Srkripsi Bella Arisha PDF
Srkripsi Bella Arisha PDF
SKRIPSI
Oleh :
Bella Arisha
NIM 08121001041
i
Lembar Pengesahan
SKRIPSI
Oleh
BELLA ARISHA
NIM 08121001041
Mengetahui
“Hidup hanya sekali maka lakukan hal yang bermanfaat, jadilah orang baik, dan
nikmatilah ”
“Man Jadda wa jadda, Man Shobara Zhafiro, Man saara ala darbi Washal ”
Kupersembahkan kepada :
Adik-adikku tersayang
menyayangiku
Teman-teman seperjuanganku
Almamater
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Allah SWT dan kekasihNya nabi
Muhammad saw, karena atas izin-Nya penulisan skripsi ini dapat diselesaikan sebagaimana
mestinya.
Skripsi dengan judul “Penerapan Model Skema Pembiayaan Wired Internet pada
Jaringan Multi Layanan Multi Link Bottleneck (Multi Service Multi Link Bottleneck
Network)” disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada
Dalam penulisan skripsi ini, penulis memperoleh berbagai bantuan, bimbingan, dan
pengarahan dari berbagai pihak baik secara langsung maupun tidak langsung. Oleh karena
itu, penulis mengucapkan terima kasih khususnya kepada Mamaku Salasiah dan Papaku
Ismet Hasyim serta Adik-adikku Shahnaz, Zahra dan Sheila serta semua pihak yang
telah membantu dan memberikan dukungan dalam penulisan skripsi ini, antara lain:
1. Bapak Drs. Muhammad Irfan, M.T selaku Dekan Fakultas Matematika dan Ilmu
2. Bapak Drs. Putra Bahtera Jaya Bangun, M.Si selaku Ketua Jurusan Matematika
pembahas yang telah banyak memberikan saran dan masukan demi perbaikan
yang telah memberikan saran, masukan, serta bimbingan dan arahan dengan penuh
5. Ibu Irmeilyana, M.Si selaku Pembimbing Pembantu yang telah memberikan saran,
masukan serta bimbingan dan arahan dengan penuh perhatian, pengertian, dan
6. Ibu Dr.Fitri Maya Puspita, M.Sc terima kasih telah memberikan ide-ide
cemerlang serta pengalaman yang banyak dalam pembuatan skripsi ini dan terima
kasih juga telah memberikan saran, masukan serta bimbingan dan arahan dengan
penuh perhatian, pengertian, dan kesabaran hingga skripsi ini dapat diselesaikan.
7. Bapak Drs. Robinson Sitepu, M.Si dan Ibu Ning Eliyati, M.Pd selaku dosen-
dosen pembahas yang telah banyak memberikan saran dan masukan demi
Alam Universitas Sriwijaya, terima kasih telah memberikan ilmu yang bermanfaat
9. Bapak Cik Aim selaku pegawai Tata Usaha Jurusan Matematika Fakultas
Matematika dan Ilmu Pengetahuan Alam yang telah membantu Penulis selama
masa perkuliahan.
10. Mama, Papa, dan Adik-adikku terima kasih untuk motivasi, dukungan, kasih
sayang dan do’a yang selalu dipanjatkan selama ini untuk keberhasilanku.
11. Sahabat-sahabatku seperantauan anak-anak HIMAJA dan sekaligus teman kosan
Venny, Baban, Pupus, Uci, Buteng, April terima kasih atas semangat, dukungan,
12. Teman sekaligus sahabat-sahabatku di Jurusan Risa, Muthia, Dewi, Defita, Tomi,
Rama, yuk Tri, Amira, yuk Mimi, Mirza, Dian dan rekan seperjuangan Iffah
13. Teman-teman HIMAJA Unsri Mirza, Mamat, Rizky, Leo, Icad, Melinda,
Vallen, Fitri dan adik-adik kosan Austin Sitha, Fildza dan Bella terimakasih atas
15. Kakak-kakak tingkat Angkatan 2010, 2011 dan Adik-adik tingkat Angkatan 2013,
2014 dan 2015, terima kasih atas bantuan, saran, dan motivasinya.
16. Semua pihak yang telah membantu penulis yang tidak dapat disebutkan satu
persatu.
Hanya ucapan dari hati yang tulus yang dapat disampaikan, semoga Allah SWT
membalas semua kebaikan yang telah diberikan. Penulisan skripsi ini masih banyak
kekurangan,oleh karena itu penulis mengharapkan kritik dan saran yang bersifat
membangun guna penyempurnaan skripsi ini. Semoga skripsi ini dapat bermanfaat bagi
Penulis
THE APLLICATION MODEL OF WIRED INTERNET PRICING SCHEME ON
MULTI SERVICE MULTI LINK BOTTLENECK NETWORK
By :
Bella Arisha
08121001041
ABSTRACK
In this research, it was set up pricing scheme multi link for modification models
and their solutions on multi service multi link bottleneck network. This model are based on
a local server data in Palembang. Internet Service Provider (ISP) requires appropriate
pricing schemes in order to maximize revenue and provide quality services that can satisfy
the internet users. The model is established by setting the base price (α) and the premium
quality of service (β) as variables or constants. Then the model is solved by using Program
LINGO 11.0 to obtain the optimal solution. Based on the optimal solution obtained, it
shows that ISP can use the model to generate maximum revenue and gives options
according to the user needs in accordance with the goal of ISP. ISP maximum income
earned during the base price (α) as variable on αi= αi-1 and the premium quality of service
(β) as variable on βi= βi-1 for Ii > Ii-1.
Keyword : Internet Pricing Scheme, Multi Service Network, Multi Link Bottleneck
PENERAPAN MODEL SKEMA PEMBIAYAAN WIRED INTERNET PADA
JARINGAN MULTI LAYANAN MULTI LINK BOTTLENECK (MULTI SERVICE
MULTI LINK BOTTLENECK NETWORK)
Oleh:
Bella Arisha
08121001041
ABSTRAK
Pada penelitian ini dibentuk skema pembiayaan internet multi link bottleneck untuk
model modifikasi dan solusinya pada jaringan multi layanan muti link bottleneck. Model ini
didasarkan pada suatu data server lokal di Palembang. Penyedia layanan internet (ISP)
membutuhkan skema pembiayaan yang sesuai agar dapat memaksimumkan pendapatan
serta memberikan kualitas layanan yang dapat memuaskan pengguna internet. Model yang
dibentuk dengan menetapkan harga dasar (α) dan kualitas premium layanan (β) sebagai
variabel atau konstanta suatu indeks layanan. Model yang digunakan diselesaikan dengan
bantuan program LINGO 11.0 untuk mendapatkan solusi yang optimal. Berdasarkan hasil
solusi optimal yang diperoleh menunjukkan bahwa ISP dapat menggunakan bentuk model
untuk menghasilkan pendapatan maksimum dan memberikan pilihan yang sesuai dengan
keinginan dan kebutuhan pengguna yang sesuai dengan tujuan ISP. Pendapatan maksimum
ISP diperoleh pada saat harga dasar (α) sebagai variabel pada αi= αi-1 dan kualitas premium
layanan (β) sebagai variabel pada βi= βi-1 untuk Ii>Ii-1.
Kata Kunci : Skema Pembiayaan Internet, Jaringan Multi Layanan, Jaringan Multi Link
Bottleneck
DAFTAR ISI
Halaman
HALAMAN JUDUL …………………………………………………………. i
DAFTAR LAMPIRAN……………………………………………………….. xv
BAB I PENDAHULUAN
Layanan …………………….............................................................. 28
5.1 Kesimpulan………………………………………………………. 73
5.2 Saran…………………………………………………………....... 73
DAFTAR PUSTAKA........................................................................................ 75
DAFTAR TABEL
Halaman
Tabel 4.9 Parameter untuk Setiap Kasus pada Model Jaringan Multi
Layanan............................................................................................. 26
Tabel 4.10 Variabel Keputusan untuk Setiap Kasus pada Model Jaringan Multi
Layanan……………………………………………………………. 27
Layanan…………………………………………………………… 28
Layanan.............................………………………………………. 33
Layanan........................................................................................ 38
Layanan........................................................................................ 44
Tabel 4.15 Solusi Optimal Kasus 1 untuk Ii = Ii-1.................................................. 50
Tabel 4.16 Nilai Variabel dalam Jaringan Multi Layanan Pada Kasus 1 untuk
Ii = Ii-1……………………………………………………………..... 50
Tabel 4.18 Solusi Optimal untuk Kasus 1 untuk Ii < Ii-1 ...................................... 51
Tabel 4.19 Nilai Variabel dalam Jaringan Multi Layanan pada Kasus 1 untuk
Tabel 4.23 Nilai Variabel dalam Jaringan Multi Layanan pada Kasus 1 untuk
Ii = Ii-1 ………….…………………………………………………... 55
Tabel 4.26 Nilai Variabel dalam Jaringan Multi Layanan Pada Kasus 2 untuk
Ii > Ii-1………..................................................................................... 57
Tabel 4.30 Nilai Variabel dalam Jaringan Multi Layanan Pada Kasus 3 untuk
Ii = Ii-1……………………………………………………………... 61
Tabel 4.33 Nilai Variabel dalam Jaringan Multi Layanan pada Kasus 3 untuk
Tabel 4.37 Nilai Variabel dalam Jaringan Multi Layanan Pada Kasus 4 untuk
Ii = Ii-1……………………………………………………………... 66
Tabel 4.39 Solusi Optimal untuk Kasus 4 untuk Ii > Ii-1 ...................................... 67
Tabel 4.40 Nilai Variabel dalam Jaringan Multi Layanan pada Kasus 4 untuk
Tabel 4.43 Rekapitulasi Solusi Model pada Jaringan Multi Layanan ………….. 70
DAFTAR LAMPIRAN
Halaman
Flat rate : Pembiayaan internet yang setiap bulannya tetap, dan pengguna bebas
mengakses internet dalam jangka waktu sebulan.
Usage-Based : Pembiayaan internet dengan sistem seberapa banyak akses internet yang
dipakai sebanyak itulah yang harus dibayarkan.
2-Part tariff : Pembiayaan Internet yang setiap bulannya tetap namun harga dan akses
internet dibatasi sesuai keinginan pengguna
Kongesti : Lambatnya koneksi internet karena data yang diakses terlalu besar
sedangkan daya tampungnya kecil.
Traffic Digilib : Jumlah banyaknya kunjungan pada suatu website digital library atau
perpustakaan digital
Traffic File : Jumlah banyaknya kunjungan pada website yang berisi dokumen-
dokumen. Contohnya dokumen word
Traffic Proxy : Jumlah banyaknya kunjungan pada website yang berisi tentang
keamanan contohnya anti virus
TCP : TCP atau Transmission Control adalah standar komunikasi data yang
digunakan oleh komunitas internet dalam proses tukar-menukar data
dari satu komputer ke komputer lain di dalam jaringan internet.
ISP : ISP atau Internet Service Provider adalah penyedia jasa layanan
internet
Bit : Satuan ukuran dalam jaringan komputer yang merupakan bilangan biner
0 dan 1
Byte : Satuan ukuran dalam jaringan komputer yang terbentuk dari 8 bit.
KiloByte : Satuan ukuran dalam jaringan komputer yang terbentuk dari 1024 byte.
Wired internet : Jaringan komputer yang media transmisinya berupa kabel penghantar.
Bandwidth : Besaran yang menunjukkan banyaknya data yang lewat dalam sebuah
koneksi jaringan
Sent : Dikirim
Received : Diterima
PENDAHULUAN
Seiring dengan kemajuan jaman, manusia di era modern ini tak lepas dari internet.
