Elemen Dasar Model Antrian. Aktor utama customer dan server. Elemen dasar : 1.distribusi kedatangan customer. 2.distribusi waktu pelayanan. 3.

dokumen-dokumen yang mirip
TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t}

Lecture 4 : Queueing Theory and Aplications. Hanna Lestari, M.Eng

TEORI ANTRIAN. Gambar 1 Proses antrian pada suatu sistem antrian

ANALISIS SISTEM ANTRIAN PADA LOKET PENDAFTARAN PASIEN DI PUSKESMMAS PADANG PASIR KECAMATAN PADANG BARAT

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS SISTEM PELAYANAN DI STASIUN TAWANG SEMARANG DENGAN METODE ANTRIAN. Nursihan 1, Sugito 2, Hasbi Yasin 3

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

1 n MODUL 5. Peubah Acak Diskret Khusus

BAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F

BAB 2 TINJAUAN TEORI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

Distribusi Sampel, Likelihood dan Penaksir

ANALISIS SISTEM ANTRIAN PELAYANAN NASABAH DI PT. BANK NEGARA INDONESIA (PERSERO) TBK KANTOR CABANG UTAMA USU

Proses Pendugaan. 95% yakin bahwa diantara 40 & 60. Mean X = 50. Mean,, tdk diketahui. Contoh Prentice-Hall, Inc. Chap. 7-1

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

BAB 2 LANDASAN TEORI

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

ANALISIS SISTEM ANTRIAN PESAWAT TERBANG DI BANDARA INTERNASIONAL AHMAD YANI SEMARANG

Gambar 3.1Single Channel Multiple Phase


Distribusi Sampling (Distribusi Penarikan Sampel)

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

HASIL DAN PEMBAHASAN. Performance Model. Real System. Mangukur Utilisasi CPU dan Penggunaan memori. Menghitung Utilisasi CPU dan Penggunaan memori

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

MATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi.

Distribusi Pendekatan (Limiting Distributions)

TINJAUAN PUSTAKA Pengertian

Sebaran Penarikan Contoh. Dept Statistika FMIPA IPB

BAB 6: ESTIMASI PARAMETER (2)

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

Metode Statistika STK211/ 3(2-3)

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

BAB II CICILAN DAN BUNGA MAJEMUK

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Hubungan Antara Panjang Antrian Kendaraan dengan Aktifitas Samping Jalan

UKURAN PEMUSATAN DATA

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

k = populasi pelanggan Nilai-nilai default (biasanya tidak dimunculkan) :

theresiaveni.wordpress.com NAMA : KELAS :

Haryoso Wicaksono, S.Si., M.M., M.Kom. 8

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

PERBANDINGAN KINERJA SKEMA CHANNEL SHARING PADA JARINGAN GSM/GPRS DENGAN MODEL ANTRIAN ERLANG

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

ANUITAS. 9/19/2012 MK. Aktuaria Darmanto,S.Si.

x = μ...? 2 2 s = σ...? x x s = σ...?

I. DERET TAKHINGGA, DERET PANGKAT

B a b 1 I s y a r a t

Statistika Inferensial


9 Departemen Statistika FMIPA IPB

BAB III ANALISIS PEMODELAN ANTRIAN HAULER PENGANGKUTAN OVERBURDEN PADA JALAN 7F

MANAJEMEN RISIKO INVESTASI

REGRESI DAN KORELASI

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

BAB III METODOLOGI PENELITIAN

METODE NUMERIK TKM4104. Kuliah ke-2 DERET TAYLOR DAN ANALISIS GALAT

DERET TAK HINGGA (INFITITE SERIES)

BAB 2 LANDASAN TEORI

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

Pendugaan Parameter. Debrina Puspita Andriani /

V.2.4 PROBABILITAS BLOCKING LEE GRAPHS

STATISTIKA NON PARAMETRIK

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

ANALISIS OUTPUT. Tujuan Analisis Output

BAHAN AJAR ANALISIS REAL 1 Matematika STKIP Tuanku Tambusai Bangkinang 5. DERET

BAB VIII KONSEP DASAR PROBABILITAS

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

BAB III METODE PENELITIAN

Bab 3 Metode Interpolasi

MODEL STOKHASTIK ANTRIAN NON POISSON PADA PELAYANAN PERBANKAN

Taksiran Interval bagi Rata-rata Parameter Distribusi Poisson Interval Estimate for The Average of Parameter Poisson Distribution

