Rekayasa Trafik
Abstract Kompetensi
Salah satu macam sistem antrian, Mahasiswa/i dapat mengerti dan
yaitu M/M/1 berarti bahwa sumber menjelaskan disribusi poisson dan
kedatangannya menggunakan Markov beberapa macam sistem antrian.
(terdistribusi poisson), service time-nya
eksponensial negatif (Markov), dan
hanya terdapat 1 buah server.
Pembahasan
Distribusi Poisson
Akan dicari peluang bersyarat : suatu panggilan datang pada selang (t,Dt)
bila diketahui bahwa selama waktu t tidak ada panggilan datang.
Bila x adalah panggilan yang datang, maka kita akan mencari P(x t+Dt | x > t)
-λt
P (x > t) = e
-λt -λt
o Ingat P(x>t) = 1- P(x t)=1 - (1- e ) = e
P(t < x t+Δt) merupakan peluang bahwa (x >t dan x t+Δt), atau bisa kita
pandang juga sebagai usaha mencari peluang munculnya panggilan pada selang (t+
Δt)
Maka P(t < x t+Δt) =1- P(x t) - P (x > t+ Δt)
=1- P(x t) - (1 - P (x t+ Δt))
= P (x t+ Δt) - P(x t)
2019
Rekayasa Trafik
2
Maka:
Rekayasa Trafik
2019
3 Muhammad Hafizd Ibnu Hajar, ST.M.Sc
o Dengan analogi : Peluang (berakhirnya 1 pendudukan dalam waktu dt) = mdt +
0(dt)
μ=1/h= laju rata-rata berakhirnya panggilan.
Bila kita gunakan koefisien kelahiran dan kematian :
o Peluang (datangnya 1 panggilan pada kondisi n dalam waktu dt) = bndt + 0(dt)
o Peluang (berakhirnya 1 panggilan pada kondisi n dalam waktu dt) = d ndt + 0(dt)
o Peluang (terjadi lebih dari 1 peristiwa datang dan/atau berakhir dalam waktu dt) =
0(dt)
Distribusi Poisson:
Harga mean = at
Harga variansi = at
Sistem M/M/1
Sistem antrian M/M/1 mempunyai sifat seperti di bawah
ini:
Sumber kedatangan terdistribusi Poisson
(Markov)
Distribusi service time : ekponensial negatif
(Markov)
Hanya ada satu server
Disiplin antrian: FIFO
Adapun pemodelan dari sistem antrian M/M/1 yakni seperti yang ditunjukkan pada gambar
di bawah ini :
n 0
Pn 1
maka akan diperoleh P0 sama dengan (1−ρ) Akhirnya distribusi probabilitas kondisi
(state probability distribution of) antrian M/M/1 diperoleh sebagai berikut:
n
Pn=(1 − ρ)ρ , ρ < 1
Peluang tidak ada customer di dalam sistem adalah sama dengan
P0=(1 − ρ), maka peluang sistem sibuk adalah 1−P 0=ρ, Ini merupakan alasan mengapa ρ
dinyatakan sebagai utilisasi sistem antrian M/M/1.
Berikut ini adalah grafik antara rata-rata jumlah customer dengan utilisasinya.
Rekayasa Trafik
2019
5 Muhammad Hafizd Ibnu Hajar, ST.M.Sc
Grafik perbandingan antar rata-rata jumlah customer dengan utlisasinya pada
sistem
M/M/1.
Adapun analisa dengan menggunakan diagram kondisi pada pengantrian M/M/1
adalah sebagai berikut :
Misalnya jumlah customer di dalam sistem pada waktu t adalah
N(t)
Pada awalnya tidak ada customer, maka N(0) = 0
Ketika suatu customer bergabung dengan antrian, nilai N(t) naik
1
Setelah suatu customer meninggalkan antrian, nilai N(t) turun
1
Jumlah N(t) menyatakan kondisi (state)
sistem
Jika sistem diamati satu kali setiap ∆t, sistem hanya akan berubah dari suatu kondisi ke
kondisi terdekat dari suatu pengamatan yang berurutan, karena jumlah customers hanya
dapat memiliki kemungkinan berikut :
• Akan sama, atau
• Naik 1, atau
• Turun 1
Analisa transisi kondisi pada pengantrian M/M/1 ditunjukkan pada gambar di bawah
ini:
Throughput
Throughput, , dari suatu sistem antrian adalah jumlah customer rata-
rata
yang telah dilayani, atau keluaran dari antrian, per satuan. Pada antrian M/M/1, dengan
adanya buffer yang berukuran tak terhingga, maka buffer tidak akan pernah overflows
sehingga setiap job dapat dilayani. Dengan demikian, throughput adalah sama dengan
laju kedatangan rata-rata yaitu = λ
Throughput dapat pula dihitung dengan cara menganalisa server. Peluang bahwa server pada
antrian M/M/1 idle adalah P0, maka prosentase waktu dimana server sibuk adalah
1−P0. Ketika sibuk, server menyelesaikan pelayanan dengan rate µ jobs/detik, maka laju
rata-rata penyelesaian tugas server (laju ini sama dengan throughput), adalah
2019
Rekayasa Trafik
7
= (1−P0)µ
Untuk antrian M/M/1, P0 = 1 − ρ, sehingga
= µ(1−P0)= µρ = µ λ/µ = λ
Hasil yang sama telah kita peroleh bahwa = λ
Dimana adalah delay rata-rata, maka delay rata-rata dapat diperoleh dengan cara
sebagai berikut:
Karena µ dan λ memiliki satuan jobs per satuan waktu, maka unit time, memiliki
satuan waktu (time) per job, misalnya detik/job, atau menit /job dsb.
