TE-09-2300 #2 - Model Trafik

Bidang Studi Telekomunikasi Multimedia
Jurusan Teknik Elektro

Fakultas Teknologi Industri
TE092300 – Rekayasa Trafik & Jaringan

(Pemodelan Trafik)
Tim Bidang Studi Telekomunikasi Multimedia

Teknik Elektro – FTI - ITS
Tim Pengajar
A • Dr. Ir. Achmad Affandi, DEA
• Dr. Ir. Suwadi, MT

B • Prasetiyono Hari Mukti, ST, MT, MSc
22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 2

Pokok Bahasan
1 • Klasifikasi Trafik
2 • Jenis Pemodelan Trafik
3 • Model Trafik Teleponi
4 • Model Trafik Data

Referensi Kuliah
• ITU-T, Teletraffic Engineering Handbook, 2003
• Kesidis, G., An introduction to communication
network analysis, Wiley, 2007
• Chuah, M.C. dan Zhang, Q., Design and
Performance 3G Wireless Networks and
Wireless LANs, Springer, 2006.
• Medhi, D. dan Ramasamy, K. Network Routing,
The Morgan Kaufmann Series, 2007
• IEEE Transaction on Networking

Klasifikasi Trafik
• Bertujuan untuk mempermudah pemodelan trafik yang
dibangkitkan user
• Klasifikasi Trafik
– Circuit switched traffic
• Komunikasi selalu connection oriented
• Kapasitas digunakan selama koneksi berlangsung
• Koneksi bisa analog atau digital
– Packet switched traffic
• Komunikasi dapat connectionless
• Aliran data berbentuk paket
• Ukuran paket dapat bervariasi
– Message switched
• Messages tidak dibagi-bagi ke dalam beberapa paket melainkan dikirimkan
dalam satu buah paket
– Cell switched
• Ukuran paket tetap (Used in ATM network)

Jaringan Telepon
• Connection oriented:
– Koneksi end-to-end
dibentuk sebelum transfer
informasi
– Resources diduduki terus
menerus (reserved)
selama koneksi
– Jika resource tidak
tersedia, panggilan diblok
(lost)
• Informasi ditransfer
sebagai stream yang
kontinu

Model Trafik Telepon
• Trafik telepon terdiri dari panggilan-panggilan (calls)
– Sebuah call menduduki satu kanal sepanjang link dari rute yang dilalui
– Karakteristik call : holding time (dalam satuan waktu)
• Pemodelan offered traffic:
– Proses kedatangan panggilan (call arrival process)
– Distibusi holding time
• Model link: sistem loss murni
– Sebuah server sama dengan dengan sebuah kanal
– Laju pelayanan (service rate), µ, tergantung pada holding time rata-rata
– Jumlah server, n, tergantung kapasitas link
– Jika seluruh kanal diduduki, panggilan baru akan diblok
• so that they will be blocked and lost
• Pemodelan carried traffic:
– Proses trafik menyatakan jumlah panggilan yang sedang berlangsung =
jumlah kanal yang diduduki

Proses Trafik Teleponi

Trafik data pada level paket

Network Layer pada Jaringan IP
• IP = Internet Protocol
• Connectionless:
– Tidak ada pembentukan koneksi
– Tidak ada resource reservations
• Informasi ditransfer dalam
bentuk paket
• Best Effort service paradigm
– Node jaringan (routers) mem-
forward paket sebaik mungkin
– Paket bisa hilang, ter-delay atau
tidak terurut
⇒ Perlu ada intelegensi yang
diterapkan di terminal ujung
(edge nodes)

Model trafik data pada level paket
• Trafik data terdiri dari paket
– Pket-paket “berebut” fasilitas transmisi dan fasilitas pengolah (statistical
multiplexing)
– Karakteristik paket : panjang paket (dalam satuan data)
• Pemodelan offered traffic:
– Proses kedatangan paket (packet arrival process)
– Distribusi panjang paket (berapa lama paket tersebut muncul)
• Model link: sistem antrian dengan satu server
– Service rate, µ, tergantung dari kapasitas link dan panjang paket rata-rata
– Jika link sibuk, paket yang baru datang akan di-buffer jika memungkinkan,
bila tidak, paket akan hilang
• Pemodelan carried traffic:
– Proses trafik menunjukkan jumlah paket yang ada di dalam sistem (baik
paket yang sedang dikirimkan ataupun paket yang sedang menunggu di
buffer)

Proses Trafik Data

Trafik Data pada Level Flow

Layer Transport pada Jaringan IP
• Terletak di atas layer IP
– Menangani paket IP di terminal ujung
– Beroperasi secara end-to-end
• Transport layer protocols:
– TCP = Transmission Control Protocol
• Laju transmisi disesuaikan dengan kondisi jaringan oleh mekanisme congestion
control
– Cocok untuk non-real time (elastic) traffic, seperti transfer data dsb.
• UDP = User Datagram Protocol
– Laju transmisi tidak tergantung pada kondisi jaringan
– Cocok untuk transaksi (trafik interaktif dengan waktu transfer yang singkat)
– Digunakan juga untuk trafik real time (streaming) dengan pertolongan
protokol yang lebih atas, sepertiRTP

Klasifikasi Pemodelan
• Ada dua fase pemodelan teletraffic:
– Memodelkan incoming traffic ⇒ traffic model
– Memodelkan (kelakuan) sistem ⇒ system model
• Secara garis besar, model teletraffic dapat dibagi ke dalam dua
katagori berdasarkan model sistem yaitu :
– loss systems (loss models)
– waiting/queueing systems (queuing models)
• Pada kuliah ini kita akan menggunakan model teletraffic yang
sederhana yaitu suatu model yang menyatakan hanya satu buah
sumber daya
• Model-model sederhana ini dapat digabungkan untuk
membentuk suatu model jaringan telekomunikasi yang lengkap:
– loss networks
– queueing networks

Model teletraffic yang sederhana
• Call (panggilan) datang dengan laju λ (jumlah panggilan per satuan
waktu)
– 1/λ = waktu antar-kedatangan panggilan rata-rata
• Panggilan dilayani oleh n pelayan (server)
• Jika sedang melayani, server memberi layanan dengan laju µ (panggilan
per satuan waktu)
– 1/ µ = waktu pelayanan rata-rata untuk setiap customer
• Ada tempat menunggu (buffer) di dalam sistem berukuran m
– Bisa jadi terdapat sebanyak m tempat untuk menunggu (buffer)
– Bisa jadi bahwa panggilan yang datang pada saat sistem sedang penuh
(blocked customer) akan dibuang (loss)

Sistem Loss Murni (Pure Loss System)
Pure loss system memiliki karakteristik sbb:
• Tidak memiliki tempat menunggu (m = 0)
– Jika ada customer datang pada saat sistem sedang fully occupied (seluruh server
yang berjumlah n sibuk) maka customer tersebut tidak akan dilayani dan akan lost
(diblok)
• Sistem seperti ini disebut lossy
• Dari sisi customer, ada beberapa hal yang akan menjadi perhatiannya, misalnya
berapa peluang sistem berada dalam kondisi fully occupied ketika suatu
customer datang?
• Dari sudut pandang sistem, hal yang menjadi perhatian adalah misalnya faktor
utilisasi server

