Birth and Death Process parth 1

Outline
Markov Processes
Discrete Time Markov Chain Homogeneous, Irreducible, Transient/Recurrent,

Periodic/Aperiodic Ergodic Stationary Probability Transient Behavior Birth-Death Process

Estu Sinduningrum, ST, MT

Markov Processes
X(t) adalah suatu Markov Process jika memenuhi Markov

(Memoryless) Property

X(t) hanya tergantung pd kondisi (state) saat ini

Sejarah masa lalu summarized pada kondisi (state) saat ini

Estu Sinduningrum, ST, MT

Dari Markov Processes

Discrete Time Markov Process:

Perubahan state terjadi pd titik-titik integer Continuous Time Markov Process: Perubahan state terjadi pd sembarang waktu

Estu Sinduningrum, ST, MT

Dari Markov Processes

Markov Chain:

Discrete State Space Markov Process Discrete Time Markov Chain: Perubahan state (discrete state) terjadi pd titik-titik integer Continuous Time Markov Chain Perubahan state (discrete state) terjadi pd sembarang waktu

Estu Sinduningrum, ST, MT

Discrete Time Markov Chains

Dapat berada pada satu Discrete state (position)

dan diizinkan untuk berubah state pada Waktu discrete

Estu Sinduningrum, ST, MT

Discrete Time Markov Chains

Estu Sinduningrum, ST, MT

Discrete Time Markov Chains

Dari initial probability dan one-step transition

probability, Kita dapat mencari probability of being in various states at time n

Estu Sinduningrum, ST, MT

Homogeneous Markov Chain

Jika transition probabilities adalah independent thd n,

maka disebut Homogeneous Markov Chain Let pij P[Xn = j | Xn-1= i ] Kita ada pada state i dan akan menuju pada state j pada langkah berikutnya State transition probabilitas Hanya akan tergantung pada initial probability dan transition probability, tidak tergantung pada transition time

Estu Sinduningrum, ST, MT

Homogeneous Markov Chain

m-step transition probabilities adalah:

Estu Sinduningrum, ST, MT

Homogeneous Markov Chain

Estu Sinduningrum, ST, MT

Irreducible Markov Chain

Suatu Markov Chain adalah irreducible jika setiap state

dapat dicapai dari setiap state lain dlm jumlah step yang terbatas/finite

Estu Sinduningrum, ST, MT

Not Irreducible Markov Chain

Kasus 1
Utk A = set semua states dlm suatu Markov chain A1 A

Jika tidak ada satu one-step transition dari state A1 ke A1c

A1 didefinisikan sebagai Closed

Estu Sinduningrum, ST, MT

Not Irreducible Markov Chain

Kasus 2
Untuk A = set semua states pada suatu Markov chain A1 A

Jika A1 terdiri dari satu atau lebih state Ei dimana begitu berada

pada state Ei, proses tidak dapat bergerak ke state-state lain Ei disebut Absorbing State pii = 1

Estu Sinduningrum, ST, MT

Transient atau Recurrent States

fj(n) = P[proses pertama-tama kembali ke state j setelah

meninggalkan state j pd n steps] fj = P[proses kembali ke state j setelah meninggalkan state j]

Mj = Mean recurrence time dari state j

Estu Sinduningrum, ST, MT

Transient atau Recurrent States

Jika fj < 1
State Ej disebut Transient State

Jika fj = 1
State Ej disebut Recurrent State
Jika Mj = State Ej disebut Recurrent Null State Jika Mj < State Ej disebut Recurrent Nonnull State

Estu Sinduningrum, ST, MT

Periodic atau Aperiodic

Mis = integer Jika step-step yg hanya mungkin proses

kembali ke state Ei adalah , 2, 3, Jika > 1 dan adalah integer terbesar State Ei disebut Periodic Recurrence time untuk state Ej mempunyai period Jika = 1 State Ei disebut Aperiodic
Estu Sinduningrum, ST, MT

Ergodicity
Ej = Ergodic jika Ej = Aperiodic dan Recurrent Nonnull

fj = 1, Mj < , dan = 1 Suatu Markov Chain adalah ergodic jika semua states dari Markov Chain adalah

ergodic Jika jumlah states adalah terbatas/finite dan semua states dari Markov Chain adalah aperiodic, dan irreducible
Estu Sinduningrum, ST, MT

