Pengembangan tool Evaluasi Quality of Service pada Trafik Telekomunikasi
menggunakan Erlang
Fitria Sari Rachamawati1, Dr. Debyo Saptono, ST.MT2
1,2Teknik Elektro, Teknologi Industri, Universitas Gunadarma 3Jl. Margonda Raya No. 100, Pondok Cina, Depok 16424
1teri.lucu23@gmail.com, 2debyo@staff.gunadarma.ac.id
Abstrak
Akhir-akhir ini, kebutuhan akan komunikasi terus meningkat. Hal ini akan mengakibatkan persaingan antar penyedia layanan telekomunikasi yang semakin ketat dalam menyediakan Quality of Service yang optimal. Salah satu ilmu untuk mempelajari parameter-parameter untuk menentukan Quality of Service adalah ilmu Rekayasa Lalu Lintas.Diharapkan dengan pembuatan aplikasi ini dapat memfasilitasi dalam pemahaman dan dukungan ketika belajar mengenai ilmu tersebut. Aplikasi ini menyediakan perhitungan berdasarkan Erlang B Formula, Extended Erlang B, Erlang C, Engset Formula, ERT (Equivalent Random Theory ), Recursive Erlang,menampilkan gambar grafik untuk menjelaskan hubungan Probabilitas Blokir dengan QoS,dan hubungan Probabilitas Tunda dengan QoS. Serta perhitungan yang dapat menjawab pertanyaan "Berapa jumlah saluran yang dibutuhkan untuk QoS yang optimal" dengan parameter QoS yang telah ditentukan oleh penulis.
Kata Kunci : Erlang, QoS, Blocking Probability, Delay Probability
1.Pendahuluan
Bedasarkan data statistik kementrian komunikasi dan informasi yang bersumber dari Ditjen Postel, dapat dilihat pertumbuhan jumlah pelanggan telepon bergerak periode 2006-2010.
Gambar 1.1 Pertumbuhan Jumlah Pelanggan Telepon 2006-2010
Pada periode tersebut, terdapat tiga penyedia layanan telekomunikasi yang mengalami pengingkatan jumlah pelanggan yang cukup signifikan. Pada tahun 2006, Telkomsel memeiliki pelangan sebanyak 35 juta, Indosat sebanyak 16 juta, serta XL-Axiata sebanyak 9 juta. Dan pada tahun 2010, Telkomsel menjadi 94 juta, Indosat menjadi 44 juta, XL-Axiata menjadi 40 juta. Lonjakan tersebut juga dialami oleh operator lainnya yang belum disebutkan.
Dan berdasarkan data dari ATSI (Asosiasi Telekomunikasi Seluler INdonesia), tercatat hingga akhir 2011, jumlah pelanggan seluler di Indonesia mencapai 250 juta pelanggan. (Kompas.com 12 Januari 2012).
Dari data-data yang disampaikan
sebelumnya, jelas bahwa banyaknya
kebutuhan komunikasi semakin meningkat. Hal ini tentunya mengakibatkan persaingan antara penyedia layanan telekomunikasi (provider) semakin ketat untuk mendapatkan konsumen. Persaingan ini salah satunya adalah penyediaan Quality of Service yang optimal. Salah satu ilmu yang mempelajari
bagaimana aspek-aspek yang menjadi
indicator untuk menentukan Quality of Service adalah ilmu Rekayasa Traffic. Dengan mempelajari ilmu ini, maka mahasiswa mempunyai bekal sehingga mempunyai peluang yang lebih besar untuk masuk ke industri tersebut. Tetapi pada ilmu rekayasa traffic tersebut, terdapat banyak
perhitungan rumit, sehingga untuk
mempermudah pemahaman dan dapat
menjadi penunjang disaat pembelajaran maupun disaat praktikum ilmu rekayasa trafik diperlukan suatu aplikasi yang dapat
membantu menghitung berbagai jenis
perhitungan dalam ilmu rekayasa traffic.