Hampir semua kalangan dan lapisan masyarakat menggunakan internet untuk menunjang
kehidupan. Tidak terkecuali bagi pelajar ataupun mahasiswa internet menjadi kebutuhan
Internet berasal dari bahasa latin yaitu “inter” yang berarti antara. Berdasarkan kata
internet berarti jaringan atau penghubung. Dengan demikian definisi internet adalah
kumpulan jaringan komputer yang saling terhubung satu sama lain. Untuk mengakses
Control (TCP) atau Internet Protocol (IP). Protokol memberikan sebuah alamat (address)
dan identitas (identity) yang unik pada setiap komputer di seluruh dunia agar tidak terjadi
besar. Ini merupakan tugas yang besar bagi penyedia layanan internet (Internet Service
Provider) atau biasa disingkat ISP untuk menyediakan kualitas layanan (Quality of Service)
atau disingkat QoS yang lebih baik dan berbeda kepada user atau pengguna dalam
mencapai kualitas informasi terbaik dengan biaya yang efisien. Karena itu ISP dituntut
untuk memberikan mekanisme perencanaan biaya internet yang tepat agar dapat
menguntungkan ISP sebagai penyedia layanan dan user sebagai pengguna internet.
Skema pembiayaan internet yang sering digunakan adalah flat rate, usage-based
dan two-part tariff. Tiga skema pembiayaan internet tersebut pernah digunakan oleh
(Indrawati et al,. 2014) (Indrawati et al,. 2014) (Indrawati et al,. 2015) dalam penelitiannya.
QoS yang multi link bottleneck dalam jaringan multi layanan. Berdasarkan kata bottleneck
berarti leher botol, yang juga bottleneck diartikan penyempitan jalur. Dengan demikian
bottleneck pada jaringan multi layanan adalah penyempitan jalur yang mengakibatkan
kongesti karena kurangnya bandwidth sedangkan jalur yang disediakan tidak mampu
menampung bandwidth yang ada. Bandwidth adalah besaran yang menunjukkan banyaknya
data yang dapat lewat dalam sebuah koneksi jaringan. Skema pembiayaan internet menjadi
permasalahan kritis dan memerlukan solusi tepat untuk menguntungkan ISP dan user
(pengguna).
al,. 2014) (Irmeilyana et al,.2014a) (Irmeilyana et al,. 2014b) (Irmeilyana et al,. 2013) dan
penelitian multi link multi layanan (Puspita et al,. 2014) (Puspita et al,. 2014) (Puspita et
al,. 2014) diperoleh solusi optimal pada kasus 3 yaitu dengan menetapkan harga dasar dan
kualitas premium sebagai variabel dengan αi sebagai αi=αi-1 dan βi sebagai βi=βi-1 untuk
Ii=Ii-1. Dengan menggunakan model perbaikan berdasarkan hasil (Byun & Chatterjee,
2004) (Sain & Herpers, 2003) dan menetapkan harga dasar (α), kualitas premium (β) dan
tingkat QoS dapat menghasilkan model dan solusi optimal yang lebih baik daripada
penelitian sebelumnya.
Pada penelitian ini diaplikasikan model skema pembiayaan wired internet multi link
pada jaringan multi layanan. Pada penelitian sebelumnya penerapan model pada 3 layanan
dan 2 link sehingga pada penelitian ini membahas skema pembiayaan internet dengan lebih
banyak layanan, jumlah pengguna, dan lebih banyak link daripada yang telah dibuat pada
penelitian sebelumnya. Layanan dan link yang banyak dibutuhkan agar model yang didapat
lebih dekat ke masalah yang ada yaitu model tersebut sesuai dengan masalah yang diteliti,
selain itu juga untuk menyempurnakan model yang telah dibuat pada penelitian
sebelumnya.
Dalam penelitian ini penulis membatasi masalah dengan penggunaan 3 link multiple
2. Harga dasar (𝛼) sebagai konstanta dan kualitas premium (𝛽) sebagai variabel.
4. Harga dasar (𝛼) sebagai variabel dan kualitas premium (𝛽) sebagai konstanta.
1.4 Tujuan
1. Untuk menerapkan model skema pembiayaan wired internet pada jaringan multi
2. Untuk memperoleh solusi optimal dari penerapan model skema pembiayaan wired
1.5 Manfaat
Manfaat dari penelitian ini adalah solusi optimal yang diperoleh diharapkan dapat
menjadi pilihan untuk membantu ISP sebagai penyedia layanan internet dalam menetapkan
alternatif harga tarif yang dapat memaksimumkan keuntungan dan bagi pengguna dapat
menetapkan pilihan harga tarif yang sesuai dengan kebutuhan dan anggaran pengguna
TINJAUAN PUSTAKA
Jaringan multi layanan dimaksudkan untuk membawa berbagai variasi layanan dan
aplikasi dengan karakteristik yang berbeda dan bervariasi dalam waktu, koneksi dan
Model yang diberikan umumnya dapat memenuhi permintaan dan pendapatan ISP,
yaitu model dengan penambahan parameter, variabel keputusan, dan kendala dengan
mempertimbangkan harga dasar dan kualitas premium layanan yang dapat menghasilkan
Chatterjee, 2004) berdasarkan target yang menjadi tujuan ISP dengan menetapkan harga
dasar (𝛼) dan kualitas premium (𝛽) sebagai konstanta ataupun sebagai variabel, seperti
dapat digunakan ISP dalam menetapkan harga tarif yang dapat memenuhi permintaan
a) Menetapkan harga dasar dan kualitas premium sebagai konstanta jika ISP ingin
mendapatkan kembali biaya yang telah dikeluarkan dan menyediakan pilihan yang
dapat digunakan oleh pengguna dalam memilih layanan yang sesuai dengan kebutuhan
b) Menetapkan harga dasar sebagai konstanta dan kualitas premium sebagai variabel jika
ISP ingin mendapatkan kembali biaya yang telah dikeluarkan dan ISP juga dapat
c) Menetapkan harga dasar dan kualitas premium sebagai variabel jika ISP ingin bersaing
d) Menetapkan harga dasar sebagai variabel dan kualitas premium sebagai konstanta jika
ISP ingin bersaing dalam pasar dan menyediakan pilihan-pilihan yang dapat digunakan
oleh pengguna dalam memilih layanan yang sesuai dengan kebutuhan dan anggaran
pengguna.
Model skema pembiayaan internet multi link yang digunakan dalam penelitian ini,
yaitu :
Maksimumkan pendapatan :
𝑟 𝑠
∑ ∑ 𝑎𝑖𝑘 = 1 (2.1c)
𝑘=1 𝑖=1
0 ≤ 𝑎𝑖𝑘 ≤ 1 (2.1d)
𝑚𝑖 ≤ 𝐼𝑖 ≤ 1 ; 𝑚𝑖 ∈ [0,1] (2.1 e)
0 ≤ 𝑥𝑖𝑘 ≤ 𝑛𝑖 ; 𝑛𝑖 ∈ ℤ+ (2.1f)
Keterangan :
r : Jumlah link
s : Jumlah layanan
Maksimumkan pendapatan :
𝑟 𝑠
dengan kendala mengikuti kendala (2.1a) dan (2.1g), serta ditambahkan kendala :
𝑙𝑖 ≤ 𝛽𝑖 ≤ 𝑏𝑖 (2.2b)
Keterangan :
r : Jumlah link
s : Jumlah layanan
Maksimumkan pendapatan:
𝑟 𝑠
kendala :
Keterangan :
r : Jumlah link
s : Jumlah layanan
Maksimumkan pendapatan :
𝑟 𝑠
dengan kendala mengikuti (2.1a) sampai (2.2g) dan juga kendala (2.3b), serta ditambahkan
kendala berikut :
Keterangan :
r : Jumlah link
s : Jumlah layanan
Berikut adalah penjelasan untuk Persamaan (2.1) sampai dengan Kendala (2.4) :
1. Fungsi tujuan pada Persamaan (2.1) menyatakan bahwa ISP ingin memaksimalkan
keuntungan dengan menetapkan harga yang dikenakan biaya untuk harga dasar,
kualitas premium dan tingkat QoS untuk memulihkan biaya dan memungkinkan
2. Kendala (2.1a) menjelaskan bahwa kapasitas yang diperlukan layanan tidak melebihi
3. Kendala (2.1b) menjelaskan bahwa kapasitas yang diperlukan layanan tidak dapat lebih
4. Kendala (2.1c) menjelaskan bahwa jumlah kapasitas total setiap layanan sama
dengan 1.
5. Kendala (2.1d) menjelaskan bahwa kapasitas jaringan memiliki alokasi yang berbeda
6. Kendala (2.1e) menyatakan bahwa tingkat QoS harus berada dalam rentang tingkat
QoS yang telah ditetapkan untuk setiap layanan dan nilai tingkat QoS merupakan
melebihi jumlah pengguna layanan maksimum yang telah ditentukan oleh penyedia
layanan.
8. Kendala (2.1g) menyatakan bahwa jumlah pengguna layanan haruslah bilangan bulat
positif.
9. Fungsi tujuan pada Persamaan (2.2) menjelaskan bahwa penyedia layanan ISP ingin
tingkat QoS untuk mendapatkan kembali biaya yang telah dikeluarkan dan
10. Kendala (2.2a) menjelaskan bahwa kualitas premium memiliki tingkat yang berbeda
untuk setiap layanan setidaknya pada tingkat yang sama ataupun tingkat yang lebih
rendah.
11. Kendala (2.2b) menjelaskan bahwa harga nilai kualitas premium berada diantara
12. Fungsi tujuan pada Persamaan (2.3) menjelaskan bahwa penyedia layanan ISP ingin
memaksimalkan pendapatan dengan mengatur harga dasar dan kualitas premium untuk
bisa bersaing di pasar serta penyedia layanan ISP dapat mempromosikan pengguna
13. Kendala (2.3a) menjelaskan bahwa nilai harga dasar dan kualitas premium setidaknya
berada pada tingkat yang sama ataupun tingkat yang lebih rendah untuk setiap layanan.
14. Kendala (2.3b) menyatakan bahwa nilai harga dasar berada diantara rentang nilai yang
telah ditentukan.
15. Fungsi tujuan pada Persamaan (2.4) menjelaskan bahwa penyedia layanan ISP ingin
premium dan tingkat QoS untuk dapat bersaing di pasar dan pengguna dapat memilih
16. Kendala (2.4a) menjelaskan bahwa harga dasar setidaknya benilai sama ataupun lebih
METODOLOGI PENELITIAN
3.1 Tempat
Pengetahuan Universitas Sriwijaya. Literatur yang digunakan diperoleh dari Ruang Baca
3.2 Waktu
Waktu untuk menyelesaikan skripsi ini 6 bulan, yaitu dari bulan Agustus 2015
Penelitian ini menggunakan data sekunder yang didapat dari salah satu server lokal
di Palembang yaitu Politeknik Sriwijya (Polsri). Data yang digunakan terdiri dari data
traffic digilib, traffic movie, traffic mail, dan traffic proxy. Penyelesaian dari data ini
menggunakan program LINGO 11.0. Langkah-langkah yang dilakukan dalam penelitian ini
2. Mendefinisikan parameter dan variabel yang digunakan untuk jaringan multi layanan.
mengikuti Kendala (2.1a) sampai (2.1g) dan (2.2a), serta ditambahkan Kendala
mengikuti Kendala (2.1a) sampai (2.1g), dan (2.3a), serta ditambahkan Kendala
(2.4a)
Pada bab ini dibahas penerapan model skema pembiayaan wired internet pada
jaringan multi layanan multi link bottleneck (multi service multi link bottleneck network)
untuk skema pembiayaan dan solusi optimal internet. Untuk permasalahan optimasi skema
pembiayaan memerlukan data agar mendapatkan solusi optimal. Dalam penelitian ini
digunakan data sekunder yang diperoleh dari salah satu server lokal di Palembang yaitu
Politeknik Sriwijaya (POLSRI). Data ini diambil dalam jangka waktu 1 bulan yaitu dimulai
dari tanggal 10 Februari 2015 sampai 10 Maret 2015. Dalam data ini memiliki 2 unsur
yaitu sent (dikirim) dan received (diterima) yang dinyatakan dalam bit per second. Data
traffic yang digunakan adalah traffic digilib, traffic movie, traffic mail, dan traffic proxy.
