RT 06 Model Trafik

Model Antrian & Model Trafik
Rekayasa Trafik
Sukiswo
sukiswok@yahoo.com
sukiswo@elektro.ft.undip.ac.id
Rekayasa Trafik, Sukiswo 1

Outline
Overview
Sistem Antrian
Karakteristik proses antrian
Notasi
Dasar sistem antrian
Model Trafik Suara/Voice

Sistem Antrian
Kedatangan utk layanan
Menunggu utk layanan
Mendapat layanan
Meninggalkan sistem

Sistem Antrian Umum

Karakteristik Proses Antrian
Pola kedatangan
Pola layanan
Disiplin antrian
Kapasitas sistem
Jumlah kanal layanan
Jumlah tingkat/stages layanan

Pola Kedatangan
Stochastic
Distribusi probabilitas
Kedatangan tunggal/single atau batch
Kelakuan pelanggan
Pelanggan sabar
Menunggu selamanya
Pelanggan tidak sabar
Menunggu utk suatu perioda waktu dan memutuskan utk
pergi
Melihat antrian panjang dan memutuskan tdk bergabung
Mengubah barisan utk menunggu

Pola Kedatangan
Apakah time dependent?
Pola kedatangan Stationary (time independent
probability distribution)
Pola kedatangan Nonstationary

Pola Layanan
Distribusi utk waktu layanan
Layanan tunggal/single atau batch (mesin paralel)
Proses layanan tergantung jumlah pelanggan
menunggu (state dependent)
Layanan sangat cepat masih memerlukan
antrian?
Tergantung juga pada kedatangan
Mengasumsikan mutually independent

Disiplin Antrian
Cara pelanggan-pelanggan mendapatkan
layanan
First come, first serve
Last come, first serve
Random serve
Priority serve
Preemptive
Nonpreemptive
Kapasitas Sistem
Kapasitas terbatas
Ukuran sistem maksimum
Kapasitas tdk terbatas

Jumlah Kanal Layanan
Sistem antrian
multiserver
Single line service
Multiple line service

Tingkat/Stages Layanan
Single stage
Multiple stages
Tanpa feedback (Entrance Exam)
Dg feedback (Manufacturing)

Notasi Antrian
Notasi Kendall (1953)
A/B/X/Y/Z
A : Distribusi waktu antar kedatangan
B : Distribusi waktu layanan
X : # kanal layanan paralel
Y : Kapasitas sistem
Z : Disiplin antrian

Notasi Antrian A/B/X/Y/Z

M/M/3//FCFS
Waktu antar kedatangan exponential
Waktu layanan exponential
3 server paralel
Ruang tunggu tdk terbatas
Disiplin antrian First-Come First-Serve

M/D/1
Waktu antar kedatangan exponential
Waktu layanan Deterministic
1 server
Ruang tunggu tdk terbatas (default)
Disiplin antrian FCFS (default)

M/M/1
M/M/c/k
M/M/
Ek/M/1
M/G/1
G/M/m
G/G/1

Sistem Antrian - Dasar
G/G/m
Waktu antar kedatangan dg distribusi A(t)
Waktu layanan dg distribusi B(x)
m servers
Cn: pelanggan ke-n memasuki sistem

n: waktu kedatangan utkCn
tn: Waktu antar kedatangan (n n-1)
xn: service time for Cn

wn: waktu tunggu dlm antrian utk Cn
sn: waktu dlm sistem utk Cn (wn + xn)
: laju kedatangan rata-rata
: laju layanan rata-rata

Notasi Diagram Waktu

N(t): # pelanggan dlm sistem@waktu t
U(t): pekerjaan belum selesai/ unfinished
@waktu t
U(t) = 0 Sistem idle
U(t) > 0 Sistem busy
(t): # kedatangan pada (0,t)
(t): # keberangkatan pada (0,t)


t : laju kedatangan
t = (t)/t = # kedatangan/waktu
(t) : waktu total semua pelanggan dlm
sistem (pelanggan-detik)
Tt = (t)/t = waktu sistem/pelanggan

Rata-rata # pelanggan dlm sistem

Hasil Little
Jumlah rata-rata pelanggan dlm sistem antrian sama

dg laju kedatangan pelanggan ke sistem tsb,
dikalikan rata-rata waktu yg dihabiskan dlm sistem