2. Landasan Teori
2.1 QoS (Quality of Service) dan GoS (Grade of Service)
GoS[a] adalah persentase panggilan yang dijawab atau diarahkan kepada agen sebelum ambang batas AWT (Acceptable Waiting Time) [3].Grade of Service (GOS) merupakan
ukuran kemampuan pengguna untuk
mengakses ke sistem bercabang (trunk system) selama jam tersibuk. GOS adalah trafik yang berhubungan dengan performansi jaringan.(Rappaport,2003)[13]. Menurut definisi di atas , semakin besar nilai GoS, maka semakin baik QoS yang didapat. Grade of Service (GOS) [b] menggambarkan Probabilitas Blokir panggilan, dengan ciri khas P = 0.02 (Roger, 2004) [13]. GoS di sini berbanding dengan QoS, semakin kecil nilai GoS maka semakin baik QoS yang didapat. QoS = 1 - GoS [9].
2.2 Formula
Ada beberapa faktor yang mempengaruhi
ketika formula tersebut
digunakan,diantaranya populasi sumber (terbatas atau tak terbatas), distribusi waktu tunggu (konstan atau eksponensial) dan panggilan disposisi ketika semua server sedang sibuk (diblokir atau antri).
Gambar 2.1 Blok Diagram Formula
2.3 Erlang B
Erlang B digunakan terutama untuk
cabang pilihan pertama, dimana jika semua cabang sibuk, panggilan dialihkan ke grup lain atau diblokir.
(2.1)
Dimana Pb adalah Probabilitas Blokir, A merupakan offered traffic , dan N adalah jumlah saluran.
2.4 Erlang B Extended
Formula Erlang B dipakai dengan asumsi offered call hilang seketika, tanpa ada antrian, tetapi Extended Erlang B Formula digunakan dengan asumsi sang penelpon
yang panggilannya di-block menutup
telponnya dan langsung mencoba melakukan panggilan kembali.
2.5 Equivalent random Theory (ERT)
Dasar ERT adalah trafik yang memuncak dapat dimodelkan sebagai trafik luapan dari suatu grup cabang yang telah ditawarkan trafik secara acak. Yang dibutuhkan adalah memperkirakan trafik sesungguhnya dari trafik luapan tersebut.
(2.2) Variance-to-Mean Ratio (VMR) digunakan untuk mengukur trafik puncak. Dan diperoleh dengan rumus berikut :
(2.3)
Dimana E (A,N) adalah Probabilitas Blokir dari Erlang B, Avg adalah rata-rata trafik luapan, V(A) merupakan vaariasi dari trafik
luapan, dan E(A) merupakan rata-rata dari trafik luapan.
2.6 Engset Formula
Engset lebih tepat digunakan ketika input yang dibutuhkan adalah jumlah offered erlangs dari semua sumber, jumlah sumber dan saluran , serta Probabilitas Blokir yang diinginkan.
2.7 Erlang C
Rumus Erlang C akan menghitung
probabilitas dari antrian offered traffic, dengan asumsi panggilan yang diblokir akan tetap berada dalam sistem sampai dilayani.[12]
(2.4)
Dimana Pc is Probabilitas Tunda, and PB
adalah Probabilitas Blokir. 𝐴 = λ 𝜇⁄ (2.5) 𝜇 = 1 ℎ⁄ (2.6)
Sekarang, digunakan hubungan antara beban A (2.5), rata-rata jumlah panggilan tiap waktu λ dan rata-rata jumlah permintaan yang dilayani tiap waktu μ. Selajuntnya,
didefinisikan variabel η, yang
merepresentasikan beban 1 agen seperti berikut :
η = λ
𝑁 𝜇 (2.7)
Salah satu faktor penting dari pemanggil adalah waktu tunggu antrian. Nilai ini adalah nilai variabel acak yang didapat dari fungsi
distribusi berikut :
(2.8) Maka dimungkinkan untuk menghitung rata-rata waktu tunggu antrian Tw/W (rata-rata-rata-rata
waktu tunggu antrian sebelum panggilan ditentukan agennya) :
(2.9) Atau dapat menggunakan ini :
𝑇𝑤 = 𝑃𝑐.ℎ
𝑁(1−η) (2.10)
Dan dengan menerapkan Little theorema (2.9) dan formula (2.5) kita mendapatkan rata-rata jumlah antrian permintaan seperti berikut :
(2.11) Dengan menggunakan definisi umum fungsi distribusi dari suatu distribusi statistik dan dengan menerapkan sifat-sifatnya pada fungsi distribusi (2.18),kita dapat menurunkan rumus untuk perhitungan parameter GoS dengan nilai AWT yang diketahui.
