BAB III PEMBAHASAN. dengan retensi pelanggan yang membatalkan antrian, nilai harapan banyaknya
|
|
- Sukarno Gunardi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB III PEMBAHASAN Pada bab ini akan dibahas tentang penurunan sistem persamaan lengkap untuk sistem antrian M/M/1/N dengan retensi pelanggan yang membatalkan antrian. Sistem persamaan lengkap tersebut terdiri dari persamaan probabilitas sistem antrian M/M/1/N dengan retensi pelanggan yang membatalkan antrian, nilai harapan banyaknya pelanggan dalam sistem antrian (L s ), nilai harapan banyaknya pelanggan dalan antrian (L q ), nilai harapan waktu tunggu dalam sistem antrian (W s ) dan nilai harapan waktu tunggu dalam antrian (W q ). A. Probabilitas Model Antrian M/M/1/N dengan Retensi Pelanggan yang Membatalkan Antrian Langkah pertama yang dilakukan dalam menentukan karakteristik model antrian M/M/1/N dengan retensi pelanggan yang membatalkan antrian adalah menentukan probabilitas kejadian terdapat n pelanggan dalam sistem (P n ). Sebelumnya akan dijelaskan terlebih dahulu notasi-notasi yang digunakan untuk menentukan probabilitas kejadian terdapat n pelanggan dalam sistem, yaitu: n : laju kedatangan jika ada n pelanggan dalam sistem, jika laju kedatangan konstan untuk semua n maka cukup ditulis dengan µ n : laju pelayanan jika ada n pelanggan dalam sistem, jika laju pelayanan konstan untuk semua n maka cukup ditulis dengan µ 45
2 ξ : reneging times (dalam waktu: jam, menit, atau detik) p : probabilitas dari reneging o( t) : probabilitas terjadi lebih dari 1 kejadian pada kondisi saat t sampai t + t yang bernilai sangat kecil, sehingga o( t) dapat diabaikan. Kemudian ditentukan bebarapa probabilitas-probabilitas sebagai berikut: 1. Probabilitas ada satu kedatangan dari t sampai t + t, dinyatakan dengan P ((X(t + t) X(t)) = 1) = n t + o( t) (3.1) 2. Probabilitas tidak ada kedatangan dari t sampai t + t, dinyatakan dengan P ((X(t + t) X(t)) = 0) = 1 n t + o( t) (3.2) 3. Probabilitas ada satu kepergian dari t sampai t + t, dinyatakan dengan P ((X(t + t) X(t)) = 1) = µ n t + o( t) (3.3) 4. Probabilitas tidak ada kepergian dari t sampai t + t, dinyatakan dengan P ((X(t + t) X(t)) = 0) = 1 µ n t + o( t) (3.4) 5. Probabilitas ada satu customer reneging dari t sampai t + t, dinyatakan dengan P ((X(t + t) X(t)) = 1) = nξp t + 0( t) (3.5) 6. Probabilitas tidak ada customer reneging dari t sampai t + t, dinyatakan dengan P ((X(t + t) X(t)) = 0) = 1 (n 1)ξp t + 0( t) (3.6) 46
3 7. Probalititas terjadi lebih dari satu kejadian pada selang waktu yang sangat pendek adalah sangat kecil sehingga dapat diabaikan, dapat dinyatakan dengan P ((X(t + t) X(t)) > 1) = o( t) (3.7) Dari probabilitas-probabilitas yang telah didapatkan, probabilitas-probabilitas tersebut dapat digambarkan dalam bentuk state flow sebagai berikut: n-1 n n+1 N n-1 n n+1 n+2 N-1 N n n+1 n+2 N Gambar 3.1 Proses kedatangan dan kepergian dalam sistem antrian M/M/1/N Berdasarkan gambar 3.1 terdapat 3 kondisi yang berbeda pada state flow tersebut sehingga kemungkinan-kemungkinan kejadian saling bebas yang dapat terjadi jika terdapat n pelanggan dalam sistem pada waktu t + t dapat dibagi menjadi 3 kasus kemungkinan kejadian, yaitu : 1. Kemungkinan kejadian terdapat n pelanggan dalam sistem untuk 1 n N 1 adalah : a. Kemungkinan kejadian terdapat n pelanggan pada waktu t dan terdapat n pelanggan pada waktu t + t adalah : 1. Tidak ada kedatangan, tidak ada kepergian, dan tidak ada reneging 2. Ada kedatangan, ada kepergian, dan tidak ada reneging 3. Ada kedatangan, tidak ada kepergian, dan ada reneging 47
4 b. Kemungkinan kejadian terdapat n + 1 pelanggan pada waktu t dan terdapat n pelanggan pada waktu t + t adalah : 1. Tidak ada kedatangan, ada kepergian, dan tidak ada reneging 2. Tidak ada kedatangan, tidak ada keperian, dan ada reneging c. Kemungkinan kejadian terdapat n + 2 pelanggan pada waktu t dan terdapat n pelanggan pada waktu t + t adalah : tidak ada kedatangan, ada kepergian, dan ada reneging d. Kemungkinan kejadian terdapat n 1 pelanggan pada waktu t dan terdapat n pelanggan pada waktu t + t adalah : ada kedatangan, tidak ada kepergian, dan tidak ada reneging. Dari kemungkinan-kemungkinan yang telah diperoleh, kemudian disajikan kedalam tabel sebagai berikut ini. Tabel 3.1 Kemungkinan Kejadian Terdapat n Pelanggan dalam Sistem pada Saat t + t dengan 1 n N 1 Kasus pelanggan pada waktu kedatangan pada waktu kepergian pada waktu reneging pada pelanggan pada waktu t t t waktu t t + t 1 n n 2 n n 48
5 Kasus pelanggan pada waktu kedatangan pada waktu kepergian pada waktu reneging pada pelanggan pada waktu t t t waktu t t + t 3 n n 4 n n 5 n n 6 n n 7 n n Menurut asumsi (vi) mengacu dari bab 2, kedatangan dan kepergian merupakan kejadian-kejadian yang saling bebas, sehingga kejadian-kejadian pada interval waktu tertentu tidak mempengaruhi kejadian ada interval waktu sesudahnya maka peluangdari masing-masing kejadian tersebut adalah sebagai berikut: 1. Probabilitas kasus 1 = P n (t)(1 n t + o( t))(1 µ n t + o( t))(1 (n 1)ξp t + o( t)) (3.8) 2. Probablitas kasus 2 = P n (t)( n t + o( t))(µ n t + o( t))(1 (n 1)ξp t + o( t)) = o( t) (3.9) 3. Probabilitas kasus 3 = P n (t)( n t + o( t))(1 µ n t + o( t))(nξp t + o( t)) = o( t) (3.10) 49
6 4. Probabilitas kasus 4 = P n+1 (t)(1 n+1 t + o( t))(µ n+1 t + o( t))(1 (n 1)ξp t + o( t)) (3.11) 5. Probabilitas kasus 5 = P n+1 (t)(1 n+1 t + o( t))(1 µ n+1 t + o( t))(nξp t + o( t)) (3.12) 6. Probabilitas kasus 6 = P n+2 (t)(1 n+2 t + o( t))(µ n+2 t + o( t))(nξp t + o( t)) = o( t) (3.13) 7. Probabilitas kasus 7 = P n 1 (t)( n 1 t + o( t))(1 µ n 1 t + o( t))(1 (n 1)ξp t + o( t)) (3.14) Maka probabilitas terdapat n pelanggan dalam sistem dengan 1 n N 1 pada saat (t + t) dinyatakan dengan: P n (t + t) = P (kasus 1 atau kasus 2 atau kasus 3 atau kasus 4 atau kasus 5 atau kasus 6 atau kasus 7) Karena kasus-kasus tersebut tidak dapat terjadi secara bersamaan atau saling asing, maka probabilitasnya adalah: P n (t + t) =(probabilitas kasus 1 + probabilitas kasus + probabilitas kasus 2 + probabilitas kasus 3 + probabilitas kasus 4 + probabilitas kasus 5 + probabilitas kasus 6 + probabilitas kasus 7) (3.15) 50