Hasil Little
Nq = rata-rata # pelanggan dlm antrian

= laju kedatangan
W = rata-rata waktu dihabiskan dlm antrian

Hasil Little
Ns = rata-rata # pelanggan dlm fasilitas layanan

= laju kedatangan
x = rata-rata waktu dihabiskan dlm fasilitas layanan

Model teletrafik
Dua fase dalam pemodelan
Pemodelan incoming trafik -> model trafik
Pemodelan sistem -> model sistem

Dasar Pemodelan
1. Deskripsi Trafik
2. Diagram Transisi Kondisi
3. Pola Kedatangan Panggilan
4. Pola Lamanya Waktu Pendudukan
5. Persamaan Kondisi dan Kesetimbangan

Deskripsi Trafik Pola lamanya waktu pendudukan
Pola lamanya waktu pelayanan
Sistem
Pola kedatangan panggilan
Berkas sempurna
Berkas tak sempurna
Sistem rugi
Sistem tunggu
FIFO
Etc.

Deskripsi Trafik (2)
Salah satu pendeskripsian matematis dari trafik adalah
birth and death process (Proses kelahiran dan kematian)
Merupakan salah satu kasus Markov chain dimana

perubahan keadaan (state) terjadi selangkah demi
selangkah (one step at a time)
Dalam jaringan telepon, proses kelahiran adalah proses

datangnya panggilan sedangkan proses kematian adalah
proses berakhirnya panggilan

Deskripsi Trafik (3)
Pola kedatangan panggilan dan pola pendudukan
dideskripsikan dengan distribusi probabilitas
Bila deskripsi pola trafik dengan distribusi probabilitasnya

serta disiplin operasinya diketahui, maka banyak hal dapat
diketahui (harga rata-rata trafik, blocking dst.)

Diagram Transisi Kondisi
Jumlah saluran dalam berkas yang diduduki disebut kondisi
(keadaan/state)
Proses kedatangan panggilan atau berakhirnya pendudukan dapat
merubah kondisi berkas yang bersangkutan
Kondisi dan perubahannya dapat digambarkan oleh suatu diagram
transisi kondisi
Kondisi : bulatan dan angka
Arah transisi : panah
b0 b1 b2 bn-1 bn
0 1 2 n
m1 m2 m3 mn mn+1
34
Diagram Transisi Kondisi (2)
Kondisi menyatakan jumlah saluran atau peralatan yang
diduduki
Probabilitas kondisi menyatakan lamanya suatu kondisi
berlangsung di dalam selang waktu tertentu (1 jam sibuk)
Probabilitas transisi menunjukkan peluang terjadinya
transisi dari suatu keadaan ke keadaan yang lain di dalam
selang waktu yang sangat kecil (dt)

(Call Arrival Process)
Call arrival dapat diartikan percobaan pertama untuk
menghubungkan beberapa perangkat bagi terbentuknya
suatu panggilan (first attempt to connect some device for
the purpose of establishing a call) event sesaat
(instantaneous)
Pengertian di atas merupakan pengertian yang legitimate
karena proses pendudukan perangkat (seizing) pada
umumnya sangat singkat dibandingkan dengan holding
time-nya setelah seizure
Dengan fakta-fakta tersebut di atas marilah kita turunkan
distribusi kedatangan panggilan

(Call Arrival Process) (2)
Misalkan proses call arrival (seperti yang sudah
didefiniskan pada slide sebelumnya) berlangsung terus
pada selang waktu yang sangat lama dan
bayangkan selang waktu yang lama tersebut dibagi
menjadi interval-interval yang lebih kecil dengan durasi dt
Dengan membuat agar dt sangat singkat, kita dapat menjamin
bahwa peluang terjadinya kedatangan lebih dari satu (pada selang
dt) dapat diabaikan
dt dt dt
0 T
Misalkan a menyatakan jumlah rata-rata
kedatangan per satuan waktu
Satu satuan waktu terdiri dari 1/dtinterval
Maka peluang suatu interval (yang dipilih secara
acak) mengandung sebuah kedatangan adalah
a/(1/dt) = a.dt = dengan kata lain ini adalah
peluang meunculnya pangggilan dalam interval dt

Peluang bahwa ada tepat (exactly) sebanyak x panggilan
yang terjadi selama selang waktu T adalah merupakan
peluang bahwa ada sebanyak x dari T/dt interval yang
mengandung panggilan (dt dipilih agar T/dt merupakan
sebuah integer)
Maka x merupakan distribusi binomial, sehingga
distribusi peluangnya adalah :
( (
T
dt
( T
dt
(
-1 ( T
dt
(
-2 ( T
dt
(
- x +1 (1-adt)
(T/dt)-x
(a/dt)
x
px =
x!
T(T-dt)(T-2dt)(T-x-1dt)(1-adt)-x {(1-adt)1/dt}T ax
=
x!

