LIFO atau LCFS SIRO
Untuk huruf c, dipergunakan bilangan bulat positif yang menyatakan jumlah pelayanan pararel.
Untuk huruf e dan f digunakan kode N atau menyatakan jumlah terbatas atau tak berhingga satu-satuan dalam sistem antrian dan populasi masukan.
Misalnya kalau kita tulis model MM1 : FIFO~~, ini berarti bahwa model menyatakan pertibaan didistribusikan secara Poisson, waktu pelayanan didistribusikan
secara eksponensial, pelayanan adalah first in first out, tidak berhingga jumlah langganan boleh masuk dalam sistem antrian dan ukuran besarnya populasi masukan
adalah tak berhingga.
2.6. Pola Kedatangan dan Lama Pelayanan
2.6.1. Pola Kedatangan
Fungsi peluang Poisson diunakan untuk menggambarkan tingkat kedatangan dengan asumsi bahwa jumlah kedatangan adalah acak.Dimana persamaannya fungsi Peluang
Poisson adalah sebagai berikut : Px-kedatangan
.
x
e x
λ
λ
−
= dengan :
x P
= Peluang bahwa ada x pelanggan dalam sistem λ
= Harga rata-rata kecepatan kedatangan e
= Bilangan navier e = 2,71828 x
= Bilangan bulat 0,1,2,3,…
2.6.2 Lama Pelayanan
Lama Pelayanan yang dihitung sejak kedatangan pelanggan dalam sistem antrian sampai selesai pelayanan mengikuti :
a. Distribusi Eksponensial yang persamaannya sebagai berikut : µ
= t
f
e
- µ t
µ Dengan
= Rata-rata lama pelayanan e
= Bilangan navier e = 2,71828
t = waktu lamanya pelayanan tiap unit
Untuk mengetahui suatu proses kedatangan berdistribusi Poisson atau tidak, dapat digunakan uji kesesuain dengan menggunakan pengujian Chi-Kuadrat,dengan rumus
∑∑
= =
− =
B i
K j
ij ij
ij
E E
O
1 1
2 2
χ
Dengan O
ij
= Banyaknya nasabah yang diamati pada baris i kolom j E
ij 2
χ = Banyaknya nasabah yang diharapkan pada baris i kolom j
B = Jumlah baris K = Jumlah kolom
Jika perhitungan
≤
2
χ tabel distribusi dapat diterima.
2.6.3. Uji Keacakan
Uji keacakan didasarkan atas urutan skor. Skor dalam hal ini adalah jumlah pelanggan yang datang per 10 menit. Perhitungan ditampilkan berdasarkan pada banyaknya
runtun. Runtun didefinisikan sebagai suatu urutan lambang yang sama. Jadi uji keacakan membagi dua jenis jumlah data n
1
dan n
2
dengan pembanding yang ditentukan biasanya adalah nilai tengah median. Jika n
1
atau n
2
lebih besar dari 20 di uji dengan pendekatan sebaran baku. Pendekatan sebaran normal baku diawali dengan
hipotesis sebagai berikut : H
: Data sample secara acak dari sebuah populasi H
1
1 2
1 2
2 1
2 1
2 1
2 2
1 2
2 1
2 1
2
1
− +
+ −
− +
+ −
=
n n
n n
n n
n n
n n
n n
n n
r
Z
: Data sample diambil tidak secara acak Statistik uji yang digunakan adalah :
Dengan : r
= banyak runtun n
1
= jumlah data pada minggu I n
2 1
2 1
α −
= jumlah data pada minggu II Kriteria keputusan yang digunakan adalah : Terima Ho jika -Z
Z
hit 1
2 1
α −
Z
Dalam hal lainnya Ho ditolak. Untuk taraf nyata sebesar α nilai Z
1
2 1
α −
dapat diperoleh dari tabel distribusi normal baku.
2.6.4. Uji Kesesuaian
