4.2.1 Percobaan Dengan Parameter K=200, =2, =20, C=10-30
Percobaan pertama dilakukan dengan input parameter sebagai berikut : ukuran kelompok K 200, laju kedatangan 2, laju pelayanan 20, jumlah server C
yang melayani pelanggan mulai 10 server sampai 30 server dan simulasi dilakukan dengan durasi 1 jam, 3 jam dan 6 jam.
Gambar 4.1 Input Parameter Dengan K=200, =2, =20, C=10, Dan Durasi 1 Jam Simulasi dilakukan pertama kali dengan durasi simulasi 1 jam dan jumlah
server yang melayani pelanggan adalah 10 server, maka hasil simulasi dengan distribusi waktu pelayanan Eksponensial dapat diperoleh sebagai berikut : jumlah
pelanggan 726, probabilitas server sibuk utility server 0,972176, rata-rata waktu tunggu dalam sistem W
s
1,1595, rata-rata waktu tunggu dalam antrian W
q
15,1067, rata-rata jumlah pelanggan dalam sistem L
s
235,9199 dan rata-rata jumlah pelanggan
Universitas Sumatera Utara
dalam antrian L
q
226,1986, dan service berakhir pada 1:27:55 jumlah server tidak cukup untuk melayani pelanggan terhadap durasi waktu yang diberikan.
Gambar 4.2 Hasil Simulasi Eksponensial,
K=200, =2, =20, C=10, Dan Durasi 1 Jam Simulasi dilakukan dengan input parameter yang sama dan dengan distribusi
waktu pelayanan yang berbeda, maka hasil simulasi dengan distribusi waktu pelayanan Weibull dapat diperoleh sebagai berikut : jumlah pelanggan 726,
probabilitas server sibuk utility server 0,9706, rata-rata waktu tunggu dalam sistem W
s
1,1978, rata-rata waktu tunggu dalam antrian W
q
1,1457, rata-rata jumlah pelanggan dalam sistem L
s
223,1748, dan rata-rata jumlah pelanggan dalam antrian L
q
213,47, dan service berakhir pada 1:31:08 jumlah server tidak cukup untuk melayani pelanggan terhadap durasi waktu yang diberikan.
Universitas Sumatera Utara
Gambar 4.3 Hasil Simulasi Weibull, K=200, =2, =20, C=10, Dan Durasi 1 Jam Kesimpulan dalam percobaan pertama ini, dengan ukuran kelompok K
sebanyak 200 kelompok, laju kedatangan 2, laju pelayanan 20, jumlah server C yang melayani pelanggan sebanyak 10 server dan durasi simulasi 1 jam, maka
perbandingan dari hasil simulasi dengan distribusi waktu pelayanan Eksponensial dan distribusi Weibull cukup mendekati.
Universitas Sumatera Utara
Gambar 4.4 Hasil Perbandingan Dengan K=200, =2, =20, C=10, Dan Durasi 1 Jam Percobaan berikutnya dilakukan dengan jumlah server yang berbeda dan input
parameter yang sama yaitu : ukuran kelompok K sebanyak 200 kelompok, laju kedatangan 2, laju pelayanan 20, durasi simulasi 1 jam, dan jumlah server
yang melayani pelanggan sebanyak 20 server. Simulasi dilakukan dengan distribusi waktu pelayanan Eksponensial, maka
hasilnya dapat diperoleh sebagai berikut : jumlah pelanggan 726, probabilitas server sibuk utility server 0,7265, rata-rata waktu tunggu dalam sistem W
s
0,3265, rata- rata waktu tunggu dalam antrian W
q
0,2784, rata-rata jumlah pelanggan dalam sistem L
s
98,6154 dan rata-rata jumlah pelanggan dalam antrian L
q
84,087, dan service berakhir pada 0:53:47 jumlah server cukup untuk melayani pelanggan
terhadap durasi waktu yang diberikan.