Soal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com

BAB 4. METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN

III BAB BARISAN DAN DERET. Tujuan Pembelajaran. Pengantar

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL

Barisan Aritmetika dan deret aritmetika

SEBARAN t dan SEBARAN F

IV. METODE PENELITIAN

Penarikan Sampel Acak Sederhana

SOAL-SOAL. 1. UN A Jumlah n suku pertama deret aritmetika dinyatakan dengan S n n

: XII (Dua Belas) Semua Program Studi. : Gisoesilo Abudi, S.Pd

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

Modul Kuliah statistika

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

PREDIKSI SOAL ULANGAN AKHIR SEMESTER GENAP KELAS IX SMP NEGERI 196 JAKARTA. Jawab : Nilai dari. Jawab :.3.3 = 27

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

Transkripsi:

Eleme Dasar Model Atria. Aktor utama customer da server. Eleme dasar :.distribusi kedataga customer. 2.distribusi waktu pelayaa. 3.disai fasilitas pelayaa (seri, paralel atau jariga). 4.disipli atria (pertama datag pertama dilayai, terakhir datag pertama dilayai, pelayaa secara acak) da prioritas pelayaa. 5.ukura atria (terbatas atau tidak terbatas). 6.sumber pemaggila (terbatas atau tidak terbatas). 7.perilaku mausia. 7/28/2005 created by Hotiar Sirigorigo

Distribusi Poisso da ekspoesial. Proses Poisso memeuhi kodisi: peluag suatu kejadia (kedataga atau keberagkata) terjadi atara waktu t da t+s tergatug haya pada jagka waktu s. peluag suatu kejadia terjadi selama jagka waktu sagat pedek h adalah positif tapi kurag dari. palig bayak satu kejadia dapat terjadi selama jagka waktu sagat pedek h. 7/28/2005 created by Hotiar Sirigorigo 2

Ekspoesial : f t () t αe α, t 0, dimaa E{ t} α Poisso : α p () t ( t) e! αt, 0,, 2, dimaa E { t} t α Karakteristik Poisso:. proses acak sempura forgetfuless. 2. rata-rata da ragam sama. 7/28/2005 created by Hotiar Sirigorigo 3

Cotoh : Mesi pelayaa selalu mempuyai peggati yag siap setiap saat meggatika mesi yag sedag beroperasi jika rusak. Selag waktu kerusaka mesi atau peggati adalah ekspoesial dega rata-rata 0 jam. Maka distribusi ekspoesial waktu kerusaka adalah sebagai berikut (α /0 kerusaka per jam0.): 7/28/2005 created by Hotiar Sirigorigo 4

f () 0.t t 0.e, t > 0 Distribusi Poisso utuk jumlah kerusaka selama periode T adalah : () ( 0.t ) e p t! 0.t, 0,, 2, Misalya igi Diketahui peluag bhw satu kerusaka aka terjadi dlm 5 jam, maka probabilitasya adalah: P 5 { t < } f ( t) 0.5 5 dt e 0.393 0 Kita jg dpt meghitug satu kerusaka aka terjadi 6 jam medatag, diberika kerusaka terakhir 3 jam sebelumya adalah: P 0.x6 { t > 9 t > 3} P{ t > 6} e 0. 549 7/28/2005 created by Hotiar Sirigorigo 5

Proses Pure Birth ad Pure Death. Pure birth customer bertambah terus dalam sistem da hampir tidak meiggalka sistem dalam suatu periode waktu tertetu. Pure birth proses acak da dapat dijelaska dega distribusi Poisso. p () t ( λt) λt e, 0,, 2, (pure birth)! λ laju kedataga per satua waktu Ekspektasi jumlah kedataga selama periode t λt. 7/28/2005 created by Hotiar Sirigorigo 6

Cotoh: Misalka kelahira dalam salah satu propisi didata sepajag waktu megikuti distribusi ekspoesial dimaa rata-rata satu kelahira setiap 7 meit. Dari atar waktu kelahira, laju kelahira (λ) dapat dihitug, yaitu 24x60 λ 205.7 kelahira per hari. 7 Ekspektasi jumlah kelahira dalam propisi tersebut per tahu adalah 205.7 x 365 75080. Probabilitas jumlah kelahira dapat dihitug dega rumus: 205.7t () ( 205.7t) e p t, 0,, 2, t (hari).! 7/28/2005 created by Hotiar Sirigorigo 7

Pure death sistem atria dimaa customer ditarik dari sistem da hampir tidak ada customer yag masuk ke dalam sistem dalam suatu periode waktu tertetu. p () t ( µ t) N µ t e ( N )!,, 2,, N N p 0 () t P () t 7/28/2005 created by Hotiar Sirigorigo 8

