1. Jelaskan apa yang dimaksud dengan Model Poisson dalam Rekayasa Trafik!
Model Poisson adalah salah satu pemodelan trafik dengan melihat pola kedatangan panggilan,
dimana panggilan datang ketika seluruh saluran sibuk (block call) akan digenggam (held) sampai
tersedia sebuah sirkit, pemanggil hanya membuat satu panggilan. Model Poisson berdasarkan
asumsi berikut :
Diagram transisi kondisi untuk model Poisson ditunjukkan pada gambar di bawah, kondisi pada
model ini terjadi dari kondisi 0 sampai kondisi tak terhingga (∞) dikarenakan asumsi jumlah
saluran yang digunakan jumlahnya tak terhingga.
Pada keadaan kesetimbangan statistik (statistical equilibrium), yaitu proses perubahan dari
kondisi (k-1) ke (k) sama jumlahnya dengan perubahan kondisi (k) ke (k-1). Penurunan pada
keadaan kesetimbahan adalah sebagai berikut:
N −A
A e
P(N) =
N!
Dimana:
A = Trafik yang ditawarkan
e = Logaritmik natural (e = 2,7183) N
= Jumlah kanal (saluran)
Distribusi poisson digunakan untuk mendimensikan group trunk pilihan terakhir (final trunk
group) dimana panggilan yang diblok tidak ditawarkan kepada group sirkit lainnya, dipakai
dalam kasus Erlang-B.
Jika rata-rata pemakaian kanal adalah A (dalam Erlang), persamaan di atas juga memberikan
nilai probabilitas jumlah kanal yang dipakai pada waktu berlangsungnya panggilan (dalam
sistem ini, pada satu waktu, satu kanal hanya dapat dipakai oleh satu panggilan, sehingga
probabilitas jumlah kanal yang sedang terpakai sama dengan probabilitas banyaknya
panggilan yang sedang berlangsung). Blocking terjadi jika seluruh N kanal terpakai atau
kejadian (panggilan) melebihi jumlah kanal).
Formula poisson dikenal juga dengan the Molina lost calls held trunking formula, dengan
probabilitas blocking sebagai berikut:
n −1
A N e− A
p ( k ≥ N )=1−∑
k=0 N!
2. Jelaskan apa yang dimaksud dengan Markov Chain serta contoh penerapannya!
Markov chains atau rantai markov adalah suatu metode yang digunakan untuk mengidentifikasi
variabel-variabel pada masa sekarang yang didasarkan pada variabel-variable di masa lalu
sehingga didapatkan perkiraan kemungkinan variabel tersebut di masa yang akan datang.