MODUL PERKULIAHAN

Rekayasa Trafik

Variasi Trafik

Fakultas Program Studi Tatap Maya Kode MK Disusun Oleh

04
FAKULTAS TEKNIK TEKNIK ELEKTRO W141700037 Muhammad Hafizd Ibnu Hajar, ST.M.Sc

Abstract Kompetensi
Jam sibuk adalah selang satu jam Mahasiswa/i dapat mengerti dan
(dengan akurasi 15 menit) yang menjelaskan konsep variasi pada trafik
memiliki rata-rata trafik tertinggi dalam telepon.
periode yang lama, jam tersibuk adalah
satu jam tiap hari dimana trafik tertinggi
(tersibuk).

‘19 Rekayasa Trafik Pusat Bahan Ajar dan eLearning

1 http://www.mercubuana.ac.id
Muhammad Hafizd Ibnu Hajar, ST.M.Sc
 Pembahasan
VARIASI TRAFIK

Kondisi suatu trafik akan bervariasi bergantung dengan aktivitas masyarakat yang
menggunakan sistem telekomunikasi. Trafik tersebut dihasilkan oleh pelanggan yang
ketika melakukan panggilan tidak tergantung (independent) dengan pelanggan yang lain.

Investigasi terhadap variasi trafik menunjukkan bahwa pola variasinya bisa bersifat
stokastik maupun deterministik. Gambar di bawah ini menunjukkan var iasi jumlah
panggilan ke suatu sentral pada suatu hari Senin. Dengan membandingkan dengan hari
yang lain, kita kan memperoleh kurva yang bersifat deterministik (sama, tidak ada
perubahan) dengan variasi yang bersifat stokastik (berubah-ubah).

Gambar 4.1. Variasi jumlah pelanggan pada suatu sentral di pagi hari.
Pada gambar di atas menunjukkan jumlah call per menit pada suatu swicthing center
pada senin pagi. Variasi trafik selama 24 jam secara regular bersifat stokastik. Dengan
membandingkan hasil pengamatan beberapa hari akan dapat ditemukan sifat kurva yang
deterministik . Pada peak yang pertama disebabkan oleh pelanggan bisnis pada awal jam
kerja di pagihari. Sekitar jam 12 mengalami penurunan dan di sore hari kembali
beraktivitas kembali.
‘19 Rekayasa Trafik Pusat Bahan Ajar dan eLearning
2 http://www.mercubuana.ac.id
Muhammad Hafizd Ibnu Hajar, ST.M.Sc
 Selama periode 24 jam trafik akan tampak seperti pada gambar 4.2 dibawah ini.

Gambar 4.2. Contoh situasi trafik selama 24 jam

Pada gambar di atas Jumlah panggilan rata-rata per menit yang diambil dengan cara
merata-ratakan jumlah panggilan untuk perioda 15 menit selama 10 hari kerja . Pada
waktu pengukuran, tidak terdapat penurunan pada waktu di luar jam kerja. Pada sekitar
jam 7 malam terdapat peak baru yang disebabkan oleh telepon pribadi dan berkurang
pada jam 19.30. besarnya peak tergantung pada exchange yang dialokasikan pada area
residen tertentu atau di area bisnis.

Variasi trafik dapat dipecah lagi lebih jauh menjadi variasi pada intensitas panggilan dan
variasi pada waktu pendudukan(service time/holding time)

Pada gambar di bawah ini menunjukkan variasi pada waktu pendudukan untuk
pemakaian saluran trunk selama 24 jam.

‘19 Rekayasa Trafik Pusat Bahan Ajar dan eLearning

3 http://www.mercubuana.ac.id
Muhammad Hafizd Ibnu Hajar, ST.M.Sc
 Gambar 4.3.Waktu pendudukan waktu pada saluran sebagai fungsi time of day.