Data traffic digilib, traffic movie, traffic mail dan traffic proxy ditampilkan pada
Tabel 4.1 sampai Tabel 4.4. Tabel yang diolah untuk jaringan multi service (multi layanan)
Keterangan :
Demand rata-rata perhari : Jumlah data received atau sent dibagi 29(sebanyak hari
yang ada)
Demand per bulan dalam bit persecond : Jumlah data received ditambah jumlah data sent dibagi 2.
Demand per byte per second : Jumlah demand perbulan bit persecond dibagi 24
Demand per kilo byte per second : Jumlah demand dalam byte di bagi 1024
Berdasarkan Tabel 4.1 sampai 4.4 data traffic digilib, traffic movie, traffic mail, dan traffic
proxy terdiri dari data pengiriman (sent) dan data penerimaan (received). Nilai rata-rata
pemakaian (demand) untuk received lebih tinggi dari pada nilai demand untuk sent pada
traffic digilib, traffic movie, dan traffic mail, sedangkan pada traffic proxy nilai demand
untuk sent lebih tinggi dari pada nilai demand untuk received. Rata-rata pemakaian total
dalam satu bulan (dalam kbps) yang paling tinggi yaitu pada movie (21.389,66 kbps) dan
yang paling rendah yaitu pada proxy (0,886 kbps) sedangkan pemakaian untuk digilib
Berdasarkan Tabel 4.5 sampai 4.8 untuk multi layanan data traffic digilib, traffic movie,
traffic mail, dan traffic proxy terdiri dari data link 1, link 2, dan link 3. Nilai rata-rata
pemakaian (demand) untuk multi layanan link 2 lebih tinggi dari pada nilai demand untuk
link 1 dan link 3 pada traffic digilib (74,826 kbps), traffic mail (7,435 kbps), dan traffic
movie (13.243,709 kbps), sedangkan untuk traffic proxy nilai rata-rata pemakaian (demand)
4.2 Pendefinisian Parameter dan Variabel Keputusan pada Model Jaringan Multi
Layanan
Model untuk jaringan multi layanan sebelumnya telah dibahas pada penelitian
(Irmeilyana et al .,2014b) yang membahas tentang jaringan multi layanan pada single link,
lalu selanjutnya penelitian berkembang dengan masalah yang lebih kompleks dengan
menambahkan link terhadap jaringan multi layanan. Pada penelitian (Puspita, et al ., 2014)
jaringan multi layanan multi link digunakan 3 layanan dan 2 link. Untuk mendapatkan hasil
yang sesuai dengan keadaan yang terjadi diperlukan modifikasi yang lebih kompleks untuk
jaringan multi layanan dan multi link. Berdasarkan hal tersebut penulis membahas model
modifikasi dengan menggunakan 4 layanan dan 3 link. Karena data ini diolah menggunakan
program Lingo11.0 maka batas kemampuan dari program Lingo11.0 adalah kasus 4
Pada skema pembiayaan internet multi link pada jaringan multi layanan QoS
a) 𝛼 dan 𝛽 konstanta.
Dari keempat kasus tersebut diperoleh parameter dan variabel yang berbeda-beda untuk
setiap kasus. Tabel 4.9 dan 4.10 menampilkan parameter dan variabel yang digunakan
Tabel 4.9 Parameter untuk Setiap Kasus pada Model Jaringan Multi Layanan
Parameter untuk kasus 1 : 𝜶 dan 𝜷 konstanta
𝛼 : Harga dasar untuk setiap layanan
𝛽 : Kualitas premium untuk setiap layanan
s : Jumlah layanan
𝑝𝑖𝑘 : Harga pengguna layanan i pada link k
𝐶𝑘 : Kapasitas total yang terdapat pada link k
𝑚𝑖 : Minimum QoS untuk layanan i
𝑛𝑖 : Jumlah pengguna layanan i pada link k
Parameter untuk kasus 2 : 𝜶 konstanta dan 𝜷 variabel
𝛼 : Harga dasar untuk setiap layanan
s : Jumlah layanan
𝑝𝑖𝑘 : Harga pengguna layanan i pada link k
𝐶𝑘 : Kapasitas total yang terdapat pada link k
𝑚𝑖 : Minimum QoS untuk layanan i
𝑛𝑖 : Jumlah pengguna layanan i pada link k
𝑙𝑖 : Minimum kualitas premium untuk layanan i
𝑏𝑖 : Maksimum kualitas premium untuk layanan i
Parameter untuk kasus 3 : 𝜶 dan 𝜷 variabel
s : Jumlah layanan
𝑝𝑖𝑘 : Harga pengguna layanan i pada link k
𝑑𝑖𝑘 : Kapasitas yang dibutuhkan untuk layanan i pada link k
𝐶𝑘 : Kapasitas total yang terdapat pada link k
𝑚𝑖 : Minimum QoS untuk layanan i
𝑛𝑖 : Jumlah pengguna layanan i
𝑙𝑖 : Minimum kualitas premium untuk layanan i
𝑏𝑖 : Maksimum kualitas premium untuk layanan i
𝑐𝑖 : Harga dasar minimum untuk layanan i
𝑔𝑖 : Harga dasar maksimum untuk layanan i
Parameter untuk kasus 4 : 𝜶 variabel dan 𝜷 konstanta
𝛽 : Kualitas premium untuk setiap layanan
s : Jumlah layanan
𝑝𝑖𝑘 : Harga pengguna layanan i pada link k
𝑑𝑖𝑘 : Kapasitas yang dibutuhkan untuk layanan i pada link k
𝐶𝑘 : Kapasitas total yang terdapat pada link k
𝑚𝑖 : Minimum QoS untuk layanan i
𝑛𝑖 : Jumlah pengguna layanan i
𝑐𝑖 : Harga dasar minimum untuk layanan i
𝑔𝑖 : Harga dasar maksimum untuk layanan i
Tabel 4.10 Variabel Keputusan untuk Setiap Kasus pada Model Jaringan Multi
Layanan
layanan maka diperoleh model untuk memaksimumkan keuntungan pendapatan ISP pada
masing-masing fungsi tujuan dan kendala-kendala yang terdapat pada jaringan multi
layanan. Terdapat 4 kasus dalam jaringan multi layanan yang dimodifikasi berdasarkan
Persamaan (2.1) dan kendala dari Persamaan (2.1a) sampai (2.1g) dengan menginputkan
nilai parameter pada kendala dengan banyaknya jumlah layanan (s) sebanyak 4 (empat)
dengan i = 1, 2, 3, 4.
Tabel 4.11 berikut menampilkan nilai-nilai parameter yang digunakan pada jaringan
multi layanan untuk kasus 1. Nilai C1 diperoleh dari jumlah demands (kbps) link 1, nilai C2
diperoleh dari jumlah demands (kbps) link 2, dan nilai C3 diperoleh dari jumlah demands
Tabel 4.11 Nilai-Nilai Parameter Kasus 1 pada Model Jaringan Multi Layanan
Layanan i (dalam kbps)
Parameter
1. Mail 2. Digilib 3. Movie 4. Proxy
𝛼 0,1 0,1 0,1 0,1
𝛽 0,5 0,5 0,5 0,5
C1 838 838 838 838
C2 13.326 13.326 13.326 13.326
C3 7.922 7.922 7.922 7.922
𝑑𝑖1 5 17 815 1
𝑑𝑖2 7 75 13.244 1
𝑑𝑖3 5 56 7.861 1
𝑛𝑖 10 10 10 10
𝑚𝑖 0,01 0,01 0,01 0,01
𝑝𝑖1 3 45 15 11
𝑝𝑖2 6 21 24 18
𝑝𝑖3 9 30 26 12
Keterangan :
i : Layanan
k : Link
C1,2,3 : Kapasitas total secara berurutan untuk link 1,2,3 pada setiap layanan.
d11 = 5 yaitu kapasitas yang dibutuhkan layanan mail link 1
d21 = 17 yaitu kapasitas yang dibutuhkan layanan digilib link 1
d31 = 815 yaitu kapasitas yang dibutuhkan layanan movie link 1
d41 = 1 yaitu kapasitas yang dibutuhkan layanan proxy link 1
d12 = 7 yaitu kapasitas yang dibutuhkan layanan mail link 2
d22 = 75 yaitu kapasitas yang dibutuhkan layanan digilib link 2
d32 = 13.244 yaitu kapasitas yang dibutuhkan layanan movie link 2
d42 = 1 yaitu kapasitas yang dibutuhkan layanan proxy link 2
d13 = 5 yaitu kapasitas yang dibutuhkan layanan mail link 3
d23 = 56 yaitu kapasitas yang dibutuhkan layanan digilib link 3
d33 = 7.861 yaitu kapasitas yang dibutuhkan layanan movie link 3
d43 = 1 yaitu kapasitas yang dibutuhkan layanan proxy link 3
𝑛𝑖 : Jumlah pengguna maksimum ; dengan i = 1,2,3,4
𝑚𝑖 : Level minimum QoS untuk layanan i ; dengan i = 1,2,3,4
𝑝11 = 3 yaitu sensitivitas harga pengguna layanan mail link 1
𝑝21 = 45 yaitu sensitivitas harga pengguna layanan digilib link 1
𝑝31 = 15 yaitu sensitivitas harga pengguna layanan movie link 1
𝑝41 = 11 yaitu sensitivitas harga pengguna layanan proxy link 1
𝑝12 = 6 yaitu sensitivitas harga pengguna layanan mail link 2
𝑝22 = 21 yaitu sensitivitas harga pengguna layanan digilib link 2
𝑝32 = 24 yaitu sensitivitas harga pengguna layanan movie link 2
𝑝42 = 18 yaitu sensitivitas harga pengguna layanan proxy link 2
𝑝13 = 9 yaitu sensitivitas harga pengguna layanan mail link 3
𝑝23 = 30 yaitu sensitivitas harga pengguna layanan digilib link 3
𝑝33 = 26 yaitu sensitivitas harga pengguna layanan movie link 3
𝑝43 = 12 yaitu sensitivitas harga pengguna layanan proxy link 3
Penggunaan model skema pembiayaan internet multi layanan pada kasus 1 yaitu
𝛼 𝑑𝑎𝑛 𝛽 konstanta dengan memasukkan nilai parameter pada Tabel 4.12 ke dalam
Persamaan (2.1) dan Kendala (2.1 a) sampai Kendala (2.1 g) sehingga diperoleh formulasi
sebagai berikut :
= 0,3𝑥11 +1,5𝐼1 𝑥11 +4,5𝑥21 +22,5𝐼2 𝑥21 + 1, 5𝑥31 + 0,75𝐼3 𝑥31 +1,1𝑥41 + 5,5𝐼4 𝑥41 +
0,6𝑥12 +3𝐼1 𝑥12 +2,1𝑥22 +10,5𝐼2 𝑥22 + 2, 4𝑥32 + 12𝐼3 𝑥32 +1,8𝑥42 + 9𝐼4 𝑥42 +
0,9𝑥13 +4,5𝐼1 𝑥13 +3𝑥23 +15𝐼2 𝑥23 + 2, 6𝑥33 + 13𝐼3 𝑥33 +1,2𝑥41 + 6𝐼4 𝑥41 (4.1)
0 ≤ 𝑎11 ≤ 1
0 ≤ 𝑎21 ≤ 1
0 ≤ 𝑎31 ≤ 1
0 ≤ 𝑎41 ≤ 1
0 ≤ 𝑎12 ≤ 1
0 ≤ 𝑎22 ≤ 1
0 ≤ 𝑎32 ≤ 1
0 ≤ 𝑎42 ≤ 1
0 ≤ 𝑎13 ≤ 1
0 ≤ 𝑎23 ≤ 1
0 ≤ 𝑎33 ≤ 1
0 ≤ 𝑎43 ≤ 1 (4.5)
0,01 ≤ 𝐼1 ≤ 1
0,01 ≤ 𝐼2 ≤ 1
0,01 ≤ 𝐼3 ≤ 1
0,01 ≤ 𝐼4 ≤ 1 (4.6)
0 ≤ 𝑥21 ≤ 10
0 ≤ 𝑥31 ≤ 10
0 ≤ 𝑥41 ≤ 10
0 ≤ 𝑥12 ≤ 10
0 ≤ 𝑥22 ≤ 10
0 ≤ 𝑥32 ≤ 10
0 ≤ 𝑥42 ≤ 10
0 ≤ 𝑥13 ≤ 10
0 ≤ 𝑥23 ≤ 10
0 ≤ 𝑥33 ≤ 10
0 ≤ 𝑥43 ≤ 10 (4.7)
{ 𝑥11 , 𝑥21 , 𝑥31 , 𝑥41 , 𝑥12 , 𝑥22 , 𝑥32 , 𝑥42 , 𝑥13 , 𝑥23 , 𝑥33 , 𝑥43 } ⊆ ℤ+ (4.8)
𝐼2 − 𝐼1 = 0
𝐼3 − 𝐼2 = 0
𝐼4 − 𝐼3 = 0 (4.10)
𝐼2 − 𝐼1 > 0
𝐼3 − 𝐼2 > 0
𝐼4 − 𝐼3 > 0 (4.11)
𝐼2 − 𝐼1 < 0
𝐼3 − 𝐼2 < 0
𝐼4 − 𝐼3 < 0 (4.12)
dan 𝜷 variabel)
Model persamaan yang digunakan untuk kasus 2 menggunakan fungsi tujuan pada
Persamaan (2.2) dan kendala dari Persamaan (2.1a) sampai (2.2b) dengan menginputkan
nilai parameter pada kendala dengan banyaknya jumlah layanan (s) sebanyak 4 (empat)
dengan i = 1, 2, 3, 4.