Universitas Sumatera Utara
Gambar 4.5 Hasil Simulasi Eksponensial,
K=200, =2, =20, C=20, Dan Durasi 1 Jam Simulasi dilakukan dengan input parameter yang sama dan dengan distribusi
waktu pelayanan yang berbeda, maka hasil simulasi dengan distribusi waktu pelayanan Weibull dapat diperoleh sebagai berikut : jumlah pelanggan 726,
probabilitas server sibuk utility server 0,6354, rata-rata waktu tunggu dalam sistem W
s
0,2939, rata-rata waktu tunggu dalam antrian W
q
0,2478, rata-rata jumlah pelanggan dalam sistem L
s
80,9604 dan rata-rata jumlah pelanggan dalam antrian L
q
68,2532, dan service berakhir pada 0:53:43 jumlah server cukup untuk melayani pelanggan terhadap durasi waktu yang diberikan.
Universitas Sumatera Utara
Gambar 4.6 Hasil Simulasi Weibull, K=200, =2, =20, C=20, Dan Durasi 1 Jam Kesimpulan dalam percobaan ini, dengan ukuran kelompok K sebanyak 200
kelompok, laju kedatangan 2, laju pelayanan 20, jumlah server C yang melayani pelanggan sebanyak 20 server dan durasi simulasi 1 jam, maka
perbandingan dari hasil simulasi dengan distribusi waktu pelayanan Eksponensial dan distribusi Weibull cukup mendekati.
Universitas Sumatera Utara
Gambar 4.7 Hasil Perbandingan Dengan
K=200, =2, =20, C=20, Dan Durasi 1 Jam Percobaan berikutnya dilakukan dengan jumlah server yang berbeda dan input
parameter yang sama yaitu : ukuran kelompok K sebanyak 200 kelompok, laju kedatangan 2, laju pelayanan 20, durasi simulasi 1 jam, dan jumlah server
yang melayani pelanggan sebanyak 30 server. Simulasi dilakukan dengan distribusi waktu pelayanan Eksponensial, maka
hasilnya dapat diperoleh sebagai berikut : jumlah pelanggan 726, probabilitas server sibuk utility server 0,5097, rata-rata waktu tunggu dalam sistem W
s
0,1815, rata- rata waktu tunggu dalam antrian W
q
0,1325, rata-rata jumlah pelanggan dalam sistem L
s
56,675 dan rata-rata jumlah pelanggan dalam antrian L
q
41,3862, dan service berakhir pada 0:55:01 jumlah server cukup untuk melayani pelanggan
terhadap durasi waktu yang diberikan, tapi jemlah server berlebihan.
Universitas Sumatera Utara
Gambar 4.8 Hasil Simulasi Eksponensial,
K=200, =2, =20, C=30, Dan Durasi 1 Jam Simulasi dilakukan dengan input parameter yang sama dan dengan distribusi
waktu pelayanan yang berbeda, maka hasil simulasi dengan distribusi waktu pelayanan Weibull dapat diperoleh sebagai berikut : jumlah pelanggan 726,
probabilitas server sibuk utility server 0,52, rata-rata waktu tunggu dalam sistem W
s
0,1899, rata-rata waktu tunggu dalam antrian W
q
0,1387, rata-rata jumlah pelanggan dalam sistem L
s
57,8984 dan rata-rata jumlah pelanggan dalam antrian L
q
42,2981, dan service berakhir pada 0:52:57 jumlah server cukup untuk melayani pelanggan terhadap durasi waktu yang diberikan, tapi jemlah server berlebihan.
Universitas Sumatera Utara
Gambar 4.9 Hasil Simulasi Weibull, K=200, =2, =20, C=30, Dan Durasi 1 Jam Kesimpulan dalam percobaan ini, dengan ukuran kelompok K sebanyak 200
kelompok, laju kedatangan 2, laju pelayanan 20, jumlah server C yang melayani pelanggan sebanyak 30 server dan durasi simulasi 1 jam, maka
perbandingan dari hasil simulasi dengan distribusi waktu pelayanan Eksponensial dan distribusi Weibull cukup mendekati.