Sistem tunggu murni (Pure waiting system)
Pure waiting system memiliki karakteristik sbb:
• Ukuran tempat menunggu tak terhingga (m = ∞)
– Jika ada customer yang datang ketika seluruh n server sibuk maka customer
tersebut akan menunggu di tempat tunggu (buffer)
• Tidak ada customer yang akan lost
• Beberapa customer bisa jadi harus menunggu sebelum dilayani
• Sistem seperti ini disebut lossless
• Dari sudut pandang customer, ada beberapa hal yang menjadi perhatiannya
misalnya berapa peluang bahwa dia harus menunggu “terlalu lama”?
• Dari sudut pandang sistem, hal yang menjadi perhatian misalnya faktor utilisasi
server

Mixed System
Mixed System memiliki karakteristik sbb:
• Jumlah tempat menunggu terbatas (0 < m < ∞)
– Jika suatu customer datang ketika seluruh server sibuk namun masih ada
tempat untuk menunggu, maka customer itu akan menempati salah satu
tempat untuk menunggu
– Jika suatu customer datang ketika seluruh server sibuk dan seluruh tempat
menunggu penuh maka customer itu akan lost (diblok)
– Pada sistem ini akan terdapat beberapa customer yang lost ada juga
customer yang sedang menunggu untuk dilayani
– Sistem ini adalah lossy

Infinite System
• Infinite system memiliki karakteristik sbb:
– Jumlah server tak terhingga (n = ∞)
• Tidak akan pernah ada customer yang lost maupun harus menunggu
karena setiap customer yang datang akan dilayani
– Ini merupakan sistem yang lossless
• SIstem yang hypothetical ini lebih mudah dianalisa daripada sistem real
yang kapasitasnya terbatas
• Kadang-kadang, penganalisaan sistem seperti ini merupakan satu-
satunya cara untuk memperoleh pendekatan terhadap sistem yang real

• Sebelum terlampau jauh, marilah kita pelajari
Notasi Kendall yang digunakan untuk
mendeskripsikan suatu sistem antrian

Notasi Model Antrian (Kendall)
• A/B/n/p/k
– A menyatakan proses kedatangan
• Interarrival time distribution:
– M= exponential (memoryless)
– D= deterministic
– G= general
– B menyatakan waktu pelayanan (service times)
• Service time distribution:
– M= exponential (memoryless)
– D= deterministic
– G= general
– n = jumlah server
– p = jumlah tempat dalam sistem David G. Kendall
= jumlah server + ukuran tempat menunggu
– k = jumlah populasi pelanggan
– Nilai-nilai default (biasanya tidak dimunculkan) :
– p = ∞, k = ∞

Contoh Notasi Model Antrian (Kendall)
• M/M/1
• M/D/1
• M/G/1
• G/G/1
• M/M/n
• M/M/n/n+m
• M/M/ ∞ (Poisson model)
• M/M/n/n (Erlang model)
• M/M/k/k/k (Binomial model)
• M/M/n/n/k (Engset model, n < k)
Rumus Little
• Mari kita perhatikan suatu sistem yang
didatangi oleh customer dengan laju
sebesar λ
• Bila diasumsikan suatu kondisi yang stabil
maka customer tidak akan terakumulasi di
dalam sistem sehingga sistem akan kosong
– Konsekuensinya customer meninggalkan sistem
dengan rate sebesar λ juga
Prof. John D. C. Little
• Bila
N = jumlah rata − rata customer didalam sistem
T = rata − rata lamanya customer didalam sistem
• Maka rumus Little menyatakan :
N = λT
MODEL UNTUK
TRAFIK TELEPON
• Erlang memodelkan trafik telepon sebagai pure loss
system (m = 0)
– customer = call
• λ = laju kedatangan panggilan (call arrival rate)
– service time = (call) holding time
• h = 1/μ = average holding time
– server menyatakan kanal pada suatu link
• n = jumlah kanal pada link tersebut

Proses Trafik (Traffic Process)

Intensitas Trafik
• Pada jaringan telepon : Traffic ↔ Calls
• Besarnya trafik dinyatakan oleh intensitas trafik a
• Definisi: intensitas trafik a adalah perkalian antara laju
kedatangan (arrival rate) rata-rata λ dengan waktu pendudukan
rata-rata (mean holding time) h:
a = λh
• Jangan lupa, intensitas trafik merupakan kuantitas yang tanpa
satuan
– Untuk menghormati jasa Erlang digunakan satuan erlang (erl) untuk
intensitas trafik
• Bila menggunakan pendekatan rumus Little: intensitas trafik
menunjukkan jumlah panggilan yang sedang berlangsung di
dalam suatu infinite system

• Misalkan ada suatu sentral. Asumsikan bahwa
– Rata-rata terdapat 1800 panggilan baru dalam 1 jam,
• λ = 1800 panggilan/jam = 1800 panggilan/60 menit
– Rata-rata waktu pendudukan adalah 3 menit
• ini sama dengan h
• Maka intensitas trafik adalah
a = 1800x3/60 = 90 Erlang
• Jika rata-rata waktu pendudukan naik dari 3 menit
menjadi 10 menit, maka
a = 1800 x 10/60 = 300 Erlang

Blocking
• Di dalam suatu sIstem loss, beberapa call di-blok (lost)
– Sebuah panggilan akan hilang (lost) jika seluruh kanal sedang diduduki
pada saat panggilan datang
– Kejadian di atas disebut blocking
• Ada paling tidak dua buah jenis kuantitas blocking :
– Call blocking Bc = peluang suatu panggilan yang datang menemukan bahwa
seluruh kanal diduduki = bagian dari panggilan yang lost
– Time blocking Bt = peluang sleuruh kanal diduduki pada suatu saat
tertentu = bagian dari waktu dimana seluruh kanal diduduki
• Nilai kedua blocking itu belum tentu sama
– Kedua nilai blocking di atas akan sama besar (Bc = Bt) bila proses
kedatangan panggilan merupakan proses Poisson
• Call blocking merupakan ukuran QoS yang dialami pelanggan

Laju kedatangan panggilan (call rates)
• Di dalam suatu sistem loss, ada tiga jenis laju kedatangan
panggilan:
– λoffered = laju kedatangan panggilan
– λcarried = laju kedatangan panggilan yang dapat diolah
– λlost = Laju kedatanagn lost calls
 Catatan:

Traffic Streams
• Ketiga macam call rates itu membawa kita pada konsep
tiga jenis trafik:
– Traffic offered (aoffered) = λofferedh
– Traffic carried acarried) = λcarriedh
– Traffic lost (alost) = λlosth
• Catatan:

Analisis Teletraffic
• Pada tahap ini kita akan menentukan hubungan kuantitatif di antara
ketiga faktor yang sudah kita bahas hubungan kualitatifnya:
– Kapasitas Sistem
• n = jumlah kanal pada link
– Beban Trafik
• a = (offered) traffic intensity
– Quality of service (dari sudut pandang pelanggan)
• Bc = peluang bahwa suatu panggilan menemukan bahwa seluruh kanal
(n) sudah diduduki
– Jika kita asumsikan bahwa sistem merupakan sistem loss murni
dengan dengan notasi M/G/n/n:
• Proses kedatangan panggilan merupakan proses Poisson (dengan laju λ)
• Waktu pendudukan panggilan memiliki distribusi apapun tetapi dengan
rata-rata sebesar h
– Maka hubungan kuantitatif diantara ketiga faktor di atas diberikan
oleh rumus Erlang