Tabel 4.12 berikut menampilkan nilai-nilai parameter yang digunakan pada jaringan multi
Tabel 4.12 Nilai-Nilai Parameter Kasus 2 pada Model Jaringan Multi Layanan
Layanan i dalam kbps
Parameter
1. Mail 2. Digilib 3. Movie 4. Proxy
𝛼 0,1 0,1 0,1 0,1
C1 838 838 838 838
C2 13.326 13.326 13.326 13.326
C3 7.922 7.922 7.922 7.922
𝑑𝑖1 5 17 815 1
𝑑𝑖2 7 75 13.244 1
𝑑𝑖3 5 56 7.861 1
𝑛𝑖 10 10 10 10
𝑚𝑖 0,01 0,01 0,01 0,01
𝑝𝑖1 3 45 15 11
𝑝𝑖2 6 21 24 18
𝑝𝑖3 9 30 26 12
𝐼𝑖 0,01 0,01 0,01 0,01
𝑏𝑖 0,5 0,5 0,5 0,5
Berdasarkan fungsi objektif pada Persamaan (2.2) :
3 4
=0,3𝑥11 +3𝛽1 𝐼1 𝑥11 +4,5𝑥21 +45𝛽2 𝐼2 𝑥21 + 1, 5𝑥31 + 15𝛽3 𝐼3 𝑥31 +1,1𝑥41 +11𝛽4 𝐼4 𝑥41 +
0,6𝑥12 +6𝛽1 𝐼1 𝑥12 +2,1𝑥22 +21𝛽2 𝐼2 𝑥22 + 2, 4𝑥32 + 24𝛽3 𝐼3 𝑥32+1,8𝑥42 + 18𝛽4 𝐼4 𝑥42 +
0,9𝑥13 +9𝛽1 𝐼1 𝑥13 +3𝑥23 +30𝛽2 𝐼2 𝑥23 + 2, 6𝑥33 + 26𝛽3 𝐼3 𝑥33 +1,2𝑥41 + 12𝛽4 𝐼4 𝑥41
(4.13)
0 ≤ 𝑎11 ≤ 1
0 ≤ 𝑎21 ≤ 1
0 ≤ 𝑎31 ≤ 1
0 ≤ 𝑎41 ≤ 1
0 ≤ 𝑎12 ≤ 1
0 ≤ 𝑎22 ≤ 1
0 ≤ 𝑎32 ≤ 1
0 ≤ 𝑎42 ≤ 1
0 ≤ 𝑎13 ≤ 1
0 ≤ 𝑎23 ≤ 1
0 ≤ 𝑎33 ≤ 1
0 ≤ 𝑎43 ≤ 1 (4.17)
0,01 ≤ 𝐼1 ≤ 1
0,01 ≤ 𝐼2 ≤ 1
0,01 ≤ 𝐼3 ≤ 1
0,01 ≤ 𝐼4 ≤ 1 (4.18)
0 ≤ 𝑥11 ≤ 10
0 ≤ 𝑥21 ≤ 10
0 ≤ 𝑥31 ≤ 10
0 ≤ 𝑥41 ≤ 10
0 ≤ 𝑥12 ≤ 10
0 ≤ 𝑥22 ≤ 10
0 ≤ 𝑥32 ≤ 10
0 ≤ 𝑥42 ≤ 10
0 ≤ 𝑥13 ≤ 10
0 ≤ 𝑥23 ≤ 10
0 ≤ 𝑥33 ≤ 10
0 ≤ 𝑥43 ≤ 10 (4.15)
{ 𝑥11 , 𝑥21 , 𝑥31 , 𝑥41 , 𝑥12 , 𝑥22 , 𝑥32 , 𝑥42 , 𝑥13 , 𝑥23 , 𝑥33 , 𝑥43 } ⊆ ℤ+ (4.16)
𝛽2 𝐼2 ≥ 𝛽1 𝐼1
𝛽3 𝐼3 ≥ 𝛽2 𝐼2
𝛽4 𝐼3 ≥ 𝛽3 𝐼3 (4.17)
Berdasarkan Kendala (2.2b) maka didapat :
0,01 ≤ 𝛽1 ≤ 0,5
0,01 ≤ 𝛽2 ≤ 0,5
0,01 ≤ 𝛽3 ≤ 0,5
dengan memodifikasi indeks kualitas layanan i(Ii)dan kualitas premium layanan (𝛽𝑖 ) yaitu :
𝐼2 − 𝐼1 = 0
𝐼3 − 𝐼2 = 0
𝐼4 − 𝐼3 = 0 (4.19)
𝐼2 − 𝐼1 > 0
𝐼3 − 𝐼2 > 0
𝐼4 − 𝐼3 > 0 (4.20)
𝐼2 − 𝐼1 < 0
𝐼3 − 𝐼2 < 0
𝐼4 − 𝐼3 < 0 (4.21)
𝛽2 − 𝛽1 = 0
𝛽3 − 𝛽2 = 0
𝛽4 − 𝛽3 = 0 (4.22)
Jika 𝛽𝑖 > 𝛽𝑖−1, maka ditambah kendala
𝛽2 − 𝛽1 > 0
𝛽3 − 𝛽2 > 0
𝛽4 − 𝛽3 > 0 (4.23)
𝛽2 − 𝛽1 < 0
𝛽3 − 𝛽2 < 0
𝛽4 − 𝛽3 < 0 (4.24)
variabel)
Model persamaan yang digunakan untuk kasus 2 menggunakan fungsi tujuan pada
Persamaan (2.3) dan kendala dari Persamaan (2.1a) sampai (2.2b) dan kendala (2.3a) serta
(2.3b) dengan menginputkan nilai parameter pada kendala dengan banyaknya jumlah
Tabel 4.13 berikut menampilkan nilai-nilai parameter yang digunakan pada jaringan multi
Tabel 4.13 Nilai-Nilai Parameter Kasus 3 pada Model Jaringan Multi Layanan
Layanan i (dalam kbps)
Parameter
1. Mail 2. Digilib 3. Movie 4. Proxy
C1 838 838 838 838
C2 13.326 13.326 13.326 13.326
C3 7.922 7.922 7.922 7.922
𝑑𝑖1 5 17 815 1
𝑑𝑖2 7 75 13.244 1
𝑑𝑖3 5 56 7.861 1
𝑝𝑖1 3 45 15 11
𝑝𝑖2 6 21 24 18
𝑝𝑖3 9 30 26 12
𝐼𝑖 0,01 0,01 0,01 0,01
𝑏𝑖 0,5 0,5 0,5 0,5
= (𝛼1 +𝛽1.𝐼1 )3𝑥11 + (𝛼2 +𝛽2.𝐼2 )45𝑥21 +(𝛼3 +𝛽3.𝐼3 )15𝑥31 +(𝛼4 +𝛽4 . 𝐼4 )11𝑥41 +
(𝛼1 + 𝛽1)6𝑥12 +(𝛼2 +𝛽2.𝐼2 )21𝑥22 +(𝛼3 +𝛽3.𝐼3 )24𝑥32 +(𝛼4 +𝛽4 . 𝐼4 )18𝑥42 +
(𝛼1 +𝛽1)9𝑥13 +(𝛼2 +𝛽2.𝐼2 )30𝑥23 +(𝛼3 +𝛽3.𝐼3 )26𝑥33 +(𝛼4 +𝛽4 . 𝐼4 )12𝑥43 (4.25)
0 ≤ 𝑎11 ≤ 1
0 ≤ 𝑎21 ≤ 1
0 ≤ 𝑎31 ≤ 1
0 ≤ 𝑎41 ≤ 1
0 ≤ 𝑎12 ≤ 1
0 ≤ 𝑎22 ≤ 1
0 ≤ 𝑎32 ≤ 1
0 ≤ 𝑎42 ≤ 1
0 ≤ 𝑎13 ≤ 1
0 ≤ 𝑎23 ≤ 1
0 ≤ 𝑎33 ≤ 1
0 ≤ 𝑎43 ≤ 1 (4.28)
0,01 ≤ 𝐼1 ≤ 1
0,01 ≤ 𝐼2 ≤ 1
0,01 ≤ 𝐼3 ≤ 1
0,01 ≤ 𝐼4 ≤ 1 (4.29)
Berdasarkan Kendala (2.1f) didapat :
0 ≤ 𝑥11 ≤ 10
0 ≤ 𝑥21 ≤ 10
0 ≤ 𝑥31 ≤ 10
0 ≤ 𝑥41 ≤ 10
0 ≤ 𝑥12 ≤ 10
0 ≤ 𝑥22 ≤ 10
0 ≤ 𝑥32 ≤ 10
0 ≤ 𝑥42 ≤ 10
0 ≤ 𝑥13 ≤ 10
0 ≤ 𝑥23 ≤ 10
0 ≤ 𝑥33 ≤ 10
0 ≤ 𝑥43 ≤ 10 (4.30)
{ 𝑥11 , 𝑥21 , 𝑥31 , 𝑥41 , 𝑥12 , 𝑥22 , 𝑥32 , 𝑥42 , 𝑥13 , 𝑥23 , 𝑥33 , 𝑥43 } ⊆ ℤ+ (4.31)
0,01 ≤ 𝛽1 ≤ 0,5
0,01 ≤ 𝛽2 ≤ 0,5
0,01 ≤ 𝛽3 ≤ 0,5
𝛼2 + 𝛽2 𝐼2 ≥ 𝛼1 + 𝛽1 𝐼1
𝛼3 + 𝛽3 𝐼3 ≥ 𝛼2 + 𝛽2 𝐼2
𝛼4 + 𝛽4 𝐼4 ≥ 𝛼3 +𝛽3 𝐼3 (4.33)
0 ≤ 𝛼1 ≤ 1
0 ≤ 𝛼2 ≤ 1
0 ≤ 𝛼3 ≤ 1
0 ≤ 𝛼4 ≤ 1 (4.34)
dengan memodifikasi indeks kualitas layanan i (Ii) harga dasar layanan (𝛼𝑖 ), dan kualitas
𝐼2 − 𝐼1 = 0
𝐼3 − 𝐼2 = 0
𝐼4 − 𝐼3 = 0 (4.35)
𝐼2 − 𝐼1 > 0
𝐼3 − 𝐼2 > 0
𝐼4 − 𝐼3 > 0 (4.36)
𝐼2 − 𝐼1 < 0
𝐼3 − 𝐼2 < 0
𝐼4 − 𝐼3 < 0 (4.37)
𝛽2 − 𝛽1 = 0
𝛽3 − 𝛽2 = 0
𝛽4 − 𝛽3 = 0 (4.38)
𝛽2 − 𝛽1 > 0
𝛽3 − 𝛽2 > 0
𝛽4 − 𝛽3 > 0 (4.39)
𝛽2 − 𝛽1 < 0
𝛽3 − 𝛽2 < 0
𝛽4 − 𝛽3 < 0 (4.40)
𝛼2 − 𝛼1 = 0
𝛼3 − 𝛼2 = 0
𝛼4 − 𝛼3 = 0 (4.41)
𝛼2 − 𝛼1 > 0
𝛼3 − 𝛼2 > 0
𝛼4 − 𝛼3 > 0 (4.42)
Jika 𝛼𝑖 < 𝛼𝑖−1 , maka ditambah kendala
𝛼2 − 𝛼1 < 0
𝛼3 − 𝛼2 < 0
𝛼4 − 𝛼3 < 0 (4.43)
4.3.4 Penggunaan Model Skema Pembiayaan Internet pada Kasus 4 (𝜶 variabel dan
𝜷 konstanta)
Model persamaan yang digunakan untuk kasus 4 menggunakan fungsi tujuan pada
Persamaan (2.4) dan kendala dari Persamaan (2.1a) sampai (2.1g) dan ditambahkan kendala
(2.4a) dengan menginputkan nilai parameter pada kendala dengan banyaknya jumlah