Universitas Sumatera Utara
Gambar 4.10 Hasil Perbandingan Dengan
K=200, =2, =20, C=30, Dan Durasi 1 Jam Dari percobaan yang dilakukan dengan input parameter sebagai berikut :
ukuran kelompok K sebanyak 200 kelompok, laju kedatangan 2, laju pelayanan 20, durasi simulasi 1 jam, dan jumlah server yang melayani pelanggan mulai 10
server sampai 30 server. Maka kesimpulannya adalah : 1. Hasil simulasi distribusi waktu pelayanan Eksponensial dan Weibull cukup
mendekati
Tabel 4.1 Hasil Simulasi Dengan
K=200, =2, =20, C=10-30, Dan Durasi 1 Jam
Karakteristik Antrian
10 Server 20 Server
30 Server
Eksponensial Weibull
Eksponensial Weibull
Eksponensial Weibull
Ws 1,209333
1,197797 0,326477
0,293889 0,1815
0,189908
Wq 1,159501
1,14571 0,278379
0,247761 0,132538
0,138739
Ls
235,9199 223,1748
98,61541 80,96044
56,67498 57,89841
Lq
226,1986 213,47
84,08704 68,25321
41,38617 42,29807
Utility 0,972176
0,970562 0,726483
0,635392 0,509658
0,520029
Universitas Sumatera Utara
2. Hasil simulasi dengan distribusi Eksponensial, menunjukkan bahwa rata-rata waktu tunggu pelanggan di dalam antrian, rata-rata waktu tunggu pelanggan di dalam sistem,
rata-rata jumlah pelanggan di dalam antrian, rata-rata jumlah pelanggan di dalam sistem semakin kecil untuk jumlah server yang lebih banyak lagi.
Gambar 4.11 Grafik Simulasi Eksponensial, K=200, =2, =20, C=10-30, Dan Durasi 1 Jam
3. Hasil simulasi dengan distribusi Weibull menunjukkan bahwa rata-rata waktu tunggu pelanggan di dalam antrian dan rata-rata waktu tunggu pelanggan di dalam
sistem, rata-rata jumlah pelanggan di dalam antrian dan rata-rata jumlah pelanggan di dalam sistem, semakin kecil untuk jumlah server yang lebih banyak lagi.
Universitas Sumatera Utara
Gambar 4.12 Grafik Simulasi Weibull, K=200, =2, =20, C=10-30, Dan Durasi 1 Jam
Percobaan berikutnya dilakukan dengan durasi simulasi yang berbeda dan input parameter yang sama dengan percobaan sebelumnya. Input parameter adalah
ukuran kelompok K sebanyak 200 kelompok, laju kedatangan 2, laju pelayanan 20, jumlah server C yang melayani pelanggan mulai 10 server sampai 30 server
dan simulasi dilakukan dengan durasi 3 jam. Simulasi dilakukan pertama kali dengan durasi simulasi 3 jam dan jumlah
server yang melayani pelanggan adalah 10 server, maka hasil simulasi dengan distribusi waktu pelayanan Eksponensial dapat diperoleh sebagai berikut : jumlah
pelanggan 1796, probabilitas server sibuk utility server 0,989, rata-rata waktu
tunggu dalam sistem W
s
1,4484, rata-rata waktu tunggu dalam antrian W
q
1,3977, rata-rata jumlah pelanggan dalam sistem L
s
282,2202 dan rata-rata jumlah pelanggan dalam antrian L
q
272,3312, dan service berakhir pada 3:38:05 jumlah server tidak cukup untuk melayani pelanggan terhadap durasi waktu yang diberikan.