(2.12) Rata-rata jumlah permintaan pada sistem K (dan juga rata-rata jumlah saluran yang diduduki) adalah
(2.13) Dimana kita mendapatkan nilai rata-rata waktu T dari Little Thoerma, pengeluaran kebutuhan dalam sistem:
(2.14)
3. Perancangan 3.1 Diagram Alur
Untuk menggunakan aplikasi ini, pilihkan salah satu menu yang dinginkan pada menubar. Kemudian masukkan data yang dibutuhkanuntuk melakukan perhitungan. Untuk mendapatkan hasil perhitungan silahkan klik tombol ‘Calculate’. Jika tersedia tombol ‘view the chart’ pada menu yang anda pilih, silahkan diklik jika ingin mengatahui bentuk grafik dari perhitungan yang dilakukan.
Start
Select the one of menu in menubar
At the right menu?
Entry the data needed for the calculation
Click ‘Calculate’ button to get the
answer Is ‘View the Chart’ button available? Still want to calculate in this menu? Want to change the menu?
Select ‘Exit’ menu to quit from this
application
End
Click the button to view the chart No Yes Yes No Yes No
Click ‘Reset’ button to begin new
calculation Yes
No
Gambar 3.1 Diagram Alur Sistem Aplikasi
3.2 Tampilan Perancangan
Microsoft Visual Studio C++ 2010 sebagai perangkat lunak yang digunakan dalam membangun aplikasi. Dipilihnya Microsoft
Visual Studio C++ karena bahasa
pemrogaman ini sudah mendukung GUI yang memudahkan proses pembuatan aplikasi. Berikut ini tampilan awal aplikasi.
Gambar 3.2 Antarmuka Tampilan Awal Karena form yang dibuat cukup banyak, maka hanya akan ditampilkan dua form sebagai contoh. Pertama adalah Form submenu Blocking Probability pada menu Simple Calculation.
Gambar 3.3 Form Blocking Probability Selanjutnya adalah form menu Advance
Calculation.
Gambar 3.4 Form Advance Calculation
4. Percobaan
4.1 Langkah Percobaan
Untuk bagian percobaan, dilakukan dengan cara melakukan perhitungan menggunakan program yang dibuat dan beberapa program lain dengan fungsi yang sama yang sudah
ada, atau menggunakan contoh kasus yang diambil dari materi pembelajaran ataupun jurnal dari internet.
4.2 Hasil Menu Simple Calculation
Pada menu ini ada beberapa submenu, yaitu : Erlang B, Extended Erlang B, Erlang C, Equivalent Random Theory (ERT), Engset, dan Recursive Erlang. Dari percobaan,dapat diketahui kebenaran perhitungan yang dilakukan oleh aplikasi yang dibuat,dimana hasilnya baik.
Dalam Erlang B, Beban Trafik dan Jumlah
Saluran sangat mempengaruhi hasil
Probabilitas Blokir.Dengan nilai beban trafik yang konstan dan semakin naiknya nilai jumlah saluran maka didapatkan Probabilitas Blokir yang semakin rendah. Sebaliknya dengan nilai jumlah saluran yang konstan dan semakin naiknya nilai beban trafik mengakibatkan nilai Probabilitas Blokir semakin tinggi.
Pada Extended Erlang B, Dengan
memperbesar faktor recall berarti
memperbesar nilai dari beban trafik. Karena faktor recall terjadi apabila panggilan yang masuk diblokir, kemudian panggilan akan dilakukan kembali. Dengan demikian, semakin besarnya faktor recall dan beban trafik dengan jumlah saluran yang konstan
akan membuat Probabilitas Blokir
meningkat.Untuk mendapatkan nilai
Probabilitas Blokir yang rendah dapat dilakukan dengan cara memaksimalkan jumlah saluran tanpa terpengaruh dari besar kecilnya beban saluran dan faktor recall. Pada Erlang C, Untuk mendapatkan nilai Probabilitas Tunda selain "infinity", maka jumlah saluran harus lebih besar dari beban trafik.nilai dari beban trafik dan jumlah
saluran berpengaruh terhadap nilai
Probabilitas Tunda.Untuk mendapatkan nilai minimal dari Probabilitas Tunda, dapat dilakukan dengan memaksimalkan nilai
jumlah saluran.Nilai Probabilitas Tunda akan mempengaruhi nilai dari Rata-rata waktu tunggu. Semakin besar nilai Probabilitas Tunda akan menyebabkan nilai Rata-rata
waktu tunggu meningkat, bahkan
menyebabkan nilainya menjadi
Infinity.begitu juga sebaliknya.