Tabel 4.14 berikut menampilkan nilai-nilai parameter yang digunakan pada jaringan multi
Tabel 4.14 Nilai-Nilai Parameter Kasus 4 pada Model Jaringan Multi Layanan
Layanan i (dalam kbps)
Parameter
1. Mail 2. Digilib 3. Movie 4. Proxy
𝛽i 0,5 0,5 0,5 0,5
C1 838 838 838 838
C2 13.326 13.326 13.326 13.326
C3 7.922 7.922 7.922 7.922
𝑑𝑖1 5 17 815 1
𝑑𝑖2 7 75 13.244 1
𝑑𝑖3 5 56 7.861 1
𝑛𝑖 10 10 10 10
𝐼𝑖 0,01 0,01 0,01 0,01
(𝛼1 + 0,5. 𝐼1)6𝑥12 +(𝛼2 +0,5.𝐼2 )21𝑥22 +(𝛼3 +0,5.𝐼3 )24𝑥32 +(𝛼4 +0,5. 𝐼4 )18𝑥42 +
(𝛼1 +0,5. 𝐼1)9𝑥13 +(𝛼2 +0,5.𝐼2 )30𝑥23 +(𝛼3 +0,5.𝐼3 )26𝑥33 +(𝛼4 +0,5. 𝐼4 )12𝑥43
= 3𝛼1 𝑥11+1,5𝐼1 𝑥11 +45𝛼2𝑥21+22,5𝐼2 𝑥21 + 15𝛼3𝑥31 + 0,75𝐼3𝑥31+11𝛼4 𝑥41+ 5,5𝐼4 𝑥41+
6𝛼1 𝑥12 +3𝐼1 𝑥12+21𝛼2 𝑥22 +10,5𝐼2 𝑥22 + 24𝛼3 𝑥32 + 12𝐼3 𝑥32 +18𝛼4 𝑥42+ 9𝐼4 𝑥42 +
9𝛼1 𝑥13 +4,5𝐼1 𝑥13+30𝛼2 𝑥23 +15𝐼2 𝑥23 + 26𝛼3 𝑥33 + 13𝐼3 𝑥33 +12𝛼4 𝑥43+ 6𝐼4 𝑥43 (4.44)
0 ≤ 𝑎11 ≤ 1
0 ≤ 𝑎21 ≤ 1
0 ≤ 𝑎31 ≤ 1
0 ≤ 𝑎41 ≤ 1
0 ≤ 𝑎12 ≤ 1
0 ≤ 𝑎22 ≤ 1
0 ≤ 𝑎32 ≤ 1
0 ≤ 𝑎42 ≤ 1
0 ≤ 𝑎13 ≤ 1
0 ≤ 𝑎23 ≤ 1
0 ≤ 𝑎33 ≤ 1
0 ≤ 𝑎43 ≤ 1 (4.47)
0,01 ≤ 𝐼1 ≤ 1
0,01 ≤ 𝐼2 ≤ 1
0,01 ≤ 𝐼3 ≤ 1
0,01 ≤ 𝐼4 ≤ 1 (4.48)
0 ≤ 𝑥11 ≤ 10
0 ≤ 𝑥21 ≤ 10
0 ≤ 𝑥31 ≤ 10
0 ≤ 𝑥41 ≤ 10
0 ≤ 𝑥12 ≤ 10
0 ≤ 𝑥22 ≤ 10
0 ≤ 𝑥32 ≤ 10
0 ≤ 𝑥42 ≤ 10
0 ≤ 𝑥13 ≤ 10
0 ≤ 𝑥23 ≤ 10
0 ≤ 𝑥33 ≤ 10
0 ≤ 𝑥43 ≤ 10 (4.49)
{ 𝑥11 , 𝑥21 , 𝑥31 , 𝑥41 , 𝑥12 , 𝑥22 , 𝑥32 , 𝑥42 , 𝑥13 , 𝑥23 , 𝑥33 , 𝑥43 } ⊆ ℤ+ (4.50)
0 ≤ 𝛼1 ≤ 1
0 ≤ 𝛼2 ≤ 1
0 ≤ 𝛼3 ≤ 1
0 ≤ 𝛼4 ≤ 1 (4.51)
𝛼2 + 𝐼2 ≥ 𝛼1 + 𝐼1
𝛼3 + 𝐼3 ≥ 𝛼2 + 𝐼2
𝛼4 + 𝐼4 ≥ 𝛼3 + 𝐼3 (4.52)
dengan memodifikasi indeks kualitas layanan i (Ii) harga dasar layanan (𝛼𝑖 ), dan yaitu :
𝐼2 − 𝐼1 = 0
𝐼3 − 𝐼2 = 0
𝐼4 − 𝐼3 = 0 (4.53)
𝐼2 − 𝐼1 > 0
𝐼3 − 𝐼2 > 0
𝐼4 − 𝐼3 > 0 (4.54)
𝐼2 − 𝐼1 < 0
𝐼3 − 𝐼2 < 0
𝐼4 − 𝐼3 < 0 (4.55)
𝛼2 − 𝛼1 = 0
𝛼3 − 𝛼2 = 0
𝛼4 − 𝛼3 = 0 (4.56)
𝛼2 − 𝛼1 > 0
𝛼3 − 𝛼2 > 0
𝛼4 − 𝛼3 > 0 (4.57)
Jika 𝛼𝑖 < 𝛼𝑖−1 , maka ditambah kendala
𝛼2 − 𝛼1 < 0
𝛼3 − 𝛼2 < 0
𝛼4 − 𝛼3 < 0 (4.58)
4.4 Solusi Model pada Jaringan Multi Layanan dengan Program LINGO
Model yang diperoleh pada Sub Bab 4.3.1, yaitu Persamaan (4.1) sampai (4.11)
kasus 1 digunakan modifikasi indeks layanan i (Ii) sehingga dalam kasus 1 terdapat 3 kasus.
Setiap kasus 1 menggunakan Persamaan (4.1) sampai Persamaan (4.8) ditambah dengan :
Contoh bentuk penggunaan program Lingo11.0 untuk salah satu model kasus 1
dapat dilihat pada Lampiran 1. Dengan menyelesaikan setiap kasus meggunakan program
Lingo.11.0 diperoleh solusi optimal yang memenuhi dan sesuai dengan kondisi yaitu pada
Ii=Ii-1 dan Ii<Ii-1 . Contoh solusi dari program Lingo11.0 untuk kasus 1 dapat dilihat pada
Lampiran 2. Tabel 4.15 menyajikan hasil solusi optimal, nilai variabel, dan solusi lanjut
untuk model skema pembiayaan internet untuk kasus αdanβ konstanta pada Ii=Ii-1 danIi<Ii-1.
Kasus α dan β konstanta pada Ii>Ii-1 tidak optimal dikarenakan kendala yang diberikan
tidak terpenuhi.
Tabel 4.15 Solusi Optimal Kasus 1 (α dan β konstanta) pada Ii=Ii-1.
Solver Status
Model Class MINLP
State Local Optimal
Objective 930
Infeasibility 8,50 ∙ 10−17
Iterations 217
Extended Solver Status
Solver Type Branch and Bound
Best Objective 930
Objective bound 930
Steps 6
Update Interval 2
Active 0
GMU (K) 37
ER (sec) 1
Tabel 4.15 menampilkan solusi optimal yaitu sebesar 930. Hasil ini didapatkan dengan
iterasi sebanyak 213 dan infeasibility bernilai 8,50 ∙ 10−17 . Extended solver status
menunjukkan metode yang digunakan dalam kasus ini adalah metode Branch and Bound
dengan nilai objektif 930. Generated Memory Used (GMU) menunjukkan jumlah alokasi
memori yang digunakan yaitu sebesar 37K dan Elapsed Runtime (ER) menuunjukkan total
waktu yang digunakan untuk menghasilkan dan menyelesaikan model yaitu 1 detik.
Tabel 4.16 Nilai Variabel dalam Jaringan Multi Layanan untuk Kasus 1 pada Ii=Ii-1
Layanan i
Variabel
1 2 3 4
Ii 1 1 1 1
xi 10 10 10 10
Tabel 4.17 Solusi Lanjut Kasus 1 (α dan β Konstanta) untuk Ii=Ii-1
Solusi Lanjut Layanan i
1 2 3 4
Kapasitas yang digunakan (Ii·dik·xik)
(Ii·di1·xi1) 50 170 8.150 10
(Ii·di2·xi2) 70 750 132.440 10
(Ii·di1·xi3) 50 560 78.610 10
Kapasitas layanan i 170 1480 219.200 30
Total kapasitas yang digunakan 220.880
Pendapatan (α+β·Ii)·pik·xik
(α+β·Ii)·pi1·xi1 18 270 90 66
(α+β·Ii)·pi2·xi2 36 126 144 108
(α+β·Ii)·pi2·xi3 54 180 156 72
Pendapatan dari layanan i 108 576 390 246
Total pendapatan 1.320
Berdasarkan Tabel 4.17 dapat diperoleh kapasitas pengguna untuk setiap layanan.