Variasi trafik yang dapat diperkirakan (predictable variations) dapat kita klasifikasikan
sbb:
1. Long term trend (years)
• Pertumbuhan trafik,
• Existing services: growth of user population,
• changes in habits, economics
• New services
2. Variasi selama setahun (months)
Biasanya terdapat trafik yang tinggi pada awal bulan
3. Variasi selama seminggu (days)
Normalnya, trafik yang tertinggi adalah pada hari senin, kemudian Jumat, Selasa,
Rabu, dan kamis. Jumat dan khususnya hari Minggu mempunyai tingkat level yang
rendah. Namun dari data yang sebelumnya bahwa trafik dalam 24 jam sama dnegan 8
kali trafik jam sibuk, yakni hanya sepertiga dari kapasitas pada sistem telepon yang
digunakan seperti yang ditunjukkan pada gambar 4.4. Ini merupakan alasan untuk
mengurangi trafik diluar jam sibuk.
4. Variasi harian selama 24 jam (hours)
Sedangkan Variasi predictable lainnya antara lain :

‘19 Rekayasa Trafik Pusat Bahan Ajar dan eLearning

4 http://www.mercubuana.ac.id
Muhammad Hafizd Ibnu Hajar, ST.M.Sc
 1. Regular: Lebaran, Natal etc.
2. Irregular: televoting

Bermacam kelompok user memiliki profil tahunan/mingguan/harian yang berbeda antara

lain :

1. Variasi trafik yang acak

2. Short term random variations (seconds, minutes)
– Disebabkan oleh tindakan antar user yang independent
• Random call arrivals
• Random holding times
3. Long term random variations (hours)
4. Random variations caused by external sources

Variasi dalam waktu yang pendek (dalam satu jam) terlihat bahwa perubahannya tidak
teratur, dapat naik, dapat turun ataupun tetap.

Gambar 4.4 Trafik dalam 24 jam diperkirakan sama dengan 8 kali jam sibuk

‘19 Rekayasa Trafik Pusat Bahan Ajar dan eLearning

5 http://www.mercubuana.ac.id
Muhammad Hafizd Ibnu Hajar, ST.M.Sc
 Kurva trafik dalam satuan waktu dapat dilihat pada gambar di bawah ini :

Gambar 4.5 : Variasi Trafik selama 1 hari

Gambar 4.6 : Variasi trafik selama 1 minggu

KONSEP JAM SIBUK

Trafik tertingi tidak muncul pada waktu yang sama di dalam setiap harinya. Kita
definisikan konsep Time Consistent Busy Hour, TCBH, sebagai durasi 60 menit
(dengan akurasi 15 menit-an) yang untuk suatu perioda yang lama memiliki nilai
trafik rata-rata tertinggi (Iversen) Jadi, dalam hal ini menentukan jam sibuk yang
merupakan jam dimana diperoleh trafik yang tertinggi yang diambil selama 60 menit

‘19 Rekayasa Trafik Pusat Bahan Ajar dan eLearning

6 http://www.mercubuana.ac.id
Muhammad Hafizd Ibnu Hajar, ST.M.Sc
 (satu jam).

Dengan konsep ini maka ada kemungkinan bahwa di dalam beberapa hari terdapat
nilai trafik pada jam tersibuk (the busiest hour) yang lebih besar daripada nilai trafik
pada jam sibuk (busy hour) artinya mungkin saja sudah fixed ditetapkan jam sibuk
namun dalam beberapa hari ada jam-jam yang lebih sibuk (nilainya lebih besar)
dibanding dengan jam sibuk.

Kita juga perlu membedakan antara jam sibuk pada sistem telekomunikasi secara
total(keseluruhan), suatu exchange, dan juga suatu kelompok server misalnya pada
trunk group. Trunk grup tertentu mungkin saja mempunyai jam sibuk diluar jam sibuk
untuk exchange.

Untuk keperluan pengukuran trafik, dimensioning, dan aspek lainnya akan sangat
membantu apabila kita dapat menetukan busy hour dengan baik. Hal ini disebabkan
karena dengan mengetahui jam sibuk maka akan diketahui apakah kapasitas kanal
yang disediakan mencukupi untuk mengantisipasi jam sibuk tersebut dan juga dapat
diketahui seberapa panggialn yang loss pada jam sibuk tersebut. Hal ini akan menjadi
acuan bagi penyedia layanan telekomunikasi mengevaluasi jaringan. Seperti contoh
kita dapat menghitung nilai GOS.

