Sobat Exsight pernah gak nih harus menunggu dalam antrian panjang? Antrian merupakan fenomena yang sering kita temui dalam kehidupan sehari-hari, seperti saat mengantri di tempat parkir, di kasir supermarket, atau di ATM. Apabila waktu tunggu terlalu lama, antrian dapat menjadi masalah dan berdampak negatif pada kepuasan pelanggan.
Pengelolaan antrian adalah aspek penting yang perlu diperhatikan oleh perusahaan, khususnya yang bergerak di bidang layanan konsumen. Simulasi even diskrit model antrian dapat digunakan untuk membantu perusahaan dalam menganalisis masalah antrian dengan cara yang terukur dan dapat diprediksi. Dalam artikel ini, kita akan membahas tentang simulasi even diskrit serta penerapannya dalam model antrian.
Definisi
Simulasi even diskrit (Discrete-event simulation/(DES)) adalah suatu metode yang digunakan untuk memodelkan dan menganalisis sistem antrian dengan menggunakan konsep matematika dan komputer. Adanya simulasi dalam model antrian, akan mempermudah dalam prediksi kinerja sistem antrian pada berbagai skenario diantaranya:
– Memperkirakan waktu tunggu rata-rata
– Menentukan jumlah layanan yang optimal
– Mengidentifikasi adanya bottleneck atau hambatan dalam sistem antrian.
Sistem antrian berkaitan dengan kondisi dimana terdapat input (dapat berupa manusia, benda, dan sebagainya) yang akan dilayani/diproses. Sistem diawali dengan input masuk ke dalam daerah tunggu dan mengantri selanjutnya mendapatkan pelayanan, dan akhirnya keluar dari sistem.
Antrian terjadi jika input yang datang lebih cepat dibanding aktivitas berikutnya. Penerapan Simulasi even diskrit sangat bermanfaat dalam meningkatkan efisiensi sistem antrian dan meminimalkan waktu tunggu pelanggan.
Karakteristik Model Antrian
Terdapat beberapa karakteristik atau istilah yang kerap kali digunakan dalam model antrian diantaranya:
1. Pola Kedatangan
Pola kedatangan digunakan untuk menunjukkan apakah pelanggan datang secara tertib beraturan atau tidak beraturan. Pola kedatangan yang teratur diharapkan dapat memudahkan dalam perencanaan sistem antrian.
2. Pola Layanan
Pola layanan berkaitan dengan sistem pemberian layanan kepada (pelanggan, objek) dalam antrian, diantaranya terdiri atas:
* FIFO (First In First Out)
Pelanggan atau objek yang masuk pada urutan pertama dalam antrian maka harus keluar pada urutan pertama juga. Contoh: antrian pada minimarket, bank, rumah makan.
* LIFO (Last in First Out)
Pelanggan atau objek yang masuk pada urutan terakhir akan keluar pada urutan pertama. Contoh: Baju dengan tren model terbaru akan dikeluarkan terlebih dahulu pada etalase butik, meskipun baju tren model terbaru adalah baju yang terakhir masuk ke butik.
* SIRO (Service In Random Order)
Pelanggan atau objek akan dilayani secara acak (random), tidak peduli siapa yang lebih dahulu tiba untuk dilayani. Contoh: Arisan, Pencabutan Hadiah Undian.
* SPT (Shortest Processing Time First)
Pelanggan atau objek dengan waktu pelayanan lebih singkat dibanding lainnya akan diproses terlebih dahulu.
Contoh: Bengkel mobil akan melayani pelanggan yang meminta pelayanan pompa ban terlebih dahulu dibandingkan pelanggan yang melakukan ganti oli karena waktu pelayanan pompa ban yang lebih singkat.
* PR (Service According to Priority)
Pelanggan atau objek dengan prioritas khusus akan dilayani terlebih dahulu.
3. Kapasitas Sistem
Kapasitas sistem berkaitan dengan batas maksimum pelanggan maupun objek yang diperbolehkan berada dalam sistem antrian. Kapasitas sistem terdiri atas 2 jenis yaitu kapasitas sistem terbatas dan kapasitas sistem tidak terbatas.
–Kapasitas sistem terbatas : Membatasi jumlah pelanggan yang dapat dilayani secara bersamaan.
–Kapasitas sistem tidak terbatas: Jumlah pelanggan yang dapat dilayani secara bersamaan bersifat tidak terbatas.