Untuk layanan 1 memiliki total kapasitas pengguna 170 dari 220.880 atau
170
𝑥 100% = 0,07 % dari kapasitas total yang digunakan. Untuk layanan 2 memiliki
220880
1480
total kapasitas pengguna 1.480 dari 220.880 atau 𝑥 100% = 0,67 % dari total
220880
kapasitas yang disediakan. Untuk layanan 3 memiliki kapasitas pengguna 219.200 dari
219200
220.880 atau 220880 𝑥 100% = 99,24 %. Untuk layanan 4 memiliki kapasitas pengguna 30
30
dari 220.880 atau 𝑥 100% = 0,01 %. Keuntungan yang diperoleh sebesar Rp 1.320
220880
Tabel 4.18 menampilkan solusi optimal yaitu sebesar 834,897. Hasil ini didapatkan dengan
iterasi sebanyak 64 dan infeasibility bernilai 4,34 ∙ 10−17 . Extended solver status
menunjukkan metode yang digunakan, dalam penyelesaian kasus ini digunakan metode
Branch and Bound dengan nilai objektif 834,897. Generated Memory Used (GMU)
menunjukkan jumlah alokasi memori yang digunakan yaitu sebesar 37K dan Elapsed
Runtime (ER) menuunjukkan total waktu yang digunakan untuk menghasilkan dan
Tabel 4.19 Nilai Variabel dalam Jaringan Multi Layanan pada Kasus 1 Untuk Ii<Ii-1
Layanan (i)
Variabel
1 2 3 4
Ii 1 1 0,93 0,93
xi 10 10 10 10
Berdasarkan Tabel 4.20 dapat diperoleh kapasitas pengguna untuk setiap layanan. Untuk
170
layanan 1 memiliki total kapasitas pengguna 170 dari 205.533,9 atau 205533,9 𝑥 100% =
0,08 % dari kapasitas total yang digunakan. Untuk layanan 2 memiliki total kapasitas
1480
pengguna 1480 dari 205533,9 atau 𝑥 100% = 0,72 % dari total kapasitas yang
205533,9
disediakan. Untuk layanan 3 memiliki kapasitas pengguna 203856 dari 205533,9 atau
203856
𝑥 100% = 99,18 % . Untuk layanan 4 memiliki kapasitas pengguna 27,3 dari
205533,9
27,3
205533,9 atau 𝑥 100% = 0,13 % . Keuntungan yang diperoleh yaitu sebesar
205533,9
Berdasarkan rekapitukasi kasus 1 dari Tabel 4.21 diperoleh bahwa penyedia layanan
(ISP) mendapatkan keuntungan maksimal sebesar Rp 1.320 per kbps diperoleh pada kasus
Ii = Ii-1. Persentase kapasitas total yang digunakan sebesar 100%. Dapat dilihat pada Tabel
4.21 pada Ii = Ii-1 kapasitas terbesar yang digunakan sebesar 99,24% sedangkan pada
Model yang diperoleh pada Sub Bab 4.3.2 diselesaikan menggunakan Progam
Lingo.11.0. Untuk memperoleh solusi optimal pada kasus 2 digunakan modifikasi indeks
layanan i (Ii) dan kualitas premium layanan i (βi) setiap kasus 2 menggunakan Persamaan
(4.12) sampai Persamaan (4.18) dan Persamaan (4.19) sampai Persamaan(4.24) sehingga
solusi optimal pada kasus α konstanta dan β sebagai variabel yang menghasilkan solusi
yang memenuhi dan sesuai dengan kondisi adalah pada βi = βi-1 untuk Ii=Ii-1 dan βi = βi-1
untuk Ii>Ii-1 . Tabel 4.22 menyajikan hasil solusi optimal, nilai variabel dan solusi lanjut
untuk model skema pembiayaan internet untuk kasus α konstanta, βi = βi-1 , Ii=Ii-1 dan α
Tabel 4.22 menampilkan solusi optimal yaitu sebesar 930. Hasil ini didapatkan dengan
iterasi sebanyak 264 dan infeasibility bernilai 8,5 ∙ 10−17 . Extended solver status
menunjukkan metode yang digunakan, dalam penyelesaian kasus ini digunakan metode
Branch and Bound dengan nilai objektif 930. Generated Memory Used (GMU)
menunjukkan jumlah alokasi memori yang digunakan yaitu sebesar 39K dan Elapsed
Runtime (ER) menuunjukkan total waktu yang digunakan untuk menghasilkan dan
Tabel 4.23 Nilai Variabel dalam Jaringan Multi Layanan pada Kasus 2 untuk
βi = βi-1 dan Ii = Ii-1
Layanan (i)
Variabel
1 2 3 4
Ii 1 1 1 1
xi 10 10 10 10
𝛽𝑖 1 1 1 1
Tabel 4.24 Solusi Lanjut Kasus 2 (α Konstanta dan βi = βi-1) untuk Ii=Ii-1
Solusi Lanjut Layanan (i)
1 2 3 4
Kapasitas yang digunakan (Ii·dik·xik)
(Ii·di1·xi1) 50 170 8.150 10
(Ii·di2·xi2) 70 750 132.440 10
(Ii·di1·xi3) 50 560 78.610 10
Kapasitas layanan i 170 1.480 219.200 30
Total kapasitas yang digunakan 220.880
Pendapatan (α+𝛽𝑖 ·Ii)·pik·xik
(α+𝛽𝑖 ··Ii)·pi1·xi1 33 495 165 121
(α+𝛽𝑖 ··Ii)·pi2·xi2 66 231 264 198
(α+𝛽𝑖 ··Ii)·pi2·xi3 99 330 286 132
Pendapatan dari layanan i 198 1.056 715 451
Total pendapatan 2.420
Berdasarkan Tabel 4.24 dapat diperoleh kapasitas pengguna untuk setiap layanan.
170
Untuk layanan 1 memiliki total kapasitas pengguna 170 dari 220.880 atau 220880 𝑥 100% =
0,07 % dari kapasitas total yang digunakan. Untuk layanan 2 memiliki total kapasitas
1480
pengguna 1.480 dari 220.880 atau 𝑥 100% = 0,67 % dari total kapasitas yang
220880
disediakan. Untuk layanan 3 memiliki kapasitas pengguna 219.200 dari 220.880 atau
219200
𝑥 100% = 99,24 %. Untuk layanan 4 memiliki kapasitas pengguna 30 dari 220.880
220880
30
atau 𝑥 100% = 0,01 % . Keuntungan yang di peroleh yaitu sebesar Rp 1.973,6
220880
Tabel 4.25 Solusi optimal Kasus 2 (α Konstanta dan βi= βi-1) untuk Ii>Ii-1.
Solver Status
Model Class MINLP
State Local Optimal
Objective 831,343
Infeasibility 1,31 ∙ 10−16
Iterations 240
Extended Solver Status
Solver Type Branch and Bound
Best Objective 831,343
Objective bound 831,343
Steps 7
Update Interval 2
Active 4
GMU (K) 39
ER (sec) 1
Tabel 4.25 menampilkan solusi optimal yaitu sebesar 831,343. Hasil ini didapatkan
dengan iterasi sebanyak 240 dan infeasibility bernilai 1,31 ∙ 10−16. Extended solver status
menunjukkan metode yang digunakan, dalam penyelesaian kasus ini digunakan metode
Branch and Bound dengan nilai objektif 834,897. Generated Memory Used (GMU)
menunjukkan jumlah alokasi memori yang digunakan yaitu sebesar 39K dan Elapsed
Runtime (ER) menuunjukkan total waktu yang digunakan untuk menghasilkan dan
Tabel 4.26 Nilai Variabel dalam Jaringan Multi Layanan pada α Konstanta dan
βi= βi-1 untuk Ii>Ii-1
Layanan (i)
Variabel
1 2 3 4
Ii 0,94 0,94 0,94 1
xi 10 10 10 10
𝛽𝑖 1 1 1 1
Tabel 4.27 Solusi Lanjut Kasus 2 untuk (α Konstanta dan βi= βi-1) untuk Ii>Ii-1
Solusi Lanjut Layanan (i)
1 2 3 4
Kapasitas yang digunakan (Ii·dik·xik)
(Ii·di1·xi1) 47 159,8 7661 9,4
(Ii·di2·xi2) 65,8 705 124493,6 9,4
(Ii·di1·xi3) 47 526,4 73893,4 9,4
Kapasitas layanan i 159,8 1.391,2 206.048 28,2
Total kapasitas yang digunakan 207.627,2
Pendapatan ((α+β·Ii)·pik·xik)
((α+β·Ii)·pi1·xi1) 31,2 468 156 114,4
((α+β·Ii)·pi2·xi2) 62,4 218,4 249,6 187,2
((α+β·Ii)·pi2·xi3) 93,6 312 270,4 124,8
Pendapatan dari layanan i 187,2 998,4 676 426,4
Total pendapatan 2.288
Berdasarkan Tabel 4.27 dapat diperoleh kapasitas pengguna untuk setiap layanan. Untuk
159
layanan 1 memiliki total kapasitas pengguna 159,8 dari 207627,2 atau 207627,2 𝑥 100% =
0,07 % dari kapasitas total yang digunakan. Untuk layanan 2 memiliki total kapasitas
1391
pengguna 1391 dari 207627,2 atau 𝑥 100% = 0,67 % dari total kapasitas yang
207627,2
disediakan. Untuk layanan 3 memiliki kapasitas pengguna 206048 dari 207627,2 atau
206048
𝑥 100% = 99,24 % . Untuk layanan 4 memiliki kapasitas pengguna 28,2 dari
207627,2
28,2
207627,2 atau 𝑥 100% = 0,01 % . Keuntungan yang diperoleh yaitu sebesar
207627,2
Indeks Layanan
Ii = Ii-1 Ii > Ii-1
Layanan i
1 2 3 4 1 2 3 4
Persentase kapasitas yang
0,07 0,67 99,24 0,01 0,07 0,67 99,24 0,01
digunakan (%)
Kapasitas total yang
220.880 207.627,2
digunakan
Persentase kapasitas total
100 94
yang digunakan (%)
Total pendapatan 2.420 2.288
Berdasarkan rekapitukasi dari Tabel 4.28 diperoleh bahwa penyedia layanan atau ISP
Model yang diperoleh pada sub bab 4.3.3 diselesaikan menggunakan Progam Lingo
11.0. Untuk memperoleh solusi optimal pada kasus 3 digunakan modifikasi kasus
berdasarkan harga dasar layanan i (𝛼𝑖 ), kualitas premium layanan i (βi), dan indeks
solusi optimal pada kasus α dan β sebagai variabel yang menghasilkan solusi yang
memenuhi dan sesuai dengan kondisi adalah pada 𝛼 i = 𝛼 i-1 , βi > βi-1 untuk Ii=Ii-1 dan
𝛼i = 𝛼i-1 ,βi = βi-1 untuk Ii>Ii-1 . Tabel 4.29 menyajikan hasil solusi optimal, nilai variabel
dan solusi lanjut untuk model skema pembiayaan internet untuk kasus 𝛼 i = 𝛼i-1 , βi = βi-1 ,
Tabel 4.29 menampilkan solusi optimal yaitu sebesar 2.309,99. Hasil ini didapatkan dengan
iterasi sebanyak 31 kali dan infesibility bernilai 1,98 ∙ 10−5 . Extended solver status
menunjukkan metode yang digunakan, dalam penyelesaian kasus ini digunakan metode
Branch and Bound dengan nilai objektif 2309,99. Generated Memory Used (GMU)
menunjukkan jumlah alokasi memori yang digunakan yaitu sebesar 42K dan Elapsed
Runtime (ER) menunjukkan total waktu yang digunakan untuk menghasilkan dan
Tabel 4.30 Nilai Variabel dalam Jaringan Multi Layanan pada Kasus 3 untuk
Ii=Ii-1
Layanan (i)
Variabel
1 2 3 4
Ii 0,01 0,01 0,01 0,01
xi 10 10 10 10
𝛼𝑖 0,5 0,5 0,5 0,5
𝛽𝑖 1 1 1 1
Tabel 4.31 Solusi Lanjut Kasus 3 (αi = αi-1 dan βi = βi-1) untuk Ii=Ii-1
Solusi Lanjut Layanan (i)
1 2 3 4
Kapasitas yang digunakan (Ii·dik·xik)
(Ii·di1·xi1) 5 17 815 1
(Ii·di2·xi2) 7 75 13.244 1
(Ii·di1·xi3) 5 56 7.861 1
Kapasitas layanan i 17 148 21920 3
Total kapasitas yang digunakan 22.088
Pendapatan ((𝛼𝑖 +𝛽𝑖 ·Ii)·pik·xik)
((𝛼𝑖 +𝛽𝑖 ··Ii)·pi1·xi1) 15,3 229,5 76,5 56,1
((𝛼𝑖 +𝛽𝑖 ··Ii)·pi2·xi2) 30,6 107,1 122,4 91,8
((𝛼𝑖 +𝛽𝑖 ··Ii)·pi2·xi3) 45,9 153 132,6 61,2
Pendapatan dari layanan i 91,8 489,6 331,5 209,1
Total pendapatan 1.122
Berdasarkan Tabel 4.31 dapat diperoleh kapasitas pengguna untuk setiap layanan.
