Rekayasa Trafik
MAMPU
MENJELASKAN DAN MEMAHAMI
DISTRIBUSI POISSON
Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
Fakultas
Teknik
Teknik Elektro
9 Daryanto
Abstract Kompetensi
Distribusi poisson diberi nama sesuai dengan Mahasiswa/i mampu
penemunya yaitu Siemon D. Poisson.Distribusiini
menjelaskan dan memahami
merupakan distribusi probabilitas untuk variabel
diskrit acak yang mempunyai nilai 0,1, 2,3 dan distribusi possion
seterusnya. Suatu bentuk dari distribusi ini a
dalah rumus pendekatan peluang poisson untuk
peluang binomial yang dapat digunakan untuk
pendekatan probabilitas binomial dalam situasi
tertentu.Rumus poisson dapat digunakan untuk
menghitung probabilitas dari jumlah
kedatangan, misalnya :
probabilitas jumlah kedatangan nasabah pada
suatu bank pada jam kantor. Distribusi p
oisson ini digunakan untuk menghitung
probabilitas menurut satuan waktu.
PENDAHULUAN
PROSES POSSION
Proses Poisson merupakan point proccess yang terpenting.
Seperti telah disebutkan di bagian depan, sebagaimana halnya point proccess,karakteristik
proses Poisson dicirikan oleh tiga hal:
a)Stasioner
b)lndependen dan
c)Simple.
Sifat dasar proses Poisson, selain sebagai suatu point proccess adalah:
a)Number representation-nya terdistribusi Poisson
b)lnterval Representation -nyaterdistribusi Eksponensial
c)Point process memunculkan DUA buah variabel random Nt dan Xt. Dua buah variabel
random ini memiliki makna adanya Number Representation dan lnterval representation.
d)Number Representation dan Interval Representotion masing–masing mungkin saja
memiliki distribusi yang berbeda
Suatu distribusi mengikuti pola distribusi poisson jika mengikuti aturan berikut ini:
a.Tidak terdapat dua kejadian yang terjadi bersamaan.
b Proses kedatangan bersifat acak
c.Rata-rata jumlah kedatangan per interval waktu sudah diketahui dari pengamatan
sebelumnya.
d.Bila interval waktu dibagi kedalam interval yang lebih kecil, maka pernyataan-pernyataan
berikut harus dipenuhi:
- Probabilita tepat satu kedatangan adalah sangat kecil dan konstan.
- Probabilita dua kedatangan atau lebih selama interval waktu tersebut angkanya sangat kecil
sehingga mendekati nol.
-Jumlah kedatangan pada interval waktu tersebut tidak tergantung pada kedatangan di
interval waktu sebelum dan sesudahnya.
Contoh soal
Sebuah mesin memproduksi rata-rata 2 persen produk yang cacat. Dalam sebuah sampel
acak sebanyak 60 produk, tentukan probabilitas terdapat 3 produk cacat dalam sampel itu.
Jawab :
=0,0867
Latihan Soal
1.Dua ratus penumpang telah memesan tiket untuk sebuah penerbangan luar negeri. Jika
probabilitas penumpang yang telah mempunyai tiket tidak akan datang adalah 0.01 maka
berapakah peluang ada 3 orang yang tidak datang.
2.Jika rata – rata kedatangan λ = 72 setiap jam, berapakah peluang dari x = 4 kedatangan
dan t = 3menit. Gunakan proses poisson.!
Jawaban:
P(x;μ)=e–μ.μX
X!
–2 3
= 2.71828 . 2 = 0.1804 atau 18.04 %
3!
2. Dik : λ = 72 kedatangan setiap jam atau 72 / jam maka 1 jam atau 60 menit adalah unit
waktunya. Berarti 3 menit adalah 3 / 60 = 1 / 20 unit waktu maka t = 1 / 20 dan x = 4
–λ . t x
P(x)=e .(λ.t)
X!
–72 . ( 1/ 20 ) 4
P(x)=e . ( 72 . 1 / 20 )
4!
= 0.191 atau 19.1 %
Dan momen kedua yang tidak lain merupakan variansi dari waktu pembicaraan telepon
adalah sama dengan :
Periode Paket
ATM (Asynchronous Transfer Mode)
Pada suatu sistem komunikasi yang menggunakan protokol tertentu, misal ATM
(Asynchronous Transfer Mode), ukuran paket adalah konstan, dengan demikian Ukuran
paket yang tetap menunjukkan bahwa holding time-nya terdistribusi konstan.
Setiap paket ATM terdiri dari 424 bit.
Misal paket ATM ditransmisikan dengan kecepatan 42,4 kbps. lnterval waktu yang dialami
paket selama transmisi adalah =h = (424bit) / (42400 bit per detik) = 10 milidetik.