Universitas Sumatera Utara
Gambar 4.13 Hasil Simulasi Eksponensial, K=200, =2, =20, C=10, Dan Durasi 3 Jam
Simulasi dilakukan dengan input parameter yang sama dan dengan distribusi waktu pelayanan yang berbeda, maka hasil simulasi dengan distribusi waktu
pelayanan Weibull dapat diperoleh sebagai berikut : jumlah pelanggan 1796, probabilitas server sibuk utility server 0,9876, rata-rata waktu tunggu dalam sistem
W
s
1,4955, rata-rata waktu tunggu dalam antrian W
q
1,4438, rata-rata jumlah pelanggan dalam sistem L
s
285,7108 dan rata-rata jumlah pelanggan dalam antrian L
q
275,8357, dan service berakhir pada 3:42:08 jumlah server tidak cukup untuk melayani pelanggan terhadap durasi waktu yang diberikan.
Universitas Sumatera Utara
Gambar 4.14 Hasil Simulasi Weibull,
K=200, =2, =20, C=10 , Dan Durasi 3 Jam
Kesimpulan dalam percobaan ini, dengan ukuran kelompok K sebanyak 200 kelompok, laju kedatangan 2, laju pelayanan 20, jumlah server C yang
melayani pelanggan sebanyak 10 server dan durasi simulasi 3 jam, maka perbandingan dari hasil simulasi dengan distribusi waktu pelayanan Eksponensial dan
distribusi Weibull cukup mendekati.
Universitas Sumatera Utara
Gambar 4.15 Hasil Perbandingan Dengan K=200, =2, =20, C=10, Dan Durasi 3 Jam
Percobaan berikutnya dilakukan dengan jumlah server yang berbeda dan input parameter yang sama yaitu : ukuran kelompok K sebanyak 200 kelompok, laju
kedatangan 2, laju pelayanan 20, durasi simulasi 3 jam, dan jumlah server yang melayani pelanggan sebanyak 20 server.
Simulasi dilakukan dengan distribusi waktu pelayanan Eksponensial, maka hasilnya dapat diperoleh sebagai berikut : jumlah pelanggan 1796, probabilitas server
sibuk utility server 0,6205, rata-rata waktu tunggu dalam sistem W
s
0,2424, rata- rata waktu tunggu dalam antrian W
q
0,1901, rata-rata jumlah pelanggan dalam sistem L
s
57,496 dan rata-rata jumlah pelanggan dalam antrian L
q
45,0874 dan service berakhir pada 3:01:30 jumlah servervcukup untuk melayani pelanggan
terhadap durasi waktu yang diberikan.
Universitas Sumatera Utara
Gambar 4.16 Hasil Simulasi Eksponensial, K=200, =2, =20, C=20, Dan Durasi 3 Jam
Simulasi dilakukan dengan input parameter yang sama dan dengan distribusi waktu pelayanan yang berbeda, maka hasil simulasi dengan distribusi waktu
pelayanan Weibull dapat diperoleh sebagai berikut : jumlah pelanggan 1796, probabilitas server sibuk utility server 0,5885, rata-rata waktu tunggu dalam sistem
W
s
0,2363, rata-rata waktu tunggu dalam antrian W
q
0,1864, rata-rata jumlah pelanggan dalam sistem L
s
55,7658 dan rata-rata jumlah pelanggan dalam antrian L
q
43,9969 dan service berakhir pada 2:58:55 jumlah server cukup untuk melayani pelanggan terhadap durasi waktu yang diberikan.
Universitas Sumatera Utara
Gambar 4.17 Hasil Simulasi Weibull,
K=200, =2, =20, C=20
, Dan Durasi 3 Jam Kesimpulan dalam percobaan ini, dengan ukuran kelompok K sebanyak 200
kelompok, laju kedatangan 2, laju pelayanan 20, jumlah server C yang melayani pelanggan sebanyak 20 server dan durasi simulasi 3 jam, maka
perbandingan dari hasil simulasi dengan distribusi waktu pelayanan Eksponensial dan distribusi Weibull cukup mendekati.