Teorema 1
States dari suatu irreducible Markov Chain adalah
semua transient atau semua recurrent non null atau

semua recurrent null Jika periodic, maka semua states mempunyai Perioda

sama

Estu Sinduningrum, ST, MT

Definisi
Mis

= P[menemukan sistem pd state Ej pd step ke-n] (n) = P[X = j] j n Mis j = Stationary Probability = P[ada pd state j pd sembarang waktu] = limiting state probabilities

(n) j

Estu Sinduningrum, ST, MT

Teorema 2
Pada suatu irreducible dan aperiodic, homogeneous Markov

Chain, Limiting state probabilities [ j] selalu eksis dan independent dari initial state probability distribution [ j(0)]

Estu Sinduningrum, ST, MT

Teorema 2
Apakah
Kasus (a) Semua state adalah transient atau Semua state adalah recurrent null j=0 j Tdk ada stationary distribution eksis Atau kasus (b) Semua state adalah recurrent nonnull j>0 j Stationary distribution eksis j = 1/Mj

Estu Sinduningrum, ST, MT

Solusi untuk

Estu Sinduningrum, ST, MT

Contoh Markov Chain

Mengendarai mobil dari kota ke kota

Estu Sinduningrum, ST, MT

Contoh Markov Chain

Mis P = Matriks transition probability

= [pij] Mis = [ 0, 1, 2, ] dari Balance equation = P

Estu Sinduningrum, ST, MT

Contoh Markov Chain

Estu Sinduningrum, ST, MT

Contoh Markov Chain

Estu Sinduningrum, ST, MT

Contoh Markov Chain

Ini adalah stationary (equilibrium) state probability

Ini adalah ergodic Markov Chain Jumlah state terbatas Irreducible

Estu Sinduningrum, ST, MT

Transient Behavior

Transient Behavior
Transient / Steady State Transient behavior : Suatu tipikal kelakuan sistem

yang tergantung pada kondisi inisial (mis. booting up atau recovering dari suatu kegagalan komponen)
Steady state behavior : kelakuan operasi normal dari

sistem independent terhadap kondisi inisial

Estu Sinduningrum, ST, MT

Birth and Death Process

Konsep Birth and Death Process dan Teorema Kedatangan Trafik

Konsep

terpenting untuk memahami perilaku trafik telekomunikasi, yaitu point process dan arrival process. Prinsip utama pemodelan trafik telekomunikasi adalah mengacu pada point process , dimana kedatangan atau selesai dilayaninya paket-paket digambarkan pada waktu yang berbeda. Konsep kedua dalam rekayasa trafik telekomunikasi adalah birth and death process yang sering dimanfaatkan untuk menurunkan persamaan fungsi distribusi trafik telekomunikasi. Birth and death process adalah Teknik penurunan persamaan fungsi densitas trafik telekomunikasi yang paling sederhana.
Estu Sinduningrum, ST, MT

Birth-Death Process
Suatu Markov Process
Homogeneous, aperiodic, dan irreducible Discrete time / Continuous time

Perubahan state hanya dapat terjadi antar tetangga

Birth-Death Process
Ukuran populasi
Sistem ada dlm state Ek jika terdiri dari k anggota Perubahan dlm ukuran populasi terjadi paling banyak satu

Ukuran bertambah satu Birth

Ukuran berkurang satu Death

Transition probabilities pij tdk berubah dg waktu

Birth-Death Process

Birth-Death Process

= death (berkurang satu dlm ukuran populasi) 0 = 0 (tdk ada population no death) i = birth (bertambah satu dlm populasi) i > 0 (birth dibolehkan) Pure Birth = tdk ada pengurangan/ decrement, hanya penambahan/increment Pure Death = tdk ada penambahan/ increment, hanya pengurangan/ decrement
i

Model Teori Antrian

Populasi = pelanggan/customers dlm sistem antrian
Death = satu pelanggan meninggalkan sistem Birth = stau pelanggan datang ke sistem

Matriks Transisi

Densitas traffic (Kepadatan trafik)

Kepadatan adalah pengukuran terhadap kondisi arus lalu lintas yang

didefinisikan sebagai jumlah kendaraan yang menempati suatu ruas jalan tertentu atau jalut, yang biasanya dinyatakan dalam satuan
kendaraan per kilometer (smp per kilometer per lajur.
Kepadatan sulit

untuk mengukur secara langsung, biasanya

diperlukan titik ketinggian yang cukup sehingga kendaraan dapat diamati dalam suatu ruas tentu. Namun demikian kepadatan dapat dihitung dari kecepatan dan volume.
Estu Sinduningrum, ST, MT

Densitas traffic (Kepadatan trafik)

F=SxD
D=F:S Dengan :

F = Arus lalu lintas (smp/jam atau kend/jam),

S = Kecepatan tengah berdasarkan ruang (km/jam), D = Kepadatan (smp/km atau kend/km).