17
Untuk layanan 1 memiliki total kapasitas pengguna 17 dari 22.088 atau 22088 𝑥 100% =
0,07 % dari kapasitas total yang digunakan. Untuk layanan 2 memiliki total kapasitas
148
pengguna 148 dari 22.088 atau 𝑥 100% = 0,67 % dari total kapasitas yang
22088
disediakan. Untuk layanan 3 memiliki kapasitas pengguna 21.920 dari 22.088 atau
21920
𝑥 100% = 99,24%. Untuk layanan 4 memiliki kapasitas pengguna 3 dari 22.088 atau
22088
3
𝑥 100% = 0,01 %. Keuntungan yang diperoleh yaitu sebesar Rp 1.122 dengan total
22088
Tabel 4.32 Solusi Optimal Kasus 3 (αi = αi-1 dan βi = βi-1) untuk Ii>Ii-1
Solver Status
Model Class MINLP
State Local Optimal
Objective 2493,54
Infeasibility 1,14 ∙ 10−13
Iterations 166
Extended Solver Status
Solver Type Branch and Bound
Best Objective 2493,54
Objective bound 2493,54
Steps 6
Update Interval 2
Active 0
GMU (K) 40
ER (sec) 0
Tabel 4.32 menampilkan solusi optimal yaitu sebesar 2493,54. Hasil ini didapatkan dengan
iterasi sebanyak 166 dan infeasibility bernilai 1,14 ∙ 10−13 . Extended solver status
menunjukkan metode yang digunakan, dalam penyelesaian kasus ini digunakan metode
Branch and Bound dengan nilai objektif 2493,54. Generated Memory Used (GMU)
menunjukkan jumlah alokasi memori yang digunakan yaitu sebesar 40K dan Elapsed
Runtime (ER) menuunjukkan total waktu yang digunakan untuk menghasilkan dan
Tabel 4.33 Nilai Variabel dalam Jaringan Multi Layanan pada Kasus 3 αi = αi-1
dan βi = βi-1 untuk Ii > Ii-1
Layanan (i)
Variabel
1 2 3 4
Ii 0,09 0,09 0,09 1
xi 10 10 10 10
𝛼𝑖 0,5 0,5 0,5 0,5
𝛽𝑖 1 1 1 1
Tabel 4.34 Solusi Lanjut Kasus 3 (αi = αi-1 dan 𝛃𝐢 = 𝛃𝐢−𝟏 ) untuk Ii > Ii-1
Solusi Lanjut Layanan (i)
1 2 3 4
Kapasitas yang digunakan (Ii·dik·xik)
(Ii·di1·xi1) 4,5 15,3 733,5 10
(Ii·di2·xi2) 6,3 67,5 11.919,6 10
(Ii·di1·xi3) 4,5 50,4 7.074,9 10
Kapasitas layanan i 15,3 133,2 19.728 30
Total kapasitas yang digunakan 19.906,5
Pendapatan ((𝛼𝑖 +𝛽·Ii)·pik·xik)
((𝛼𝑖 +𝛽·Ii)·pi1·xi1) 17,7 265,5 88,5 55
((𝛼𝑖 +𝛽·Ii)·pi2·xi2) 35,4 123,9 141,6 90
((𝛼𝑖 +𝛽 ·Ii)·pi2·xi3) 53,1 177 153,4 60
Pendapatan dari layanan i 106,2 566,4 383,5 205
Total pendapatan 1.261,1
Berdasarkan Tabel 4.41 dapat diperoleh kapasitas pengguna untuk setiap layanan.
Untuk layanan 1 memiliki total kapasitas pengguna 15,3 dari 19.906,5 atau
15,3
𝑥 100% = 0,08 % dari kapasitas total yang digunakan. Untuk layanan 2 memiliki
19.906,5
133,2
total kapasitas pengguna 133,2 dari 19.906,5 atau 𝑥 100% = 0,67 % dari total
19.906,5
kapasitas yang disediakan. Untuk layanan 3 memiliki kapasitas pengguna 19.728 dari
19.728
19.906,5 atau 19.906,5 𝑥 100% = 99,10 %. Untuk layanan 4 memiliki kapasitas pengguna
30
30 dari 19.906,5 atau 𝑥 100% = 0,15 %. Keuntungan yang di peroleh yaitu sebesar
19.906,5
Berdasarkan rekapitukasi dari tabel di atas diperoleh bahwa penyedia layanan atau
ISP mendapatkan keuntungan maksimal sebesar Rp 1.261,1/kbps pada kasus 4 αi = αi-1 dan
Model yang diperoleh pada Sub Bab 4.3.4 diselesaikan menggunakan Progam
Lingo11.0. Untuk memperoleh solusi optimal pada kasus 3 digunakan modifikasi harga
dasar layanan i (𝛼𝑖 ), dan indeks layanan i (Ii) sehingga dalam kasus 3 terdapat 9 kasus,
yaitu :
solusi optimal pada kasus α variabel dan β konstanta yang menghasilkan solusi yang
memenuhi dan sesuai dengan kondisi adalah pada 𝛼i = 𝛼 i-1 untuk Ii=Ii-1 dan 𝛼 i = 𝛼 i-1 untuk
Ii>Ii-1 . Tabel 4.36 menyajikan hasil solusi optimal, nilai variabel dan solusi lanjut untuk
model skema pembiayaan internet untuk kasus 𝛼i = 𝛼 i-1 , β konstanta , Ii=Ii-1 dan kasus
Tabel 4.36 menampilkan solusi optimal yaitu sebesar 2309,99. Hasil ini didapatkan dengan
iterasi sebanyak 30 dan infeasibility bernilai 1,05 ∙ 10−4 . Extended solver status
menunjukkan metode yang digunakan, dalam penyelesaian kasus ini digunakan metode
Branch and Bound dengan nilai objektif 2309,99. Generated Memory Used (GMU)
menunjukkan jumlah alokasi memori yang digunakan yaitu sebesar 40K dan Elapsed
Runtime (ER) menunjukkan total waktu yang digunakan untuk menghasilkan dan
Tabel 4.37 Nilai Variabel dalam Jaringan Multi Layanan pada Kasus 4 αi = αi-1 dan
β Konstanta untuk Ii=Ii-1
Layanan (i)
Variabel
1 2 3 4
Ii 0,01 0,01 0,01 0,01
xi 10 10 10 10
𝛼𝑖 1 1 1 1
Tabel 4.38 Solusi Lanjut Kasus 4 (αi = αi-1 dan β Konstanta) untuk Ii=Ii-1
Solusi Lanjut Layanan (i)
1 2 3 4
Kapasitas yang digunakan (Ii·dik·xik)
(Ii·di1·xi1) 0,5 1,7 81,5 0,1
(Ii·di2·xi2) 0,7 7,5 1.324,4 0,1
(Ii·di1·xi3) 0,5 5,6 786,1 0,1
Kapasitas layanan i 1,7 14,8 2.192 0,3
Total kapasitas yang digunakan 2.208,8
Pendapatan ((𝛼𝑖 +𝛽·Ii)·pik·xik)
((𝛼𝑖 +𝛽·Ii)·pi1·xi1) 30,15 452,25 150,75 110,55
((𝛼𝑖 +𝛽·Ii)·pi2·xi2) 60,3 211,05 241,2 180,9
((𝛼𝑖 +𝛽 ·Ii)·pi2·xi3) 90,45 301,5 261,3 120,6
Pendapatan dari layanan i 180,9 964,8 653,25 412,05
Total pendapatan 2.211
Berdasarkan Tabel 4.38 dapat diperoleh kapasitas pengguna untuk setiap layanan.
1,7
Untuk layanan 1 memiliki total kapasitas pengguna 1,7 dari 2.208,8 atau 2.208,8 𝑥 100% =
0,07 % dari kapasitas total yang digunakan. Untuk layanan 2 memiliki total kapasitas
148
pengguna 148 dari 2.208,8 atau 𝑥 100% = 0,67 % dari total kapasitas yang
2208,8
disediakan. Untuk layanan 3 memiliki kapasitas pengguna 2.192 dari 2.208,8 atau
2192
𝑥 100% = 99,24 %. Untuk layanan 4 memiliki kapasitas pengguna 0,3 dari 2.208,8
2208,8
0,3
atau 2.208,8
𝑥 100% = 0,01 %. Keuntungan yang diperoleh yaitu sebesar Rp 2.211 dengan
Tabel 4.39 Solusi Optimal Kasus 4 (αi = αi-1 dan β Konstanta) untuk Ii>Ii-1
Solver Status
Model Class MINLP
State Local Optimal
Objective 2493,54
Infeasibility 1,14 ∙ 10−13
Iterations 162
Extended Solver Status
Solver Type Branch and Bound
Best Objective 2493,54
Objective bound 2493,54
Steps 5
Update Interval 2
Active 0
GMU (K) 40
ER (sec) 0
Tabel 4.39 menampilkan solusi optimal yaitu sebesar 2493,54. Hasil ini didapatkan dengan
iterasi sebanyak 30 dan infeasibility bernilai 1,14 ∙ 10−13 . Extended solver status
menunjukkan metode yang digunakan, dalam penyelesaian kasus ini digunakan metode
Branch and Bound dengan nilai objektif 2493,54. Generated Memory Used (GMU)
menunjukkan jumlah alokasi memori yang digunakan yaitu sebesar 40K dan Elapsed
Runtime (ER) menunjukkan total waktu yang digunakan untuk menghasilkan dan
Tabel 4.40 Nilai Variabel dalam Jaringan Multi Layanan pada Kasus 4 αi = αi-1
Layanan (i)
Variabel
1 2 3 4
Ii 0,09 0,09 0.09 1
xi 10 10 10 10
𝛼𝑖 1 1 1 1
Tabel 4.41 Solusi Lanjut Kasus 4 (αi = αi-1 dan β Konstanta) untuk Ii > Ii-1
Solusi Lanjut Layanan (i)
1 2 3 4
Kapasitas yang digunakan (Ii·dik·xik)
(Ii·di1·xi1) 4,5 15,3 733,5 10
(Ii·di2·xi2) 6,3 67,5 11.919,6 10
(Ii·di1·xi3) 4,5 50,4 7.074,9 10
Kapasitas layanan i 15,3 133,2 19.728 30
Total kapasitas yang digunakan 19.906,5
Pendapatan ((𝛼𝑖 +𝛽·Ii)·pik·xik)
((𝛼𝑖 +𝛽·Ii)·pi1·xi1) 31,35 470,25 156,75 165
((𝛼𝑖 +𝛽·Ii)·pi2·xi2) 62,7 219,45 250,8 270
((𝛼𝑖 +𝛽 ·Ii)·pi2·xi3) 94,05 313,5 271,7 180
Pendapatan dari layanan i 188,1 1003,2 679,25 615
Total pendapatan 2.485,55
Berdasarkan Tabel 4.34 dapat diperoleh kapasitas pengguna untuk setiap layanan.
