Anda di halaman 1dari 4

J. Dharma Lesmono

Model Antrian M [H] /G/1

Intisari Dalam makalah ini kami mempelajari model antrian M [H] /G/1 dimana paket-paket datang secara berkelompok mengikuti proses Poisson dengan tingkat λ. Suatu kelompok paket berisi sejumlah acak paket H yang memiliki distribusi geometrik dengan parameter p. Untuk beberapa nilai p dan berbagai distribusi dari waktu pelayanan, kami akan menentukan rata-rata waktu tunggu dari sebarang paket sebagai ukuran performansi dari model ini.

Abstract We consider an M [H] /G/1 queueing system where packets arrive in batches according to Poisson process at rate λ. A batch consists of a random number of packets H, having a geometric distribution with a parameter p. For various values of p and distribution of service time, we will determine the mean waiting time of an arbitrary packet as a performance measure for this model.

1.

Pendahuluan

Dalam tulisan ini akan dibahas model antrian M [H] /G/1, dimana kedatangan dari paket-paket dalam suatu sistem komunikasi terjadi secara berkelompok (dengan jumlah paket dalam tiap kelompok merupakan suatu variabel acak, H) dan mengikuti proses Poisson (dinotasikan dengan M [H] ). Waktu pelayanan (transmisi) dari paket-paket ini memiliki distribusi general (dinotasikan dengan G) dan pemrosesan paket-paket itu hanya dilayani oleh satu unit layanan (dinotasikan dengan 1). Model ini banyak ditemui dalam sistem komunikasi dimana paket-paket yang

INTEGRAL, vol. 6 no. 2 , Oktober 2001

harus ditransmisikan yang berasal dari entitas protokol yang lebih tinggi dimana paket yang berorientasi pada pengguna (user-oriented packet) telah dipisah-pisah ke dalam bentuk paket-paket kecil yang sesuai dengan ukuran paket yang digunakan pada protokol yang lebih rendah [1]. Dalam hal waktu pelayanan berdistribusi deterministik, maka model di atas menjadi M [H] /D/1 (D untuk deterministik); jika waktu pelayanan berdistribusi eksponensial, model menjadi M [H] /M/1 (M untuk eksponensial) sedangkan jika waktu pelayanan berdistribusi Erlang dengan parameter (2,µ) maka model menjadi

39

untuk Erlang(2,µ)).

Dalam menganalisis model M [H] /G/1 ini akan dilihat rata-rata waktu tunggu sebarang paket sebagai kriteria performansi, untuk berbagai nilai p,

utilitas sistem dan jenis distribusi waktu

pelayanan.

M [H] /E

2,µ /1

(E 2,µ

2. Notasi

Notasi-notasi yang akan digunakan dalam makalah ini adalah :

ρ

: Utilitas sistem / fraksi waktu

dimana

unit layanan (server)

sibuk

λ

: tingkat kedatangan

μ

: tingkat pelayanan

_

Q

: rata-rata panjang antrian

N

: rata-rata jumlah paket di dalam sistem

R

: rata-rata waktu respon (waktu tunggu ditambah waktu pelayanan)

S : variabel acak waktu pelayanan

E(S) : rata-rata waktu pelayanan

/momen pertama dari S : momen kedua dari S

E(S 2 )

E(W p ) : rata-rata waktu tunggu dari sebarang paket.