Estu Sinduningrum, ST, MT

Diagram Transisi State dari Birth and death process

State (i-1), (i) dan (i+1) menyatakan situasi dan kondisi saat ada sejumlah (i-1), atau (i) atau (i+1) paket atau layanan telekomunikasi sedang dilayani oleh server. Adanya kedatangan satu paket atau layanan yang baru, dianalogikan sebagai suatu kelahiran dengan rate sebesar koefisien kelahiran.

Adanya satu paket atau layanan yang selesai dilayani dianalogikan sebagai suatu kematian dengan rate sebesar koefisien kelahiran.

Estu Sinduningrum, ST, MT

Birth and death process

Birth and death process pada trafik telekomunikasi, adalah proses

bertambahnya suatu paket atau layanan yang datang atau minta dilayani yang dianalogikan sebagai kelahiran, sementara selesai
dilayaninya oleh server, suatu paket atau layanan dianalogikan dengan kematian.

Estu Sinduningrum, ST, MT

Global balance
Asumsi terjadi keseimbangan statistik terjadi , maka berlaku prinsip

global balance, berlaku 2 persamaan: 1. Node equations : Situasi yang terjadi pada saat awal kesetimbangan statistik, dimana kita hanya memperhatikan state 0, yang berarti belum ada paket atau layanan yang datang. Maka hanya ada dua kemungkinan yang terjadi: a. State 0 akan bertransisi menjadi state l dengan probabilitas sebesar probabilitas terjadinya state 0 {= p(0)} dikalikan koefisien kelahiran (0) = {bc(0) = birth coefficient (0)) , dan b. State 1 akan bertransisi menjadi state (0) dengan probabilitas sebesar probabilitas terjadinya state 1 {= p(1)} dikalikan koefisien kematian (1) {dc(1) = death coefficient (1)}. Dengan asumsi terjadi kesetimbangan statistik maka dua kemungkinan tersebut haruslah sama besar, sehingga bisa dituliskan dalam bentuk persamaan:
Estu Sinduningrum, ST, MT

Global balance
2. a.

Cut Equations; pengamatan pada node secara random, yaitu state (i). pada saat terjadi kesetimbangan statistic pada state (i), terdapat empat kemungkinan:
State (i) akan bertransisi menjadi state (i+1) dengan probabilitas sebesar probabilitas terjadinya state I {= p(i)} dikalikan koefisien kelahiran (i) = {bc(i) = birth coefficient (i)),

b.

c.

d.

state (i) akan bertransisi menjadi state (i-1)) dengan probabilitas sebesar probabilitas terjadinya state I {= p(i)} dikalikan koefisien kematian ke (i) {dc(i) = death coefficient (i)}, State (i-1) akan bertransisi menjadi state (i) dengan probabilitas sebesar probabilitas terjadinya state (i-1) {= p(i-1)} dikalikan koefisien kelahiran (i-1) = {bc(i-1) = birth coefficient (i-1)} dan state (i+1) akan bertransisi menjadi state (i)) dengan probabilitas sebesar probabilitas terjadinya state (i+1 {= p(i+1)) dikalikan koefisien kematian ke (i+1) {dc(i+1) = death coefficient (i+1)}.
Estu Sinduningrum, ST, MT

 Dengan asumsi terjadi kesetimbangan statistik maka jumlah 2 buah probabilitas

yang menunjukkan transisi dari state (i) harus sama dengan jumlah 2 buah
probabilitas yang menunjukkan transisi menuju sta (i) sehingga bisa dituliskan

dalam bentuk persamaan:

bc = Birth Coeffisien

dc = Death Coeffisien p = Probabilitas

Persamaan kesetimbangan statistik merupakan interpretasi dari teorema

kedatangan (arrival theorem)

Estu Sinduningrum, ST, MT

Implementasi Birth and Death Process pada penurunan Formula Erlang B

Salah satu implementasi Birth and Death Process pada bidang

rekayasa trafik telekomunikasi yang paling pertama adalah dalam penurunan rumus atau formula Erlang B. Formula Erlang-B sangat terkenal di era telephony-circuit switching. selama hampir seratus tahun formula Erlang B telah digunakan dalam perhitungan rakayasa trafik di jaringan telekomunikasi. Hasil perhitungan menggunakan formula Erlang-B ternyata sangat akurat bila dibandingkan dengan hasil pengukuran secara nyata pada jaringan telepon berbasis loss-system atau yang dikenal juga sebagai/Loss call creared (LCC).