7 Substitusi persamaan (3.8), (3.9), (3.10), (3.11), (3.12), (3.13) dan (3.14) ke persamaan (3.15), sehingga didapatkan: P n (t + t) = P n (t)(1 n t + o( t))(1 µ n t + o( t))(1 (n 1)ξp t + o( t)) + o( t) + o( t) + P n+1 (t)(1 n+1 t + o( t))(µ n+1 t + o( t))(1 (n 1)ξp t + o( t)) + P n+1 (t)(1 n+1 t + o( t))(1 µ n+1 t + o( t))(nξp t + o( t)) + o( t) + P n 1 (t)( n 1 t + o( t))(1 µ n 1 t + o( t))(1 (n 1)ξp t + o( t)) P n (t + t) = P n (t)(1 n t + µ n t)(1 (n 1)ξp t + o( t)) + P n+1 (t)(µ n+1 t)(1 (n 1)ξp t + o( t)) + P n+1 (t)(1 n t + µ n t)(nξp t + o( t)) + P n 1 (t)( n 1 t)(1 (n 1)ξp t + o( t)) + o( t) P n (t + t) = P n (t)(1 n t µ n t (n 1)ξp t) + P n+1 (t)(µ n+1 t) + P n+1 (t)(nξp t) + P n 1 (t)( n 1 t) + o( t) P n (t + t) = P n (t) P n (t)( n t) P n (t)(µ n t) P n (t)((n 1)ξp t) + P n+1 (t)(µ n+1 t) + P n+1 (t)(nξp t) + P n 1 (t)( n 1 t) + o( t) (3.16) 51
8 Pada persamaan (3.16) dikurangkan P n (t) pada ruas kiri dan kanan kemudian dibagi dengan t maka diperoleh: P n (t + t) P n (t) = P n (t)( n t) P n (t)(µ n t) P n (t)((n 1)ξp t) + P n+1 (t)(µ n+1 t) + P n+1 (t)(nξp t) + P n 1 (t)( n 1 t) P n (t+ t) P n (t) t = P n (t)( n ) P n (t)(µ n ) P n (t)((n 1)ξp) + P n+1 (t)(µ n+1 ) + P n+1 (t)(nξp) + P n 1 (t)( n 1 ) (3.17) Karena t sangat kecil dan mendekati nol, maka berdasarkan Definisi 2.7 didapatkan: P n (t + t) P n (t) lim t 0 t dp n (t) dt = lim t 0 [ P n (t)( n ) P n (t)(µ n ) P n (t)((n 1)ξp) + P n+1 (t)(µ n+1 ) + P n+1 (t)(nξp) + P n 1 (t)( n 1 )] = P n (t)( n ) P n (t)(µ n ) P n (t)((n 1)ξp) + P n+1 (t)(µ n+1 ) + P n+1 (t)(nξp) + P n 1 (t)( n 1 ) dp n (t) dt = ( n + µ n + (n 1)ξp)P n (t) + (µ n+1 + nξp)p n+1 (t) + ( n 1 )P n 1 (t) (3.18) 2. Kemungkinan kejadian terdapat n pelanggan dalam sistem pada saat n = 0 adalah: a. Kemungkinan kejadian terdapat 0 pelanggan pada waktu t dan terdapat 0 pelanggan pada waktu t + t adalah : 1. Tidak ada kedatangan, tidak ada kepergian dan tidak ada reneging 52
9 2. Ada kedatangan, ada kepergian dan tidak ada reneging b. Kemungkinan kejadian terdapat n + 1 pelanggan pada waktu t dan terdapat n pelanggan pada waktu t + t adalah : 1. Tidak ada kedatangan, ada kepergian dan tidak ada reneging 2. Tidak ada kedatangan,tidak ada kepergian, dan ada reneging Dari kemungkinan-kemungkinan yang telah diperoleh, kemudian disajikan kedalam tabel sebagai berikut ini. Tabel 3.2 Kemungkina Kejadian Terdapat 0 Pelanggan dalam Sistem pada Saat t + t dengan n = 0 Kasus pelanggan pada kedatangan pada waktu kepergian pada waktu reneging pada pelanggan pada waktu waktu t t t waktu t t + t 1 n n 2 n n 3 n n 4 n n Selanjutnya akan dibahas secara khusus probabilitas terdapat n pelanggan untuk nilai n = 0. Pada saat jumlah pelanggan dalam sistem adalah nol, maka probabilitas 53
10 terjadinya nol kepergian pada kasus 1 dan kasus 4 serta nol reneging pada kasus 1, kasus 2 dan kasus 3 adalah satu. Menurut asumsi (vi) mengacu dari bab 2, kedatangan dan kepergian merupakan kejadian-kejadian yang saling bebas, sehingga kejadian-kejadian pada interval waktu tertentu tidak mempengaruhi kejadian ada interval waktu sesudahnya maka peluangdari masing-masing kejadian tersebut adalah sebagai berikut: 1. Probabilitas kasus 1 = P n (t)(1 n t + o( t))(1)(1) (3.19) 2. Probablitas kasus 2 = P n (t)( n t + o( t))(µ n+1 t + o( t))(1) = o( t) (3.20) 3. Probabilitas kasus 3 = P n+1 (t)(1 n+1 t + o( t))(µ n+1 t + o( t))(1) (3.21) 4. Probabilitas kasus 4 = P n+1 (t)(1 n+1 t + o( t))(1)(nξp t + o( t)) (3.22) adalah : Probabilitas terdapat n pelanggan dalam sistem dengan n = 0 pada saat (t + t) P n (t + t) = P (kasus 1 atau kasus 2 atau kasus 3 atau kasus 4) Karena kasus-kasus tersebut tidak dapat terjadi secara bersamaan atau saling asing, maka probabilitas terdapat n pelanggan dalam sistem dengan n = 0 pada saat (t + t) dinyatakan dengan: 54
11 P n (t + t) = (Probabilitas kasus 1 + Probabilitas kasus 2 + Probabilitas kasus 3 + Probabilitas kasus 4) (3.23) Substitusikan persamaan (3.19), (3.20), (3.21), dan (3.22) ke persamaan (3.23) sehingga didapatkan : P n (t + t) = P n (t)(1 n t + o( t))(1)(1) + o( t) + P n+1 (t)(1 n+1 t + o( t))(µ n+1 t + o( t))(1) + P n+1 (t)(1 n+1 t + o( t))(1)(nξp t + o( t)) P n (t + t) = P n (t)(1 n t + o( t)) + P n+1 (t)(µ n+1 t + o( t)) + P n+1 (t)(nξp t + o( t)) + o( t) (3.24) Substitusi n = 0 pada persamaan (3.24), diperoleh : P 0 (t + t) = P 0 (t)(1 0 t + o( t)) + P 1 (t)(µ 1 t + o( t)) + P 1 (t)(0ξp t + o( t)) + o( t) P 0 (t + t) = P 0 (t)(1 0 t + o( t)) + P 1 (t)(µ 1 t + o( t)) + o( t) P 0 (t + t) = P 0 (t) ( 0 t)p 0 (t) + (µ 1 t)p 1 (t) + o( t) (3.25) Pada persamaan (3.25) dikurangkan P 0 (t) pada ruas kiri dan kanan kemudian dibagi dengan t maka diperoleh: P 0 (t + t) P 0 (t) = ( 0 t)p 0 (t) + (µ 1 t)p 1 (t) 55
12 P 0 (t+ t) P 0 (t) t = ( 0 )P 0 (t) + (µ 1 )P 1 (t) (3.26) Karena t sangat kecil dan mendakati nol, maka berdasarkan Definisi 2.7 didapatkan: P 0 (t + t) P 0 (t) lim = lim ( ( t 0 t 0 )P 0 (t) + (µ 1 )P 1 (t)) t 0 dp 0 (t) dt = ( 0 )P 0 (t) + (µ 1 )P 1 (t) (3.27) 3. Kemungkinan kejadian terdapat n pelanggan dalam sistem pada saat n = N adalah: a. Kemungkinan kejadian terdapat n pelanggan pada waktu t dan terdapat n pelanggan pada waktu t + t adalah : 1. Tidak ada kedatangan, tidak ada kepergian dan tidak ada reneging 2. Ada kedatangan, ada kepergian dan tidak ada reneging 3. Ada kedatangan, tidak ada kepergian, dan ada reneging b. Kemungkinan kejadian terdapat n 1 pelanggan pada waktu t dan terdapat n pelanggan pada waktu t + t adalah : tidak ada kedatangan, ada kepergian dan tidak ada reneging. Dari kemungkinan-kemungkinan yang telah diperoleh, kemudian disajikan kedalam tabel sebagai berikut ini. 56