Bila dt 0, maka (1 adt)1/dt e-a, maka px
menjadi :
px
aT at
x
e
x!
Ini merupakan distribusi Poisson
Jadi pola kedatangan panggilan berdistribusi
Poisson
Mean value dari distribusi Poisson di atas adalah
at demikian pula dengan variansinya akan
berharga at ciri distribusi Poisson

Pola antar waktu kedatangan
(Interarrival time distribution)
Seperti sebelumnya, sumbu waktu dibagi kedalam interval-
interval yang lebih kecil dt
Misalkan dipilih suatu waktu secara acak (random instant)
Selang waktu sampai terjadinya suatu panggilan
berikutnya akan melebihi t, jika dan hanya jika interval
pertama, kedua ke-(t/dt) tidak mengandung
kedatangan panggilan.
Peluang terjadinya event ini adalah (1-adt)t/dt yang akan
cenderung menjadi e-at jika dt mendekati nol

Maka fungsi distribusi dari t (yaitu peluang bahwa selang
waktu sampai panggilan berikutnya lebih kecil dan sama
dengan t) adalah
F(t) = 1 e-at

Probability density function dari F(t) adalah
f(t) = dF(t)/dt = ae-at
Ini adalah distribusi eksponensial negatif
Mean value dari f(t) adalah 1/a yang
merupakan rata-rata selang waktu antar
kedatangan panggilan

Pola lamanya waktu pendudukan
(service time distribution)
Diasumsikan bahwa sebuah panggilan berakhir secara acak
Dengan mengambil waktu awal (origin) merupakan saat
dimulainya panggilan, maka peluang bahwa panggilan
berakhir dalam selang (t,t+dt] adalah mdt (analogi dengan
kedatangan panggilan)
Peluang bahwa waktu pelayanan lebih besar dari t (H(t))
adalah sama dengan peluang bahwa panggilan tidak
berakhir dalam selang (0,t]
t t+dt
Dengan mempartisi selang (0,t] kedalam sejumlah n
interval dan dengan membuat agara dt=t/n maka peluang
berakhirnya panggilan setelah t (waktu pelayanan melebihi
t) adalah (1 mdt)n
Bila n menuju 0 maka
H(t) = e-mt

Peluang terjadinya pendudukan yang berakhir
pada waktu kurang dari t adalah F(t) = 1 - e-mt
Maka probability density function dari waktu
pelayanan adalah f(t) = me-mt
Dengan demikian waktu pendudukan berditribusi
eksponensial negatif dengan mean m-1
m disebut laju waktu pelayanan

(service time distribution) (3)
Penyesuaian dengan notasi di diktat kuliah
a=
m = 1/h
= harga rata-rata kedatangan panggilan
1/ = selang waktu antar kedatangan panggilan
m = laju berakhirnya panggilan
1/ m = selang waktu antar berakhirnya pendudukan
h = harga rata-rata waktu pendudukan
1/h = selang waktu antar pendudukan

Persamaan Kondisi dan Kesetimbangan
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)
t t+Dt
Pangggilan datang Tidak ada panggilan datang

P(t < x t+Dt)

P(x t+Dt | x > t) =
P(x > t)
P (x > t) = e-t
ingat P(x>t) = 1- P(x t)=1 (1- e-t) = e-t
P(t < x t+Dt) merupakan peluang bahwa (x >t dan x
t+Dt), atau bisa kita pandang juga sebagai usaha mencari
peluang munculnya panggilan pada selang (t+ Dt)
Maka P(t < x t+Dt) =1 P(x t) - P (x > t+ Dt)
=1 P(x t) (1 P (x t+ Dt))
= P (x t+ Dt) P(x t)
P(t < x t+Dt) = 1 P(x t) - P (x > t+ Dt)

