PENERAPAN PROSES POISSON NON-HOMOGEN UNTUK MENENTUKAN DISTRIBUSI PROBABILITAS KEDATANGAN NASABAH DI BNI BANJARBARU Mida Yanti1, Nur Salam1, Dewi Anggraini1
Abstract: Poisson process is a special event of the process of counting (counting prosses) where the time intervals between each increasing value are independent and exponentially distributed. Poisson process can be divided into two types: homogenous poisson process and non-homogeneous poisson process. If the exponential distribution has the same parameter value, then it is called a homogeneous poisson process, if not then, the process is called a non-homogeneous poisson. The implementation of nonhomogeneous poisson process can be used to solve the customers arrivals problems of BNI Banjarbaru. The purpose of this research is to apply non-homogeneous poisson process on the customers arrivals at BNI Banjarbaru, determine the probability distribution of customers arrivals at BNI Banjarbaru, describes the process of customers arrivals at BNI Banjarbaru graphically. The research method is a literature study with an acquisition data at BNI Banjarbaru using purposive sampling method. The procedures of this research are studying the problem of non-homogeneous poisson, collecting and recording data of customers arrivals at the BNI Banjarbaru, analyzing data, determining the probability distribution of customers arrivals at BNI Banjarbaru, describing the arrivals processes of customers in the form of graphs, and interpretating the result. The result shows that the probability distribution of customers arrivals at BNI Banjarbaru is: k m ( t )] m ( t )[ P [ N ( t ) k ] e , with the most probability of arrivals is on Monday in the first k !
week of 2 November 2009 between 08.00 - 12.00 wita. Keywords: Poisson process, a non-homogeneous poisson process, probability distribution
PENDAHULUAN
proses poisson homogen, jika tidak
Proses poisson merupakan suatu
maka dinamakan proses poisson non-
kejadian khusus dari proses hitung (counting
prosses)
selang-
Proses poisson non-homogen
selang waktu antar kenaikan nilai saling
merupakan proses poisson dengan rate
bebas
yang tergantung pada waktu. Secara
dan
dimana
homogen (Hadianti,2006).
semuanya
berdistribusi
eksponensial. Proses poisson ini terbagi
spesifik
dalam dua tipe yaitu proses poisson
peluang tidak ada kedatangan pada
homogen dan proses poisson non-
kondisi awal adalah 1 dan peluang n
homogen.
distribusi–distribusi
kedatangan pada kondisi awal adalah 0.
mempunyai
nilai
Proses ini mempunyai independent
parameter yang sama maka dinamakan
increment atau waktu antar kejadian
eksponensial
Jika itu
1
Program Studi Matematika, FMIPA UNLAM
77
dapat
didefinisikan
bahwa
78 Jurnal Fisika FLUX, Vol. 12 No. 1, Februari 2015 (77 – 85) saling bebas. Definisi
proses poisson
nasabah di BNI Banjarbaru, bagaimana
non-homogen ini identik dengan proses
menentukan
poisson homogen, kecuali disini adalah
waktu kedatangan nasabah terbanyak di
fungsi dari waktu (Haryono,1995). Pada
BNI
penerapannya, proses poisson non-
menggambarkan proses kedatangan
homogen ini bisa digunakan untuk
nasabah di BNI Banjarbaru secara
menyelesaikan suatu persoalan yang
grafik. Tujuan dari penelitian ini adalah
sering terjadi di kehidupan sehari–hari
menerapkan
diantaranya pada kedatangan nasabah
homogen
pada
di suatu bank tertentu.
nasabah
di
Bank merupakan salah satu
distribusi
Banjarbaru,
dan
proses
menentukan
probabilitas
bagaimana
poisson
proses BNI
distribusi
non-
kedatangan Banjarbaru, probabilitas
tempat pelayanan yang mempunyai arti
waktu kedatangan nasabah terbanyak di
penting dalam masyarakat. Bagi pihak
BNI Banjarbaru, dan menggambarkan
bank, kepuasan pelanggan merupakan
proses kedatangan nasabah di BNI
suatu
Banjarbaru secara grafik.
hal
penting
diperhatikan.
yang
Namun,
harus
banyaknya
nasabah yang datang bersamaan pada hari
dan
jam
tertentu
akan
METODE PENELITIAN Lokasi yang digunakan untuk
mengakibatkan terjadinya antrian yang
penelitian
cukup
nasabah
Banjarbaru. Waktu penelitian dari 2
merasa tidak kondusif bahkan merasa
November 2009 sampai dengan 26
cukup dirugikan dengan waktu antrian
November 2009.