Untuk layanan 1 memiliki total kapasitas pengguna 15,3 dari 19.906,5 atau
15,3
𝑥 100% = 0,08 % dari kapasitas total yang digunakan. Untuk layanan 2 memiliki
19.906,5
133,2
total kapasitas pengguna 133,2 dari 19.906,5 atau 𝑥 100% = 0,67 % dari total
19.906,5
kapasitas yang disediakan. Untuk layanan 3 memiliki kapasitas pengguna 19.728 dari
19.728
19.906,5 atau 19.906,5 𝑥 100% = 99,10 %. Untuk layanan 4 memiliki kapasitas pengguna
30
30 dari 19.906,5 atau 𝑥 100% = 0,15 %. Keuntungan yang diperoleh yaitu sebesar
19.906,5
Berdasarkan hasil solusi model jaringan multi layanan pada Sub Bab 4.4.1 sampai
Sub Bab 4.4.4 diperoleh rekapitulasi solusi dari penggunaan model skema pembiayaan
internet pada setiap kasus yang dapat dilihat dalam Tabel 4.43
Hasil rekapitulasi pada Tabel 4.43 menunjukkan bahwa total pendapatan maksimal
diperoleh pada kasus 2 dengan α konstanta dan βi= βi-1 untuk Ii =Ii-1 yaitu sebesar Rp
2.420/kbps. Jadi, ISP dapat mengadopsi model skema pembiayaan internet pada jaringan
multi layanan dengan mengatur harga dasar sebagai konstanta dengan nilai indeks layanan
sama dari indeks layanan awal dan kualitas premium layanan i serta indeks layanan i (Ii)
dengan syarat nilai harga dasar dan tingkat QoS sama untuk setiap layanan.
Setelah memodifikasi model dan menambahkan variabel pada jaringan multi
layanan yaitu dengan 4 layanan dan 3 link serta memodifikasikan 𝛼, 𝛽 sebagai konstanta
- kasus 1 yaitu 𝛼, 𝛽 sebagai konstanta memiliki 3 sub kasus. Setiap subkasus yang ada
pada kasus 1, dicari nilai optimal. Pada kasus 1 nilai optimal diperoleh pada sub
- kasus 2 yaitu 𝛼 konstanta dan 𝛽 variabel memiliki 9 sub kasus. Setiap sub kasus
yang ada pada kasus 2, dicari nilai optimal. Pada kasus 2 nilai optimal diperoleh
- kasus 3 yaitu 𝛼 variabel dan 𝛽 konstanta memiliki 9 sub kasus. Setiap sub kasus
yang ada pada kasus 3, dicari nilai optimal. Pada kasus 3 nilai optimal diperoleh
pada sub kasus 𝛼𝑖 = 𝛼𝑖−1 dan 𝛽 sebagai konstanta dengan Ii > Ii-1
- kasus 4 yaitu 𝛼, 𝛽 variabel memiliki 27 sub kasus. Setiap subkasus yang ada pada
kasus 4, dicari nilai optimal. Pada kasus 4 nilai optimal diperoleh pada sub kasus
Pada penelitian yang telah dilakukan (Sapitri, 2014) dan (Demupa, 2014) yang
membahas jaringan multi layanan dengan 3 layanan dan 2 link diperoleh sub kasus optimal
pada saat :
- untuk kasus 1, solusi optimal diperoleh pada sub kasus 𝛼, 𝛽 sebagai konstanta
dengan Ii =Ii-1
- untuk kasus 4, solusi optimal diperoleh pada sub kasus 𝛼𝑖 = 𝛼𝑖−1 dan 𝛽𝑖 = 𝛽𝑖−1
dengan Ii = Ii-1
Berdasarkan hasil penelitian (Sapitri, 2014) dan (Demupa, 2014) dengan penelitian ini
(rekapitulasi Tabel 4.43) dapat terlihat bahwa solusi optimal pada jaringan multi layanan
dengan 3 layanan 2 link dengan model pada 4 layanan link 3 diperoleh berdasarkan nilai 𝛼
dan 𝛽 yang sama untuk setiap kasus, tetapi dengan nilai indeks yang layanan Ii yang
5.1 KESIMPULAN
Berdasarkan hasil dan pembahasan dari Bab 4 dapat disimpulkan bahwa penerapan model
dan solusi optimal dari skema pembiayaan wired internet pada jaringan multi layanan multi
- Model pada kasus 1 yaitu 𝛼 dan 𝛽 sebagai konstanta menghasilkan solusi optimal
pada Ii = Ii-1, dengan persentase kapasitas layanan sebesar 100% dan keuntungan
sebesar Rp 1.320/kbps.
optimal pada βi = βi-1 dan Ii < Ii-1 dengan persentase kapasitas layanan sebesar 100%
- Model pada kasus 3 dengan 𝛼 dan 𝛽 variabel menghasilkan solusi optimal pada
αi=αi-1 ,βi=βi-1 dan Ii > Ii-1 dengan persentasi layanan sebesar 100% dan keuntungan
sebesar Rp 1.261,1/kbps.
- Model pada kasus 4 dengan 𝛼 variabel dan 𝛽 konstanta menghasilkan solusi optimal
pada αi=αi-1 dan Ii > Ii-1 dengan persentase kapasitas layanan sebesar 100% dan
5.2 SARAN
Pada penelitian ini dibahas modifikasi layanan multipel dengan jumlah layanan
sebanyak 4 dan jumlah link sebanyak 3 yang diselesaikan dengan bantuan program
Lingo11.0 Namun ini merupakan batas kemampuan dari program Lingo11.0 yang hanya
bisa menyelesaikan model dengan layanan paling banyak 4 dan link paling banyak 3. Untuk
penelitian selanjutnya disarankan mengembangkan model dengan jaringan yang lebih dari 4
dan link lebih dari 3 serta mencari program baru yang dapat membantu menyelesaikan
model.
DAFTAR PUSTAKA
Byun, J., & Chatterjee, S. 2004. A strategic pricing for quality of service (QoS) network
business. Proceedings of the Tenth Americas Conference on Information Systems,
New York.
Demupa, L. (2014). Model Skema Pembiayaan Internet Link Multipel Pada Jaringan Multi
Kelas (Multi Class Network) dan Jaringan Multi Layanan (Multi Service Network).
Skripsi.Universitas Sriwijaya, Palembang.
Indrawati, Irmeilyana, Puspita, F. M., & Gozali, C. A. 2014. Optimasi Model Skema
Pembiayaan Internet Berdasarkan Fungsi Utilitas Perfect Substitute. Seminar
Nasional dan Rapat Tahunan bidang MIPA.
Indrawati, Irmeilyana, Puspita, F. M., & Lestari, M. P. 2015. Perbandingan Fungsi Utilitas
Cobb-Douglass Dan Quasi-Linear Dalam Menentukan Solusi Optimal Masalah
Pembiayaan Layanan Informasi. Seminar Nasional Matematika dan Statistika.
Irmeilyana, Indrawati, Puspita, F. M., & Amelia, R. T. 2014. Generalized Model and
Optimal Solution of Internet Pricing Scheme in Single Link under Multiservice
NEtworks. Paper presented at the 1st International Conference on Computer Science
and Engineering, Palembang, South Sumatera, Indonesia.
Irmeilyana, Indrawati, Puspita, F. M., & Herdayana, L. 2013. Model yang Diperbaiki dan
Solusi Skema Pembiayaan Internet Link Tunggal pada Jaringan Multi Layanan
(Multi Service Network). Seminar Hasil Penelitian Universitas Sriwijaya.
Irmeilyana, Indrawati, Puspita, F. M., & Juniwati. 2014a. Model and optimal solution of
single link pricing scheme multiservice network. TELKOMNIKA, 12(1), 173-178.
Irmeilyana, Indrawati, Puspita, F. M., & Juniwati. 2014b. Model Dan Solusi Optimal
Skema Pembiayaan Internet Link Tunggal Pada Jaringan Multi QoS (Multiple QoS
Network). Seminar Nasional dan Rapat Tahunan bidang MIPA 2014, Institut
Pertanian Bogor, Bogor
Puspita, F. M., Irmeilyana, & Indrawati. 2014. An Improved Model of Internet Pricing
Scheme of Multi Link Multi Service Network with Various Value of Base Price,
Quality Premium and QoS Level. The 1st International Conference on Computer
Science and Engineering, Palembang, South Sumatera, Indonesia.
Puspita, F. M., Irmeilyana, Indrawati, Juniwati, & Dumepa, L. 2014. Multi Link Internet
Charging Scheme Serving Multi Class QoS. International Conference on Education,
Technology and Sciences, Jambi.
Puspita, F. M., Irmeilyana, Indrawati, Juniwati, & Sapitri, R. O. 2014. Model Modifikasi
Improved Skema Pembiayaan Internet Multi Link Bottleneck pada Jaringan Multi
Layanan (Multi Service Network). Seminar Nasional Bisnis dan Teknologi
(SEMBISTEK), Lampung.
Puspita, F. M., Irmeilyana, Indrawati, Susanti, E., Yuliza, E., & Sapitri, R. O. 2014. Model
and optimal solution of multi link pricing scheme in multiservice network.
Australian Journal of Basic and Applied Sciences, September, 106-112.
Puspita, F. M., Seman, K., & Taib, B. M. 2014. The Improved Models of Internet Pricing
Scheme of Multi Service Multi Link Networks with Various Capacity Links. Paper
presented at the 2014 International Conference on Computer and Communication
Engineering (ICOCOE'2014), Melaka, Malaysia.
Puspita, F. M., Seman, K., & Taib, B. M. 2015. The Improved Models of Internet Pricing
Scheme of Multi Service Multi Link Networks with Various Capacity Links. In H.
A. Sulaiman, M. A. Othman, M. F. I. Othman, Y. A. Rahim & N. C. Pee (Eds.),
Advanced Computer and Communication Engineering Technology (Vol. 315).
Switzeland: Springer International Publishing.
Puspita, F. M., Seman, K., Taib, B. M., & Shafii, Z. (2013). An Improved Model of Internet
Pricing Scheme of Multi Service Network in Multiple Link QoS Networks.
International Conference on Computer Science and Information Technology (CSIT-
2013), Universitas Teknologi Yogyakarta.
Sain, S., & Herpers, S. (2003). Profit Maximisation in Multi Service Networks- An
Optimisation Model. Proceedings of the 11th European Conference on Information
Systems ECIS 2003, Naples, Italy
Sapitri, R. O. (2014). Model Modifikasi Skema Pembiayaan Internet Multi Link Bottleneck
pada Jaringan Multi Layanan (Multi Service Network) dan Multi Kelas QoS (Multi
Class QoS Network). Skripsi. Universitas Sriwijaya, Palembang.
Lampiran 1: Pemrograman LINGO 11.0 untuk Kasus 1 dengan α dan β pada Ii=Ii-1
MAX=@SUM(LINK(I,J):(alf+bet*in(I))*P(I,J)*X(I,J));
!constraint;
@FOR(LINK(I,J):In(I)*d(I,j)*X(I,j)<=ai(I,j)*C(j));
!Ii*di*xi<=ai*C;
@FOR(LINK(I,J):@SUM(INDi(I):In(I)*d(I,1)*X(I,1))<=C(1)); !sum
Ii*di*xi<=C;
@FOR(LINK(I,J):@SUM(INDi(I):In(I)*d(I,2)*X(I,2))<=C(2));
@FOR(LINK(I,J):@SUM(INDi(I):In(I)*d(I,3)*X(I,3))<=C(3));
@FOR(LINK(I,J):ai(I,j)<=1); !0<=ai<=1;
@FOR(LINK(I,J):ai(I,j)>=0);
@FOR(LINK(I,J):X(I,j)<=10); !0<=xi<=ni;
@FOR(LINK(I,J):X(I,j)>=0);
@FOR(INDi(I):In(I)<=1); !mi<=Ii<=1;
@FOR(INDi(I):In(I)>=mi(I));
In(2)-In(1)=0;
In(3)-In(2)=0;
In(4)-In(3)=0;
In(2)-In(1)=0;
@FOR(LINK:@GIN(X));
In(3)-In(2)=0;
In(4)-In(3)=0;
end
@FOR(LINK:@GIN(X));
end
Lampiran 2 : Solusi Optimal keluaran program LINGO 11.0 Pemrograman LINGO
11.0 Kasus 1 dengan α dan β pada Ii=Ii-1