Universitas Sumatera Utara
Gambar 4.18 Hasil Perbandingan Dengan K=200, =2, =20, C=20 Dan Durasi 3 Jam
Percobaan berikutnya dilakukan dengan jumlah server yang berbeda dan input parameter yang sama yaitu : ukuran kelompok K sebanyak 200 kelompok, laju
kedatangan 2, laju pelayanan 20, durasi simulasi 3 jam, dan jumlah server yang melayani pelanggan sebanyak 30 server.
Simulasi dilakukan dengan distribusi waktu pelayanan Eksponensial, maka hasilnya dapat diperoleh sebagai berikut : jumlah pelanggan 1796, probabilitas server
sibuk utility server 0,4066, rata-rata waktu tunggu dalam sistem W
s
0,1404, rata- rata waktu tunggu dalam antrian W
q
0,0899, rata-rata jumlah pelanggan dalam sistem L
s
33,9089 dan rata-rata jumlah pelanggan dalam antrian L
q
21,7104 dan service berakhir pada 2:57:44 jumlah server cukup untuk melayani pelanggan
terhadap durasi waktu yang diberikan, tapi jemlah server berlebihan.
Universitas Sumatera Utara
Gambar 4.19 Hasil Simulasi Eksponensial, K=200, =2, =20, C=30, Dan Durasi 3 Jam
Simulasi dilakukan dengan input parameter yang sama dan dengan distribusi waktu pelayanan yang berbeda, maka hasil simulasi dengan distribusi waktu
pelayanan Weibull dapat diperoleh sebagai berikut : jumlah pelanggan 1796, probabilitas server sibuk utility server 0,3999, rata-rata waktu tunggu dalam sistem
W
s
0,1381, rata-rata waktu tunggu dalam antrian W
q
0,0879, rata-rata jumlah pelanggan dalam sistem L
s
33,0147 dan rata-rata jumlah pelanggan dalam antrian L
q
21,0193 dan service berakhir pada 2:57:20 jumlah server cukup untuk melayani pelanggan terhadap durasi waktu yang diberikan, tapi jemlah server berlebihan.
Universitas Sumatera Utara
Gambar 4.20 Hasil Simulasi Weibull,
K=200, =2, =20, C=30
, Dan Durasi 3 Jam Kesimpulan dalam percobaan ini, dengan ukuran kelompok K sebanyak 200
kelompok, laju kedatangan 2, laju pelayanan 20, jumlah server C yang melayani pelanggan sebanyak 30 server dan durasi simulasi 3 jam, maka
perbandingan dari hasil simulasi dengan distribusi waktu pelayanan Eksponensial dan distribusi Weibull cukup mendekati.
Universitas Sumatera Utara
Gambar 4.21 Hasil PerbandinganDengan K=200, =2, =20, C=30, Dan Durasi 3 Jam
Dari percobaan yang dilakukan dengan input parameter sebagai berikut : ukuran kelompok K sebanyak 200 kelompok, laju kedatangan 2, laju pelayanan
20, durasi simulasi 3 jam, dan jumlah server yang melayani pelanggan mulai 10 server sampai 30 server. Maka kesimpulannya adalah :
1. Hasil simulasi distribusi waktu pelayanan Eksponensial dan Weibull cukup mendekati
Tabel 4.2 Hasil Simulasi Dengan K=200, =2, =20, C=10-30, Dan Durasi 3 Jam
Karakteristik Antrian
10 Server 20 Server
30 Server
Eksponensial Weibull
Eksponensial Weibull
Eksponensial Weibull
Ws 1,448406
1,495479 0,242367
0,236303 0,140435
0,13811
Wq 1,397653
1,443791 0,19006
0,186433 0,089915
0,08793
Ls 282,2202
285,7108 57,49604
55,76581 33,90887
33,01466
Lq
272,3312 275,8357
45,0874 43,99694
21,71044 21,01928
Utility
0,98897 0,987574
0,620465 0,588498
0,406643 0,399877
Universitas Sumatera Utara
2. Hasil simulasi dengan distribusi Eksponensial, menunjukkan bahwa rata-rata waktu tunggu pelanggan di dalam antrian, rata-rata waktu tunggu pelanggan di dalam
sistem, rata-rata jumlah pelanggan di dalam antrian, rata-rata jumlah pelanggan di dalam sistem semakin kecil untuk jumlah server yang lebih banyak lagi.