panjang
sehingga
ini
adalah
bank
BNI
yang cukup lama. Oleh sebab itu, dalam suatu
bank
perlu
kedatangan
diketahui
Data Penelitian
terbanyak
Populasi dalam penelitian ini
dapat
adalah semua nasabah yang datang ke
mengantisipasi agar tidak terjadi antrian
BNI Banjarbaru dari 2 November 2009
panjang
menyebabkan
sampai dengan 26 November 2009.
menurunnya tingkat kepuasan nasabah
Sampel penelitian diambil dengan teknik
terhadap pelayanan di dalam bank
purposive
tersebut.
pengambilan
sehingga
pihak
bank
yang
Rumusan
penelitian
ini
menerapkan homogen
nasabah
waktu
masalah
adalah proses
pada
bagaimana
poisson
proses
dalam
non-
kedatangan
nasabah
sampling
dengan
sampel yang
adalah
datang
kriteria data untuk
mendapatkan pelayanan pada antrian A (teller).
Yanti, M., dkk. Penerapan Proses Poisson Non-Homogen …79
Prosedur Penelitian
Pada
tabel
2,
interval
waktu
di
Prosedur penelitian ini meliputi:
asumsikan dari 0 sampai 8 dimana hal
(1) Mempelajari masalah proses poisson
tersebut mewakili interval waktu dari
non-homogen. (2) Pengambilan dan
pukul 08.00 wita sampai 16.00 wita
pencatatan data kedatangan nasabah di
pada
BNI Banjarbaru. (3) Analisa data berupa
Kemudian, dengan mensubstitusikan
menghitung dan menentukan distribusi
ekspektasi atau mean value function
probabilitas kedatangan nasabah di BNI
yang ditunjukkan pada tabel tersebut
Banjarbaru. (4) Menggambarkan proses
maka didapatkan persamaan berikut.
kedatangan
HASIL DAN PEMBAHASAN
[m(t )]k P[ N (t ) k ] e k! k [ 400 43( t 6 )] 400 43(t 6) e k!
Laju Kedatangan Nasabah Perjam
Dengan cara yang sama, didapatkan
nasabah
dalam
bentuk
grafik dan (5) Interpretasi hasil.
kondisi
yang
sebenarnya.
m ( t )
Berdasarkan data yang diperoleh
distribusi probabilitas untuk masing–
maka dapat ditentukan laju kedatangan
masing mean dari kedatangan nasabah
nasabah perjam yang ditunjukkan pada
dimana
tabel 1. Tabel 1 menunjukkan bahwa laju
terbesar berada pada interval waktu
kedatangan nasabah perjam pada pagi
antara 0 sampai 4 atau pada pukul
hari berkisar antara 40 sampai 80
08.00–12.00
wita
nasabah, pada siang dan pada sore hari
interval
sampai
berkisar antara 40 sampai 50 nasabah.
probabilitasnya
Sehingga dapat dikatakan bahwa laju
mendekati
kedatangan nasabah perjam mempunyai
probabilitas kedatangan nasabah yang
jumlah rata–rata yang hampir sama dari
terbesar adalah pada pagi hari.
distribusi
4
nol.
probabilitas
sedangkan 8
sangat
yang
pada
distribusi kecil
Sehingga
dan
distribusi
hari ke hari. Grafik Kedatangan Nasabah Jika
Distribusi Probabilitas Dengan
mengintegralkan
kedatangan
nasabah
ditunjukkan
pada
didapatkan
perjam
tabel
ekspektasi
1,
laju
kedatangan
ditinjau
dari
rata–rata
nasabah
perjam,
maka
yang
diperoleh gambar 1, gambar 2 dan
maka
gambar 3, yaitu grafik laju kedatangan
(mean)
nasabah perjam pada pagi hari, siang
kedatangan nasabah seperti tabel 2.
hari dan sore hari.