Maka waktu rata-rata keberadaan paket selama transmisi, merupakan nilai harapan atau
moment pertama dari fungsi densitas:
Dan momen kedua yang tidak lain merupakan variansi dari waktu keberadaan paket
selama transmisi adalah sama dengan:
Waktu Mengantri
Salah satu GoS yang penting pada jaringan antrian (queueing network) adalah waktu
mengantri atau waktu tunggu (waiting time). Distribusi waktu antrian Ws(t) yang diukur
terhadap sejumlah pelanggan secara random selalu memiliki nilai positif > 0, karena ada
sebagian paket yang langsung terlayani di jaringan.
Maka distribusi waktu antri untuk pelanggan yang waktu antrinya > 0 ditulis sebagai W+ (t)
adalah:
Probabilitas bahwa waktu antri adalah positif = 1-ws(t) , ditulis dengan notasi D (=
probabilitas terjadinya delay).
Maka:
Perhitungan probabilitas kedatangan paket yang diamati sebagai suatu point process,
mengikuti prinsip dasar dari berbagai distribusi.
Berikut ini diberikan contoh - contoh fungsi distribusi terkait dengan perhitungan
probabilitas kedatangan paket.
Berlaku untuk trafik yang datang dan dilayani suatu server memiliki beberapa fundamental
Properties sebagai berikut:
a.Stationary,
b.lndependent at all time instants (epochs),
c.Simple
d.Continous. Misal paket yang pertama telah datang pada t1 dan sukses dilayani
server
b.Probabilitas bahwa paket yang ke-k datang pada waktu (t1 + t) adalah akan mengikuti
distribusi erlang-k.
c.Probabilitas bahwa pada periode {t1, t1 + t detik} telah datang x paket akan mengikuti
distribusi poisson.
Probabilitas request yang datang pada suatu web server ke (n+1) datang dan gagal dilayani
server, setelah n request berturut-turut datang dan sukses dilayani server adalah mengikuti
distribusi geometric.
1)Hitunglah intensitas trafik (dengan satuan erlang) pada 3 soal di bawah ini :
a. suatu radio-link yangberkapasitas 6 saluran, dengan pengukuran selama 45
menit, setiap saluran rata-rata holded selama 35 menit.
b.suatu digital switch yang selama pengukuran selama 20 menit , mengolah sebanyak
25.000 call yang memiliki mean holding time =3 menit.
c.suatu web server yang mempunyai servic rate = 1 Mbps, jika selama 10 menit pengukuran
menerima 600 request, setiap request memerlukan rata-rata
10.000 packet data @ 1000 bit per paket.
Jawab :
1.a. A = 6 saluran x 35 menit/45 menit = 3750 Erlang
1.b. A = 25.000 call x 3 menit/call x 1/20 menit =
1.c. A = 600 request x 10.000 paket/request x 1000 bit
1Mbit/detik (10 x 60detik)
= 10 Erlang.
Jadi Probabilitas bahwa dalam periode 1 menit ada 5 request datang dalam 10 detik
pertama dan 6 request datang dalam 5 detik terakhir =
P{N(10)} x P {N(60) – N(55)} = ( λ = 0.5 ; x = 6 ; t = 10)
2.Jika pada suatu web server, peluang satu request akan sukses pada usaha pertama = 0.1
Hitunglah berapa probabilitas bahwa suatu request berturut-turut 3 kali sukses terus , dan
baru gagal pada usaha ke 3. Hitunglah, berapa rata-rata jumlah request yang harus
dilakukan dan terus-menerus sukses, sebelum merasakan gagal.
Jawaban soal (3) Binomial dan geometrik
1.Binomial: Dari n percobaan terdapat x gagal :
2.Geometrik
Kesimpulan
Distribusi poisson merupakan bagian dari ditribusi teoritis atau distribusi diskret dimana sifat-
sifat distribusi teoritis dapat digunakan dalam analisis yang sering digunakan dalam ilmu
statistik untuk pendugaan dan pengujian hipotesis. Distribusi poisson merupakan percobaan
yang menghasilkan nilai-nilai bagi variabel random yang bernilai numerik, yaitu banyaknya
sukses selama interval waktu tertentu atau dalam daerah tertentu. Dari pembahasan diatas,
dapat diketahui bahwa percobaan distribusi poisson sangat berguna peranannya dalam
kehidupan sehari-hari. Baik untuk kejadian yang jarang terjadi maupun kejadian yang
berhubungan dengan lamanya waktu tunggu yang bersifat random atau acak. Dengan
percobaan distribusi poisson kita dapat mengetahui proses kedatangan atau proses antrian
dalam suatu pelayanan tertentu, misalnya kedatangan bus, antrian nasabah dalam suatu
bank, dan lain sebagainya.