13 Tabel 3.3 Kemungkinan Kejadian terdapat n Pelanggan dalam Sistem pada Saat t + t dengan n = N Kasus pelanggan pada kedatangan pada waktu kepergian pada waktu reneging pada pelanggan pada waktu waktu t t t waktu t t + t 1 n n 2 n n 3 n n 4 n n Selanjutnya akan dibahas secara khusus probabilitas terdapat n pelanggan untuk nilai n = N. Pada saat jumlah pelanggan dalam sistem adalah N, maka probabilitas terjadinya nol kedatangan pada kasus 1 adalah satu. Menurut asumsi (vi) mengacu dari bab 2, kedatangan dan kepergian merupakan kejadian-kejadian yang saling bebas, sehingga kejadian-kejadian pada interval waktu tertentu tidak mempengaruhi kejadian ada interval waktu sesudahnya maka peluangdari masing-masing kejadian tersebut adalah sebagai berikut: 1. Probabilitas kasus 1 = P n (t)(1)(1 µ n t + o( t))(1 (n 1)ξp t + o( t)) (3.28) 57
14 2. Probablitas kasus 2 = P n (t)( n t + o( t))(µ n t + o( t))(1 (n 1)ξp t + o( t)) = o( t) (3.29) 3. Probabilitas kasus 3 = P n (t)( n t + o( t))(1 µ n t + o( t))(nξp t + o( t)) = o( t) (3.30) 4. Probabilitas kasus 4 = P n 1 (t)( n 1 t + o( t))(1 µ n 1 t + o( t))(1 (n 1)ξp t + o( t)) (3.31) Probabilitas terdapat n pelanggan dalam sistem dengan n = N dalam waktu (t + t) adalah: P n (t + t) = P (kasus 1 atau kasus 2 atau kasus 3 atau kasus 4) Karena kasus-kasus tersebut tidak dapat terjadi secara bersamaan atau saling asing, maka probabilitas terdapat n pelanggan dalam sistem dengan n = N pada saat (t + t) dinyatakan dengan: P n (t + t) = (Probabilitas kasus 1 + Probabilitas kasus 2 + Probabilitas kasus 3 + Probabilitas kasus 4) (3.32) Substitusi persamaan (3.28), (3.29), (3.30), dan (3.31) pada persamaan (3.32) sehingga diperoleh : 58
15 P n (t + t) = P n (t)(1)(1 µ n t + o( t))(1 (n 1)ξp t + o( t)) + o( t) + o( t) + P n 1 (t)( n 1 t + o( t))(1 µ n 1 t + o( t))(1 (n 1)ξp t + o( t)) P n (t + t) = P n (t)(1 µ n t (n 1)ξp t) + P n 1 (t)( n t) + o( t) P n (t + t) = P n (t) (µ n t)p n (t) ((n 1)ξp t)p n (t) + ( n t)p n 1 (t) + o( t) (3.33) Pada persamaan (3.33) dikurangkan P n (t) pada ruas kiri dan kanan kemudian dibagi dengan t maka diperoleh: P n (t + t) P n (t) = (µ n t)p n (t) ((n 1)ξp t)p n (t) + ( n t)p n 1 (t) P n (t+ t) P n (t) t = (µ n )P n (t) ((n 1)ξp)P n (t) + ( n )P n 1 (t) (3.34) Karena t sangat kecil dan mendakati nol, maka berdasarkan Definisi 2.7 didapatkan: P n (t + t) P n (t) lim = lim ( (µ t 0 t n )P n (t) ((n 1)ξp)P n (t) + ( n )P n 1 (t)) t 0 dp n (t) dt = (µ n )P n (t) ((n 1)ξp)P n (t) + ( n )P n 1 (t) dp n (t) dt = ( n )P n 1 (t) (µ n (n 1)ξp)P n (t) Substitusi nilai n = N maka diperoleh : dp N (t) dt = ( N )P N 1 (t) (µ N (N 1)ξp)P N (t) (3.35) 59
16 Jadi dari ke tiga kasus kemungkinan-kemungkinan kejadian saling asing yang dapat terjadi jika terdapat n pelanggan dalam sistem pada waktu t + t diperoleh tiga sistem persamaan diferensial, yaitu persamaan (3.11), (3.20), dan (3.28) sebagai berikut : 1. dp n (t) dt = ( n + µ n + (n 1)ξp)P n (t) + (µ n+1 + nξp)p n+1 (t) + ( n 1 )P n 1 (t) ; 1 n N 1 2. dp 0 (t) dt 3. dp N (t) dt = ( 0 )P 0 (t) + (µ 1 )P 1 (t) ; n = 0 = ( N )P N 1 (t) (µ N (N 1)ξp)P N (t) ; n = N Dari ke tiga persamaan diferensial tersebut, karena pada kasus ini laju kedatangan ( n ) dan laju pelayanan (µ n ) konstan untuk semua n maka dapat ditulis menjadi : 1. dp n (t) dt = ( + µ + (n 1)ξp)P n (t) + (µ + nξp)p n+1 (t) + ()P n 1 (t) ; 1 n N 1 (3.36) 2. dp 0 (t) dt 3. dp N (t) dt = µp 1 (t) P 0 (t) ; n = 0 (3.37) = P N 1 (t) (µ (N 1)ξp)P N (t) ; n = N (3.38) Dalam kondisi steady-state lim P n (t) = P n, oleh karena itu dp n(t) = 0 untuk t t dt. Kondisi steady-state yaitu keadaan sistem yang tidak bergantung pada keadaan awal maupun waktu yang telah dilalui. Untuk memperoleh kondisi steady-state, 60
17 substitusikan dp n(t) dt = 0 dan P n (t) = P n ke persamaan (3.36), (3.37), dan (3.38) sehingga diperoleh persamaan sebagai berikut : 1. 0 = ( + µ + (n 1)ξp)P n + (µ + nξp)p n+1 + ()P n 1 ; 1 n N 1 (3.39) 2. 0 = µp 1 P 0 ; n = 0 (3.40) 3. 0 = P N 1 (µ (N 1)ξp)P N ; n = N (3.41) Atau 1. ( + µ + (n 1)ξp)P n = (µ + nξp)p n+1 + ()P n 1 (3.42) 2. P 0 = P 1 µ P 1 = µ P 0 (3.43) 3. (µ (N 1)ξp)P N = ()P N 1 P N = () (µ (N 1)ξp) P N 1 (3.44) Untuk mencari solusi rekursif dari kondisi steady-state, dilakukan perhitungan sebagai berikut: substitusi n = 1 pada persamaan (3.42), sehingga [ + µ + (1 1)ξp]P 1 = (µ + 1ξp)P P 1 1 Jadi, ( + µ)p 1 = (µ + ξp)p 2 + P 0 61
18 (µ + ξp)p 2 = ( + µ)p 1 P 0 (µ + ξp)p 2 = P 1 + (µp 1 P 0 ) (3.45) Dengan menggunakan persamaan (3.40) yaitu µp 1 P 0 = 0, persamaan (3.45) menjadi (µ + ξp)p 2 = P 1 (3.46) Kemudian persamaan (3.46) dibagi dengan (µ + ξp) menjadi P 2 = P 1 (µ+ξp) (3.47) Substitusikan persamaan (3.43) pada persamaan (3.47) sehingga diperoleh ( µ ) P 0 P 2 = (µ + ξp) P 2 = P 0 ( µ ) (µ + ξp) P 2 = P 0 ( µ + 0ξp ) ( (µ + ξp) ) P 2 = P 0 ( ) ( ) (4.48) µ+(1 1)ξp (µ+(2 1)ξp) Dengan menggunakan notasi sigma, maka persamaan (3.41) menjadi, 2 P 2 = P 0 k=1 (3.49) µ+(k 1)ξp 62
19 Substitusi n = 2 pada persamaan (3.42), sehingga [ + µ + (2 1)ξp]P 2 = (µ + 2ξp)P P 2 1 Jadi, (µ + 2ξp)P 3 = [ + µ + ξp]p 2 P 1 (µ + 2ξp)P 3 = P 2 + (µp 2 + ξpp 2 ) P 1 (3.50) Dengan menggunakan persamaan (3.46) yaitu (µ + ξp)p 2 = P 1, persamaan (3.50) menjadi (µ + 2ξp)P 3 = P 2 + P 1 P 1 sehingga (µ + 2ξp)P 3 = P 2 (3.51) Kemudian persamaan (3.44) dibagi dengan (µ + 2ξp) maka menjadi P 3 = P 2 (µ+2ξp) (3.52) Substitusi persamaan (3.49) pada persamaan (3.52) sehingga 2 P 3 = P (µ+2ξp) 0 k=1 (3.53) µ+(k 1)ξp Dengan menggunakan notasi sigma, maka persamaan (3.53) menjadi, 3 P 3 = P 0 k=1 (3.54) µ+(k 1)ξp 63
20 Substitusi n = 3 pada persamaan (3.35), sehingga [ + µ + (3 1)ξp]P 3 = (µ + 3ξp)P P 3 1 Jadi, (µ + 3ξp)P 4 = [ + µ + 2ξp]P 3 P 2 (µ + 3ξp)P 4 = P 3 + (µp 3 + 2ξpP 3 ) P 2 (3.55) Dengan menggunakan persamaan (3.44) yaitu (µ + 2ξp)P 3 = P 2, persamaan (3.48) menjadi (µ + 3ξp)P 4 = P 3 + P 2 P 2 Sehingga (µ + 3ξp)P 4 = P 3 (3.56) Kemudian persamaan (3.56) dibagi dengan (µ + 3ξp) maka menjadi P 4 = P 3 (µ+3ξp) (3.57) Substitusi persamaan (3.54) pada persamaan (3.57) sehingga 3 P 4 = P (µ+3ξp) 0 k=1 (3.58) µ+(k 1)ξp Dengan menggunakan notasi sigma, maka persamaan (3.58) menjadi, 4 P 4 = P 0 k=1 (3.59) µ+(k 1)ξp 64