80 Jurnal Fisika FLUX, Vol. 12 No. 1, Februari 2015 (77 – 85) Gambar Grafik Kedatangan Nasabah Mean StDev N
Frequency
5
57.58 11.11 19
2
kedatangan
menunjukkan antara
sampai
nasabah
3
kedatangan nasabah terbanyak berada
2
pada
1
menunjukkan laju kedatangan antara 35 40
50 60 70 Laju Kedatangan Perjam
angka
dengan
54
4
0
perjam,
40
laju
46,
dan
frekuensi
Gambar
3
sampai 50 nasabah perjam, dengan
80
Gambar 1. Grafik laju kedatangan nasabah perjam pada pagi hari
frekuensi terbanyak
kedatangan berada
nasabah
pada
angka
45
sampai 50. Grafik Kedatangan Nasabah Mean StDev N
Frequency
5
Berdasarkan
45.37 3.370 19
ketiga
gambar
4
tersebut, maka disimpulkan bahwa pada
3
pagi hari angka kedatangan nasabah
2
lebih tinggi jika dibandingkan dengan
1
angka kedatangan nasabah pada siang
0
40
44 48 Laju Kedatangan Perjam
52
hari ataupun sore hari dan dari data yang
Gambar 2. Grafik laju kedatangan nasabah perjam pada siang hari
diperoleh terlihat bahwa kedatangan nasabah pada hari senin lebih tinggi jika dibandingkan hari–hari yang lain. Jika
Grafik Kedatangan Nasabah Mean StDev N
Frequency
5
45.84 3.962 19
dibandingkan
jumlah
kedatangan
4
nasabah dari minggu pertama sampai
3
minggu keempat dapat dikatakan bahwa
2
angka kedatangan nasabah pada minggu
1
0
pertama lebih tinggi dibandingkan dengan 35
40 45 Laju Kedatangan Perjam
50
55
Gambar 3. Grafik laju kedatangan nasabah perjam pada sore hari
minggu kedua, ketiga, ataupun keempat. Berdasarkan
uraian
di
atas
dapat
disimpulkan bahwa angka kedatangan nasabah tertinggi yaitu pada hari senin di
Gambar 1 menunjukkan bahwa
minggu pertama antara pukul 08.00
rata–rata kedatangan nasabah perjam
sampai 12.00 wita.Secara keseluruhan
pada pagi hari berkisar antara 40
data
sampai 75 nasabah perjam, dengan
ditunjukkan oleh gambar 4, yaitu grafik
frekuensi
laju
kedatangan
nasabah
terbanyak berada pada angka 70.
kedatangan
kedatangan
November 2009.
nasabah
nasabah
perjam
pada
Yanti, M., dkk. Penerapan Proses Poisson Non-Homogen …81
Grafik Kedatangan Nasabah 0.99
Variable Pagi Hari Siang Hari Sore Hari
0.95 0.9
Probability
0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.05
0.01
30
40
50 60 Jumlah Kedatangan Nasabah
70
80
Gambar 4. Grafik laju kedatangan nasabah pada November 2009
Berdasarkan gambar 4 dapat ditunjukkan nasabah
bahwa
tertinggi
kedatangan
pada
pagi
hari
berada pada angka 77 dan angka
Nopember 2009 adalah pada hari Senin di minggu pertama bulan Nopember yaitu pada tanggal 2 Nopember 2009 pukul 08.00 – 12.00 wita.
kedatangan terendah adalah 40, pada siang hari kedatangan tertinggi berada pada angka 54 dan angka kedatangan terendah adalah 40, sedangkan pada sore
hari
kedatangan
nasabah
DAFTAR PUSTAKA Ghahramani, S. 2005. Fundamental of Probability with Stochastic Processes 3 rd Edition. Pearson Prentice Hall, New Jersey.
tertinggi berada pada angka 51 dan angka kedatangan terendah adalah 35. Sehingga dapat terlihat bahwa laju kedatangan nasabah tertinggi adalah pada pagi hari.
Haryono.1995. Proses Stokastik Terapan. Institut Teknologi Sepuluh November. Surabaya.
KESIMPULAN Kesimpulan dari penelitian ini adalah bahwa proses poisson nonhomogen dapat diterapkan pada proses kedatangan nasabah di BNI Banjarbaru dan distribusi probabilitas kedatangan nasabah
terbanyak
Hadianti, R. 2006. Kapita Selekta Matematika Terapan I (Teori Antrian). Institut Teknologi Bandung. Bandung.
pada
bulan
Ross,
S.M. 2003. Introduction to Probability Models. Academic Press, USA.
Surjadi, P.A. 1990. Pendahuluan Teori Kemungkinan dan Statistika. Institut Teknologi Bandung. Bandung.