Kita mungkin harus memiliki fakta bahwa busy hour untuk masing-masing segmen
pada sistem telekomunikasi akan berbeda. Misalnya busy hour untuk saluran trunk
akan berbeda dengan busy hour untuk sentral

Rekomendasi ITU-T memberikan beberapa rekomendasi cara mengukur trafik pada

jam sibuk (E.600). Operator dipersilakan memilih metoda yang cocok untuk mereka.

‘19 Rekayasa Trafik Pusat Bahan Ajar dan eLearning

7 http://www.mercubuana.ac.id
Muhammad Hafizd Ibnu Hajar, ST.M.Sc
 1. Average Daily Peak Hour (ADPH)
Jam tersibuk ditentukan berbeda-beda untuk setiap harinya (different time for
different days), lalu dirata-ratakan selama perioda pengamatan
Bila :
– N = jumlah hari pengamatan
– an() = trafik rata-rata yang terukur selama interval 1-jam () pada hari ke-n
– max an() = trafik tertinggi harian dari hari ke-n

– Maka aADPH =
Ilustrasi ADPH

Gambar 4.7 Metode ADPH

‘19 Rekayasa Trafik Pusat Bahan Ajar dan eLearning

8 http://www.mercubuana.ac.id
Muhammad Hafizd Ibnu Hajar, ST.M.Sc
 2. Time Consistent Busy Hour (TCBH)

Perioda satu jam, perioda ini sama untuk setiap harinya, yang memberikan hasil
pengukuran trafik rata-rata tertinggi selama perioda pengamatan
– N = jumlah hari pengamatan
– an() = trafik rata-rata yang terukur selama interval 1-jam () pada hari ke-n
– max an() = trafik tertinggi harian dari hari ke-n

– Maka aTCBH =

Berikut ini adalah Ilustrasi TCBH:

Gambar 4.8 Metode TCBH

3. Fixed Daily Measurement Hour (FDMH)

‘19 Rekayasa Trafik Pusat Bahan Ajar dan eLearning

9 http://www.mercubuana.ac.id
Muhammad Hafizd Ibnu Hajar, ST.M.Sc
 Selang satu jam pengukuran trafik sudah ditentukan sebelumnya (misalnya antara
9.30-10.30); trafik hasil pengukuran dirata-ratakan selama perioda pengamatan
(selama 10 hari misalnya)
Ilustrasi FDMH

Gambar 4.9. Metode FDMH

Dari ketiga metode perhitungan jam sibuk di atas,maka diperoleh hubungan dari
ketiga parameter di atas adalah sebagai berikut:

Dari persamaan di atas dapat disimpulkan bahwa metode ADPH lebih detail
dibanding dengan TCBH dan FDMA. Namun bukan berarti ADPH merupakan
metode yang mutlak dipilih oleh penyedia layanan telekomunikasi karena setiap
metode punya keunggulan dan kekurangan masing-masing. Jadi pemilihan metode
jam sibuk sesuai dengan kebutuhan penyedia layanan telekomunikasi.
Definisi jam sibuk dibagi lagi berdasarkan resolusi waktu yang digunakan. Misalnya :

– ADPH-F resolution of an hour

– ADPH-Q resolution of an quarter of an hour

‘19 Rekayasa Trafik Pusat Bahan Ajar dan eLearning

10 http://www.mercubuana.ac.id
Muhammad Hafizd Ibnu Hajar, ST.M.Sc
 Daftar Pustaka

1. Jolley, E.H. 1984; Introduction to Telephony & Telegraphy, YP Chopra for AH

Wheeler & Company Ltd, Allahabad.
2. Siemens 1962; Introduction to Telephone Engineering, Siemens & Halske AG,
Berlin.
3. Suhana, Ir., et. al 1984; Buku Pegangan Teknik Telekomunikasi, Pradnya Paramita,
Jakarta.
4. Villy B. Iversen. Teletraffic Engineering and Network Planning. Technical University
of Denmark. 2006.

‘19 Rekayasa Trafik Pusat Bahan Ajar dan eLearning

11 http://www.mercubuana.ac.id
Muhammad Hafizd Ibnu Hajar, ST.M.Sc