Gambar 4.22 Grafik Simulasi Eksponensial, K=200, =2, =20, C=10-30 , Dan Durasi 3 Jam
3. Hasil simulasi dengan distribusi Weibull menunjukkan bahwa rata-rata waktu tunggu pelanggan di dalam antrian dan rata-rata waktu tunggu pelanggan di dalam
sistem, rata-rata jumlah pelanggan di dalam antrian dan rata-rata jumlah pelanggan di dalam sistem, semakin kecil untuk jumlah server yang lebih banyak lagi.
Universitas Sumatera Utara
Gambar 4.23 Grafik Simulasi Weibull,
K=200, =2, =20, C=10-30 , Dan Durasi 3 Jam
Percobaan berikutnya dilakukan dengan durasi simulasi yang berbeda dan input parameter yang sama dengan percobaan sebelumnya. Input parameter adalah
ukuran kelompok K sebanyak 200 kelompok, laju kedatangan 2, laju pelayanan 20, jumlah server C yang melayani pelanggan mulai 10 server sampai 30 server
dan simulasi dilakukan dengan durasi 6 jam. Simulasi dilakukan pertama kali dengan durasi simulasi 6 jam dan jumlah
server yang melayani pelanggan adalah 10 server, maka hasil simulasi dengan distribusi waktu pelayanan Eksponensial dapat diperoleh sebagai berikut : jumlah
pelanggan 3846, probabilitas server sibuk utility server 0,9337, rata-rata waktu
tunggu dalam sistem W
s
3,6417, rata-rata waktu tunggu dalam antrian W
q
3,5918, rata-rata jumlah pelanggan dalam sistem L
s
680,8469 dan rata-rata jumlah pelanggan dalam antrian L
q
671,5106 dan service berakhir pada 8:08:21 jumlah server tidak cukup untuk melayani pelanggan terhadap durasi waktu yang diberikan.
Universitas Sumatera Utara
Gambar 4.24 Hasil Simulasi Eksponensial, K=200, =2, =20, C=10, Dan Durasi 6 Jam
Simulasi dilakukan dengan input parameter yang sama dan dengan distribusi waktu pelayanan yang berbeda, maka hasil simulasi dengan distribusi waktu
pelayanan Weibull dapat diperoleh sebagai berikut : jumlah pelanggan 3846, probabilitas server sibuk utility server 0,9414, rata-rata waktu tunggu dalam sistem
W
s
3,4047, rata-rata waktu tunggu dalam antrian W
q
3,3547, rata-rata jumlah pelanggan dalam sistem L
s
640,512 dan rata-rata jumlah pelanggan dalam antrian L
q
631,0986 dan service berakhir pada 8:10:10 jumlah server tidak cukup untuk melayani pelanggan terhadap durasi waktu yang diberikan.
Universitas Sumatera Utara
Gambar 4.25 Hasil Simulasi Weibull, Dengan K=200, =2, =20, C=10, Dan Durasi 6 Jam
Kesimpulan dalam percobaan ini, dengan ukuran kelompok K sebanyak 200 kelompok, laju kedatangan 2, laju pelayanan 20, jumlah server C yang
melayani pelanggan sebanyak 10 server dan durasi simulasi 6 jam, maka perbandingan dari hasil simulasi dengan distribusi waktu pelayanan Eksponensial dan
distribusi Weibull cukup mendekati.