21 Untuk 4 n N 1 dengan menggunakan cara yang sama, maka diperoleh: n P n = P 0 k=1 ; 1 n N 1 (3.60) µ+(k 1)ξp Untuk = N, substitusikan persamaan (3.60) pada persamaan (3.44) P N = P N 1 [µ + (N 1)ξp] Jadi, N 1 µ+(k 1)ξp P N = P [µ+(n 1)ξp] 0 k=1 (3.61) Dengan menggunakan notasi sigma, maka persamaan (3.61) menjadi, N P N = P 0 k=1 (3.62) µ+(k 1)ξp Selanjutnya, akan dicari probabilitas nol pelanggan dalam sistem. kumpulan dari berbagai kemungkinan terjadinya probabilitas terdapat n pelanggan dalam sistem (P n ) adalah sama dengan 1. Dalam kalimat matematika ditulis: N n=0 P n = 1 (3.63) Oleh karena itu dapat dicari probabilitas nol pelanggan dalam sistem, yaitu P 0 + N n=1 P n = 1 (3.64) Substitusi persamaan persamaan (3.60) ke persamaan (3.64) sehingga n P 0 + N n=1 k=1 P 0 = 1 (3.65) µ+(k 1)ξp 65
22 Dengan menggunakan operasi pemfaktoran pada persamaan (3.65) menjadi n k=1 µ+(k 1)ξp [1 + N n=1 ] P 0 = 1 (3.66) Kemudian persamaan (3.66) dibagi dengan [1 + N n=1 n k=1 µ+(k 1)ξp ] diperoleh P 0 = 1 1+ N n n=1 k=1 µ+(k 1)ξp (3.67) Jadi persamaan rekursif kondisi steady-state dari model adalah: n P n = P 0 µ + (k 1)ξp k=1 ; 0 n N dengan P 0 = 1 + N n=1 n k=1 1 µ + (k 1)ξp B. Ukuran Keefektifan Sistem Antrian M/M/1/N dengan Retensi Pelanggan yang Membatalkan Antrian Nilai harapan banyaknya pelanggan dalam sistem (L s ) mempunyai hubungan sederhana antara jumlah pelanggan yang antri (n) dan berbagai kemungkinan P n dengan batas maksimum tempat antrian sebesar N. 66
23 Akan dicari nilai harapan banyaknya pelanggan dalam sistem (L s ) menggunakan persamaan umum nilai harapan berdasarkan persamaan (2.50) N L s = np n n=0 Substitusi persamaan (3.60) pada persamaan (2.50) sehingga n L s = N n=0 n P 0 ( k=1 ) (3.68) µ+(k 1)ξp Rata-rata waktu tunggu dalam sistem (W s ) dipengaruhi jumlah rata-rata pelanggan dalam sistem dibanding tingkat kedatangan dalam sistem. Akan dicari nilai harapan waktu tunggu dalam sistem (W s ) menggunakan little formula berdasarkan persamaan (2.52) sebagai berikut: L s = W s W s = L s (3.69) Substitusi persamaan (3.68) ke persamaan (3.69) sehingga diperoleh W s = N n=0 n n P 0 ( k=1 ) µ+(k 1)ξp (3.70) Rata-rata waktu tunggu dalam antrian (W q ) dipengaruhi oleh rata-rata waktu menunggu dalam sistem dengan waktu pelayanan. 67
24 Akan dicari nilai harapan waktu tunggu dalam antrian (W q ) menggunakan little formula sebagai berikut: W q = W s 1 µ (3.71) Substitusi persamaan (3.70) pada persamaan (3.71) sehingga diperoleh W q = N n=0 n n P 0 ( k=1 ) µ+(k 1)ξp 1 µ (3.72) Nilai harapan banyaknya pelanggan dalam antrian (L q ) berkaitan erat dengan lamanya tingkat kedatangan dikali rata-rata waktu menunggu pelanggan dalam antrian. Akan dicari nilai harapan waktu tunggu dalam sistem (W s ) menggunakan little formula berdasarkan persamaan (2.53) sebagai berikut: L q = W q Substitusi persamaan (3.72) pada persamaan (2.53) sehingga diperoleh L q = ( N n=0 n n P 0 ( k=1 ) µ+(k 1)ξp 1 µ ) (3.73) Dengan operasi perkalian biasa pada persamaan (3.73) sehingga diperoleh nilai L q sebagai berikut L q = N n=0 n P 0 ( k=1 ) µ+(k 1)ξp µ n (7.74) 68
25 C. SIMULASI Simulasi yang dilakukan adalah membandingkan hasil perhitungan probabilitas terdapat n pelanggan dalam sistem serta perhitungan ukuran keefektifan pada sistem antrian M/M/1/N dengan sistem antrian M/M/1/N dengan retensi pelanggan yang membatalkan antrian. Contoh kasus sistem antrian M/M/1/N Dalam sebuah sarana jasa pembersihan mobil, informasi yang dikumpulkan menunjukan bahwa kedatangan mobil terdistribusi Poisson dengan rata-rata 2 mobil perjam. Waktu untuk mencuci mobil bervariasi, tetapi mengikuti distribusi eksponensial dengan rata-rata 20 menit per mobil. Sarana pelayanan hanya dapat menangani satu mobil setiap saat serta tempat pakir yang tersedia hanya dapat memuat sebanyak 9 mobil. Tentukan ukuran keefektifan dari sistem antrian sarana jasa pembersihan mobil tersebut jika diketahui probabilitas dari retention adalah sebesar 0.6 dan reneging times 0.1 jam. Diketahui : = 2 mobil/jam 1 µ = 20 menit/mobil, µ = 3 mobil/jam Kapasitas sistem (N) = 10 mobil Probabilitas dari retention (q) =
26 Probabilitas dari reneging (p) = 1 q = 0.4 Reneging times (ξ) = 0.1 jam Ditanyakan: 1. Probabilitas terdapat n pelanggan dalam sistem (P n ) 2. Nilai harapan banyaknya pelanggan dalam sistem (L s ) 3. Nilai harapan banyaknya pelanggan dalam antrian (L q ) 4. Nilai harapan waktu tunggu pelanggan dalam sistem (W s ) 5. Nilai harapan waktu tunggu pelanggan dalam antrian (W q ) Jawab: A. Menentukan probabilitas dan ukuran keefektifan sistem antrian M/M/1/N sederhana: 1. Menentuka probabilitas terdapat n pelanggan dalam sistem (P n ) P n = ( µ ) N P 0 dengan 1 ( µ ) P 0 = 1 ( N+1 µ ) untuk N = 10, maka nilai P 0 70
27 untuk n = N = 10, maka nilai P 10 P 0 = 1 (2 3 ) 1 ( 2 3 ) 10+1 P 0 = = P 10 = ( 2 3 ) 10 P 0 P 10 = ( )( ) P 10 = Jadi probabilitas terdapat n pelanggan dalam sistem adalah P n = ( µ )N P 0 dan probabilitas terdapat 10 pelanggan dalam sistem adalah sebesar Menentukan nilai harapan banyaknya pelanggan dalam sistem (L s ) ( N µ ) (1 (N + 1) ( µ ) + N ( µ N+1) ) L s = (1 ( µ )) (1 ( µ N+1) ) ( 2 3 ) (1 ( ) (2 3 ) + 10 ( ) ) L s = (1 ( 2 3 )) (1 ( ) ) ( 2 3 ) (1 (11) 10 (2 3 ) + 10 ( ) ) L s = (1 ( 2 3 )) (1 (2 3 11) ) 71
28 L s = = Jadi nilai harapan banyaknya pelanggan dalam sistem adalah sebesar pelanggan. 3. Menentukan nilai harapan banyaknya pelanggan dalam antrian (L q ) L q = ( N µ ) (1 (N + 1) ( µ ) + N ( µ N+1) ) (1 ( µ )) (1 ( µ ) N+1) L q = L s (1 P N) µ L q = ( ) 3 L q = = (1 P N) µ Jadi nilai harapan banyaknya pelanggan dalam antrian adalah sebesar pelanggan. 4. Menentukan nilai harapan waktu tunggu pelanggan dalam sistem (W s ) W s = L s (1 P N ) W s = ( ) = Jadi nilai harapan waktu tunggu dalam sistem adalah sebesar jam. 5. Menentukan nilai harapan waktu tunggu pelanggan dalam antrian (W q ) W q = W q = L q (1 P N ) ( ) =