Rumus Erlang
• Catatan: n!= n⋅(n−1). ⋅ ⋅ ⋅ 2.1, 0!=1

• Nama lain dari rumus erlang:
– Erlang’s blocking formula
– Erlang’s B-formula
– Erlang’s loss formula
– Erlang’s first formula

• Contoh
– Misalkan pada suatu link terdapat kanal komunikasi
sejumlah n = 4 dan offered traffic adalah sebesar = 2.0
erlang. Maka peluang blocking panggilan Bc adalah
• Jika kapasitas link dinaikkan menjadi n = 6 maka Bc akan

berkurang menjadi
• Mari kita lihat kembali kurva yang menunjukkan hubungan

ketiga faktor tadi (kapasitas sistem,beban trafik dan quality of
service)...
Kapasitas yang dibutuhkan vs Trafik
• Bila quality of service yang disyaratkan adalah Bc < 20%, maka
kapasitas n yang diperlukan akan tergantung pada intensitas trafik
seperti berikut ini:

Syarat QoS vs Trafik
• Bila diketahui bahwa kapasitas n adalah 10 kanal, maka quality of
service (1 − Bc) yang dipersyaratkan akan tergantung pada
intensitas trafik a seperti berikut ini:

Syarat QoS vs Kapasitas
• Bila intensitas trafik a = 10.0 erlang, maka quality of service (1 −
Bc) yang dipersyaratkan akan tergantung pada kapasitas n seperti
berikut ini:

MODEL UNTUK TRAFIK DATA
• Model antrain (queueing) cocok untuk memodelkan jaringan data
berbasis packet switching
• Bila kita perhatikan link di antara dua router maka trafik akan
terdiri dari paket data yang ditransmisikan pada link tersebut
• Link tersebut di atas dapat dimodelkan sebagai sistem tunggu

murni (pure waiting system)

• Pure waiting system yang digunakan memiliki satu server (n=1)
dan buffer yang tak terhingga (m = ∞):
– Customer = paket
• 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

Proses Trafik

Traffic Load
• Pada jaringan berbasis packet switching:
Traffic ↔ Packet
• Jumlah trafik dinyatakan oleh traffic load ρ
• Definisi: traffic load ρ merupakan perbandingan antara laju
kedatangan (arrival rate) λ dengan waktu pelayanan (service rate)
μ = C/L:
• Perhatikan bahwa traffic load merupakan kuantitas yang

dimensionless (seperti halnya intensitas traffic pada sistem loss)
• Bila digunakan pendekatan rumus Little’s :traffic load menyatakan
jumlah customer yang sedang dilayani = peluang bahwa “server
busy” = utilization factor dari server

Contoh
• Misalkan ada sebuah link di antara dua paket. Asumsikan bahwa:
– 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
• Maka traffic load adalah
• Jika kecepatan link dinaikkan menjadi 150 Mbps, maka load hanya
sebesar:

• Kapasitas sistem
– C = kecepatan link yang dinyatakan di dalam kbps
• Traffic load
– λ = Laju kedatangan paket yang dinyatakan di dalam packet/s (anggap
sebagai suatu variable)
– L = panjang paket rata-rata di dalam satuan kbits (diasumsikan konstant
sebesar 1 kbit)
• Quality of service (dari sudut pandang user)
– Pz = peluang suatu paket harus menunggu “terlalu lama”, yakni lebih lama
dari waktu referensi z (diasumsikan konstan 0.1 s)

• 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:
Catatan: Sistem hanya akan stabil bila ρ < 1, bila tidak maka jumlah
paket yang mengantri akan menuju tak terhingga

Contoh
• Asumsikan bahwa paket datang dengan laju λ = 50 packet/s dan
kecepatan link adalah C = 64 kbps. Maka peluang paket yang
datang menunggu terlalu lama (Pz ) (yaitu lebih lama dari z = 0.1
s) adalah
• Perhatikan bahwa sistem akan stabil karena:

Kecepatan link yang disyaratkan vs Laju kedatangan
• Bila syarat quality of service adalah Pz < 20%, maka kecepatan link
yang diperlukan (C) tergantung pada laju kedatangan (arrival rate)
λ seperti berikut ini:

Syarat QoS vs Arrival Rate
• Bila diketahui kecepatan link (C) = 50 kbps, maka quality of service
yang disyaratkan (1 − Pz) tergantung pada arrival rate λ sebagai
berikut:

Syarat QoS vs Kecepatan Link
• Bila arrival rate λ = 50 packet/s, maka quality of service yang
disyaratkan (1 − Pz) tergantung pada kecepatan link (C) sebagai
berikut:

Latihan
• Pada suatu wartel yang terdiri dari lebih 2 pesawat telepon,
diketahui 50 pelanggan melakukan panggilan di dalam satu
jamnya dengan rata-rata waktu pemakaian 3 menit. Hitung :
– Jumlah telepon rata-rata yang digunakan
– Waktu tunggu rata-rata jika terdapat rata-rata 1,2 pelanggan yang
menunggu
• Jawab
– Arrival rate = λ =50/jam = 50/60 = 5/6 call per menit
– Service rate = µ = 1/3
– Traffic load = λ/µ = (5/6)x3 = 2,5 Erlang
• Ini berarti jumlah rata-rata telepon yang digunakan adalah
2,5
– Waktu tunggu rata-rata dicari menggunakan rumus Little
• Diketahui L=1,2 maka W=L/λ =1,2/(5/6)=1,44 menit
Latihan 2
• Contoh : suatu web server yang digunakan sebagai search engine
menerima jumlah permintaan (request) per jam sebanyak
144.000. Server memerlukan waktu 0,02 detik untuk mengolah
setiap request. Pertanyaan :
– Berapa utilisasi server ?
– Berapa jumlah request rata-rata di dalam server?
– Berapa bagian dari waktu bahwa ditemukan k search request di server?
• Jawab
– Average service rate = m = 1/0,02=50 request/detik
– Average arrival rate = l = 144.000 request/jam = 40 request/detik
– Utilisasi server = l/m =0,8 = 80 %
– Jumlah rata-rata request di dalam server = 0,8/(1-0,8) = 4
– Bagian dari waktu dimana terdapat k searh request di server = Pk=(1-r)rk
=(1-0,8)0,8k =0,2.0,8k dimana k=0,1,…

MODEL MATEMATIS

Model Poisson (M/M/∞)
• Model Poisson didefinisikan menggunakan model teletraffic
berikut :
– Kedatangan panggilan acak (random arrival/Pure Chance Traffic) dan
independent satu sama lain
– Selang waktu antar kedatangan terdistribusi eksponensial negatif
– Jumlah sumber panggilan (customer) tak terhingga (k= ∞)
– Laju rata-rata datangnya panggilan konstan (a=λ)
• Tak tergantung jumlah pendudukan yang sudah ada karena sumber panggilan
tak terhingga
– Jumlah server yang melayani tak terhingga dan merupakan berkas
sempurna
• Setiap panggilan yang datang selalu dapat dilayani (lossless)
– Pola waktu pelayanan/pendudukan terdistribusi exponensial negatif
dengan waktu pelayanan/pendudukan (service time) rata-rata = h = 1/µ
– Harga rata-rata trafik sama dengan harga variansinya
– Tidak ada buffer
– Intensitas trafik = a = λ/µ

