Model
Model Loss
Loss Sistem
Sistem
Anhar
Anhar
Prodi Teknik Elektro S1
Prodi Teknik Elektro S1
UR
UR
Topik Bahasan
Topik Bahasan....
Notasi Model Antrian (Kendall)
Model Poisson (
∞
customers,
∞
servers)
Model Erlang (
∞
customers, n <
∞
servers)
Binomial model (k <
∞
customers, n = k
servers)
Engset model (k <
∞
customers, n < k
servers)
Notasi Model Antrian (Kendall)
Notasi Model Antrian (Kendall)
A/B/n/p/k
– A menyatakan proses kedatangan
Interarrival time distribution:
M= exponential (memoryless) D= deterministic
G= general
– B menyatakan waktu pelayanan (service times)
Service time distribution:
M= exponential (memoryless) D= deterministic
G= general
– n = jumlah server
– p = jumlah tempat dalam sistem = jumlah server + tempat menunggu
3
Notasi Model Antrian (Kendall)
Notasi Model Antrian (Kendall)
(cont.)
(cont.)
◦ k = populasi pelanggan
◦ Nilai-nilai default (biasanya tidak dimunculkan) :
p = ∞, k = ∞ ◦ Contoh: M/M/1 M/D/1 M/G/1 G/G/1 M/M/n M/M/n/n+m M/M/∞(Poisson model) M/M/n/n (Erlang model) M/M/k/k/k (Binomial model) M/M/n/n/k (Engset model, n < k)
Model Poisson (M/M/
Model Poisson (M/M/
∞
∞
))
Model Poisson didefinisikan menggunakan model teletraffic
berikut :
– Kedatangan panggilan acak (random arrival/Pure Chance Traffic) dan independent satu sama lain
– Selang waktu antar kedatangan terdistribusi eksponensial negatif
– Jumlah sumber panggilan (customer) tak terhingga (k= ∞) – Laju rata-rata datangnya panggilan konstan (a=λ)
Tak tergantung jumlah pendudukan yang sudah ada karena sumber panggilan tak terhingga
– Jumlah server yang melayani tak terhingga
Setiap panggilan yang datang selalu dapat dilayani (lossless)
– Pola waktu pelayanan/pendudukan terdistribusi exponensial negatif dengan waktu pelayanan/pendudukan (service time) rata-rata = h = 1/µ
– Harga rata-rata trafik sama dengan harga variansinya
– Tidak ada buffer
– Intensitas trafik = a = λ/µ
5
Diagram Transisi Kondisi
Diagram Transisi Kondisi
Misalnya X(t) menyatakan jumlah customer di dalam sistem
pada saat t
Asumsikan bahwa X(t) = i pada suatu waktu t, dan kita lihat
apa saja kemungkinan yang terjadi di dalam selang waktu yang
sangat pendek (t, t+dt] :
◦ dengan peluang sebesar λdt + o(dt), bisa terdapat seorang pelanggan baru datang (transisi kondisi n →n+1)
◦ jika i > 0, dengan peluang sebesar iµdt + o(dt) bisa terdapat seorang pelanggan yang meninggalkan sistem (transisi kondisi n →n−1)
X(t) merupakan suatu proses Markov dengan diagram transisi
kondisi sebagai berikut
•
Persamaan kesetimbangan lokal
•
Normalisasi
•
Maka distribusi dalam kondisi setimbang adalah Poisson
7
.
0,1,2,3,..
n
,
!
)
1
(
)
1
(
)
1
(
0 1 1=
=
+
=
+
=
+
=
+ +p
n
a
p
p
n
a
p
n
p
n
p
p
n i i i n n nµ
λ
µ
λ
a a n n n n n ne
e
n
a
p
n
a
p
p
− − − ∞ = ∞ = ∞ ==
=
=
=
=
∑
∑
∑
1 1 0 0 0 0 0)
(
!
1
!
.
0,1,2,3,..
n
,
!