Universitas Sumatera Utara
Gambar 4.26 Hasil Perbandingan Dengan K=200, =2, =20, C=10, Dan Durasi 6 Jam
Percobaan berikutnya dilakukan dengan jumlah server yang berbeda dan input parameter yang sama yaitu : ukuran kelompok K sebanyak 200 kelompok, laju
kedatangan 2, laju pelayanan 20, durasi simulasi 6 jam, dan jumlah server yang melayani pelanggan sebanyak 20 server.
Simulasi dilakukan dengan distribusi waktu pelayanan Eksponensial, maka hasilnya dapat diperoleh sebagai berikut : jumlah pelanggan 3846, probabilitas server
sibuk utility server 0,6362, rata-rata waktu tunggu dalam sistem W
s
0,293, rata-rata waktu tunggu dalam antrian W
q
0,2423, rata-rata jumlah pelanggan dalam sistem L
s
73,6093 dan rata-rata jumlah pelanggan dalam antrian L
q
60,8864 dan service berakhir pada 6:02:18 jumlah server cukup untuk melayani pelanggan terhadap
durasi waktu yang diberikan.
Universitas Sumatera Utara
Gambar 4.27 Hasil Simulasi Eksponensial, K=200, =2, =20, C=20, Dan Durasi 6 Jam
Simulasi dilakukan dengan input parameter yang sama dan dengan distribusi waktu pelayanan yang berbeda, maka hasil simulasi dengan distribusi waktu
pelayanan Weibull dapat diperoleh sebagai berikut : jumlah pelanggan 3846, probabilitas server sibuk utility server 0,6343, rata-rata waktu tunggu dalam sistem
W
s
0,2864, rata-rata waktu tunggu dalam antrian W
q
0,2361, rata-rata jumlah pelanggan dalam sistem L
s
72,2295 dan rata-rata jumlah pelanggan dalam antrian L
q
59,5449 dan service berakhir pada 6:03:33 jumlah server cukup untuk melayani pelanggan terhadap durasi waktu yang diberikan.
Universitas Sumatera Utara
Gambar 4.28 Hasil Simulasi Weibull,
K=200, =2, =20, C=20
, Dan Durasi 6 Jam Kesimpulan dalam percobaan ini, dengan ukuran kelompok K sebanyak 200
kelompok, laju kedatangan 2, laju pelayanan 20, jumlah server C yang melayani pelanggan sebanyak 20 server dan durasi simulasi 6 jam, maka
perbandingan dari hasil simulasi dengan distribusi waktu pelayanan Eksponensial dan distribusi Weibull cukup mendekati.
Universitas Sumatera Utara
Gambar 4.29 Hasil Perbandingan Dengan K=200, =2, =20, C=20, Dan Durasi 6 Jam
Percobaan berikutnya dilakukan dengan jumlah server yang berbeda dan input parameter yang sama yaitu : ukuran kelompok K sebanyak 20 kelompok, laju
kedatangan 2, laju pelayanan 20, durasi simulasi 6 jam, dan jumlah server yang melayani pelanggan sebanyak 30 server.
Simulasi dilakukan dengan distribusi waktu pelayanan Eksponensial, maka hasilnya dapat diperoleh sebagai berikut : jumlah pelanggan 3846, probabilitas server
sibuk utility server 0,4195, rata-rata waktu tunggu dalam sistem W
s
0,1503, rata- rata waktu tunggu dalam antrian W
q
0,1004, rata-rata jumlah pelanggan dalam sistem L
s
37,926 dan rata-rata jumlah pelanggan dalam antrian L
q
25,3412 dan service berakhir pada 6:00:57 jumlah server cukup untuk melayani pelanggan
terhadap durasi waktu yang diberikan, tapi jemlah server berlebihan.