29 Jadi nilai harapan waktu tunggu dalam antrian adalah sebesar jam. B. Menentukan probabilitas dan ukuran keefektifan sistem antrian M/M/1/N dengan reneging customers: 1. Menentukan probabilitas terdapat n pelanggan dalam sistem (P n ) n P n = P 0 µ + (k 1)ξp k=1 ; n = 0,1,2, N dengan P 0 = 1 + N n=1 n k=1 1 µ + (k 1)ξp untuk N = 10, maka nilai P_0 P 0 = n=1 n k= (k 1)(0.1)(0.4) dengan menggunakan Microsoft exel diperoleh P 0 = untuk n = N = 10, maka nilai P 10 n 2 P 10 = P (k 1)(0.1)(0.4) k=1 P 10 = ( )( ) P 10 =
30 n Jadi P n = P 0 k=1 dan probabilitas terdapat 10 pelanggan dalam sistem µ+(k 1)ξp adalah sebesar Menentukan nilai harapan banyaknya pelanggan dalam sistem (L s ) N L s = n P 0 ( ) µ + (k 1)ξp n=0 n k=1 10 L s = n P 0 ( ) µ + (k 1)ξp n=0 10 k=1 L s = 1P 0 k 1 + 2P 0 k P 0 k 10 L s = (1)( )( ) + (2)( )( ) + + (10)( )( ) L s = L s = jadi diperoleh nilai harapan banyaknya pelanggan dalam sistem adalah sebesar pelanggan. 3. Menentukan nilai harapan banyaknya pelanggan dalam antrian (L q ) N L q = n P 0 ( ) µ + (k 1)ξp µ n=0 n k=1 L q = L s µ 74
31 L q = L q = = jadi nilai harapan banyaknya pelanggan dalam antrian adalah sebesar pelanggan. 4. Menentukan nilai harapan waktu tunggu dalam sistem (W s ) N n=0 n P 0 ( W s = µ + (k 1)ξp n k=1 ) W s = L s W s = = Jadi nilai harapan waktu tunggu dalam sistem adalah sebesar jam. 5. Menentukan nilai harapan waktu tunggu dalam antrian (W q ) N n=0 n P 0 ( W q = µ + (k 1)ξp n k=1 ) 1 µ W q = W s 1 µ W q = = Jadi nilai harapan waktu tunggu dalam antrian adalah sebesar jam. 75
32 Tabel 3.4 Perbandingan Probabilitas dan Ukuran-ukuran Keefektifan Sistem Antrian M/M/1/N dengan Sistem Antrian M/M/1/N dengan Retensi Pelanggan yang Membatalkan Antrian Dari tabel diatas dapat disimpulkan bahwa adanya reneging pada sistem antrian berpengaruh terhadap ukuran sistem yang diharapkan dan ukuran-ukuran keefektifan pada sistem antrian M/M/1/N lebih tinggi daripada ukuran-ukuran keefektifan sistem antrian M/M/1/N dengan retensi pelanggan yang membatalkan antrian. 76
ANALISA SISTEM ANTRIAN M/M/1/N DENGAN RETENSI PELANGGAN YANG MEMBATALKAN ANTRIAN
Analisa Sistem Antrian (Ayi Umar Nawawi) 11 ANALISA SISTEM ANTRIAN M/M/1/N DENGAN RETENSI PELANGGAN YANG MEMBATALKAN ANTRIAN ANALYSIS OF M/M/1/N QUEUEUING SYSTEM WITH RETENTION OF RENEGED CUSTOMERS Oleh:
Lebih terperinciANALISA SISTEM ANTRIAN M/M/1/N DENGAN RETENSI PELANGGAN YANG MEMBATALKAN ANTRIAN
ANALISA SISTEM ANTRIAN M/M/1/N DENGAN RETENSI PELANGGAN YANG MEMBATALKAN ANTRIAN SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi Sebagian
Lebih terperinciANALISIS SISTEM ANTRIAN SATU SERVER (M/M/1)
Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 59 66 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS SISTEM ANTRIAN SATU SERVER (M/M/1) ERIK PRATAMA, DODI DEVIANTO Program Studi Matematika, Fakultas
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 II KAJIAN PUSTAKA. Pada bab ini diuraikan tentang dasar-dasar yang diperlukan dalam pembahasan
BAB II KAJIAN PUSTAKA Pada bab ini diuraikan tentang dasar-dasar yang diperlukan dalam pembahasan model antrian M/M/1/N dengan retensi pelanggan yang membatalkan antrian, mencakup tentang model antrian
Lebih terperinciBAB II LANDASAN TEORI. pembahasan model antrian dengan working vacation pada pola kedatangan
BAB II LANDASAN TEORI Pada bab ini diuraikan tentang dasar-dasar yang diperlukan dalam pembahasan model antrian dengan working vacation pada pola kedatangan berkelompok (batch arrival) satu server, mencakup
Lebih terperinciBAB II KAJIAN TEORI. dalam pembahasan model antrean dengan disiplin pelayanan Preemptive,
BAB II KAJIAN TEORI Pada bab ini akan dijabarkan tentang dasar-dasar yang digunakan dalam pembahasan model antrean dengan disiplin pelayanan Preemptive, mencangkup tentang teori antrean, pola kedatangan
Lebih terperinciPenelpon menunggu dilayani. A.K. Erlang tahun Teori Antrian
Banyaknya penelpon di waktu sibuk(jam kerja) Operator telepon terbatas Penelpon menunggu dilayani Teoriyang menyangkut studi matematis dari antrianantrian A.K. Erlang tahun 1910 Teori Antrian Proses antrian
Lebih terperinciBAB IV PROSES BIRTH-DEATH DAN APLIKASINYA DALAM SISTEM ANTRIAN. Kebanyakan sistem antrian dimodelkan menggunakan interarrival times dan
BAB IV PROSES BIRTH-DEATH DAN APIKASINYA DAAM SISTEM ANTRIAN 4. Distribusi Eksponensial Dalam Proses Birth-Death Kebanyakan sistem antrian dimodelkan menggunakan interarrival times dan service times berdistribusi
Lebih terperinciBAB III PEMBAHASAN. Dalam skripsi ini akan dibahas tentang model antrean satu server dengan
BAB III PEMBAHASAN Dalam skripsi ini akan dibahas tentang model antrean satu server dengan disiplin antrean Preemptive dengan pola kedatangan berdistribusi Poisson dan waktu pelayanan berdistribusi Eksponensial.
Lebih terperinciTeller 1. Teller 2. Teller 7. Gambar 3.1 Proses antrian pada sistem antrian teller BRI Cik Ditiro
Berikut ini adalah pembahasan mengenai sistem antrian teller BRI Cik Ditiro dan optimasinya berdasarkan model tingkat aspirasi. Deskripsi mengenai sistem antrian teller BRI Cik Ditiro dapat diuraikan sebagai
Lebih terperinciBAB III DARI MODEL ANTRIAN M/M/1 DENGAN POLA KEDATANGAN BERKELOMPOK KONSTAN. 3.1 Model Antrian M/M/1 Dengan Pola Kedatangan Berkelompok Acak
BAB III PERUMUSAN PROBABILITAS DAN EKSPEKTASI DARI MODEL ANTRIAN M/M/1 DENGAN POLA KEDATANGAN BERKELOMPOK KONSTAN 3.1 Model Antrian M/M/1 Dengan Pola Kedatangan Berkelompok Acak Model antrian ini para
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Antrian Teori antrian pertama kali disusun oleh Agner Krarup Erlang yang hidup pada periode 1878-1929. Dia merupakan seorang insinyur Demark yang bekerja di industri telepon.