}
{
=
=
=
−a=
n ie
n
a
p
i
X
P
Sifat penting distribusi Poisson
◦ E [X] = a, D
2[X] = a
◦ Seluruh trafik yang ditawarkan akan dapat diolah
oleh server, artinya tidak ada trafik yang hilang
(lossless)
Oleh karena itu trafik yang ditawarkan akan sama dengan
trafik yang dimuat atau A = Y
Model Erlang (M/M/n/n)
Model Erlang (M/M/n/n)
Model Erlang didefinisikan menggunakan model teletraffic
berikut
– Jumlah sumber panggilan tak terhingga (k=∞)
– Selang waktu antar kedatangan terdistribusi eksponensial negatif dengan rata-rata 1/λ
Pola kedatangan panggilan terdistribusi Poisson dengan laju rata-rata datangnya panggilan konstan (λ)
Kedatangan panggilan acak (random arrival) dan independent satu sama lain Tak tergantung jumlah pendudukan yang sudah ada karena sumber panggilan tak terhingga
– Jumlah server terbatas (n < ∞) dan tidak ada buffer
Tidak setiap panggilan yang datang selalu dapat dilayani; panggilan yang datang pada saat semua server sibuk akan tidak dapat dilayani
panggilan-panggilan yang tidak dapat dilayani akan dihilangkan (lossy) : sistem rugi murni
– Pola waktu pelayanan/pendudukan terdistribusi exponensial negatif dengan waktu pelayanan/pendudukan rata-rata = h = 1/µ
– Intensitas trafik = a = λ/µ
9
Rumus Rugi Erlang
Dapat digunakan untuk menghitung prosentase
panggilan yang hilang bila trafik yang ditawarkan
dan jumlah server (ingat, server bisa berupa
berkas saluran keluar, timeslot dsb.) diketahui
Penurunan rumus menggunakan diagram transisi
kondisi dan persamaan kesetimbangan
–
Koefisien kelahiran =
λ
(konstan)
–
Koefisien kematian = n
µ
λP(0) = 1µP(1) A.P(0) = 1.P(1) A.P(1) = 2.P(2) A.P(2) = 3.P(3) .. . A.P(n-1) = n.P(n) . . . A.P(N-1) = N.P(N) 11 0 1 2 λ λ λ λ (N-1)µ 3µ 2µ µ N-1 N λ Nµ
• Dari persamaan kesetimbangan tersebut bisa kita peroleh
P(n) = P(n-1) = P(n-2)= P(n-3)= … = P(0) • Jadi P(n) = P(0), dengan n = 0,1,2,…,N • Mencari P(0) : – 1 = P(n) = P(0) { 1+A+ + + … + } – Jadi P(0) = A n A2 n(n-1) A3 n(n-1)(n-2) An n! An n! An n!
Σ
n=0 NΣ
n=0 N A2 2! A2 2! A3 3! A3 3! AN N! AN N! 1Σ
n=0 NΣ
n=0 N An n! An n!•
Sehingga
•
Untuk n = 0,1,2,3,…, N
•
P(N) = Probabilitas bahwa semua server sibuk;
selama waktu ini semua panggilan yang datang
ditolak (dihilangkan)
13P(n) =
A
nn!
1+A+ + … +
A
22!
A
NN!
Simbol untuk menyatakan P(N)
◦ E
1,N(A)
◦ E
N(A)
◦ B (Blocking)
◦ Rumus Rugi Erlang
◦ Rumus Erlang-B
◦ B(N,A)
◦ Grade of Service (GOS)
Dari segi nilai, GOS = Blocking
Dari segi pengertian, GOS merupakan komplemen dari
Blocking
Jadi
15P(N) = E
1,N(A) = E
N(A) = B =
A
NN!
1+A+ + … +
A
22!
A
NN!