Distribusi Poisson (2)
• Persamaan kesetimbangan dan diagram transisi
kondisi
– Dalam kesetimbangan statistik, probabilitas kondisi
bukan merupakan fungsi waktu. Persamaan
kesetimbangannya :
bn-1P(m) = dnP(n)
– Kita tinjau koeffisien kelahiran dan kematian
• bi (koeffisien kelahiran)= a = λ
• di (koeffisien kematian): bila waktu lamanya pendudukan
tersistribusi eksponensial negatif maka di akan sebanding
dengan jumlah pendudukan yang ada
– Hal ini akan dijelaskan pada paparan berikutnya

– Kita tinjau berkas saluran yang diduduki sebanyak n;
kita munculkan pertanyaan : berapa probabilitas
sembarang satu pendudukan berakhir dalam waktu
dt
• Kita sudah tahu :
– Probabilitas suatu pendudukan di suatu saluran berakhir dalam
waktu dt = µdt (distribusi waktu pendudukan exponensial negatif)
– Probabilitas suatu pendudukan di suatu saluran tidak akan
berakhir dalam waktu dt = 1- µdt
1 µdt = Peluang pendudukan di saluran ini berakhir dalam dt
2 1-µdt = Peluang pendudukan di saluran ini tdk berakhir dlm. dt
.
.
.
n 1-µdt = Peluang pendudukan di saluran ini tdk berakhir dlm. dt
n saluran yang diduduki dari suatu berkas yang ditinjau

• Peluang bahwa sembarang satu pendudukan
berakhir (dan yang lainnya tidak) dalam waktu dt
adalah =
n
  µ dt (1 − µ dt ) = n.µ dt (1 − µ dt ) = n.µ dt
n −1 n −1
1 
Ingat distribusi binomial ≈ 0 bila dt mendekati nol

• Bila A = λ.h = λ/µ = trafik yang ditawarkan dan juga
merupakan trafik yang dimuat karena trafik terdistribusi
Poisson; dan dengan memperhatikan hasil yang
terdapat pada slide no 56, kita memperoleh persamaan
kesetimbangan sebagai berikut :
λP(0) = 1µP(1)
A.P(0) = 1.P(1)
A.P(1) = 2.P(2)
A.P(2) = 3.P(3)
..
.
A.P(n-1) = n.P(n)

• Dari persamaan kesetimbangan tersebut bisa kita peroleh
A A2 A3 An
P ( n ) = P ( n − 1) = P ( n − 2) = P ( n − 3) =  = P ( 0)
n n ( n − 1) n ( n − 1)( n − 2 ) n!
n
• Jadi P ( n ) = A
P ( 0)
n!
• Mencari P(0) :
∞
 A2 A3 
=1 ∑ P= ( ) ( )
i P 0 1 + A + + += P ( 0 ) .e
A
i =0  2! 3! 
An − A
Jadi P ( 0 ) = e , maka P ( n ) =
−A
e untuk n = 0,1,2,3,…
n!

• Trafik yang memenuhi distribusi Poisson disebut juga
Pure Chance Traffic atau Kedatangan Acak (Random
Arrival)
• Ciri penting distribusi Poisson : Harga rata-rata sama
dengan variansinya
• Diagram transisi kondisinya :
λ λ λ λ λ
0 1 2 n
µ 2µ 3µ nµ (n+1)µ

• Bila trafik yang terdistribusi Poisson ditawarkan
melalui elemen gandeng ke berkas keluar yang
jumlah salurannya tak terhingga, maka seluruh
trafik yang ditawarkan akan dapat diolah oleh
berkas keluar; artinya tidak ada trafik yang hilang
(ditolak)
• Oleh karena itu trafik yang ditawarkan akan sama
dengan trafik yang dimuat oleh berkas keluar
atau A = Y

• Harga rata-rata trafik yang dimuat di berkas
keluar ( = harga rata-rata jumlah saluran yang
diduduki)
∞ ∞
An − A
E [ n] ∑
= = n.P ( n ) ∑ n. e
= n 0= n 0 n!
• Diperoleh E[n] = M = A
• Variansinya = V = A

Distribusi Erlang
• Merupakan model matematis untuk model antrian (M/M/n/n), dengan
kondisi sistem :
– Kedatangan panggilan acak (random arrival) dan independent satu sama
lain
– Jumlah sumber panggilan tak terhingga (k= ∞)
– Selang waktu antar kedatangan terdistribusi eksponensial negatif dengan
rata-rata 1/λ
• Pola kedatangan panggilan terdistribusi Poisson dengan laju rata-rata datangnya
panggilan konstan (λ)
– Kedatangan panggilan acak (random arrival) dan independent satu sama lain
– Tak tergantung jumlah pendudukan yang sudah ada karena sumber panggilan tak terhingga
– Jumlah server terbatas (n < ∞) dan tidak ada buffer
• Tidak setiap panggilan yang datang selalu dapat dilayani; panggilan yang datang
pada saat semua server sibuk akan tidak dapat dilayani
• panggilan-panggilan yang tidak dapat dilayani akan dihilangkan (lossy) : sistem rugi
murni
dengan waktu pelayanan/pendudukan rata-rata = h = 1/µ

Distribusi Erlang (2)
Rumus Rugi Erlang
• Dapat digunakan untuk menghitung prosentase
panggilan yang hilang bila trafik yang ditawarkan
dan jumlah saluran keluar yang menampung
diketahui
• Penurunan rumus menggunakan diagram transisi
kondisi dan persamaan kesetimbangan
– Koefisien kelahiran = λ (konstan)
– Koefisien kematian = nµ
– A = λ/µ

λ λ λ λ λ
0 1 2 N-1 N
µ 2µ 3µ (N-1)µ Nµ
λP(0) = 1µP(1)
A.P(0) = 1.P(1)
A.P(1) = 2.P(2)
A.P(2) = 3.P(3)
..
.
A.P(n-1) = n.P(n)
.
.
.
A.P(N-1) = N.P(N)
A A2 A3 An
P ( n ) = P ( n − 1) = P ( n − 2) = P ( n − 3) =  = P ( 0)
n n ( n − 1) n ( n − 1)( n − 2 ) n!
An
• Jadi P ( n ) = P ( 0) dengan n=0,1,2,…,N
n!
• Mencari P(0) :
N
 A2 A3 AN 
=1 ∑ P= ( n ) P ( 0 ) 1 + A + + +  + 
n =0  2! 3! N!
1
Jadi P ( 0 ) = N
An
∑
n =0 n !

• Sehingga
An
P (n) = n!
A2 AN
1+ A + + +
2! N!
Untuk n = 0,1,2,3,…, N
• P(N) = Probabilitas bahwa semua saluran (di
berkas keluar) sibuk; selama waktu ini semua
panggilan yang datang ditolak (dihilangkan)

• Simbol untuk menyatakan P(N)
– E1,N(A)
– EN(A)
– B (Blocking)
– Rumus Rugi Erlang
– Rumus Erlang-B
– B(N,A)
– Grade of Service (GOS)
• Dari segi nilai, GOS = Blocking
• Dari segi pengertian, GOS merupakan komplemen dari
Blocking

• Jadi
AN
P(N=
) E1, N ( A=) EN ( A=) B= N!
A2 AN
1+ A + + +
2! N!
Ditabelkan

Kongesti Waktu dan Kongesti Panggilan
• Probabilitas kondisi adalah lamanya waktu suatu kondisi
berlangsung dalam jam per jam (jam sibuk), maka
• P(N) dapat diartikan sebagai lamanya waktu dimana
semua saluran (=N) sibuk berlangsung dalam jam per
jamnya (jam sibuk) sehingga P(N) disebut pula sebagai
Kongesti Waktu (Time Congestion)
• Dapat pula dikatakan :
P(N) adalah bagian waktu dimana N saluran sibuk

