian (output). Dalam sistem antrian tingkat kedatangan (input) dan tingkat pelayanan perlu diperhatikan, dengan ditunjukkan oleh suatu distribusi kedatangan dan pelayanan untuk menunjukkan situasi kedatangan dan pelayanan. Selain pola kedatangan dan pelayanan ada beberapa faktor yang mempengaruhi pengembangan model antrian : a. Disiplin Pelayanan Penentuan siapa yang dilayani mengikuti aturan tertentu yang telah ditentukan yang disebut dengan disiplin antrian, yaitu : - FCFS (First Come First Served) - LCFS (Last Come First Served) - SIRO (Service In Random Order) - Pelayanan tidak mempedulikan siapa yang datang pertama atau terakhir. Pelayanan seperi ini, biasanya terdapat pada sistem pelayanan yang terkendali dengan baik. - Prioritas, dimana yang mendapat prioritas tinggi akan dilayani terlebih dahulu. b. Desain Fasilitas Desain fasilitas dalam sistem antrian terdiri dari : - Jumlah fasilitas

16 25 - Semakin banyak jumlah pelayanan, semakin banyak yang dapat dilayani. - Beberapa jenis pelayanan : Satu antrian, satu pelayanan. Satu antrian, pelayanan paralel. Beberapa antrian, satu pelayanan. Beberapa antrian, pelayanan paralel. Satu antrian, pelayanan seri. c. Ukuran Fasilitas Dalam sistem antrian ukuran antrian berkenaan dengan kapasitas sistem dapat dibedakan menjadi dua ; - Terbatas Bila jumlah kedatangan yang ada dalam antrian dan yang sedang dilayani dibatasi, karena sistem tidak cukup menampung antrian yang terlalu banyak dan sedang dilayani. - Tidak Terbatas Bila sistem mampu menampung dalam jumlah yang tidak terbatas, kedatangan yang terdapat dalam sistem antrian dan yang sedang dilayani Distribusi Kedatangan Model antrian adalah model probabilistik (stochastic) karena unsure-unsur tertentu proses antrian yang dimasukkan dalam model adalah variabel random. Variabel random ini sering digambarkan dengan distribusi probabilitas.

17 26 Baik kedatangan maupun waktu pelayanan dalam suatu proses antrian pada umumnya dinyatakan sebagai variabel random. Asumsi yang digunakan biasanya berkaitan dengan distribusi kedatangan (banyak kedatangan per unit waktu) adalah distribusi Poisson. Rumus umum distribusi Poisson adalah : x e λ λ Px ( ) =, x! dimana : x P(x) λ : Banyaknya kedatangan : Probabilita kedatangan : Rata-rata tingkat kedatangan e : Dasar logaritma natural, yaitu x! : x (x-1) (x-2)... 1 ( dibaca x factorial) Distribusi Poisson adalah distribusi diskrit dengan rata-rata sama dengan varians.suatu cirri menarik dari proses Poisson adalah bahwa jika banyaknya kedatangan per satuan waktu mengikuti distribusi Poisson dengan rata-rata tingkat kedatangan λ, maka waktu antar kedatangan (inter arrival time) akan mengikuti distribusi exsponential negative dengan rata-rata 1/ λ Distribusi Waktu Pelayanan Waktu pelayanan dalam proses antrian dapat juga sesuai dengan salah satu bentuk distribusi probabilitas. Asumsi yang biasa digunakan bagi distrbusi waktu pelayanan adalah distrbusi eksponential negatif. Sehingga jika waktu pelayanan mengikuti