Lebih terperinciPengantar Proses Stokastik
Bab 7: Teori Antrian Statistika FMIPA Universitas Islam Indonesia Pendahuluan Teori Antrian Pendahuluan Beberapa contoh antrian: 1 Nasabah bank menunggu pelayanan di teller atau customer service 2 Pelanggan
Lebih terperinciBAB 3 PEMBAHASAN. Tabel 3.1 Data Jumlah dan Rata-Rata Waktu Pelayanan Pasien (menit) Waktu Pengamatan
BAB 3 PEMBAHASAN 3.1. Uji Kesesuaian Distribusi Dalam penelitian ini kedatangan pasien diasumsikan berdistribusi Poisson dan waktu pelayanan diasumsikan berdistribusi Eksponensial. Untuk menguji kebenarannya
Lebih terperinciBAB II TINJAUAN PUSTAKA. X(t) disebut ruang keadaan (state space). Satu nilai t dari T disebut indeks atau
BAB II TINJAUAN PUSTAKA 2.1 Proses Stokastik Menurut Gross (2008), proses stokastik adalah himpunan variabel acak Semua kemungkinan nilai yang dapat terjadi pada variabel acak X(t) disebut ruang keadaan
Lebih terperinciMA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po
MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Poisson: Suatu Pengantar Orang Pintar Belajar Stokastik Tentang Kuliah Proses Stokastik Bab 1 : Tentang Peluang Bab 2 : Peluang dan Ekspektasi Bersyarat*
Lebih terperinciPengantar Proses Stokastik
Bab 6: Rantai Markov Waktu Kontinu Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Rantai Markov Waktu Kontinu Pendahuluan Pada bab ini, kita akan belajar mengenai
Lebih terperinciBAB IV PEMBAHASAN. pertanyaan pada perumusan masalah. Hal-hal yang dijelaskan dalam bab ini
BAB IV PEMBAHASAN Bab ini menguraikan hasil penelitian dan pembahasan untuk menjawab pertanyaan pada perumusan masalah. Hal-hal yang dijelaskan dalam bab ini mencakup pemeriksaan steady state, uji distribusi,
Lebih terperinciBERKELOMPOK ( BATCH ARRIVAL ) SKRIPSI. Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Negeri Yogyakarta
MODEL ANTRIAN SATU SERVER DENGAN POLA KEDATANGAN BERKELOMPOK ( BATCH ARRIVAL ) SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk memenuhi sebagian
Lebih terperinciOPTIMALISASI SISTEM ANTRIAN PELANGGAN PADA PELAYANAN TELLER DI KANTOR POS (STUDI KASUS PADA KANTOR POS CABANG SUKOREJO KENDAL)
OPTIMALISASI SISTEM ANTRIAN PELANGGAN PADA PELAYANAN TELLER DI KANTOR POS (STUDI KASUS PADA KANTOR POS CABANG SUKOREJO KENDAL) Diyan Mumpuni 1, Bambang Irawanto 2, Dr. Sunarsih 3 1,2,3 Jurusan Matematika
Lebih terperinciANALISIS SISTEM ANTREAN KENDARAAN DAN KEBUTUHAN PARKIR DI SD MUHAMMADIYAH SOKONANDI DAERAH ISTIMEWA YOGYAKARTA TUGAS AKHIR SKRIPSI
ANALISIS SISTEM ANTREAN KENDARAAN DAN KEBUTUHAN PARKIR DI SD MUHAMMADIYAH SOKONANDI DAERAH ISTIMEWA YOGYAKARTA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciBAB III METODE PENELITIAN. Metode penulisan yang berkaitan dengan tujuan skripsi ini adalah sebagai
BAB III METODE PENELITIAN Metode penulisan yang berkaitan dengan tujuan skripsi ini adalah sebagai berikut : 1. Menentukan distribusi probabilitas banyaknya pelanggan dalam sistem antrian M/M/1/K a. Menguraikan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Teori Antrian 2.1.1. Sejarah Teori Antrian. Teori antrian adalah teori yang menyangkut studi matematis dari antrian atau baris-baris penungguan. Teori antrian berkenaan dengan
Lebih terperinci6.3 PROSES KELAHIRAN DAN KEMATIAN
6.3 PROSES KELAHIRAN DAN KEMATIAN Penjelasan dari proses-proses kelahiran murni dan kematian murni telah diskusikan pada bagian 6.1 dan 6.2 bahwa X(t) memungkinkan untuk naik ataupun turun. Jadi, apabila
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Dalam pelayanan ada beberapa faktor penting pada sistem antrian yaitu pelanggan dan pelayan, dimana ada periode waktu sibuk maupun periode dimana pelayan menganggur. Dan waktu dimana
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Husein Sastranegara International Airport adalah satu-satunya airport yang ada di kota Bandung. Salah satu fasilitas yang tersedia di airport tersebut adalah lahan parkir kendaraan roda empat untuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1. Teori Antrian Menunggu dalam suatu antrian adalah hal yang sering terjadi dalam kehidupan kita sehari-hari. Teori Antrian (Queueing Theory), meliputi studi matematika dari antrian
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 I PENDAHULUAN. 1. Kedatangan, populasi yang akan dilayani (calling population)
BAB I PENDAHULUAN Antrian yang panjang sering kali kita lihat di bank saat nasabah mengantri di teller untuk melakukan transaksi, airport saat para calon penumpang melakukan check-in, di super market saat
Lebih terperinciBAB III METODE PENELITIAN. memecahkan permasalahan, sehingga perlu dijelaskan tentang cara-cara/ metode
BAB III METODE PENELITIAN Pelaksanaan penelitian digunakan dalam rangka mempermudah memecahkan permasalahan, sehingga perlu dijelaskan tentang cara-cara/ metode yang ditempuh selama proses penelitian.
Lebih terperinci6.6 Rantai Markov Kontinu pada State Berhingga
6.6 Rantai Markov Kontinu pada State Berhingga Markov chain kontinu 0 adalah proses markov pada state 0, 1, 2,.... Diasumsikan bahwa probabilitas transisi adalah stasioner, pada persamaan, (6.53) Pada
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 terperinciAPLIKASI SISTEM ANTRIAN DENGAN SALURAN TUNGGAL PADA UNIT PELAKSANA TEKNIS (UPT) PERPUSTAKAAN UNIVERSITAS NEGERI SEMARANG
APLIKASI SISTEM ANTRIAN DENGAN SALURAN TUNGGAL PADA UNIT PELAKSANA TEKNIS (UPT) PERPUSTAKAAN UNIVERSITAS NEGERI SEMARANG SKRIPSI Diajukan dalam Rangka Penyelesaian Studi Strata 1 untuk Mencapai Gelar Sarjana
Lebih terperinciANALISIS ANTRIAN TIPE M/M/c DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT. Oleh : Budi Setiawan
ANALISIS ANTRIAN TIPE M/M/c DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT Oleh : Budi Setiawan 1206 100 034 Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Drs. Sulistiyo, MT. ABSTRAK Penggunaan teori
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Antrian Siapapun yang pernah pergi berbelanja ke supermarket atau ke bioskop mengalami ketidaknyamanan dalam mengantri. Dalam hal mengantri, tidak hanya manusia saja
Lebih terperinciBAB I PENDAHULUAN. Antrian dalam kehidupan sehari-hari sering ditemui, misalnya antrian di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Antrian dalam kehidupan sehari-hari sering ditemui, misalnya antrian di kasir supermarket, antrian di pom bensin, antrian saat bayar parkir, antrian pasien
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Teori Antrian merupakan studi matematika dari suatu kejadian garis tungggu, yakni suatu garis dari pelanggan yang memerlukan layanan dari sistem pelayanan yang ada.
Lebih terperinciPersamaan dan Pertidaksamaan Linear
MATERI POKOK Persamaan dan Pertidaksamaan Linear MATERI BAHASAN : A. Persamaan Linear B. Pertidaksamaan Linear Modul.MTK X 0 Kalimat terbuka adalah kalimat matematika yang belum dapat ditentukan nilai
Lebih terperinciPerubahan keadaan karena adanya suatu kejadian (event). Kejadian terjadi dengan selang waktu acak Sistem Simulasi Diskret
Permodelan dan Simulasi Sistem Kejadian Diskret Sistem Kejadian Diskrit Perubahan keadaan karena adanya suatu kejadian (event). Kejadian terjadi dengan selang waktu acak Sistem Simulasi Diskret Simulasi
Lebih terperincimatematika PEMINATAN Kelas X PERSAMAAN DAN PERTIDAKSAMAAN EKSPONEN K13 A. PERSAMAAN EKSPONEN BERBASIS KONSTANTA
K1 Kelas X matematika PEMINATAN PERSAMAAN DAN PERTIDAKSAMAAN EKSPONEN TUJUAN PEMBELAJARAN Setelah mempelajari materi ini, kamu diharapkan memiliki kemampuan berikut. 1. Memahami bentuk-bentuk persamaan
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 terperinciPENERAPAN SISTEM ANTRIAN PADA PELAYANAN PASIEN BADAN PENYELENGGARA JAMINAN SOSIAL (BPJS) RUMAH SAKIT
PENERAPAN SISTEM ANTRIAN PADA PELAYANAN PASIEN BADAN PENYELENGGARA JAMINAN SOSIAL (BPJS) RUMAH SAKIT (Studi Kasus: Rumah Sakit Dr. H. Marzoeki Mahdi Bogor) Suci Lisdawati, Sri Setyaningsih, dan Ani Andriyati.