4. Model Antrian
Berdasarkan jenis model, antrian terdiri atas 2 tipe, yaitu satu dimensi dan multi dimensi
a. Antrian Satu Dimensi
Model ini hanya terdiri atas satu server yang melayani antrian, sehingga barisan antrian yang terbentuk hanya 1 baris
b. Antrian Multi Dimensi
Model ini terdiri atas beberapa server yang melayani antrian, sehingga barisan antrian yang terbentuk lebih dari 1 baris.
Notasi Model Antrian
Sebagai upaya untuk mempermudah dalam menggambarkan karakteristik model antrian seperti waktu tunggu rata-rata, jumlah pelanggan dalam antrian, dan output sistem antrian, maka digunakan notasi model. Berbagai notasi model yang digunakan adalah sebagai berikut:
- A/B/C
Notasi ini merepresentasikan model antrian yang meliputi kedatangan, layanan, dan jumlah server.
A menunjukkan distribusi kedatangan
B menunjukkan distribusi layanan
C menunjukkan jumlah server yang tersedia. - M/M/1
Notasi ini menggambarkan model antrian dengan tipe kedatangan dan layanan yang berdistribusi eksponensial serta pada antrian hanya terdiri atas 1 server. - M/M/C
Notasi ini digunakan untuk mewakili model antrian dengan tipe kedatangan dan layanan yang berdistribusi eksponensial dan antrian terdiri atas C server (multi server atau server lebih dari 1) - M/G/1
Notasi ini merepresentasikan model antrian dengan tipe kedatangan yang berdistribusi eksponensial sedangkan tipe layanan berdistribusi umum serta pada antrian hanya terdiri atas 1 server. - M/D/1
Notasi ini menggambarkan model antrian dengan tipe kedatangan berdistribusi eksponensial dan tipe layanan berupa nilai konstan serta pada antrian hanya terdiri atas 1 server.
Tahapan Simulasi Even Diskrit
Beberapa tahapan dalam simulasi even diskrit diantaranya:
1. Identifikasi Masalah Antrian
Masalah antrian meliputi masalah jumlah pelanggan, waktu layanan, kapasitas antrian, dan disiplin antrian.
2. Pemilihan Notasi Model Antrian
Notasi antrian dipilih untuk merepresentasikan sistem antrian.
3. Pengumpulan Data
Data digunakan untuk memvalidasi hasil model simulasi. Adapun data yang dikumpulkan meliputi karakteristik antrian, termasuk waktu tiba pelanggan dan waktu layanan server.
4. Implementasi Model Simulasi
Model simulasi even diskrit dapat diaplikasikan pada berbagai bahasa pemograman seperti Java, C++, Python dan R.
5. Analisis Model
Melakukan analisis pada model simulasi untuk mengevaluasi kinerja sistem antrian.
6. Validasi dan Analisis Ulang
Apabila hasil analisis model tidak memuaskan, model simulasi harus divalidasi dan dianalisis ulang untuk memperbaiki model simulasi.
7. Pengambilan Keputusan
Berdasarkan hasil model simulasi yang telah dilakukan validasi, kemudian dapat digunakan untuk mengambil keputusan yang tepat dalam mengoptimalkan sistem antrian.
Kesimpulan
Berdasarkan pembahasan pada artikel ini dapat disimpulkan bahwa:
1. Simulasi even diskrit sangat berguna untuk memodelkan kinerja dari sistem antrian. Simulasi even diskrit memungkinkan kita untuk memprediksi perilaku antrian dalam berbagai skenario, seperti menambah jumlah kasir atau mengubah sistem antrian.
2. Simulasi even diskrit model antrian dapat diterapkan pada berbagai industri, seperti perbankan, transportasi, kesehatan, perdagangan ritel dan sebagainya. Dengan menggunakan simulasi ini, kita dapat mengoptimalkan sistem antrian,meningkatkan kinerja, dan memberikan pengalaman yang lebih baik kepada pelanggan.
Referensi
Sekian penjelasan terkait Model Antrian dengan Simulasi Even Diskrit. Apabila masih terdapat hal-hal yang dibingungkan bisa langsung saja ramaikan kolom komentar atau hubungi admin melalui tombol bantuan di kanan bawah. Stay tuned di website https://exsight.id/blog/ agar tidak ketinggalan artikel-artikel menarik lainnya.