• Pengertian Kongesti Panggilan = R(N)
Jumlah panggilan yang ditolak
R(N) =
Jumlah panggilan selama 1 jam
• Atau dengan kata lain :
R(N) adalah bagian panggilan yang ditolak
• Untuk kedatangan yang acak dan berkas
sempurna : P(N) = R(N)
– Kongesti panggilan = P(N).λ/λ.1 = P(N) = Kongesti
waktu

Efisiensi dan Kepekaan
• Efisiensi (= A/N)
– Untuk B tertentu, dengan bertambahnya A, akan diperlukan N
yang lebih besar pula
– Makin besar A, makin besar (baik) efisiensinya
B = 1%
N A A/N
2 0,15 0,075
4 0,87 0,215
10 4,46 0,440
50 37,90 0,760
• Kepekaan
– Seberapa besar pengaruh perubahan A terhadap perubahan B
untuk N tetap
– Makin besar A, makin besar kepekaaannya (perubahan B-nya)
B = 1%
N A 1,1A (A naik 1%) Trafik 1,1A dan dengan N
tetap; B berubah
menjadi
2 0,15 0,165 0,012 (=1,2 %)
4 0,87 0,957 0,013 (=1,3 %)
10 4,46 4,906 0,015 (=1,5 %)
50 37,90 41,690 0,030 (=3,0 %)

• Membandingkan kepekaan Jaringan mata jala dengan jaringan
bintang
Contoh
Jaringan yang terdiri dari empat sentral. Antar sentral
dihubungkan dengan berkas saluran dua arah (bothway).
Diasumsikan trafik antar sentral (=A) sama dan pendimensian di
setiap berkas saluran menggunakan kriteria B = 1 % (tanpa ruting
alternatif)
C C
mesh star
D D
A B A B

• Pada jaringan star
– A = 1 Erlang, maka setiap berkas ditawari 2 Erlang,
dengan B = 1%, maka dibutuhkan jumlah saluran
untuk setiap berkas sebanyak N = 6 saluran
– Bila A dinaikkan menjadi 2 (2 kali lipat), maka tiap
berkas akan mengolah trafik 4 Erlang. Bila jumlah
saluran pada tiap berkas tetap (N=6), maka B ≈ 12%

• Pada jaringan mata jala
– A = 1 Erlang, maka setiap berkas ditawari 6 Erlang,
dengan B = 1%, maka dibutuhkan jumlah saluran
dalam setiap berkas sebanyak N = 12 saluran
– Bila A dinaikkan menjadi 2 (2 kali lipat), maka tiap
berkas akan mengolah trafik 12 Erlang. Bila jumlah
saluran pada tiap berkas tetap (N=12), maka B ≈ 20%
• Jaringan mata jala lebih peka daripada jaringan
bintang

• Model Erlang dapat diterapkan pada trafik
telepon di dalam suatu berkas saluran trunk
dimana jumlah user yang menggunakannya
sangat banyak
– customer = call
− λ = call arrival rate (calls per time unit)
– h = 1/µ = average call holding time (time units)
– a = λ /µ = traffic intensity
– N = kapasitas link (jumlah saluran)
79
• Harga rata-rata trafik yang dimuat oleh berkas
saluran (pada rumus Erlang)
– Merupakan jumlah saluran rata-rata yang diduduki
(selama waktu 1 jam sibuk)
– Y = trafik yang dimuat =
 
 A 
N n
N N
An ( n − 1) ! N
An −1 ( n − 1) !  N A

∑ ∑
n.P ( n ) = N
A.∑ N
= =
A − N N ! +∑ N n !

∑ A=n 1 ∑ A  ∑ ∑ A 
j j j j
n 0= n 1 = A n 0
=j 0
j !=j 0 !
j=  j 0= j! j 0
j !

– Y = A [ -B + 1]
B 1

• Jadi :
– Y = A[1-B] atau
– A = Y + AB
• A = Trafik yang ditawarkan (rata-rata)
• Y = Trafik yang dimuat (rata-rata)
• AB = R = Trafik yang ditolak (hilang)

• Variansi trafik yang dimuat
N N
V= ∑ ( i − Y ) .P ( i=) ∑ i ( i − 1) .P ( i ) + Y − Y
2 2
d (*)
i 0=i 2

K
i −2  A2 A N −1 AN AN −1 AN 
A  1+ A + + + + − −
N
( i − 2 )! 2  2! ( N − 1) ! N ! ( N − 1) ! N ! 
K A=
2
∑ N
A  N 
∑  ∑ 
j j
i =2 A A
j 0=
j!  j 0
j! 
K=
A2 1 − N { ( A) E N ( A ) − E N ( A )} =
A 2
− N . A.E N ( A ) − A 2
.EN ( A )
K =A ( A − A.EN ( A ) ) − Nm =AY
. − Nm =( m + Y ) .Y − Nm =mY + Y 2 − Nm (**)

• Bila persamaan (**) dimasukkan ke (*)
Vd = mY + Y2 – Nm + Y – Y2 = Y – m(N-Y)
Vd = Y – m(N-Y)
– m = trafik yang tak dapat dimuat (hilang atau meluap)

= A.EN(A)

Selektor homing dan non homing
1
A R1
2
R2
3
R3
4
R4
• Selektor homing : proses pencarian jalan keluar selalu diawali dari
jalur satu
– Muatan trafik pada jalan-jalan keluar permulaan selalu lebih besar
daripada jalan-jalan keluar terkahir
• Selektor non-homing : Pengetesan jalan keluar diawali pada
saluran dimana saat terakhir kali suatu jalan keluar dipakai
– Muatan trafik tebagi merata pada setiap jalur keluar

Perhitungan muatan pada selektor homing
• Kita lihat contoh gambar pada slide no 33
– Selektor dengan 4 jalan keluar
– Pada berkas masuk ditawarkan trafik sebesar A
– R1,R2,R3, dan R4 dihitung menggunakan rumus rugi Erlang,
sehingga trafik yang dimuat dapat dihitung dengan cara sbb :
• Y1 = A – R1
• Y2 = R1 – R2
• Y3 = R2 – R3
• Y4 = R3 – R4
• Misalkan A = 2 Erlang, maka dapat dihitung Y1,Y2,Y3,dan
Y4

2
A A 4 4
R1= A. = = = = 1,33Erlang
1+ A 1+ A 1+ 2 3
Y1 =A − R1 =2 − 1,33 =0, 67 Erlang
  A2  
   
  2!  
R2 A=  2 
0,8 Erlang
1 + A +  A  
  
 2!  
Y2 = R1 − R2 =1,33 − 0,8 = 0,53Erlang

  A3  
   
  3!  
R3 A=  2 
0, 421Erlang
1 + A +  A  +  A  
2
    
 2!   2!  
Y3 = R2 − R3 = 0,8 − 0.421 = 0,379 Erlang
  A4  
   
  4!  
R4 A=  4 
0,19 Erlang
1 + A +  A  +  A  +  A  
2 3
      
 2!   3!   4!  
Y4 = R3 − R4 = 0, 421 − 0,19 = 0, 231Erlang

• Perhitungan muatan pada selektor non-homing
A − R4 2 − 0,19
Y=
1 Y=
2 Y=
3 Y=
4 = = 0, 4525 Erlang
4 4