Cotoh : Pada awal setiap bula, 5 uit item distok utuk pegguaa selama miggu itu. Pearika dari stok terjadi haya selama 6 hari pertama (karea took tutup pada hari Miggu) da megikuti distribusi Poisso dega rata-rata 3 uit/hari. Ketika level stok mecapai 5, order baru dega jumlah 5 uit dibuat ke supplier utuk diatarka pada awal miggu berikutya. Karea sifat produk yag mudah rusak, semua barag yag sisa pada akhir miggu harus dibuag. 7/28/2005 created by Hotiar Sirigorigo 9

Ada beberapa cara utuk meyelesaika masalah ii:. µ 3 uit/hari. Misalka kita tertarik utuk meghitug peluag ada 5 uit dalam stok pada hari ke-t, maka : 5 5 3t () ( 5t ) e p t, t, 2,,6 5 ( 5 5)! t (hari) 2 3 4 5 6 µt 3 6 9 2 5 8 p 5 (t) 0.0008 0.043 0.86 0.048 0.0486 0.05 7/28/2005 created by Hotiar Sirigorigo 0

jika kita tertarik probabilitas membuat order pada hari ke-t, kita harus meghitug probabilitas kumulatif memiliki 5 atau kurag dari 5 pada hari ke-t, yaitu: p 5(t) p0(t) + p(t) + p2(t) + p3(t) + p4(t) + p5(t) t (hari) 2 3 4 5 µt 3 6 9 2 5 P 5 (t) 0.00 0.0839 0.426 0.7576 0.930 Iformasi lai yag bisa didapat adalah rata-rata uit yag dibuag pada akhir setiap miggu. 5 { t 6} ( 6) E p, µt 8 0 7/28/2005 created by Hotiar Sirigorigo

0 2 3 4 5 p (6) 0.792 0.0655 0.0509 0.0368 0.0245 0.05 6 7 8 9 0 0.0083 0.0042 0.008 0.0007 0.0002 0.000 Atria Dega Kombiasi Kedataga da Keberagkata Server tuggal Customer tiba sistem Garis atria/ meuggu X X X X server keberagkata 7/28/2005 created by Hotiar Sirigorigo 2

Server paralel Customer tiba sistem Garis atria/ meuggu X X X X server 2 c keberagkata Server seri Customer tiba Garis atria/ meuggu X X X X server 2 3 keberagkata 7/28/2005 created by Hotiar Sirigorigo 3

Server jariga Customer tiba Garis atria/ meuggu X X X X sistem 2 c server 2 2 i i i keberagkata Model Poisso Umum Atria Poisso dega state-depedet arrival ad departure rates. 7/28/2005 created by Hotiar Sirigorigo 4

λ - λ - + µ µ + Diagram laju trasisi p λ λ Κ λ,, 2,... da µ 2 0 p0 µ Κ µ p 0 7/28/2005 created by Hotiar Sirigorigo 5

Cotoh : Perhatika situasi atria server tuggal dimaa laju kedataga kosta 3 per jam da keberagkata kosta 8 perjam, utuk semua 0. p λ 3 p0 p0 375 µ 8 ( 0. ) p0 p0 + 0.375p0 0.375 p0 + Κ 2, 0,, 2,... 2 0 ( ) atau p + 0.375 + 0.375 + Κ Deret geometri : p0 p 0.375 0 0.625 7/28/2005 created by Hotiar Sirigorigo 6

0 2 3 4 5 6 7 8 p 0.625 0.234 0.088 0.033 0.02 0.005 0.002 0.00 0.000 Ukura Keseimbaga Kierja Kierja atria : Ls jumlah ekspektasi customer dalam sistem. Lq jumlah ekspektasi customer dalam atria. Ws ekspektasi waktu dalam sistem Wq ekspektasi waktu meuggu dalam atria. P L s p 0 W s Ls Wq Ws Lq λ λ µ eff eff W q c L s L q λ eff 0 λ p 7/28/2005 created by Hotiar Sirigorigo 7

Kita guaka cotoh di atas utuk meghitug parameter sistem : λ eff 0 λ p 3 kedataga per jam. L s p 0 0.625 + 0.234 + 2 0.088 + 3 0.033 + 4 0.02 + 5 0.005 0 + 6 0.002 + 7 0.00 0.6 W W s q W s λ L s eff 0. 6 3 0.2 µ 8 0. 2 jam ; 0.075 jam; L λ W 3 0.075 0.225 customer; q ef q persetase utilisasi c L s L q 0.6 0.225 00 00 00 37.5 % c 7/28/2005 created by Hotiar Sirigorigo 8