Lebih terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 2337-3520 (2301-928X Print) 1 ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Desi Nur Faizah, Laksmi Prita Wardhani. Jurusan Matematika, Fakultas
Lebih terperinciBAB III MODEL ANTRIAN MULTISERVER DENGAN VACATION
BAB III MODEL ANTRIAN MULTISERVER DENGAN VACATION Dalam sebuah sistem antrian akan terdapat individu yang datang untuk mendapatkan pelayanan yang disebut dengan customer, juga individu yang akan memberikan
Lebih terperinciBAB I PENDAHULUAN. Dalam kehidupan sehari-hari banyak terlihat kegiatan mengantri seperti, pasien
BAB I PENDAHULUAN I.1. Latar Belakang Masalah Dalam kehidupan sehari-hari banyak terlihat kegiatan mengantri seperti, pasien yang ingin periksa ke dokter, orang yang mengantri beli bensin di SPBU, orang
Lebih terperinciModul 13. PENELITIAN OPERASIONAL TEORI ANTRIAN. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI
Modul 13. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA JAKARTA 2007 1. PENGANTAR Antri adalah kejadian yang biasa dalam kehidupan
Lebih terperinciBAB 2 LANDASAN TEORI
14 BAB 2 LANDASAN TEORI 2.1. Pendahuluan Antrian adalah kejadian yang sering dijumpai dalam kehidupan seharihari. Menunggu di depan loket untuk mendapatakan tiket kereta api, menunggu pengisian bahan bakar,
Lebih terperinciBAB. Teori Antrian PENDAHULUAN PENDAHULUAN
PENDAHULUAN BAB 10 Teori Antrian PENDAHULUAN ntrian yang panjang sering kali kita lihat di bank saat nasabah mengantri di teller untuk melakukan transaksi, airport saat para calon penumpang melakukan checkin,
Lebih terperinciPemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Pemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok Sucia Mentari, Retno Subekti, Nikenasih
Lebih terperinciPENENTUAN MODEL DAN PENGUKURAN KINERJA SISTEM PELAYANAN PT. BANK NEGARA INDONESIA (PERSERO) Tbk. KANTOR LAYANAN TEMBALANG ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 741-749 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN MODEL DAN PENGUKURAN KINERJA SISTEM PELAYANAN PT.
Lebih terperinciBAB II TINJAUAN PUSTAKA
8 BAB II TINJAUAN PUSTAKA.1 PROFIL UMUM PENGADILAN NEGERI SEMARANG Pengadilan Negeri Semarang merupakan sebuah lembaga peradilan di lingkungan peradilan umum yang berkedudukan di Kota Semarang dan berfungsi
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciTEORI ANTRIAN MATA KULIAH RISET OPERASIONAL Pertemuan Ke-13. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia
TEORI ANTRIAN MATA KULIAH RISET OPERASIONAL Pertemuan Ke-13 Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pendahuluan (1) Pertamakali dipublikasikan pada tahun 1909 oleh Agner
Lebih terperinciTEORI ANTRIAN. Riset Operasional 2, Anisah SE., MM 1
TEORI ANTRIAN Riset Operasional 2, Anisah SE., MM 1 Riset Operasional Riset operasional merupakan cabang interdisiplin dari matematika terapan dan sains formal yang menggunakan model-model seperti model
Lebih terperinciREKAYASA TRAFIK ARRIVAL PROCESS.
REKAYASA TRAFIK ARRIVAL PROCESS ekofajarcahyadi@st3telkom.ac.id OVERVIEW Point Process Fungsi Distribusi Point Process Karakteristik Point Process Teorema Little Distribusi Point Process PREVIEW Proses
Lebih terperinciBAB 2 LANDASAN TEORI. harus menunggu dalam sebuah proses manufaktur untuk diproses ke tahap
BAB 2 LANDASAN TEORI 2.1 Pengertian Antrian Siapapun yang pernah pergi berbelanja ke supermarket atau ke bioskop mengalami ketidaknyamanan dalam mengantri. Dalam hal mengantri, tidak hanya manusia saja
Lebih terperinciMODEL ANTRIAN KENDALL-LEE M/M/1
MODEL ANTRIAN KENDALL-LEE M/M/1 (Studi Kasus: Antrian Pembelian Tiket Kereta Kaligung Jurusan Semarang-Tegal di Stasiun Poncol Semarang) SKRIPSI Untuk memenuhi sebagian persyaratan mencapai derajat Sarjana
Lebih terperinciAnalisis Sistem Antriam Multi Channel Multi Phase Pada Kantor Badan Penyelenggara Jaminan Sosial (BPJS) Regional I Medan
Analisis Sistem Antriam Multi Channel Multi Phase Pada Kantor Badan Penyelenggara Jaminan Sosial (BPJS) Regional I Medan Firdaus Tarigan 1, Susiana 2 1 Mahasiswa Jurusan Matematika, UNIMED E-mail: f_trg@ymail.com
Lebih terperinciMata Kuliah Pemodelan & Simulasi
MODEL ANTRIAN Mata Kuliah Pemodelan & Simulasi Pertemuan Ke- 11 Riani L. JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan Teori antrian merupakan teori yang menyangkut studi matematis
Lebih terperinciBAB II TINJAUAN PUSTAKA Gambaran Kios 3 in 1 BBPLK Semarang Dalam buku company profile BLKI Semarang Tahun 2015, BBPLK
BAB II TINJAUAN PUSTAKA 2.1. Tinjauan Teoritik 2.1.1. Gambaran Kios 3 in 1 BBPLK Semarang Dalam buku company profile BLKI Semarang Tahun 2015, BBPLK Semarang didirikan pada tahun 1951 dengan nama Pusat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika adalah ilmu yang penting dipelajari karena menyangkut pengembangan berpikir dan erat dengan kehidupan sehari-hari serta bidang lain. Hal ini diperkuat
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 terperinciTEORI ANTRIAN (QUEUING THEORY) Teknik Riset Operasi Fitri Yulianti Universitas Gunadarma
TEORI ANTRIAN (QUEUING THEORY) Teknik Riset Operasi Fitri Yulianti Universitas Gunadarma Menunggu dalam suatu antrian adalah hal yang paling sering terjadi dalam kehidupan sehari-hari Siapapun yang pergi
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 terperinciOleh : Sucia Mentari NIM
ANALISIS MODEL ANTRIAN DENGAN WORKING VACATION PADA POLA KEDATANGAN BERKELOMPOK (BATCH ARRIVAL) SATU SERVER SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta
Lebih terperinciOperations Management
Operations Management TEKNIK RISET OPERASI William J. Stevenson 8 th edition CONTOH ANTRIAN Pelanggan menunggu pelayanan di kasir Mahasiswa menunggu konsultasi dengan pembimbing Mahasiswa menunggu registrasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI Menunggu dalam suatu antrian adalah hal yang sering terjadi dalam kehidupan sehari-hari khususnya dalam sebuah sistem pelayanan tertentu. Dalam pelaksanaan pelayanan pelaku utama dalam
Lebih terperinciLEMBAR AKTIVITAS SISWA INDUKSI MATEMATIKA
Nama Siswa Kelas : : LEMBAR AKTIVITAS SISWA INDUKSI MATEMATIKA Latihan 1 1. A. NOTASI SIGMA 1. Pengertian Notasi Sigma Misalkan jumlah n suku pertama deret aritmatika adalah S n = U 1 + U 2 + U 3 + + U
Lebih terperinciBAB 8 TEORI ANTRIAN (QUEUEING THEORY)
BAB 8 TEORI ANTRIAN (QUEUEING THEORY) Analisis pertama kali diperkenalkan oleh A.K. Erlang (93) yang mempelajari fluktuasi permintaan fasilitas telepon dan keterlambatan annya. Saat ini analisis banyak
Lebih terperinciPENERAPAN TEORI ANTRIAN PADA PELAYANAN TELLER BANK X KANTOR CABANG PEMBANTU PURI SENTRA NIAGA
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2016, Halaman 81-90 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN TEORI ANTRIAN PADA PELAYANAN TELLER BANK X KANTOR CABANG
Lebih terperinciBAB II LANDASAN TEORI. Ada tiga komponen dalam sistim antrian yaitu : 1. Kedatangan, populasi yang akan dilayani (calling population)
BAB II LANDASAN TEORI 2.1 Karakteristik Sistem Antrian Ada tiga komponen dalam sistim antrian yaitu : 1. Kedatangan, populasi yang akan dilayani (calling population) 2. Antrian 3. pelayanan Masing-masing
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 terperinciPENERAPAN TEORI ANTRIAN PADA PT. BANK RAKYAT INDONESIA (PERSERO) TBK (STUDI KASUS: KANTOR LAYANAN CERENTI) TUGAS AKHIR
PENERAPAN TEORI ANTRIAN PADA PT. BANK RAKYAT INDONESIA (PERSERO) TBK (STUDI KASUS: KANTOR LAYANAN CERENTI) TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sains Pada Jurusan
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 terperinciKarakteristik Limit dari Proses Kelahiran dan Kematian
Karakteristik Limit dari Proses Kelahiran dan Kematian Disusun guna memenuhi tugas mata kuliah Pengantar Proses Stokastik Disusun oleh : Saidun Nariswari Setya Dewi Lisa Apriana Marvina Puspito Nita Eka
Lebih terperinciKONSTRUKSI MODEL MATEMATIKA PENURUNAN HUKUM KEKEKALAN MASSA GUNA MENGURANGI KEMACETAN ARUS LALU LINTAS DI INDONESIA
KONSTRUKSI MODEL MATEMATIKA PENURUNAN HUKUM KEKEKALAN MASSA GUNA MENGURANGI KEMACETAN ARUS LALU LINTAS DI INDONESIA Oleh: PRIHANTINI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciUNY. Modul Praktikum Teori Antrian. Disusun oleh : Retno Subekti, M.Sc Nikenasih Binatari, M.Si Jurusan Pendidikan Matematika FMIPA UNY
UNY Modul Praktikum Teori Antrian Disusun oleh : Retno Subekti, M.Sc Nikenasih Binatari, M.Si Jurusan Pendidikan Matematika FMIPA UNY Daftar Halaman : Halaman Muka... Bagian I. Mengenal Model Antrian...
