Teori Antrian
Antrean merupakan bagian yang hampir tidak terpisahkan dari kehidupan sehari-hari. Kita menemukannya di kasir, rumah sakit, bank, bandara, gerbang tol, pusat layanan pelanggan, gudang, hingga sistem komputer. Dalam dunia industri, antrean tidak hanya berarti orang yang menunggu, tetapi juga dapat berupa material yang menunggu diproses, kendaraan yang menunggu dilayani, pekerjaan yang menunggu mesin, atau data yang menunggu diproses oleh server. Karena itu, mata kuliah Teori Antrian menjadi salah satu bidang penting dalam major studi Teknik Industri.
Teori Antrian atau Queueing Theory merupakan cabang matematika terapan dan riset operasi yang mempelajari sistem ketika kedatangan pelanggan atau pekerjaan bersifat tidak pasti dan kapasitas pelayanan terbatas. Teori ini digunakan untuk memahami bagaimana antrean terbentuk, berapa lama pelanggan harus menunggu, berapa banyak pekerjaan berada dalam sistem, serta berapa kapasitas pelayanan yang diperlukan.
Tujuan utama teori antrian bukan sekadar menghilangkan antrean. Dalam banyak kasus, menghilangkan antrean sepenuhnya dengan menambah terlalu banyak server justru menghasilkan biaya yang tidak efisien. Tantangannya adalah menemukan keseimbangan antara biaya penyediaan kapasitas dan biaya atau dampak akibat waktu tunggu. Karena itu, teori antrian menjadi alat penting untuk merancang sistem pelayanan dan produksi yang efisien.
Mata kuliah Teori Antrian berfokus pada pemodelan dan analisis sistem yang mengalami proses kedatangan, menunggu, pelayanan, dan keberangkatan. Beberapa materi yang dapat dipelajari antara lain:
Teori Antrian memiliki peran penting dalam Teknik Industri karena banyak sistem industri merupakan sistem stochastic, yaitu sistem yang dipengaruhi oleh ketidakpastian. Kedatangan pelanggan, waktu pelayanan, kerusakan mesin, permintaan produk, maupun waktu proses dapat berubah-ubah sehingga kapasitas sistem perlu dirancang dengan mempertimbangkan variasi tersebut.
Dalam manufaktur, misalnya, material dapat menunggu mesin karena kapasitas mesin tidak seimbang dengan tingkat kedatangan pekerjaan. Jika sebuah mesin menjadi bottleneck, antrean pekerjaan di depannya akan semakin panjang. Industrial engineer dapat menggunakan teori antrian untuk memperkirakan tingkat utilisasi, waktu tunggu, ukuran antrean, serta kebutuhan kapasitas tambahan.
Pendekatan yang sama dapat digunakan pada sistem pelayanan. Sebuah rumah sakit dapat menggunakan teori antrian untuk menentukan jumlah dokter atau loket yang diperlukan pada jam sibuk. Bank dapat menggunakannya untuk menentukan jumlah teller, sedangkan perusahaan logistik dapat menggunakannya untuk menentukan kapasitas fasilitas bongkar muat.
Teori Antrian juga menjadi dasar bagi berbagai pendekatan operations research, discrete-event simulation, capacity planning, scheduling, facility planning, dan service system design. Dengan demikian, mahasiswa Teknik Industri dapat menggunakan teori ini untuk mengubah fenomena antrean yang terjadi di dunia nyata menjadi model yang dapat dianalisis secara kuantitatif.
Penerapan Teori Antrian sangat luas karena hampir setiap sistem yang memiliki permintaan dan kapasitas pelayanan berpotensi mengalami antrean. Bidang penerapannya meliputi manufaktur, rumah sakit, perbankan, transportasi, telekomunikasi, retail, restoran, logistik, call center, bandara, hingga komputasi awan.
Dalam pelayanan kesehatan, teori antrian dapat membantu menentukan jumlah dokter, perawat, ruang pelayanan, atau fasilitas diagnostik yang diperlukan untuk mengurangi waktu tunggu pasien. Penelitian terbaru bahkan menggunakan model antrian untuk mendukung pengalokasian sumber daya pada drone logistics untuk pengiriman darah, organ, dan vaksin, dengan mempertimbangkan kapasitas armada, baterai, dan kebutuhan pelayanan yang dinamis. ([sciencedirect.com](https://www.sciencedirect.com/science/article/pii/S2210539525001191?utm_source=chatgpt.com))
Dalam transportasi dan logistik, teori antrian dapat digunakan untuk menganalisis antrean kendaraan di gerbang tol, pelabuhan, terminal, gudang, pusat distribusi, maupun fasilitas bongkar muat. Pada sistem layanan digital, pendekatan yang sama dapat digunakan untuk memahami bagaimana permintaan pengguna menumpuk ketika kapasitas server atau sumber daya komputasi terbatas.
Dalam penelitian, mahasiswa dapat mengembangkan topik seperti queueing optimization, healthcare queue, manufacturing queue, queueing network, priority queue, queueing-inventory system, queueing simulation, dynamic queue, serta integrasi machine learning dan queueing theory.
Kompetensi ini relevan untuk pekerjaan seperti Industrial Engineer, Operations Research Analyst, Process Improvement Engineer, Supply Chain Analyst, Capacity Planner, Operations Analyst, Simulation Analyst, Data Analyst, dan Service Operations Analyst.