Dalam ERT, Sistem yang baik dapat dilihat dari berapa banyaknya panggilan yang dapat dilayani. Semakin banyak panggilan yang dilayani maka semakin kecil nilai rata-rata luapan. Dengan memaksimalkan nilai jumlah saluran maka didapatkan rata-rata luapan yang kecil. Dan nilai dari rata-rata luapan berbanding terbalik dengan nilai VMR. Semakin besar VMR menandakan semakin kecil rata-rata luapan dan berarti sistem semakin baik.
Pada Engset,Jika jumlah saluran bernilai sama atau lebih besar dari jumlah sumber, maka akan menghasilkan nilai “NaN” pada program dan “#NUM!” pada perhitungan Microsoft Excel. Nilai tersebut dikarenakan perhitungan faktorialnya bernilai minus(-). Hal ini membuktikan bahwa pada Engset Formula terjadi "limited source gain" seperti pada teori yang telah disampaikan. Sehingga jika jumlah sumber telah diketahui secara pasti, jumlah saluran yang dipakai agar lebih efisien seharusnya tidak melebihi jumlah sumbernya.
Dengan mengetahui nilai blokir yang diinginkan (%), dapat ditentukan nilai jumlah
saluran. Hampir sama seperti pada
Experiment Erlang B, dalam Recursive Erlang nilai blokir yang diinginkan semakin besar, akan menjadikan nilai Jumlah saluran semakin kecil.
4.3 Hasil Menu Relation
Untuk mendapatkan nilai Quality of Service, pertama-tama harus mendapatkan nilai
Probabilitas Blokir,baru kemudian
Probabilitas Tunda.
4.3.1 Blocking Probability Relation
Beban trafik konstan, jumlah saluran meningkat
Gambar 4.1 Grafik Relation Blocking Probability dimana beban trafik konstan dan
jumlah saluran meningkat
Pada gambar tersebut terlihat bahwa Probabilitas Blokir berbanding terbalik
dengan Quality of Service. Dengan
menambahkan nilai jumlah saluran, garis
Probabilitas Blokir menuju ke 0%.
Sedangkan garis Quality of Service menuju 100%. Untuk mendapatkan Quality of Service yang optimal bisa didapatkan dengan meminimalkan Probabilitas Blokirnya,yaitu dengan cara memperbesar nilai jumlah saluran.
Jumlah saluran konstan, beban trafik meningkat
Gambar 4.2 Grafik Relation Blocking Probability dimana jumlah saluran konstan
dan beban trafik meningkat
Pada gambar ini, Probabilitas Blokir dan Quality of Service masih bersifat berbanding
terbalik. Dengan menaikkan nilai beban trafik, maka garis Probabilitas Blokir naik ke arah 100%, sedangkan Quality of Service turun ke arah 0%.
Nilai Probabilitas Blokir berbanding terbalik dengan Quality of Service. Jumlah saluran mempunyai peran penting untuk memperoleh Quality of Service yang optimal.
4.3.2 Delay Probability Relation
Jumlah saluran meningkat dan yang lainnya konstan
Gambar 4.3 Grafik Relation Delay Probability dimana Jumlah saluran meningkat dan yang lainnya konstan Probabilitas Tunda berbanding terbalik dengan Grade of Service. Dengan menaikkan nilai jumlah saluran, maka garis Probabilitas Tunda menuju ke 0%, sedangkan garis Grade of Service menuju ke 100%. Untuk mendapatkan Grade of Service yang optimal,
bisa didapatkan dengan cara
memaksimalkan nilai jumlah saluran. Beban trafik meningkat dan yang
lainnya konstan
Gambar 4.4 Grafik Relation Delay Probability dimana Beban trafik meningkat dan yang lainnya konstan Dengan menaikkan nilai beban trafik maka garis Probabilitas Tunda menuju ke 100%, sedangkan Grade of Service menuju ke 0%. Dengan tingginya beban trafik akan menyebabkan nilai Grade of Service menjadi kecil, sehingga untuk mengoptimalkan Grade of Service bisa dilakukan dengan cara menaikkan nilai jumlah salurannya.
