Claim Missing Document
Check
Articles

Found 2 Documents
Search

Evaluasi dan Kalibrasi Model M/M/c untuk Sistem Antrian Restoran Cepat Saji Mie Gacoan Muhammad Rosyid Fauzan; Zulfahmi Indra; Fahra Febiana Putri; Ega Pratama

Publisher :

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i5.9878

Abstract

Abstrak - Restoran cepat saji Mie Gacoan sering mengalami antrian panjang yang mengakibatkan waktu tunggu pelanggan menjadi lama dan berpotensi menurunkan kepuasan pelanggan. Penelitian ini bertujuan untuk mengevaluasi kinerja sistem antrian dan mengidentifikasi bottleneck menggunakan model antrian M/M/c. Metode yang digunakan meliputi pengumpulan data waktu kedatangan dan waktu pelayanan, analisis distribusi data, pemodelan M/M/c, validasi model, serta kalibrasi empiris menggunakan Python. Hasil penelitian menunjukkan bahwa model M/M/c standar menghasilkan error prediksi sebesar 84,9% pada hari pertama dan 83,4% pada hari kedua. Setelah kalibrasi empiris dengan faktor koreksi 6,3x, akurasi model meningkat signifikan menjadi error 4,7% dan 5,2%. Konfigurasi dual server terbukti lebih optimal dengan utilisasi 59,7% dan 62,5% serta waktu tunggu rata-rata di bawah 3,5 menit. Simpulan penelitian ini adalah model M/M/c yang dikalibrasi secara empiris mampu memprediksi kinerja sistem antrian restoran dengan lebih akurat dan dapat digunakan sebagai dasar pengambilan keputusan operasional.Kata kunci: sistem antrian; model M/M/c; bottleneck; kalibrasi empiris; restoran cepat saji; Abstract - Mie Gacoan fast food restaurants often experience long queues, resulting in long waiting times for customers and potentially reducing customer satisfaction. This study aims to evaluate the performance of the queueing system and identify bottlenecks using the M/M/c queueing model. The methods used include collecting arrival and service time data, analyzing data distribution, M/M/c modeling, model validation, and empirical calibration using Python. The results show that the standard M/M/c model produced a prediction error of 84.9% on the first day and 83.4% on the second day. After empirical calibration with a correction factor of 6.3x, the model's accuracy improved significantly to an error of 4.7% and 5.2%. The dual server configuration proved to be more optimal with a utilization of 59.7% and 62.5% and an average waiting time of less than 3.5 minutes. The conclusion of this study is that an empirically calibrated M/M/c model can predict the performance of a restaurant queuing system more accurately and can be used as a basis for operational decision making.Keywords: queueing system; M/M/c model; bottleneck; empirical calibration; fast food restaurant;
Pemanfaatan Teknik Machine Learning dalam Memprediksi Kepadatan Lalu Lintas Guna Efisiensi Transportasi Rizal Muslim Sinaga; Muhammad Rosyid Fauzan; Ega Pratama; Muhammad Rizki Alfahri; Kana Saputra
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 12 No. 2 (2025): Prosisko Vol. 12 No. 2 Juli 2025
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v12i2.10453

Abstract

Kemacetan lalu lintas di kota-kota besar semakin meningkat akibat pertumbuhan jumlah kendaraan yang tidak sebanding dengan kapasitas jalan. Kondisi ini berdampak pada peningkatan waktu perjalanan, polusi udara, serta risiko kecelakaan. Penelitian ini bertujuan untuk memprediksi tingkat kepadatan lalu lintas di Kota Medan menggunakan metode pembelajaran mesin. Tiga algoritma yang digunakan dalam penelitian ini adalah regresi linear, random forest, dan XGBoost. Data yang digunakan mencakup informasi lalu lintas dan cuaca yang diperoleh dari sumber terbuka. Tahapan penelitian meliputi eksplorasi data, pra-pemrosesan, rekayasa fitur, pelatihan model, dan evaluasi menggunakan beberapa metrik pengukuran kesalahan. Hasil penelitian menunjukkan bahwa algoritma Random Forest dengan penyesuaian parameter memiliki performa terbaik dibandingkan dengan algoritma lainnya. Model ini dapat digunakan sebagai alternatif dalam pengelolaan lalu lintas guna meningkatkan efisiensi mobilitas di kawasan perkotaan.