Estu Sinduningrum, ST, MT

Dua prinsip menggunakan konsep Birth and Death Process

Ada dua prinsip menggunakan konsep Birth and Death Process sebagai

model trafik dijaringan telekomunikasi, secara ringkas adalah sebagai berikut: 1) Yang pertama adalah menentukan asumsi atas trafik yang datang. Formula Erlang-B yang digunakan pada jaringan telepon adalah mengacu trafik adalah call telepon yang datang mengikuti point process. Laju kedatangan call rata -rata adalah dan laju pelayanan rata - rata adalah . Trafik yang datang dan dilayani di system telekomunikasi diasumsikan merupakan suatu PCT-1 (Pure Chance Traffic Type 1). Pada trafik PCT-1 dapat dibenarkan untuk menggunakan nilai ratarata sebagai dasar perhitungan, atau yang sudah dikenal dengan istilah PASTA (Poisson Arrival See lime Arrival). Trafik yang datang bisa dinyatakan dengan satuan erlang dan ditulis dengan notasi A = /
Estu Sinduningrum, ST, MT

Dua prinsip menggunakan konsep Birth and Death Process

2)

Yang kedua adalah kita harus mampu menggambarkan diagram transisi dari state. Untuk itu kita harus tahu berapa jumlah state dan berapa koefisien kelahiran maupun koefisien kelahiran di
setiap state.

Estu Sinduningrum, ST, MT

Dua prinsip menggunakan konsep Birth and Death 1. Process Penentuan jumlah state
Untuk jaringan jaringan telepon berbasis circuit switching dan loss

system atau yang dikenal juga sebagai loss call cleared (LCC), maka jumlah state adalah sama dengan jumlah kanal telepon di jaringan tersebut. Ini bisa dimaklumi, karena titik perhatian kita pada jaringan tersebut adalah probabilitas sejumlah kanal sedang holded State 0 merepresentasikan tidak ada kanal yang sedang holded, State 1 menyatakan ada 1 kanal yang holded dan seterusnya. Mudah dimaklumi, bahwa pada situasi ini, jumlah state maksimum adalah sama dengan n, yaitu sebesar jumlah kanal di jaringan telekomunikasi yang sedang kita amati. Adanya sejumlah (i) call yang holded di kanal telepon direpresentasikan dengan state (il. Jadi n adalah terbatas.
Estu Sinduningrum, ST, MT

Dua prinsip menggunakan konsep Birth and Death 2. Penentuan koefisien kelahiran dan koefisien
Agar dapat menentukan koefisien kelahiran dan koefisien kematian

kita harus memahami terlebih dahulu mekanisme yang terjadi di jaringan ketika menangani trafik.
Jika kita Paham betul mekanisme yang terjadi, barulah kita bisa

menentukannya. Sangat penting untuk diingat, bahwa saat ini kita tergantung pada asumsi.

Estu Sinduningrum, ST, MT

Asumsi Erlang
Asumsi Erlang ketika menurunkan formula Erlang B ada tiga,

yaitu: 1. Asumsi pertama: telephone call/ datang mengacu pada konsep point process dengan laju kedatangan call rata - rata adalah sama dengan 1. Dengan demikian koefisien kerahiran dari state 0 menuju state 1 adalah sama dengan . 2. Asumsi kedua: untuk telephone Call yang sedang holded di kanal telekomunikasi, keberadaannya di kanal diakhiri dengan laju layanan sebesar . Dengan demikian koefisien kematian dari state (1) menuju state (0) adalah sama dengan . 3. Asumsi ketiga: jumlah pelanggan sangat banyak dibandingkan dengan jumlah kanal di jaringan.
Estu Sinduningrum, ST, MT

Model Jaringan telepon yang berbasis circuit State Transition DiagramCall Cleared akan menjadi? untuk Kelahiran (probabilitas switching dan Loss pelanggan yg datang). Penurunan Formula Erlang-B

Kematian (probabilitas pelanggan yg selesai telpon).