Jika dilihat dari input beban trafik dan jumlah
saluran maka didapatkan hubungan
berbanding terbalik antara Probabilitas Tunda dan Grade of Service. Semakin besar jumlah saluran atau semakin kecil beban trafik maka semakin kecil Probabilitas Tunda dan semakin besar Grade of Service.
Perubahan Acceptable Waiting Time dan Average Call Processing Time tidak mempengaruhi nilai Probabilitas Tunda, tetapi mempengaruhi nilai Grade of Service. Hubungan Acceptable Waiting Time dengan Grade of Service adalah berbanding lurus.
Sedangkan hubungan Average Call
Processing Time dengan Grade of Service adalah berbanding terbalik.
4.4 Hasil Menu Advance Calculation
Pada percobaan ini dibutuhkan 4 parameter inputan, yaitu Average Calls per Time, Average Call Processing Time, jumlah saluran dan Acceptable Waiting Time. Supaya bisa diketahui bentuk grafik sebagai hasil akhir, maka nilai inputan tersebut diatur dengan nilai tertentu yaitu Average Calls per Time sebesar 667 calls/hour, Average Call Processing Time sebesar 2.5 minutes, rentang jumlah saluran dimulai dari 28 sampai 35, dan Acceptable Waiting Time sebesar 20 detik. Dari keempat inputan tersebut didapatkan hasil seperti berikut :
Tabel 4.1 Tabel Hasil Perhitungan Advance Calculation
Dari tabel di atas, hanya diambil 4 parameter yang dianggap mewakili Quality of Service untuk menentukan jumlah saluran yang tepat. Keempat parameter itu adalah Probabilitas Tunda, Grade of Service[a], Average Call Waiting Time dan Average Utilization of Lines / load by agent.
Gambar 4.5 Grafik Advance Calculation Dari nilai range jumlah saluran yang telah diinputkan diatas, berapa nilai jumlah saluran paling efisien untuk Quality of Service yang optimal?
Jika dilihat dari parameter Probabilitas Tunda, jumlah saluran terbesar yaitu 35 adalah yang paling tepat, Karena dengan jumlah saluran sebesar 35 didaptkan Probabilitas Tunda yang terkecil.
Jika dilihat dari parameter Average Call Waiting Time, harus diperhatikan juga bahwa nilai Acceptable Waiting Time sebesar 20 detik. Nilai jumlah saluran yang dapat diterima hanyalah yang nilai Average Call Waiting Time sama atau lebih kecil dari 20
detik. Karena rentang Average Call Waiting sangat panjang, maka untuk mendapatkan nilai jumlah saluran diperlukan bantuan table 4.1. Jadi, jumlah saluran yang tepat adalah 32 sampai 35.
Jika dilihat dari parameter Grade of Service[a], jumlah saluran dengan nilai Grade of Service yang semakin besar akan semakin bagus. Pada percobaan ini, nilai Grade of Service yang dapat diterima adalah diatas 80%. Maka jumlah saluran yang memenuhi syarat ini adalah 32 sampai 35.
Jika dilihat dari parameter Average Utilization of Lines/ Load by Agent, semakin besar nilainya maka semakin bagus. Tetapi pada kenyataannya Utilization of Lines / Load by Agent ini tidak akan mampu mencapai 100%. Oleh karena itu, pada percobaan ini akan diberikan batasan nilai pada parameter tersebut. Average Utilization of Lines/ Load by Agent yang dapat diterima nilainya berkisar 80% hinngga 90%. Dari syarat tersebut, Nilai jumlah saluran yang dapat diambil adalah 31 sampai 34.
Dari keempat parameter tersebut didapatkan rentang jumlah saluran yang berbeda. Jika diberikan batasan pada Probabilitas Tunda dengan nilai yang dapat diterima kurang dari 35%, maka rentang jumlah saluran adalah 32 sampai 35. Dengan begitu nilai jumlah saluran yang memenuhi syarat keempat parameter tersebut adalah 32 sampai 34. Jumlah saluran sebesar 32 memberikan hasil yang kurang optimal dibandingakan dengan jumlah saluran sebesar 33. Dari rentang tersebut, direkomendasikan 33 adalah nilai yang tepat untuk jumlah saluran.
Hanya sedikit selisih yang terjadi antara jumlah saluran sebesar 33 dan 34. Sehingga jika dipilih jumlah saluran sebesar 34, akan terjadi ketidak efisienan terhadap biaya yang dikeluarkan. Jadi, dengan mengambil jumlah saluran sebesar 33 adalah pilihan yang tepat.