Ditabelkan
Kongesti Waktu dan Kongesti Panggilan
Probabilitas kondisi adalah lamanya waktu suatu
kondisi berlangsung selama satu jam pengamatan
(jam sibuk), maka
P(N) dapat diartikan sebagai lamanya waktu
dimana semua server (=N) sibuk berlangsung
dalam jam jam sibuk sehingga P(N) disebut pula
sebagai Kongesti Waktu (Time Congestion)
Dapat pula dikatakan :
17
• Pengertian Kongesti Panggilan = R(N)
• Atau dengan kata lain :
R(N) adalah bagian panggilan yang ditolak
• Untuk kedatangan yang acak P(N) = R(N)
R(N) =
Jumlah panggilan yang ditolak
Jumlah panggilan selama 1 jam
Efisiensi dan Kepekaan
Efisiensi (= A/N)
◦ Untuk B tertentu, dengan bertambahnya A, akan
diperlukan N yang lebih besar pula
◦ Makin besar A, makin besar (baik) efisiensinya
B = 1%
N
A
A/N
2
0,15
0,075
4
0,87
0,215
Kepekaan
◦ Seberapa besar pengaruh perubahan A terhadap
perubahan B untuk N tetap
◦ Makin besar A, makin besar kepekaaannya (perubahan
B-nya)
19
B = 1%
N A 1,1A (A naik 1%) Trafik 1,1A dan dengan N
tetap; B berubah menjadi
2 0,15 0,165 0,012 (=1,2 %) 4 0,87 0,957 0,013 (=1,3 %) 10 4,46 4,906 0,015 (=1,5 %) 50 37,90 41,690 0,030 (=3,0 %)
Model Erlang dapat diterapkan pada trafik
telepon di dalam suatu berkas saluran trunk
dimana jumlah user yang menggunakannya
sangat banyak
◦ customer = call
−λ
= call arrival rate (calls per time unit)
◦ h = 1/µ = average call holding time (time units)
◦ a =
λ
/µ = traffic intensity
21
• Harga rata-rata trafik yang dimuat oleh berkas
saluran (pada rumus Erlang)
– Merupakan jumlah saluran rata-rata yang diduduki
(selama waktu 1 jam sibuk)
– Y = trafik yang dimuat =
– Y = A [ -B + 1]
Σ
n=0 NΣ
n=0 N n.P(n)=Σ
n=0 NΣ
n=0 N An/(n-1)!Σ
j=0 NΣ
j=0 N Aj/j! = AΣ
n=0 NΣ
n=0 N An-1/(n-1)!Σ
j=0 NΣ
j=0 N Aj/j! = A A N/N!Σ
j=0 NΣ
j=0 N Aj/j! +Σ
n=0 NΣ
n=0 N An/n!Σ
j=0 NΣ
j=0 N Aj/j! -B 1Jadi :
◦ Y = A[1-B] atau
◦ A = Y + AB
A = Trafik yang ditawarkan (rata-rata)
Y = Trafik yang dimuat (rata-rata)
AB = R = Trafik yang ditolak (hilang)
Rumus Rekursif Erlang
Rumus Rekursif Erlang
23
E
n+1(A)=
A
n+1/(n+1)!
1+A+ A
22!
A
n+1(n+1)!
+…+
=
[A/(n+1)] A
n/n!
1+A+ A
22!
A
n+1(n+1)!
+…+
Rumus Rekursif Erlang (2)
Rumus Rekursif Erlang (2)
E
n+1(A)=
A
n/n!
1+A+ A
22!
A
nn!
+…+
A
n+1/(n+1)!
1+A+ A
22!
A
n+1(n+1)!
+…+
A
(n+1) 1+
Rumus Rekursif Erlang (3)
Rumus Rekursif Erlang (3)
25
E
n+1(A)=
A
n+1/(n+1)!
1+A+ A
22!
A
nn!
+…+
A.E
n(A)
(n+1) 1+
A
(n+1)
=
E
n(A)
A.E
n(A)
(n+1) 1+
A
(n+1)
Rumus Rekursif Erlang (4)
Rumus Rekursif Erlang (4)
E
n+1(A)=
A.E
n(A)
n + 1 + A.E
n(A)
Jadi
atau
E
n(A)=
A.E
n-1(A)
n + 1 + A.E
n-1(A)
Rumus Rekursif Erlang (5)
Rumus Rekursif Erlang (5)
Misalkan akan dihitung blocking dari suatu
sistem dengan A=15,7 Erlang dan N=10
saluran
Perhitungannya dimulai dengan n=0 yaitu
E
0
(15,7)=1 dan seterusnya sampai E
10
(15,7)
27
latihan
latihan
Dua buah PABX akan dihubungkan satu
sama lain. Trafik total yg ditawarkan dari
PABX A ke PABX B adalah 25 erlang,
demikian pula sebaliknya. Bila blocking
pada berkas saluran penghubung
diinginkan 1%, tentukan :
◦ Hitung jmlh saluran yg harus disediakan bila
digunakan sirkuit one way.
◦ Hitung jmlh saluran yg harus disediakan bila
digunakan sirkuit two way.