Sedangkan untuk menghitung waktu tunggu rata-rata (waiting time) maka
kita mempergunakan apa yang kita peroleh sebelumnya yaitu
D = W + S, maka W = D-S
Dengan demikian :
1 1 1 1
E[W ] E[D] E[S ] . .
1 1
Rekayasa Trafik
2019
8 Muhammad Hafizd Ibnu Hajar, ST.M.Sc
Bila dalam sebuah jaringan berbasis paket yang diketahui adalah kecepatan link dan
panjang paket rata-rata maka
• Customer merupakan sebuah paket yang datang dimana:
– λ = laju kedatangan paket (packet arrival rate) (packets per time unit)
– L = panjang paket rata-rata (data units)
• server = link, tempat menunggu = buffer
– C = kecepatan link (data units per time unit)
– Waktu pelayanan = waktu transmisi paket rata-rata (packet
transmission time)
1/μ = L/C = waktu transmisi paket rata-rata
Definisi: traffic load ρ merupakan perbandingan antara laju kedatangan (arrival rate)
λ dengan waktu pelayanan (service rate) μ = C/L:
Contoh Soal
Misalkan terdapat sebuah link di antara dua paket. Sehinga dapat diasumsikan sebagai
berikut dengan rata-rata ada 10 paket baru yang datang di dalam satu detik. Panjang paket
rata-rata adalah 400 bytes,dan kecepatan link adalah 64 kbps.
traffic load adalah yang diperoleh adalah sebagai
berikut:
Seandainya kecepatan link dinaikkan menjadi 150 Mbps, maka load hanya
sebesar:
Analisa Teletraffic
Kapasitas sistem didefenisikan dengan C yang merupakan kecepatan link yang dinyatakan
di dalam kbps. Traffic load λ merupakan Laju kedatangan paket yang dinyatakan di
dalam packet/s (anggap sebagai suatu variable) dan L adalah panjang paket rata-rata di
dalam satuan
Rekayasa Trafik
2019
9 Muhammad Hafizd Ibnu Hajar, ST.M.Sc
kbits . Quality of service (dari sudut pandang user) Pz merupakan peluang suatu paket harus
menunggu “terlalu lama”, yakni lebih lama dari waktu referensi z .Jika diasumsikan sistem
merupakan sistem antrian M/M/1, yaitu:
• Kedatangan paket meruoakan proses Poisson (dengan rate λ)
• Panjang paket terdistribusi exponential dengan rata-rata L
Maka hubungan kuantitatif antara ketiga faktor (kapasitas sistem,beban trafik dan quality of
service) diberikan oleh rumus tunggu (waiting time formula) berikut:
Namun perlu diingat bahwa sistem hanya akan stabil bila ρ < 1, bila tidak maka jumlah
paket
yang mengantri akan menuju tak
terhingga
Contoh Soal
Diasumsikan bahwa paket datang dengan laju λ = 50 packet/s dan kecepatan link adalah C
=
64 kbps. Panjang paket rata-rata di diasumsikan konstant sebesar 1 kbit . Sehingga peluang
paket yang datang menunggu terlalu lama (Pz ) (yaitu lebih lama dari z = 0.1 s) adalah
Maka
Distribusi probabilitas kondisi diperoleh sebagai
berikut:
Perhatikan bahwa ρ tidak perlu kurang dari 1. Misalnya jika ρ=1, maka Pn=P0 untuk semua
n, sehingga
Dapat dilihat bahwa jika ρ → ∞, probabilitas blocking akan cepat menuju 1, yaitu
hampir
semua customer di-blok
Throughput
Rekayasa Trafik
2019
11 Muhammad Hafizd Ibnu Hajar, ST.M.Sc
Jika suatu sistem antrian dengan bloking yang umum seperti pada gambar di atas customers
yang tidak di-blok akan berhasil masuk ke dalam antrian maka :
• Jumlah rata-rata customers yang tidak di-blok persatuan waktu ini adalah
merupakan throughput g yaitu g = λ( 1 − PB )
• Dimana probabilitas blocking adalah PB, dan laju kedatangan adalah
λ
• Jika kita amati server, maka throughput adalah: g = µ( 1 − P0
)
• Untuk antrian M/M/1/R
Pada antrian yang state-dependent. Pada beberapa sistem antrian, karakteristik kedatangan
(arrival ) dan kepergian (departure) tidaklah tetap. Karakteristik bisa tergantung pada
kondisi sistem
• Laju kedatangan pada kondisi n = λn
• Laju pelayanan pada kondisi n = µn
Solusi Umum
Untuk memperoleh solusi umum bagi antrian yang state-dependent, kita dapat menerapkan
prinsip flow balancing tetapi dengan laju kedatangan dan kepergian yang state-dependent .
Perhatikan diagram berikut dan kita terapkan flow balancing pada state yang diberi elips:
Rekayasa Trafik
2019
13 Muhammad Hafizd Ibnu Hajar, ST.M.Sc
Daftar Pustaka
Rekayasa Trafik
2019
14 Muhammad Hafizd Ibnu Hajar, ST.M.Sc