5. Kesimpulan
1.Beban trafik dan jumlah saluran memiliki peranan penting dalam perhitungan parameter-parameter Quality of Service. Semakin kecil beban trafik dan semakin besar jumlah saluran akan menghasilkan Quality of Service yang bagus.
2.Penilaian Quality of Service dilihat dari beberapa parameter yang telah ditentukan, yaitu dari Probabilitas Blokir, Probabilitas Tunda, Grade of Service[a], Average Call Waiting Time dan Average Utilization of Lines / load by agent. Semakin kecil nilai Probabilitas Blokir, Probabilitas Tunda, dan Average Call Waiting Time maka semakin bagus Quality of Service. Semakin besar nilai Grade of Service[a] dan Average Utilization of Lines / load by agent maka semakin bagus pula Quality of Service yang didapat.
Daftar Pustaka
[1] Chromý, Erik, Matej Kavacký,
Asynchronous Networks and Erlang
Formulas, International Journal of
Communication Networks and Information Security (IJCNIS), Volume 2 Number 2, August 2010.
[2] Chromy,Erik, Jan Diezka, Matus Kovacik, Matej Kavacky, Traffic Analysis in Contact Centers, Slovak University of Technology Bratislava, the scope of project VEGA No. 1/0565/09.
[3] Chromy, Erik, Tiboe Misuth, Matej Kavacky, Erlang C Formula and Its Use in The Call Centers, Advances In Electrical And Electronics Engineering (AEEE) ISSN 1804-3119, VOL. 9, NO. 1, MARCH 2011. [4] Chromy, Erik, Tibor Misuth, Adam Weber, Application of Erlang Formulae in Next Generation Networks, I. J. Computer
Network and Information Security, 2012, 1, 59-66, DOI: 10.5815/ijcnis.2012.01.08. [5] Gupta, V.K.., Muntaser Abdelsalam F.A., Mohamed Seidi A.H., Grade of Service in End-To-End Service Quality of Service Broadband Networks, International Journal of Advanced Research in Computer Science and Software Engineering (ijarcsse), Volume 2, Issue 12, December 2012.
[6] Saklani, Ashis, Dr.Ashish Negi, The Mechanism of Quality of Service (Qos) In Computer Networks and Its Methodologies, The International Journal Of Engineering And Science (IJES), ISSN(e): 2319 – 1813 ISSN(p): 2319 – 1805, Volume 2, Issue 6, 2013.
[7] Rinastuti,Felly K., Imam Santoso, Budi Setiyono, Studi Analisis Trafik Layanan Phone Banking, Universitas Diponegoro Semarang, 2008.
[8] Francisca, Joanna S., Ajulian Z., Analisis Kegagalan Panggilan dan GoS (Grade of Service) pada Sentral Telepon Digital PT.Telkom Indonesia Divisi Regional !V Provinsi Jawa Tengah dan DIY, Universitas Diponegoro Semarang.
[9] AlKautsar, Muhammad Firdaus., Mike Yuliana, Reni Soelistijorini, Implementasi Formula Erlang B untuk Menentukan QoS (Quality of Service) dan Peramalan Data Call Center Berbasis Arsitek For Java, Politeknik Elektronika Negeri Surabaya ITS,
http://repo.eepis-its.edu/ITS-paper-27185-7207040004-Paper.pdf diunduh pada
November 2013.
[10] Arisandi, Melly, Ajulian, Ajub Z., Analisis dan Perbandingan Trafik Jaringan Softswitch Tiap Trunk pada Bulan Januari dan Februari di STO Majapahit PT.Telkom Divisi Regional IV Provinsi Jawa Tengah dan DIY, Universitas Diponegoro Semarang.
[11] Tanner, Mike, The Erlang-C Formula,
Copyright MITAN Ltd 2000,
www.mitan.co.uk/erlang/elgcmath.htm
diunduh pada November 2013.
[12] Parkinson, Richard, Traffic Engineering
Techniques in Telecommunication,
Copyright INFOTEL SYSTEMS CORP. [13] Osahenvemwen O.A., Emagbetere J., Traffic Analysis in Mobile Communication in Nigeria, Journal of Emerging Trends in Engineering and Applied Sciences (JETEAS) 3 (2): 239-143, ISSN: 2141-7016, 2012.