Distribusi Engset dan Binomial
Berkas keluar
Berkas masuk g (berkas sempurna)
Sumber panggilan (S) terbatas Jumlah saluran keluar (N) terbatas
• Bila S > N, didapat distribusi Engset

• Bila S ≤ N, didapat distribusi Binomial
• Waktu antara datangnya panggilan untuk setiap satu sumber panggilan yang
bebas mempunyai distribusi eksponensial negatif dengan harga rata-rata=1/λp
– Laju datanganya panggilan dari satu sumber panggilan yang bebas= λp
• Karena jumlah sumber terbatas, maka laju datangnya panggialn rata-rata pada
kondisi n = (S-n)λp (ada sejumlah S-n sumber panggilan yang masih bebas).Ini
merupakan koefisien kelahiran pada diagram transisi kondisi
• Kedatangan panggilan ini dianggap seperti acak (quasi-random input)

Distribusi Engset dan Binomial (2)
• Diagram transisi kondisi
Sλp (S-1)λp (S-2)λp (S-N+2)λp (S-N+1)λp
0 1 2 N-1 N
Berakhir pada kondisi N

atau S bila S < N

• Persamaan kesetimbangan
( S − n) λp P ( n) = ( n + 1) µ P ( n + 1) , untuk n=0,1,2, ,(N-1) atau (S-1)

→ P ( n + 1) =
( S − n)  λp 
 µ  .P ( n )
( n + 1)  
 λp 
0 → P (1) =
n= S.  .P ( 0 )
 µ 
 λp
2
 1
1 → P ( 2) =
n= S ( S − 1) . 
 µ  . 2 P ( 0 )
 λp 
3
1
2 → P ( 3) =
n= S ( S − 1)( S − 2 ) .   . P (0)
 µ  3.2.1

• Sehingga diperoleh persamaan distribusi Engset dan
Binomial sebagai berikut
 S!   λp  n
P ( n ) =    µ  .P ( 0 )
 n !( S − n ) !   

Rumus Engset (S > N)
 S  λ p 
n
P (n) =     P ( 0)
n  µ 
• P(0) dicari dengan cara yang sudah kita bahas
sebelumnya
• Maka diperoleh
 S   λP  n
  µ
 n  
P (n) = N
 S   λP  j
∑   µ
j =0  j   

• Bila n=N , maka P(N) merupakan probabilitas semua
saluran sibuk (Kongesti waktu) = Probabilitas kondisi N
• Kongesti panggilan : jumlah panggilan yang ditolak
dibagi dengan jumlah seluruh panggilan yang datang
• Jumlah panggilan yang ditolak (dlm. 1 jam) :
(S-N)λp.P(N)
• Jumlah seluruh panggilan yang datang (dalam 1 jam) :
N
∑(S − j)λ P( j)
j =0
p

• Jadi Kongesti panggilan :
S !   λP 
N
 S − 1   λP 
N
( S − N )  ( S − N )! N !  µ    µ
 
     N 
R(N ) =N
S !   λP 
j N
 S − 1   λP  i
∑ ( S − j !)  ( S − j )! j !  µ  ∑ 
   µ
j =0   i =0  i  
• Bila sumber tak berhingga, P(n) akan sama dengan

rumus Erlang

• Modifikasi rumus Engset R(N) agar mengandung
parameter trafik yang ditawarkan (A) dan B (=kongesti
panggilan=R(N))
• Mencari A:
– Asumsi : trafik merata pada semua sumber panggilan S, maka
bila
• a=trafik yang ditawarkan per sumber panggilan
• A=trafik total dari sumber panggilan yang berjumlah S. Jadi A = aS
• p=trafik yang dimuat di berkas keluar yang berasal dari satu sumber
panggilan (bagian waktu dimana sumber panggilan termaksud sibuk
atau menduduki saluran)
• (1-p) = bagian waktu dimana suatu sumber panggilan bebas (dan yang
hanya dalam waktu ini saja sumber panggilan termaksud dapat
memberikan kecepatan kedatangan panggilan sebesar λp)

• Akan terdapat hubungan p=a(1-B), dimana B=kongesti
panggilan ($)
• Tiap sumber panggilan akan memberikan penawaran
trafik sebesar :
(1-p).λp/µ=a ($$)
• Dari ($) dan ($$) diperoleh
λp/µ=a/(1-p)=a/(1-a(1-B)) ($$$)
• Dari trafik total sebesar A=aS, diperoleh a=A/S, kita
masukkan ke persamaan ($$$), akan diperoleh
λp/µ=(A/S)/{1-(A/S)(1-B)}=A/(S-A(1-B)), ekspresi ini kita
masukkan ke rumus R(N)

N
 S − 1   λP  N
 S − 1  A 
   S − A (1 − B ) 
 ( )
  µ
 N    N
R(N ) =N
 S − 1   λP  i  S − 1  A 
i
∑
N
  µ ∑    S − A (1 − B ) 
  ( )
i =0  i  i =0  i
• Kita lihat di suku kiri ada R(N) dan di suku kanan ada B,
padahal R(N)=B, maka perhitungan harus dilakukan
secara iterasi
• Ada 4 besaran : A,S,N, dan B (=R(N))
– Bila A,S,N diketahui, B dapat dihitung (iterasi)
– Bila A,S,B diketahui, N dapat dihitung (iterasi)
• Sudah ditabelkan

Rumus binomial
• Jumlah panggilan,S, lebih kecil atau sama dengan jumlah
saluran keluar,N
• Karena S ≤ N
– Tidak akan ada trafik yang hilang
– Kondisi akhir hanya sampai dengan S
• Rumus P(n) menjadi :
 S   λP  n  S  λP  n  S  λP  n
  µ   µ   µ
P (n)n =

= n     n  
N
 S   λP  j S
 S   λP  j   λP   S
∑   µ ∑   µ 1+ 
µ 
 j 
j 0=  j 0 j     
S n
P ( n )   α (1 − α )
S −n
=
n 
• Dimana α = (λp/µ)/(1+(λp/µ))
• Rumus P(n) di atas dapat dianggap sebagai rumus
umum
– Dapat menjadi Erlang,Engset ataupun Binomial, tergantung
besarnya S
• Pada rumus binomial di atas tidak ada trafik yang
ditolak, tetapi ada yang menggunakan rumus binomial
untuk kasus S > N sehingga akan ada trafik yang ditolak
– Bisa dilakukan bila S tidak begitu besar dibandingkan N

Bidang Studi Telekomunikasi Multimedia
Jurusan Teknik Elektro
Fakultas Teknologi Industri
Model Sistem
Tutun Juhana
Laboratorium Telematika
EE Dept. ITB
What we are going to learn..
• Notasi Model Antrian (Kendall)

• Model Poisson (∞ customers, ∞ servers)
• Model Erlang (∞ customers, n < ∞ servers)
• Binomial model (k < ∞ customers, n = k
servers)
• Engset model (k < ∞ customers, n < k servers)

Model Poisson (M/M/∞)
• Model Poisson didefinisikan menggunakan model teletraffic
berikut :
– Kedatangan panggilan acak (random arrival/Pure Chance Traffic) dan
independent satu sama lain
– Jumlah sumber panggilan (customer) tak terhingga (k= ∞)
– Laju rata-rata datangnya panggilan konstan (a=λ)
• Tak tergantung jumlah pendudukan yang sudah ada karena sumber
panggilan tak terhingga
– Jumlah server yang melayani tak terhingga
• Setiap panggilan yang datang selalu dapat dilayani (lossless)
dengan waktu pelayanan/pendudukan (service time) rata-rata = h =
1/µ
– Harga rata-rata trafik sama dengan harga variansinya