Jumlah kanal Server

State 0 : .p(0) = .p(1)

.p(0) = .p(1) State 1 : .p(1) + .p(1) = .p(0) + 2.p(2) .p(1) = 2.p(2) State 2 : .p(2) + 2.p(2) = .p(1) + 3.p(2) .p(2) = 3.p(2) .. State (i-1) .p(i-1) = (i).p(i) State (i) .p(i) = (i+1).p(i) State (i+1) .p(i+1) = (i+2).p(i+1)
Estu Sinduningrum, ST, MT

Pada Kondisi Jaringan telpon di circuit switched-loss call cleared : dimana / = Offered traffic =A
Maka Persamaan-persamaan bisa dituliskan menjadi

p(0) p(1)
p(2) = (A/2) p(1) ...

= p(0) =A.p(0) (A2/2)p(0)

.. ..

Estu Sinduningrum, ST, MT

 Kita bisa menghitung p(i) hanya sebagai fungsi A dan i saja,

dengan cara mensubstitusikan p(0) ke dalam persamaan yang hanya melibatkan A dan i saja. Untuk itu , kita harus mengingat kembali prinsip teori probabilitas pada situasi ini : jumlah dari seluruh probabilitas p(0) + p(1) + p(2) + P(n) =1.

Maka dapat dirurunkan formulasi Erlang-B untuk loss system, atau

sudah terkenal dengan sebutan Formulasi Erlang-B

Estu Sinduningrum, ST, MT

Fungsi perbaikan Jaringan Loss

Pada jaringan Loss, Fungsi perbaikan Fn(A) adalah jumlah

trafik yang tidak jadi hilang, seandainya jumlah saluran ditambah satu, dari semula = n ditambah menjadi (n+1).
Jadi Fn(A) = Y(n+1) Yn,dapat diturunkan dari trafik

yang ditawarkan dan probabilitas blocking.

Estu Sinduningrum, ST, MT

Contoh Soal (1)

Suatu trunk-network terdiri dari 10 kanal melayani trafik dengan karakteristik sbb: a) b)

Struktur grup-kanal bersifat homogen & full accesibility

(b)Trafik dilayani secara LCC=Lost Call Cleared

c)
d)

Kedatangan trafik merupakan suatu Poisson arrival process yang memiliki rate kedatangan = = 500 call/detik, dan Waktu layanan terdistribusi eksonential yang memiliki intensitas = = 100 detik/call.

Hitunglah:

(a)Time congestion, call congestion & traffic congestion

(b)Offered traffic, loss traffic & carried traffic

(c)Pendapatan pada satu hari bila rate kedatangan rata-rata selama 23 jam yang bukan jam sibuk = 0,75 rate kedatangan pada jam sibuk, dan jika setiap call rata-rata memberikan pemasukan sebesar Rp 500,(d)Utilisasi rata-rata jika pemilihan kanal menggunakan teknik Random hunting, dan jika menggunakan teknik Sequential hunting (e)Jika untuk menambah satu kanal, diperlukan biaya jaringan end-to-end sebesar 200 juta rupiah, apakah perlu ditambah satu kanal, jika trafik tetap seperti di soal? Jika jawabannya belum perlu, pada saat trafik meningkat menjadi berapa, penambahan satu kanal baru dilakukan?.
Estu Sinduningrum, ST, MT

Jawab

Ada kalanya kita mengalami kesulitan untuk mendefinisikan suatu obyek secara eksplisit.

E Time Congestion C Traffic terhadap Erlang B Call

Mungkin lebih mudah untuk mendefinisikan obyek tersebut dengan menggunakan dirinya sendiri.

Estu Sinduningrum, ST, MT

Jawab
Call congestion = B = 0,0184 dan l. = 500 call/detik ) jumlah call yang terlayani (carried-call) selama l jam (3600detik) sibuk=500*(1-B)x3600 = 1766908 Jumlah call carried selama satu hari =23*0.75*1766908+1766908 = 32246067 pendapatan satu hari = Rp16.123.033.432. d) Random hunting-utilisation =
c)
Utilisasi rata-rata jika pemilihan kanal menggunakan teknik

Random hunting =4,9081/10 = 0,49081erlang/kanal = Utilisasi rata-rata jika pemilihan kanal menggunakan teknik Sequential hunting
Estu Sinduningrum, ST, MT

Jawab
e) Jika jumlah kanal ditambah satu adalah Improvement factor E11(A)= 0,0083 ) pendapatan satu hari = Rp16.288.879.973

kenaikan pendapatan = Rp165.846.541 adalah lebih kecil dibanding biayanya belum perlu ditambah satu kanal.

Estu Sinduningrum, ST, MT

Cont Next Week Thank You