Suatu berkas saluran terdiri dari 18
saluran. Ditawari trafik dng laju
kedatangan panggilan 480 panggilan/jam
dan rata-rata waktu pendudukan selama
105 detik. Bila kedatangan panggilan
terdistribusi Poisson, hitung trafik yg
ditawarkan, time congestion, call
congestion dan jumlah panggilan yg ditolak
rata-rata perjamnya.
29
Model Binomial (M/M/k/k/k)
Model Binomial (M/M/k/k/k)
Model Binomial didefinisikan oleh model
teletraffic berikut :
–
Jumlah sustomer terbatas tapi independen satu sama
lain (k <
∞
)
on-off type customers (alternating between idleness and activity)
–
Idle times terdistribusi eksponensial negatif dengan mean
1/
υ
–
Jumlah server sama dengan jumlah customer (n = k)
–
Waktu pelayanan terdistribusi eksponensial negatif
dengan mean 1/µ
–
Tidak ada buffer
On
On--off tye customer
off tye customer
Misalkan X
j(t) menyatakan kondisi dari customer j ( j =
1,2,…,k ) pada waktu t
State 0 = idle, state 1 = active = dalam pelayanan
Kita lihat peristiwa yang terjadi selama selang waktu yang
sangat singkat (t, t+h]:
◦ Jika Xj(t) = 0, customer menjadi aktif (terjadi transisi dari 0 ke 1)
dengan peluang sebesar υh + o(h),
◦ Jika Xj(t) = 1, customer menjadi idle (terjadi transisi dari 1 ke 0)
dengan peluang sebesar µh + o(h)
Proses X
j(t) merupakan proses Markov dengan diagram
transisi kondisi sebagai berikut
31
Persamaan kesetimbangan lokal :
• Normalisasi :
• Dengan demikian distribusi pada kondisi setimbang dari seorang
customer adalah distribusi Bernoulli dengan peluang sukses
sebesar
υ
/(
υ
+µ)
• offered traffic adalah
υ
/(
υ
+µ)
• Dari sini kita bisa mengambil deduksi bahwa distribusi pada kondisi
setimbang dari kondisi sistem secara keseluruhan (yaitu jumlah
Diagram Transisi Kondisi
Diagram Transisi Kondisi
Misalnya X(t) menyatakan jumlah customer yang aktif
◦ Asumsikan bahwa X(t) = i pada saat t, dan kita perhatikan kejadian selama selang waktu yang sangat singkat (t, t+h]:
Jika i < k, seorang customer yang idle menjadi aktif (terjadi transisi kondisi dari i ke i+1) dengan peluang sebesar (k−i)υh + o(h)
Jika i > 0, seorang customer yang aktif menjadi idle (terjadi transisi kondisi dari i ke i-1) dengan peluang iµh + o(h), Proses X(t) adalah proses Markov dengan diagram transisi kondisi sebagai berikut
33
Persamaan kesetimbangan lokal
Jadi distribusi dalam kondisi setimbang adalah
binomial
35
Model Engset (M/M/n/n/k)
Model Engset (M/M/n/n/k)
Model Engset didefinisikan oleh model teletraffic
berikut :
–
Jumlah pelanggan terbatas tetapi independen satu sama
lain (k <
∞
)
on-off type customers (alternating between idleness and activity)
–
Idle times terdistribusi eksponensial negatif dengan mean
1/
υ
–
Jumlah server lebih kecil daripada jumlah customer (n <
k)
–
Waktu pelayanan terdistribusi eksponensial negatif dengan
mean 1/µ
–
Tidak ada buffer
Diagram Transisi Kondisi
Diagram Transisi Kondisi
Misalnya X(t) menyatakan jumlah customer yang
aktif
◦ Asumsikan X(t) = i pada saat t, dan kita perhatikan apa
yang terjadi selama selang waktu yang sangat singkat (t,
t+h]:
Jika i < n, seorang customer yang idle menjadi aktif (terjadi transisi kondisi dari i ke i+1) dengan peluang sebesar (k−i)υh + o(h)
Jika i > 0, seorang customer yang aktif menjadi idle (terjadi transisi kondisi dari i-1 ke i) dengan peluang iµh + o(h),
◦ Proses X(t) merupakan proses Markov dengan diagram
transisi kondisi sebagai berikut
37
Persamaan kesetimbangan lokal
Jadi distribusi pada kondisi setimbang adalah
truncated binomial distribution:
39