Diagram Transisi Kondisi
• Misalnya X(t) menyatakan jumlah customer di dalam sistem
pada saat t
• Asumsikan bahwa X(t) = i pada suatu waktu t, dan kita lihat
apa saja kemungkinan yang terjadi di dalam selang waktu
yang sangat pendek (t, t+dt] :
– dengan peluang sebesar λdt + o(dt), bisa terdapat seorang pelanggan
baru datang (transisi kondisi n → n+1)
– jika i > 0, dengan peluang sebesar iµdt + o(dt) bisa terdapat seorang
pelanggan yang meninggalkan sistem (transisi kondisi n → n−1)
• X(t) merupakan suatu proses Markov dengan diagram transisi
kondisi sebagai berikut
λ λ λ λ λ
0 1 2 n
22-Oct-13 µ 2µ 3µ Trafik &nµJaringan

TE092300 - Rekayasa (n+1)µ 104
• Persamaan kesetimbangan lokal
pn λ = pn +1 (n + 1) µ
λ a
pn +1 = pi = pi
(n + 1) µ (n + 1)
an
pi = p0 , n = 0,1,2,3,...
n!
• Normalisasi
∞ ∞
an
∑
n =0
p n = p0 ∑
n = 0 n!
=1
−1
 a 
∞ n
p0 =  ∑  = (e a ) −1 = e − a
 n =0 n! 
• Maka distribusi dalam kondisi setimbang adalah Poisson
a n −a
P{ X = i} = pi = e , n = 0,1,2,3,...
22-Oct-13 n! TE092300 - Rekayasa Trafik & Jaringan 105
• Sifat penting distribusi Poisson
– E [X] = a, D2[X] = a
– Seluruh trafik yang ditawarkan akan dapat diolah
oleh server, artinya tidak ada trafik yang hilang
(lossless)
• Oleh karena itu trafik yang ditawarkan akan sama
dengan trafik yang dimuat atau A = Y

Model Erlang (M/M/n/n)
• Model Erlang didefinisikan menggunakan model teletraffic
berikut
– Jumlah sumber panggilan tak terhingga (k=∞)
dengan rata-rata 1/λ
• Pola kedatangan panggilan terdistribusi Poisson dengan laju rata-rata
datangnya panggilan konstan (λ)
– Kedatangan panggilan acak (random arrival) dan independent satu sama lain
– Tak tergantung jumlah pendudukan yang sudah ada karena sumber panggilan
tak terhingga
– Jumlah server terbatas (n < ∞) dan tidak ada buffer
• Tidak setiap panggilan yang datang selalu dapat dilayani; panggilan yang
datang pada saat semua server sibuk akan tidak dapat dilayani
• panggilan-panggilan yang tidak dapat dilayani akan dihilangkan (lossy) :
sistem rugi murni
dengan waktu pelayanan/pendudukan rata-rata = h = 1/µ

Rumus Rugi Erlang
• Dapat digunakan untuk menghitung prosentase
panggilan yang hilang bila trafik yang
ditawarkan dan jumlah server (ingat, server bisa
berupa berkas saluran keluar, timeslot dsb.)
diketahui
• Penurunan rumus menggunakan diagram
transisi kondisi dan persamaan kesetimbangan
– Koefisien kelahiran = λ (konstan)
– Koefisien kematian = nµ
– A = λ/µ

λ λ λ λ λ
0 1 2 N-1 N
λP(0) = 1µP(1)
A.P(0) = 1.P(1)
A.P(1) = 2.P(2)
A.P(2) =. 3.P(3)
..
A.P(n-1) = n.P(n)
.
.
.
A.P(N-1) = N.P(N)

A A2 A3 An
P(n) = P(n-1) = P(n-2)= P(n-3)= … = P(0)
n n(n-1) n(n-1)(n-2) n!
An
• Jadi P(n) = P(0), dengan n = 0,1,2,…,N
n!
• Mencari P(0) :
N
Σ P(n) = P(0) { 1+A+ 2!
A2 A3 AN
– 1= + +…+ }
n=0 3! N!
1
– Jadi P(0) =
N
Σ An
n=0 n!

• Sehingga
An
n!
P(n) =
A2 AN
1+A+ +…+
2! N!
•
Untuk n = 0,1,2,3,…, N
• P(N) = Probabilitas bahwa semua server sibuk;
selama waktu ini semua panggilan yang datang
ditolak (dihilangkan)

• Simbol untuk menyatakan P(N)
– E1,N(A)
– EN(A)
– B (Blocking)
– Rumus Rugi Erlang
– Rumus Erlang-B
– B(N,A)
– Grade of Service (GOS)
• Dari segi nilai, GOS = Blocking
• Dari segi pengertian, GOS merupakan komplemen
dari Blocking

• Jadi
AN
N!
P(N) = E1,N(A) = EN(A) = B =
A2 AN
1+A+ +…+
2! N!
Ditabelkan

Kongesti Waktu dan Kongesti Panggilan
• Probabilitas kondisi adalah lamanya waktu suatu
kondisi berlangsung selama satu jam pengamatan
(jam sibuk), maka
• P(N) dapat diartikan sebagai lamanya waktu
dimana semua server (=N) sibuk berlangsung
dalam jam jam sibuk sehingga P(N) disebut pula
sebagai Kongesti Waktu (Time Congestion)
• Dapat pula dikatakan :
P(N) adalah bagian waktu dimana N server sibuk

• Pengertian Kongesti Panggilan = R(N)
Jumlah panggilan yang ditolak
R(N) =
Jumlah panggilan selama 1 jam
• Atau dengan kata lain :
R(N) adalah bagian panggilan yang ditolak
• Untuk kedatangan yang acak P(N) = R(N)

Efisiensi dan Kepekaan
• Efisiensi (= A/N)
– Untuk B tertentu, dengan bertambahnya A, akan
diperlukan N yang lebih besar pula
– Makin besar A, makin besar (baik) efisiensinya
B = 1%
N A A/N
2 0,15 0,075
4 0,87 0,215
10 4,46 0,440
50 37,90 0,760
• Kepekaan
– Seberapa besar pengaruh perubahan A terhadap
perubahan B untuk N tetap
– Makin besar A, makin besar kepekaaannya (perubahan
B-nya)
B = 1%
N A 1,1A (A naik 1%) Trafik 1,1A dan dengan N
tetap; B berubah menjadi
2 0,15 0,165 0,012 (=1,2 %)
4 0,87 0,957 0,013 (=1,3 %)
10 4,46 4,906 0,015 (=1,5 %)
50 37,90 41,690 0,030 (=3,0 %)

• Model Erlang dapat diterapkan pada trafik
telepon di dalam suatu berkas saluran
trunk dimana jumlah user yang
menggunakannya sangat banyak
– customer = call
− λ = call arrival rate (calls per time unit)
– h = 1/µ = average call holding time (time units)
– a = λ /µ = traffic intensity
– N = kapasitas link (jumlah saluran)

• Harga rata-rata trafik yang dimuat oleh berkas
saluran (pada rumus Erlang)
– Merupakan jumlah saluran rata-rata yang diduduki
(selama waktu 1 jam sibuk)
– Y = trafik yang dimuat =
N N N N
An/(n-1)! An-1/(n-1)! AN/N! An/n!
Σ n.P(n)= Σ N
=A Σ N
=A -
N
+ Σ N
Σ Σ Σ Σ
n=0 n=0 Aj/j! n=0 n=0 Aj/j!
Aj/j! Aj/j!
j=0 j=0 j=0 j=0
B 1
– Y = A [ -B + 1]

• Jadi :
–Y = A[1-B] atau
–A = Y + AB
• A = Trafik yang ditawarkan (rata-rata)
• Y = Trafik yang dimuat (rata-rata)
• AB = R = Trafik yang ditolak (hilang)

Rumus Rekursif Erlang
An+1/(n+1)!
En+1(A)=
1+A+ A2
+…+ A n+1
2! (n+1)!
[A/(n+1)] An/n!
=
1+A+ A2
+…+ A n+1
2! (n+1)!