Universitas Sumatera Utara
Gambar 4.30 Hasil Simulasi Eksponensial, K=200, =2, =20, C=30, Dan Durasi 6 Jam
Simulasi dilakukan dengan input parameter yang sama dan dengan distribusi waktu pelayanan yang berbeda, maka hasil simulasi dengan distribusi waktu
pelayanan Weibull dapat diperoleh sebagai berikut : jumlah pelanggan 3846, probabilitas server sibuk utility server 0,4205, rata-rata waktu tunggu dalam sistem
W
s
0,1461, rata-rata waktu tunggu dalam antrian W
q
0,096, rata-rata jumlah pelanggan dalam sistem L
s
36,7321 dan rata-rata jumlah pelanggan dalam antrian L
q
24,1181 dan service berakhir pada 6:00:21 jumlah server cukup untuk melayani pelanggan terhadap durasi waktu yang diberikan, tapi jemlah server berlebihan.
Universitas Sumatera Utara
Gambar 4.31 Hasil Simulasi Weibull,
K=200, =2, =20, C=30
, Dan Durasi 6 Jam Kesimpulan dalam percobaan ini, dengan ukuran kelompok K sebanyak 200
kelompok, laju kedatangan 2, laju pelayanan 20, jumlah server C yang melayani pelanggan sebanyak 30 server dan durasi simulasi 6 jam, maka
perbandingan dari hasil simulasi dengan distribusi waktu pelayanan Eksponensial dan distribusi Weibull cukup mendekati.
Universitas Sumatera Utara
Gambar 4.32 Hasil Perbandingan Dengan K=200, =2, =20, C=30, Dan Durasi 6 Jam
Dari percobaan yang dilakukan dengan input parameter sebagai berikut : ukuran kelompok K sebanyak 200 kelompok, laju kedatangan 2, laju pelayanan
20, durasi simulasi 6 jam, dan jumlah server yang melayani pelanggan mulai 10 server sampai 5 server. Maka kesimpulannya adalah :
1. Hasil simulasi distribusi waktu pelayanan Eksponensial dan Weibull cukup mendekati
Tabel 4.3 Hasil Simulasi Dengan K=200, =2, =20, C=10-30
, Dan Durasi 6 Jam
Karakteristik Antrian
10 Server 20 Server
30 Server
Eksponensial Weibull
Eksponensial Weibull
Eksponensial Weibull
Ws
3,641717 3,404706
0,292961 0,286362
0,150252 0,146133
Wq
3,591778 3,354668
0,242325 0,236072
0,100395 0,09595
Ls 680,8469
640,512 73,60928
72,22946 37,92596
36,73214
Lq 671,5106
631,0986 60,88642
59,54486 25,34115
24,11812
Utility 0,933743
0,941423 0,63618
0,634279 0,419522
0,420499
Universitas Sumatera Utara
2. Hasil simulasi dengan distribusi Eksponensial, menunjukkan bahwa rata-rata waktu tunggu pelanggan di dalam antrian, rata-rata waktu tunggu pelanggan di dalam
sistem, rata-rata jumlah pelanggan di dalam antrian, rata-rata jumlah pelanggan di dalam sistem semakin kecil untuk jumlah server yang lebih banyak lagi.
Gambar 4.33 Grafik Simulasi Eksponensial, K=200, =2, =20, C=10-30, Dan Durasi 6 Jam
2. Hasil simulasi dengan distribusi Weibull menunjukkan bahwa rata-rata waktu tunggu pelanggan di dalam antrian dan rata-rata waktu tunggu pelanggan di dalam
sistem, rata-rata jumlah pelanggan di dalam antrian dan rata-rata jumlah pelanggan di dalam sistem, semakin kecil untuk jumlah server yang lebih banyak lagi.
Universitas Sumatera Utara
Gambar 4.34 Grafik Simulasi Weibull,
K=200, =2, =20, C=10-30
, Dan Durasi 6 Jam Percobaan pertama diatas dilakukan dengan input parameter ukuran kelompok
K 200, laju kedatangan 2, laju pelayanan 20, jumlah server C yang melayani pelanggan mulai 10 server sampai 30 server dan simulasi dilakukan dengan
durasi 1 jam, 3 jam dan 6 jam.
4.2.2 Percobaan Dengan Parameter K=100, =2, =20, C=10-30