82 Jurnal Fisika FLUX, Vol. 12 No. 1, Februari 2015 (77 – 85) Lampiran Tabel 1. Laju kedatangan nasabah perjam No
1
2
3
Hari Senin
Selasa
Rabu
Tanggal 02 Nopember 2009
03 Nopember 2009
04 Nopember 2009
4
Kamis
05 Nopember 2009
5
Jum'at
06 Nopember 2009
6
7
8
9
10
Senin
Selasa
Rabu
Kamis
Jum'at
09 Nopember 2009
10 Nopember 2009
11 Nopember 2009
12 Nopember 2009
13 Nopember 2009
11
Senin
16 Nopember 2009
12
Selasa
17 Nopember 2009
13
Rabu
18 Nopember 2009
Rate Kedatangan (Nasabah/Jam) 77 ,
t 46 ,
43 , 70 , t 42 , 39 , 60 , t 43 , 48 , 70 , t 46 , 47 , 70 , t 48 , 45 , 69 , t 45 , 49 , 55 , t 42 , 44 , 50 , t 48 , 48 ,
0t4 4t6 6t 8
0t4 4t6 6t8
0t4 4t6 6t8 0t4 4t6 6t8
0t4 4t6 6t8 0t4 4t6 6t8
0t4 4t6 6t8 0t4 4t6 6t8
40 , t 45 , 46 , 53 , t 49 , 42 ,
0t4 4t6 6t8
68 , t 47 , 49 , 62 , t 44 , 46 , , 48 t 49 , 45 ,
0t4 4t6 6t8
0t4 4t6 6t8
0t4 4t6 6t8 0t4 4t6 6t8
Yanti, M., dkk. Penerapan Proses Poisson Non-Homogen …83
14
15
16
17
18
19
Kamis
Jum'at
Senin
Selasa
Rabu
Kamis
19 Nopember 2009
20 Nopember 2009
23 Nopember 2009
24 Nopember 2009
25 Nopember 2009
26 Nopember 2009
45 , t 41 , 48 , 39 , t 44 , 47 , 49 , t 43 , 49 , 57 , t 40 , 35 , 51 , t 46 , 50 , 61 , t 54 , 51 ,
0t4 4t6 6t8
0t4 4t6 6t8 0t4 4t6 6t8 0t4 4t6 6t8
0t4 4t6 6t8 0t4 4t6 6t8
84 Jurnal Fisika FLUX, Vol. 12 No. 1, Februari 2015 (77 – 85) Tabel 2. Ekspektasi kedatangan nasabah No
Hari
Tanggal
1
Senin
02 Nopember 2009
2
Selasa
03 Nopember 2009
3
Rabu
04 Nopember 2009
4
Kamis
05 Nopember 2009
5
Jum'at
06 Nopember 2009
6
Senin
09 Nopember 2009
7
Selasa
10 Nopember 2009
8
9
10
11
12
Rabu
Kamis
Jum'at
Senin
Selasa
Ekspektasi Kedatangan Nasabah 77 t , 0 t 4 m t 308 46 ( t 4 ), 4 t 6 400 43 ( t 6 ),6 t 8 70 t , 0 t 4 m t 280 42 ( t 4 ),4 t 6 364 39 ( t 6 ), 6 t 8 60 t , 0 t 4 m t 240 43 ( t 4 ),4 t 6 326 48 ( t 6 ), 6 t 8 70 t , 0 t 4 m t 280 46 ( t 4 ), 4 t 6 372 47 ( t 6 ),6 t 8 70 t , 0 t 4 m t 280 448 ( t 4 ), 4 t 6 376 45 ( t 6 ),6 t 8 69 t , 0 t 4 m t 276 45 ( t 4 ),4 t 6 366 49 ( t 6 ), 6 t 8 55 t , 0 t 4 m t 220 42 ( t 4 ),4 t 6 304 44 ( t 6 ), 6 t 8
11 Nopember 2009
50 t , 0 t 4 m t 200 448 ( t 4 ), 4 t 6 296 48 ( t 6 ), 6 t 8
12 Nopember 2009
40 t , 0 t 4 m t 160 45 ( t 4 ), 4 t 6 250 46 ( t 6 ), 6 t 8
13 Nopember 2009
53 t , 0 t 4 m t 212 49 ( t 4 ), 4 t 6 301 42 ( t 6 ),6 t 8
16 Nopember 2009
68 t , 0 t 4 m t 272 47 ( t 4 ), 4 t 6 366 49 ( t 6 ),6 t 8
17 Nopember 2009
62 t , 0 t 4 m t 248 44 ( t 4 ), 4 t 6 336 46 ( t 6 ),6 t 8
13
Rabu
18 Nopember 2009
14
Kamis
19 Nopember 2009
48 t , 0 t 4 m t 192 49 ( t 4 ), 4 t 6 290 45 ( t 6 ),6 t 8 45 t , 0 t 4 m t 180 41 ( t 4 ), 4 t 6 262 48 ( t 6 ),6 t 8
Yanti, M., dkk. Penerapan Proses Poisson Non-Homogen …85
15
Jum'at
20 Nopember 2009
16
Senin
23 Nopember 2009
17
Selasa
24 Nopember 2009
18
Rabu
25 Nopember 2009
19
Kamis
26 Nopember 2009
39 t , 0 t 4 m t 156 44 ( t 4 ), 4 t 6 244 47 ( t 6 ), 6 t 8 49 t , 0 t 4 m t 196 43 ( t 4 ), 4 t 6 282 49 ( t 6 ),6 t 8 57 t , 0 t 4 m t 228 40 ( t 4 ), 4 t 6 308 35 ( t 6 ),6 t 8 51 t , 0 t 4 m t 204 46 ( t 4 ),4 t 6 296 50 ( t 6 ), 6 t 8 61 t , 0 t 4 m t 244 54 ( t 4 ),4 t 6 352 51 ( t 6 ), 6 t 8