Rumus Rekursif Erlang (2)
An/n!
A
1+A+ A2
+…+ An
2! n!
En+1(A)=
An+1/(n+1)!
(n+1) 1+
1+A+ A2
+…+ A n+1
2! (n+1)!

A.En(A)
En+1(A)=
A An+1/(n+1)!
(n+1) 1+
(n+1) 1+A+ A2
+…+ An
2! n!
A.En(A)
=
A
(n+1) 1+ En(A)
(n+1)

Jadi
A.En(A)
En+1(A)=
n + 1 + A.En(A)
atau
A.En-1(A)
En (A)=
n + 1 + A.En-1(A)

• Misalkan akan dihitung blocking dari suatu

sistem dengan A=15,7 Erlang dan N=10
saluran
• Perhitungannya dimulai dengan n=0 yaitu
E0(15,7)=1 dan seterusnya sampai E10(15,7)
• Diagram alirnya dapat anda lihat di diktat

Model Binomial (M/M/k/k/k)
• Model Binomial didefinisikan oleh model
teletraffic berikut :
– Jumlah sustomer terbatas tapi independen satu sama
lain (k < ∞)
• on-off type customers (alternating between idleness and
activity)
– Idle times terdistribusi eksponensial negatif dengan
mean 1/υ
– Jumlah server sama dengan jumlah customer (n = k)
– Waktu pelayanan terdistribusi eksponensial negatif
dengan mean 1/µ
– Model Binomial bersifat lossless

On-off tye customer
• Misalkan Xj(t) menyatakan kondisi dari customer j ( j =

1,2,…,k ) pada waktu t
• State 0 = idle, state 1 = active = dalam pelayanan
• Kita lihat peristiwa yang terjadi selama selang waktu yang
sangat singkat (t, t+h]:
– Jika Xj(t) = 0, customer menjadi aktif (terjadi transisi dari 0 ke 1)
dengan peluang sebesar υh + o(h),
– Jika Xj(t) = 1, customer menjadi idle (terjadi transisi dari 1 ke 0)
dengan peluang sebesar µh + o(h)
• Proses Xj(t) merupakan proses Markov dengan diagram
transisi kondisi sebagai berikut

• Persamaan kesetimbangan lokal :
• Normalisasi :
• Dengan demikian distribusi pada kondisi setimbang dari seorang customer adalah distribusi
Bernoulli dengan peluang sukses sebesar υ/(υ +µ)
• offered traffic adalah υ/(υ +µ)
• Dari sini kita bisa mengambil deduksi bahwa distribusi pada kondisi setimbang dari kondisi
sistem secara keseluruhan (yaitu jumlah customer yang aktif) adalah distribusi binomial
Bin(k, υ /(υ +µ))

• Misalnya X(t) menyatakan jumlah customer yang
aktif
– Asumsikan bahwa X(t) = i pada saat t, dan kita
perhatikan kejadian selama selang waktu yang sangat
singkat (t, t+h]:
• Jika i < k, seorang customer yang idle menjadi aktif (terjadi
transisi kondisi dari i ke i+1) dengan peluang sebesar (k −i)υh +
o(h)
• Jika i > 0, seorang customer yang aktif menjadi idle (terjadi
transisi kondisi dari i ke i-1) dengan peluang iµh + o(h),
• Proses X(t) adalah proses Markov dengan diagram

• Normalisasi

• Jadi distribusi dalam kondisi setimbang adalah
binomial

Model Engset (M/M/n/n/k)
• Model Engset didefinisikan oleh model teletraffic
berikut :
– Jumlah pelanggan terbatas tetapi independen satu sama lain
(k < ∞)
• on-off type customers (alternating between idleness and activity)
– Idle times terdistribusi eksponensial negatif dengan mean 1/υ
– Jumlah server lebih kecil daripada jumlah customer (n < k)
– Waktu pelayanan terdistribusi eksponensial negatif dengan
mean 1/µ
– Model Engset bersifat lossy

• Misalnya X(t) menyatakan jumlah customer yang
aktif
– Asumsikan X(t) = i pada saat t, dan kita perhatikan apa
yang terjadi selama selang waktu yang sangat singkat
(t, t+h]:
• Jika i < n, seorang customer yang idle menjadi aktif (terjadi
transisi kondisi dari i ke i+1) dengan peluang sebesar (k −i)υh +
o(h)
• Jika i > 0, seorang customer yang aktif menjadi idle (terjadi
transisi kondisi dari i-1 ke i) dengan peluang iµh + o(h),
– Proses X(t) merupakan proses Markov dengan diagram

• Normalisasi

• Jadi distribusi pada kondisi setimbang
adalah truncated binomial distribution:
• Offered traffic dinyatakan oleh kυ/(υ +µ)

• Time Blocking
• Karena proses kedatangan tidak terdistribusi Poisson, maka pada model Engset, Time
Blocking tidak sama dengan Call Blocking

Ringkasan Kuliah


TE-09-2300 #2 - Model Trafik

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

TE-09-2300 #2 - Model Trafik

Diunggah oleh

Hak Cipta:

Format Tersedia

Bidang Studi Telekomunikasi Multimedia

Jurusan Teknik Elektro

TE092300 – Rekayasa Trafik & Jaringan

Tim Bidang Studi Telekomunikasi Multimedia

A • Dr. Ir. Achmad Affandi, DEA

• Dr. Ir. Suwadi, MT

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 2

2 • Jenis Pemodelan Trafik

3 • Model Trafik Teleponi

4 • Model Trafik Data

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 3

• IEEE Transaction on Networking

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 5

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 7

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 8

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 9

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 10

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 11

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 12

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 13

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 14

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 15

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 16

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 17

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 18

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 19

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 20

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 21

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 22

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 23

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 27

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 28

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 29

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 30

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 31

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 32

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 33

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 34

• Catatan: n!= n⋅(n−1). ⋅ ⋅ ⋅ 2.1, 0!=1

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 35

• Jika kapasitas link dinaikkan menjadi n = 6 maka Bc akan

• Mari kita lihat kembali kurva yang menunjukkan hubungan

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 37

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 38

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 39

• Link tersebut di atas dapat dimodelkan sebagai sistem tunggu

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 41

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 42

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 43

• Perhatikan bahwa traffic load merupakan kuantitas yang

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 44

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 45

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 46

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 47

• Perhatikan bahwa sistem akan stabil karena:

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 48

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 49

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 50

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 51

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 53

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 55

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 56

22-Oct-13 TE092300 - Rekayasa Trafik & Jaringan 57

n saluran yang diduduki dari suatu berkas yang ditinjau