18 27 distribusi eksponensial negatif, maka tingkat pelayanan mengikuti distribusi Poisson. Rumus umum density fuction probabilitas eksponensial negative adalah : f () t = μe μt, dimana : f () t = Probabilitas yang berhubungan dengan t t : Waktu pelayanan. μ : Rata-rata tingkat pelayanan 1/ μ : Rata-rata waktu pelayanan e : Dasar logaritma natural, yaitu Notasi Kendall Terdapat banyak variasi yang mungkin dari model antrian. Ciri-ciri dari masingmasing model akan diringkas dalam notasi kendall yang diperluas. Notasi tersebut dituliskan : [ a / b / c / d / e / f ] Notasi Kendal yang awalnya adalah : : [ a / b / c ] Keterngan : a : Distribusi kedatangan b : Distribusi keberangkatan atau waktu pelayanan. Untuk a dan b, M menunjukkan Poisson, Ek menunjukkan Erlang dan D menunjukkan deterministik atau konstan. c : Banyaknya pelayanan parallel d : Disiplin antri, seperti FCFS, LCFS, Prioritas, dan random

19 28 e f : Jumlah maksimum pengantri dalam sistem ( antri dan dilayani) : Jumlah sumber kedatangan. Jika tiga dari notasi Kendall yang diperluas tak disebutkan berarti : [. /. / FCFS / / ] artinya disiplin antri FCFS, jumlah maksimum pengantri dalam sistem tak terbatas dan jumlah sumber kedatangan tak terbatas Model Antrian Satu Saluran Satu Tahap [M/M/1] Pada model jenis pelayanan satu antrian, satu pelayanan kedatangan dan keberangkatan mengikuti distribusi Poisson dengan tingkat 1 dan μ, terdapat satu pelayanan, kapasitas pelayanan dan sumber kedatangan tak terbatas. Ini merupakan model antrian yang paling sederhana Untuk menentukan operating characteristics atau cirri-ciri operasi, dapat dilakukan dengan mudah setelah diperoleh probabilitas n pengantri dalam sistem, Pn. Melalui penurunan matematik dalam kondisi steady state dapat ditunjukkan bahwa : P n = (1-R) R n, dimana R adalah utility faktor or traffic intensity, R = λ 1 dan n = 0, 1, 2, 3, μ Bertolak dari rumus diatas dapat diperoleh cirri-ciri operasi lain seperti : - Probabilitas terdapat k atau lebih pengantri dalam sistem adalah : P = n k R k - Rata-rata banyaknya pengantri dalam sistem (L) : R L = np = R n n= 0 1

20 29 - Rata-rata banyaknya pengantri yang sedang antri (L q ) : L q 2 R = 1 R - Rata-rata waktu menunggu dalam sistem (W) : W 1 = μ λ - Rata-rata waktu antri (W q ) : W q λ = μ( μ λ) - Proporsi waktu nganggur pelayan (P o ) : P o atau I = 1-R Keterangan notasi : λ = Rata-rata tingkat kedatangan μ = Rata-rata tngkat pelayanan Kondisi Sistem Antrian Tujuan utama analisis kondisi antrian adalah mengukur kinerja sistem antrian untuk mengevaluasi sistem sebenarnya. Karena sistem antrian berjalan sesuai dengan fungsi waktu, maka sebelum menganalisa perlu diputuskan dalam kondisi yang bagaimana sistem tersebut berjalan. a. Transientt state Sistem berjalan dalam kondisi transient, bila sistem berjalan berdasarkan waktu. Sistem antrian dengan kombinasi kedatangan dan kepergian, setelah dilayani pada mulanya akan berjalan dibawah kondisi transient dan secara bertahap akan meraih kondisi steady. Bila suatu sistem itu berjalan akan semakin panjang antrian yang terjadi. Padahal antrian itu sendiri tidak dapat berubah.

21 30 b. Steady state Dalam menganalisa sistem antrian, diambil asumsi bahwa sistem harus berjalan dalam kondisi steady bukan dalam kondisi transient, oleh karena itu laju kedatangan kendaraan harus lebih kecil dari laju pelayanan agar tidak menimbulkan antrian lebih panjang seiring bertambahnya waktu. Penyelesaian sistem dalam kondisi transient akan menjadi kompleks.