SESI 09: MODEL ANTREAN (QUEUING MODELS)

Optimasi Tingkat Layanan: Menyeimbangkan Biaya Menunggu dan Biaya Layanan dengan Excel

Mengapa Model Antrean Penting?
Dalam bisnis, antrean adalah trade-off klasik: Biaya menyediakan layanan yang cepat (misal: menambah kasir, mesin lebih canggih) vs. Biaya pelanggan menunggu (hilangnya goodwill, kehilangan penjualan). Model antrean (Queuing Theory) membantu manajer menemukan titik optimal di mana Total Biaya (Biaya Layanan + Biaya Menunggu) menjadi minimal.

9.1 Single-Server Model (M/M/1) & Analisis Biaya

🔧 Studi Kasus: “Bengkel Otomotif Jaya”

Skenario: Bengkel memiliki 1 mekanik. Pelanggan datang dengan rata-rata 2 mobil per jam (λ). Mekanik dapat melayani 3 mobil per jam (μ). Asumsi: Kedatangan mengikuti distribusi Poisson, waktu layanan eksponensial.

6 Karakteristik Operasional Utama (M/M/1):
Diketahui: λ = 2 mobil/jam, μ = 3 mobil/jam

1. Utilisasi (ρ) = λ / μ = 2 / 3 = 66.67%
2. Rata-rata dalam sistem (L) = λ / (μ – λ) = 2 / (3 – 2) = 2 mobil
3. Rata-rata waktu dalam sistem (W) = 1 / (μ – λ) = 1 / (3 – 2) = 1 jam (60 menit)
4. Rata-rata dalam antrean (L_q) = λ² / [μ(μ – λ)] = 4 / [3(1)] = 1.33 mobil
5. Rata-rata waktu dalam antrean (W_q) = λ / [μ(μ – λ)] = 2 / [3(1)] = 2/3 jam = 0.67 jam (40 menit)
6. Probabilitas sistem kosong (P₀) = 1 – (λ / μ) = 1 – 2/3 = 33.33%

✅ Verifikasi (Hukum Little): W_q = L_q / λ = 1.333 / 2 = 0.667 jam (Konsisten)

💰 Analisis Biaya Total

Manajemen mempertimbangkan untuk mengganti mekanik dengan yang lebih cepat (biaya lebih tinggi, tapi μ naik menjadi 4 mobil/jam) untuk mengurangi keluhan pelanggan.

🖥️ Setup Excel untuk Optimasi Biaya

Komponen	Mekanik Lama (μ=3)	Mekanik Baru (μ=4)	Formula Excel
Biaya Menunggu per jam	Rp 50.000	Rp 50.000	[Input Manual]
Biaya Layanan per jam	Rp 30.000	Rp 50.000	[Input Manual]
Rata-rata dalam sistem (L)	2.00	1.33	=Lambda/(Mu-Lambda)
Total Biaya Menunggu	Rp 100.000	Rp 66.667	=Biaya_Menunggu * L
Total Biaya Layanan	Rp 30.000	Rp 50.000	=Biaya_Layanan
TOTAL BIAYA PER JAM	Rp 130.000	Rp 116.667	=Total_Menunggu + Total_Layanan

💡 Insight Bisnis: Meskipun biaya layanan naik Rp 20.000/jam, penghematan biaya menunggu (Rp 33.333/jam) membuat Mekanik Baru lebih optimal (Total biaya turun menjadi Rp 116.667/jam).

9.2 Multiple-Server Model (M/M/s): Efek Dramatis Penambahan Server

💻 Studi Kasus: “Helpdesk IT Nusantara”

Skenario: Departemen IT menerima 20 tiket kerusakan per jam (λ = 20). Setiap teknisi dapat menyelesaikan 30 tiket per jam (μ = 30). Apakah menambah teknisi ke-2 akan signifikan menurunkan waktu tunggu?

🖥️ Perbandingan 1 Server vs 2 Server

Metrik Operasional	1 Teknisi	2 Teknisi	Perubahan
Utilisasi Sistem (ρ)	66.67%	33.33%	Lebih longgar
Rata-rata dalam Antrean (L_q)	1.33 tiket	0.083 tiket	Turun 94%!
Rata-rata Waktu Tunggu (W_q)	0.0667 jam (4 menit)	0.00417 jam (15 detik!)	Turun drastis
Probabilitas Sistem Kosong (P₀)	33.33%	50.00%	Lebih sering siap

⚠️ Catatan Penting: Penambahan server memiliki efek non-linear. Menambah 1 server kedua sering kali menurunkan waktu tunggu secara drastis, jauh lebih efektif daripada sekadar mempercepat 1 server tunggal. Di Excel, sistem akan menampilkan error #DIV/0! jika Total Service Rate (s × μ) ≤ Arrival Rate (λ), karena antrean akan menjadi tak terhingga.

9.3 Finite Population Model (Populasi Terbatas)

🏭 Studi Kasus: “Perawatan Mesin Pabrik Tekstil”

Skenario: Pabrik memiliki 5 mesin (N = 5). Setiap mesin rata-rata beroperasi 20 jam sebelum rusak (λ = 1/20 = 0.05 kerusakan/jam). Satu teknisi membutuhkan rata-rata 2 jam untuk memperbaiki (μ = 1/2 = 0.5 perbaikan/jam).

Perbedaan Utama dengan M/M/1:
Tingkat kedatangan (λ) tidak konstan. Jika 1 mesin rusak, hanya 4 mesin yang berisiko rusak. Oleh karena itu, λ_effective = λ × (N – L).

🖥️ Hasil Operasional (Finite Population)

Probabilitas semua mesin berjalan (P₀): 56.4%
Rata-rata mesin yang menunggu diperbaiki (L_q): 0.20 mesin
Rata-rata mesin yang rusak total (dalam sistem, L): 0.64 mesin
Waktu rata-rata mesin menunggu teknisi (W_q): 0.93 jam (56 menit)

💡 Insight: Model ini sangat krusial untuk manajemen pemeliharaan (maintenance). Jika L mendekati N, artinya hampir semua mesin mati, dan pabrik harus segera menambah teknisi atau melakukan preventive maintenance.

🚀 3 Aturan Emas Pemodelan Antrean di Excel

Bukan Masalah Solver: Berbeda dengan LP, model antrean dasar (M/M/1, M/M/s) diselesaikan menggunakan rumus matematis langsung (closed-form formulas) di sel Excel, bukan dengan fitur “Solver”.
Satuan Waktu Harus Konsisten: Jika λ (kedatangan) dihitung per jam, maka μ (layanan) juga wajib dikonversi ke per jam. Jangan campur “per jam” dengan “per menit” tanpa konversi.
Syarat Stabilitas (ρ < 1): Untuk M/M/1, pastikan λ < μ. Untuk M/M/s, pastikan λ < (s × μ). Jika tidak, Excel akan menampilkan error #DIV/0! karena antrean akan tumbuh tak terhingga.