H : variabel acak jumlah paket dalam satu kelompok; dalam hal H berdistribusi geometrik dengan parameter p, berlaku P[H=k] = p(1-p) k-1 , k=1,2,3,…

3. Model Antrian M [H] /G/1

Dalam bagian ini akan diturunkan rumus-

rumus yang berkenaan dengan model

M [H] /G/1. Suatu kelompok yang berisikan sejumlah acak H paket dikarakterisasikan dengan suatu peluang diskret h k , k =

1,2,3,… sehingga ekspektasi jumlah paket di dalam suatu kelompok dan momen faktorial keduanya masing- masing diberikan oleh :

40

E

E

( )

H

=

( (

H H

k

= 1

1

kh

k

))

=

k = 1

()

k k

1

h

k

Dari formula Little diperoleh utilitas sistem (pada unit layanan), rata-rata panjang antrian (pada antrian) dan rata- rata jumlah paket (pada sistem) sebagai berikut [2]:

ρ

Q

N

=

=

=

λ

λ

E

E

(

(

H

)()

)

E S

(

H E W

p

(

λ

E H

)

R

)

Formula Little pada dasarnya menghubungkan antara jumlah paket di dalam antrian dengan jumlah kedatangan per unit waktu dan rata-rata waktu yang dihabiskan dalam antrian. Hubungan ini selalu valid dan tidak bergantung pada distribusi yang terlibat di dalam model. Dari PASTA (Poisson Arrivals See Time Averages) untuk kedatangan secara kelompok, diperoleh formulasi untuk rata-rata waktu tunggu untuk sebarang paket sebagai berikut :

INTEGRAL, vol. 6 no. 2 , Oktober 2001

E

(

W

p

(

EW

p

E

(

W

p

)

)

)

 

E

( S

2 )

_

=

ρ

2 E

(

S

)

++ QE S

(

)

EHH 1

(

(

))

 

2

E

(

H

)

E

(

S

)

E

(

S

2

)

=+

ρ

λ

E

(

H

)

()

ES

 

2

E

(

S

)

EHH 1

(

(

))

 
 

2

E

(

H

)

E

(

S

)

E

(

S

2

)

ρ

=

+

 

2

E

(

S

)

1

ρ

 

EHH 1

(

(

))

E

(

S

)

 

2

E

(

H

)

1

ρ

 

+

PASTA merupakan hasil yang terkenal dari teori antrian yang menyatakan bahwa distribusi dari paket pada suatu antrian pada saat suatu paket yang baru tiba (mengikuti proses kedatangan Poisson) sama dengan distribusi paket dalam jangka panjang (long run or steady state). Suku pertama pada persamaan terakhir menyatakan rata-rata waktu tunggu paket dalam model M/G/1 yang biasa dimana paket datang dengan ukuran rata-rata E(H)E(S) dan momen kedua E(H)E(S 2 ). Suku kedua menyatakan waktu tunggu ekstra dimana paket itu tidak berada dalam urutan pertama dalam kelompoknya.

4. Perhitungan Numerik

Dalam bagian ini diberikan contoh perhitungan untuk beberapa nilai utilitas sistem ρ (sistem dikatakan stabil jika nilai ρ < 1), p dan beberapa jenis distribusi waktu layanan dengan ekspektasi waktu layanan diambil 0,02 detik (dengan tingkat µ = 50 paket/detik). Diasumsikan bahwa jumlah paket di dalam satu

INTEGRAL, vol. 6 no. 2 , Oktober 2001

kelompok (H) merupakan variabel acak

yang berdistribusi geometri. Distribusi

waktu pelayanan dipilih deterministik, eksponensial dan Erlang (2,µ).

Perhitungan E(H) dan E(H(H-1)) untuk

beberapa nilai p dilakukan dengan

menggunakan rumus pada bagian 2 dan menggunakan hubungan berikut :

=

k

0

k

p

=

1

1 p

,

=

k

1

kp

k 1

=< 1 1 , p 2 ( 1 − p )
=< 1 1
,
p
2
(
1 − p
)

Hasil perhitungan rata-rata waktu tunggu

diberikan pada tabel 4.1.

Dari tabel 4.1. terlihat bahwa rata-rata waktu tunggu akan semakin lama jika p makin kecil dan ρ semakin besar, serta

distribusi waktu pelayanan eksponensial memberikan rata-rata waktu tunggu paling lama dibandingkan dengan distribusi waktu tunggu deterministik ataupun Erlang. Hasil yang diperoleh ini memberikan kecenderungan yang sama dengan ekspektasi waktu respon untuk model antrian M/G/1 [3].