Teori Antrian terus berkembang karena sistem modern semakin dinamis, terhubung, dan memiliki pola permintaan yang kompleks. Salah satu tren utama adalah integrasi Artificial Intelligence (AI), Machine Learning, dan predictive analytics dengan model antrian. Prediksi dapat digunakan untuk memperkirakan waktu pelayanan atau karakteristik pekerjaan, kemudian informasi tersebut digunakan untuk menentukan keputusan penjadwalan dan alokasi kapasitas. Penelitian terbaru menunjukkan bahwa prediksi dan teori antrian semakin banyak dikaji bersama untuk meningkatkan keputusan scheduling dan resource allocation. ([informs.org](https://pubsonline.informs.org/doi/full/10.1287/stsy.2025.0106?utm_source=chatgpt.com))
AI-enhanced queueing juga berkembang pada sistem komputasi. Penelitian tahun 2025 mengeksplorasi penggunaan AI untuk pemodelan dan penjadwalan sistem antrian dalam cloud computing, termasuk resource management, load balancing, dan reinforcement learning scheduling. ([link.springer.com](https://link.springer.com/article/10.1007/s42452-025-06755-2?utm_source=chatgpt.com))
Perkembangan ini semakin relevan dengan meningkatnya penggunaan Large Language Models (LLM). Sistem AI generatif memiliki permintaan inference yang sangat besar dan waktu pemrosesan yang bervariasi. Karena itu, teori antrian dapat digunakan untuk memahami bagaimana permintaan inference masuk, menunggu, diproses, dan keluar dari sistem. Penelitian terbaru secara khusus membahas hubungan antara queueing, prediction, dan scheduling pada sistem LLM. ([informs.org](https://pubsonline.informs.org/doi/abs/10.1287/stsy.2025.0106?utm_source=chatgpt.com))
Dynamic queueing menjadi tren penting lainnya. Sistem modern sering menghadapi tingkat kedatangan dan kapasitas pelayanan yang berubah-ubah. Karena itu, model antrian tidak lagi hanya mempertimbangkan kondisi rata-rata, tetapi juga perubahan permintaan, prioritas, kapasitas dinamis, dan kondisi jaringan secara real-time.
Dalam layanan kesehatan digital, misalnya, penelitian terbaru menggabungkan advanced queueing model dengan deep reinforcement learning untuk menyesuaikan ketersediaan dokter dan memprioritaskan pasien berdasarkan tingkat urgensi serta waktu kedatangan. Pendekatan tersebut menunjukkan bagaimana AI dapat digunakan untuk membuat sistem pelayanan lebih adaptif terhadap kondisi yang berubah. ([nature.com](https://www.nature.com/articles/s41598-025-15664-8?utm_source=chatgpt.com))
Tren lainnya adalah integrasi Teori Antrian dengan Internet of Things (IoT), edge computing, dan cloud computing. Pada sistem edge-cloud, misalnya, pekerjaan dari berbagai perangkat IoT dapat membentuk antrean sebelum diproses di edge atau cloud. Penelitian terbaru mengeksplorasi model dengan dynamic service rates dan batch processing untuk menyesuaikan kapasitas pemrosesan terhadap kondisi jaringan dan beban kerja. ([sciencedirect.com](https://www.sciencedirect.com/science/article/pii/S0166531625000744?utm_source=chatgpt.com))
Queueing theory dan transportation optimization juga semakin terintegrasi. Pada sistem last-mile delivery, teori antrian dapat digabungkan dengan machine learning dan deep reinforcement learning untuk menghadapi permintaan pengiriman yang berubah secara dinamis serta menentukan keputusan routing yang lebih adaptif. ([mdpi.com](https://www.mdpi.com/2076-3417/15/21/11320?utm_source=chatgpt.com))
Selain aplikasi teknologi, perkembangan teori antrian juga terus berlangsung pada sisi matematis. Penelitian kontemporer mencakup heavy-traffic queues, stochastic processes, queueing networks, queues with abandonment, matching models, pricing in stochastic systems, dan berbagai model yang dirancang untuk sistem kompleks. Koleksi riset terbaru dalam Journal of Applied Probability menunjukkan bahwa teori antrian tetap berkembang melalui metode seperti Lévy processes, Hawkes processes, stochastic orders, diffusion approximation, dan Markov-modulated processes. ([cambridge.org](https://www.cambridge.org/core/journals/journal-of-applied-probability/collections/october-2025-queueing-models?utm_source=chatgpt.com))
Teori Antrian membantu mahasiswa Teknik Industri memahami bagaimana ketidakpastian kedatangan dan keterbatasan kapasitas dapat menghasilkan waktu tunggu, penumpukan pekerjaan, dan kemacetan dalam sistem. Dengan model matematis dan simulasi, mahasiswa dapat mengevaluasi jumlah server, kapasitas pelayanan, waktu tunggu, panjang antrean, utilisasi, throughput, serta biaya sistem.
Perkembangan Artificial Intelligence, Machine Learning, IoT, cloud computing, edge computing, reinforcement learning, LLM, dan real-time analytics membuat teori antrian semakin relevan. Seorang industrial engineer tidak hanya dituntut mampu menghitung berapa panjang antrean, tetapi juga mampu merancang sistem yang responsif, efisien, adaptif, dan mampu menyeimbangkan kualitas pelayanan dengan penggunaan sumber daya.