Lebih terperinciMODEL SISTEM ANTRIAN PESAWAT TERBANG DI BANDAR UDARA INTERNASIONAL HUSEIN SASTRANEGARA
MODEL SISTEM ANTRIAN PESAWAT TERBANG DI BANDAR UDARA INTERNASIONAL HUSEIN SASTRANEGARA untuk memenuhi Tugas Besar mata kuliah Pemodelan Sistem disusun oleh: Graham Desmon 131141264 Hafizha Fauzani 131144294
Lebih terperinciBAB I PENDAHULUAN. Dalam kehidupan sehari-hari, sering kali kita melihat adanya suatu antrian yang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari, sering kali kita melihat adanya suatu antrian yang panjang. Sebagai contoh adalah antrian di bank saat nasabah mengantri di teller untuk
Lebih terperinciBAB II TINJAUAN PUSTAKA. kestabilan model predator-prey tipe Holling II dengan faktor pemanenan.
BAB II TINJAUAN PUSTAKA Dalam bab ini akan dibahas mengenai dasar teori untuk menganalisis simulasi kestabilan model predator-prey tipe Holling II dengan faktor pemanenan. 2.1 Persamaan Diferensial Biasa
Lebih terperinciRiska Puspitasari J. Universitas Dian Nuswantoro (UDINUS) Semarang Fakultas Teknik, Program Studi Teknik Industri
OPTIMALISASI FASILITAS PELAYANAN DI LOKET PENERBITAN SURAT IJIN EKSPOR DINAS PERINDUSTRIAN DAN PERDAGANGAN PROVINSI JAWA TENGAH DENGAN PENDEKATAN METODE ANTRIAN Riska Puspitasari J. Universitas Dian Nuswantoro
Lebih terperinciANALISIS SISTEM PELAYANAN DI STASIUN TAWANG SEMARANG DENGAN METODE ANTRIAN
ANALISIS SISTEM PELAYANAN DI STASIUN TAWANG SEMARANG DENGAN METODE ANTRIAN SKRIPSI Oleh: NURSIHAN 24010210110001 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2015 ANALISIS
Lebih terperinciANALISIS PELAYANAN SERVIS DI BENGKEL NASMOCO CABANG SOLO BARU DENGAN METODE ANTRIAN
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 663-672 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PELAYANAN SERVIS DI BENGKEL NASMOCO CABANG SOLO BARU
Lebih terperinciModel Antrian. Tito Adi Dewanto S.TP LOGO. tito math s blog
Model Antrian Tito Adi Dewanto S.TP tito math s blog titodewanto@yahoo.com LOGO Intro Menunggu dalam suatu antrian adalah hal yang paling sering terjadi dalam kehidupan sehari-hari Intro Siapapun yang
Lebih terperinciBAB I PENDAHULUAN. Salah satu kejadian dalam kehidupan sehari-hari yang sering terjadi
BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Salah satu kejadian dalam kehidupan sehari-hari yang sering terjadi adalah kejadian menunggu. Kejadian ini biasa terjadi jika kebutuhan pada suatu pelayanan
Lebih terperinciBAB III MODEL ANRIAN (M/G/1):(FCFS/ / ) DAN (M/G/c):(FCFS/ / )
BAB III MODEL ANRIAN (M/G/1):(FCFS//) DAN (M/G/c):(FCFS//) 3.1 Model Antrian (M/G/1):(FCFS//) Model antrian (M/G/1):(FCFS//) merupakan model antrian dengan banyak kedatangan berdistribusi Poisson atau
Lebih terperinciDISTRIBUSI POISSON Pendahuluan Rumus Pendekatan Peluang Poisson untuk Binomial P ( x ; µ ) = (e µ. µ X ) / X! n. p Rumus Proses Poisson
DISTRIBUSI POISSON Pendahuluan Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Poisson. Distribusi ini merupakan distribusi probabilitas untuk variabel diskrit acak yang mempunyai
Lebih terperinciMODEL ANTRIAN RISET OPERASIONAL 2
MODEL ANTRIAN RISET OPERASIONAL 2 Dengan memperhatikan hal ini, banyak perusahaan mengusahakan untuk mengurangi waktu menunggu sebagai komponen utama dari perbaikan kualitas. Umumnya, perusahaan dapat
Lebih terperinciANALISIS SISTEM ANTRIAN PELAYANAN TIKET KERETA API STASIUN TAWANG SEMARANG ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 761-770 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS SISTEM ANTRIAN PELAYANAN TIKET KERETA API STASIUN TAWANG
Lebih terperinciSTATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP
STATISTICS WEEK 5 Hanung N. Prasetyo Kompetensi 1. Mahasiswa memahamikonsep dasar distribusi peluang kontinu khusus seperti uniform dan eksponensial 2. Mahasiswamampumelakukanoperasi hitungyang berkaitan
Lebih terperinciBAB III METODE PENELITIAN. maka perlu dijelaskan mengenai cara-cara yang ditempuh selama proses
BAB III METODE PENELITIAN Pada pelaksanaan penelitian untuk mempermudah pemecahan masalah, maka perlu dijelaskan mengenai cara-cara yang ditempuh selama proses penelitian. Bab metode penelitian ini menjelaskan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN Dalam bab ini dijelaskan metode Adams Bashforth-Moulton multiplikatif (M) orde empat beserta penerapannya. Metode tersebut memuat metode Adams Bashforth multiplikatif orde empat
Lebih terperinciBAB II. Landasan Teori
BAB II Landasan Teori Antrian merupakan waktu tunggu yang dialami pelanggan untuk mencapai tujuan, dikarenakan jumlah pelanggan melebihi kapasitas layanan yang tersedia. Waktu tunggu yang terlalu lama
Lebih terperinciKED INTEGRAL JUMLAH PERTEMUAN : 2 PERTEMUAN TUJUAN INSTRUKSIONAL KHUSUS: Materi : 7.1 Anti Turunan. 7.2 Sifat-sifat Integral Tak Tentu KALKULUS I
7 INTEGRAL JUMLAH PERTEMUAN : 2 PERTEMUAN TUJUAN INSTRUKSIONAL KHUSUS: Memahami konsep dasar integral, teorema-teorema, sifat-sifat, notasi jumlah, fungsi transenden dan teknik-teknik pengintegralan. Materi
Lebih terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Oleh: Desi Nur Faizah 1209 1000 17 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
Lebih terperinciANALISIS SISTEM ANTREAN MULTIPLE PHASE DI PELAYANAN OBAT PASIEN RAWAT JALAN RSUP dr. SOERADJI TIRTONEGORO KLATEN SKRIPSI
ANALISIS SISTEM ANTREAN MULTIPLE PHASE DI PELAYANAN OBAT PASIEN RAWAT JALAN RSUP dr. SOERADJI TIRTONEGORO KLATEN SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri
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 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 terperinci