5.

Kesimpulan

Dari pembahasan model antrian M [H] /G/1 di atas berikut contoh perhitungan numeriknya dapat disimpulkan bahwa :

Jika nilai ρ makin besar (untuk nilai p yang sama), maka rata- rata waktu tunggu akan semakin lama, karena nilai ρ yang besar menyatakan bahwa utilitas sistem tinggi atau unit layanan menjadi lebih sibuk.

Jika nilai p makin besar (untuk nilai ρ yang sama), maka rata- rata waktu tunggu akan semakin cepat, karena nilai p yang besar akan mengakibatkan rata-rata jumlah paket di dalam kelompok yang semakin kecil.

41

Distribusi eksponensial pada waktu pelayanan memberikan rata-rata waktu tunggu yang paling lama sedangkan distribusi deterministik memberikan rata- rata waktu tunggu yang paling cepat. Model di atas dapat dikembangkan lebih lanjut misalnya unit layanan akan beristirahat sejenak jika sedang

Distribusi eksponensial pada waktu pelayanan memberikan rata-rata waktu tunggu yang paling lama sedangkan distribusi deterministik memberikan rata- rata waktu tunggu yang paling cepat.

Model di atas dapat dikembangkan lebih lanjut misalnya unit layanan akan beristirahat sejenak jika sedang menganggur, model-model antrian dengan waktu pelayanan secara berkelompok seperti M/G [H] /1 ataupun model antrian yang melibatkan lebih dari 1 unit layanan.

Tabel 4.1. Rata-rata Waktu Tunggu untuk Berbagai Nilai p, ρ dan Distribusi Waktu Pelayanan

Distribusi Waktu

p

 

ρρρρ

Pelayanan

 

ρρρρ=0,1

ρρρρ=0,2

ρρρρ=0,5

ρρρρ=0,9

 

1/3

4,56.10 -2

5,25.10 -2

9.10

-2

4,9.10 -1

Deterministik

1/2

2,33.10 -2

2,75.10 -2

5.10

-2

2,9.10 -1

2/3

1,22.10 -2

1,5.10 -2

3.10

-2

1,9.10 -1

3/4

8,52.10 -3

1,08.10 -2

2,33.10 -2

1,57.10 -1

 

1/3

4,67.10 -2

5,5.10 -2

10

-1

5,8.10 -1

Eksponensial

1/2

2,44.10 -2

3.10

-2

6.10

-2

3,8.10 -1

2/3

1,33.10 -2

1,75.10 -2

4.10

-2

2,8.10 -1

3/4

9,63.10 -3

1,33.10 -2

3,33.10 -2

2,47.10 -1

 

1/3

4,61.10 -2

5,38.10 -2

9,5.10 -2

5,35.10 -1

Erlang (2,µ)

1/2

2,39.10 -2

2,88.10 -2

5,5.10 -2

3,35.10 -1

2/3

1,28.10 -2

1,63.10 -2

3,5.10 -2

2,35.10 -1

3/4

9,07.10 -3

1,21.10 -2

2,83.10 -2

2,02.10 -1

6. Referensi

1. Haverkort, B.R., Performance

Analysis of Communication Networks

I, Fakulteit der

Elektrotechniek, Universiteit Twente, August 1993.

2. Nicola, V.F., Performance Analysis

of Communication Networks, Lecture Notes, Fakulteit der Elektrotechniek, Universiteit Twente, August 1998.

: Part

42

3. Nelson, R., Probability, Stochastic Processes and Queueing Theory, Springer-Verlag, New York, 1995.

Penulis

J. Dharma Lesmono adalah dosen pada jurusan Matematika FMIPA Universitas Katolik Parahyangan.

INTEGRAL, vol. 6 no. 2 , Oktober 2001