{"id":557,"date":"2018-07-19T09:55:09","date_gmt":"2018-07-19T02:55:09","guid":{"rendered":"http:\/\/irihm.sbm.itb.ac.id\/?p=557"},"modified":"2018-07-20T10:15:17","modified_gmt":"2018-07-20T03:15:17","slug":"waktu-tunggu-pasien-rawat-jalan","status":"publish","type":"post","link":"https:\/\/irihm.sbm.itb.ac.id\/index.php\/2018\/07\/19\/waktu-tunggu-pasien-rawat-jalan\/","title":{"rendered":"Antrian dan Penumpukan"},"content":{"rendered":"
This entry is part 5 of 5 in the series Manajemen Antrian<\/a><\/div>

Sebelum menganalisis waktu tunggu pasien, dalam manajemen antrian di mana pun akan ditemui 1 dari 2 kondisi berikut: laju kedatangan pasien (pelanggan) lebih kecil dari laju pelayanan (kasus antrian) atau sebaliknya laju kedatangan melebihi laju pelayanan (kasus penumpukan). Sebenarnya istilah antrian dan penumpukan ini baru muncul barusan ketika mencari judul apa yang tepat untuk posting kali ini. Kedua kasus ini sebenarnya sama-sama berkaitan dengan antrian. kalau disebut antrian yang wajar dan tidak wajar sepertinya kurang tepat, karena kasus yang tidak wajar (penumpukan) merupakan kasus yang wajar ditemui di lapangan \ud83d\ude42 Jadi sementara kita sebut saja sebagai kasus antrian dan penumpukan. Mari kita lihat bedanya.<\/p>\n

<\/p>\n

Kasus Antrian<\/strong><\/span><\/p>\n

Pada kasus pertama ini, jumlah pasien yang datang ke fasilitas pelayanan lebih kecil dari kemampuan fasilitas dalam melayani pasien. Contohnya rata-rata kunjungan pasien dalam 1 jam adalah 40 orang, sedangkan kemampuan petugas registrasi melayani pasien adalah 60 orang. Kasus semacam inilah yang dapat dipecahkan dengan teori antrian (Queuing Theory<\/em>). Dalam teori antrian laju kedatangan diberi simbol lambda (\"\"), laju pelayanan diberi simbol miu (\"\"). Rasio antara laju kedatangan dan laju pelayanan disebut utilisasi dengan simbol rho (\"\"). Jadi kasus antrian pertama ini hanya jika\u00a0\"\" (\"\"\/\"\")<1. Lho kok bisa laju kedatangan lebih kecil dari laju pelayanan menyebabkan antrian? ya karena kapan tibanya pasien tidak dapat kita tebak alias acak (random<\/em>). Bisa saja sekali datang pasien ber-3 atau beberaa orang pasien datang dalam waktu yang berdekatan. kasus semacam inilah yang dapat dipecahkan dengan berbagai formula yang ada dalam teori antrian.<\/p>\n

Contoh:<\/p>\n

Klinik ABC menyediakan booth layanan pemeriksaan darah di salah satu mal di kota Bandung. Tim dari klinik memperkirakan pelanggan akan datang sebanyak 15 orang per jam. Petugas di booth tersebut dapat melayani pelanggan selamat 3 menit per orang. Apa yang dapat kita siapkan sebagai antisipasi dari layanan yang akan dijalankan ini?<\/p>\n

Dari cerita di atas, kasus ini dikelompokkan pada kasus server tunggal. Diketahui laju kedatangannya\u00a0\"\"\u00a0adalah 15 orang\/jam, dan laju pelayanan\u00a0\"\"\u00a0adalah 20 orang\/jam (Note: diperoleh dari 60 menit : 3 menit\/orang). dengan demikian:<\/p>\n