= 1 P(x t) (1 P (x t+ Dt))
= P (x t+ Dt) P(x t)
= (1 e-(t+ Dt)) (1 e- t)
= e- t e-(t+ Dt)
Maka P(t < x t+Dt)
P(x t+Dt | x > t) =
P(x > t)
e- t e-(t+ Dt)
=
1-(1-e- t)
P(t < x t+Dt)
P(x t+Dt | x > t) =
P(x > t)
e- t e-(t+ Dt)
=
1-(1-e- t)
e- t e-(t+ Dt)
=
e- t
= 1 e-Dt
Bila kita uraikan menggunakan deret Mc Laurin, akan kita peroleh
.Dt)2 .Dt)3
P(x t+Dt | x > t) = .Dt - + = P (Dt)
2! 3!
Bila Dt 0 maka P(Dt) .Dt + 0(Dt)
0(Dt) merupakan fungsi Dt yang harganya akan lebih cepat
menjadi 0 daripada Dt nya sendiri bila Dt mendekati nol
P(Dt) tak tergantung t
Hanya mungkin terjadi satu peristiwa dalam suatu waktu
tertentu, karena bila terjadi lebih dari satu peristiwa maka
probabilitasnya akan sebanding dengan Dt2 (atau Dt3 dst.)
dan ini berarti akan menjadi nol (bila Dt mendekati nol)

Kita sudah memperoleh hasil sebagai

berikut (dengan Dt mendekati nol (dt)):
Peluang (datangnya 1 panggilan dalam waktu
dt) = t + 0(dt)
=laju rata-rata datangnya panggilan
Dengan analogi : Peluang (berakhirnya 1
pendudukan dalam waktu dt) = mt + 0(dt)
m=1/h= laju rata-rata berakhirnya panggilan

Bila kita gunakan koefisien kelahiran dan

kematian :
Peluang (datangnya 1 panggilan pada kondisi n
dalam waktu dt) = bndt + 0(dt)
Peluang (berakhirnya 1 panggilan pada kondisi
n dalam waktu dt) = dndt + 0(dt)
Peluang (terjadi lebih dari 1 peristiwa datang
dan/atau berakhir dalam waktu dt) = 0(dt)

Kondisi n pada saat t+dt dapat terjadi melalui
beberapa kemungkinan :
Kondisi Kondisi Transisi Prob(transisi dlm
pada t pada dt/kondisi pada t)
(t+dt)
n n Tak ada yang datang (1-bndt)(1-dndt)=1- bndt-
ataupun berakhir dndt+0(dt)
n-1 n 1 panggilang datang bn-1dt(1- dn-1dt)+0(dt)=
dan tak ada yang bn-1dt+0(dt)
berakhir
n+1 n Tak ada yang datang (1- bn+1dt)dn+1dt +0(dt)=
dan 1 pendudukan dn+1dt+0(dt)
berakhir
Kondisi n Lebih dari 1 transisi O(dt)
lainnya
Kita akan mencari probabilitas kondisi n pada waktu t :

P(n,t)
P(n,t+dt)=P(n,t)(1-bndt-dndt)+P(n-1,t)bn-1dt
+P(n+1,t)dn+1dt+0(dt)
(P(n,t+dt) P(n,t))/dt =-(bn+dn) P(n,t)+ bn-1P(n-1,t)
+dn+1P(n+1,t) + 0(dt)
Bila dt mendekati nol :
dP(n,t)/dt =-(bn+dn) P(n,t)+ bn-1P(n-1,t) +dn+1P(n+1,t) +
0(dt)
Ini disebut persamaan kondisi dan berlaku untuk
n=1,2,3,

Persamaan kondisi dapat diselesaikan

dengan 2 kasus
Kasus 1 : P(n,t) bukan fungsi waktu. Hal ini
terjadi bila sistem dalam keadaan
kesetimbangan statistik (statistical equilibrium)
[jam sibuk dianggap merupakan keadaan yang
setimbang]
Kasus 2 : P(n,t) merupakan fungsi waktu

Kasus 1
Karena P(n,t) bukan fungsi waktu, maka dP(n,t)/dt = 0
(berlaku untuk semua harga n)
Untuk n=0 : 0=-b0P(0)+d1P(1)
b0P(0)=d1P(1) pers (1)
Untuk n=1 : (b1+d1)P(1)=b0P(0)+d2P(2) pers (2)
Untuk n=2 : (b2+d2)P(2)=b1P(1)+d3P(3) pers (3)
Untuk n=3,4,dst. :
(bm+dm)P(m)=bm-1P(m-1)+dm+1P(m+1)
Kasus 1 (cont.)
Substitusi dari persamaan (1) ke persamaan (2) dan seterusnya :
b1P(1)=d2P(2)
b2P(2)=d3P(3)
b3P(3)=d4P(4)
bmP(m)=dm+1P(m+1)
Ini disebut persamaan kesetimbangan
bm
m m+1
dm+1

Kasus 2 :
dP(n,t)/dt = -(bn+dn) P(n,t) + bn-1P(n-1,t) +
dn+1P(n+1,t) + 0(dt)
Selisih aliran Aliran keluar
masuk dan keluar dr kondisi n Aliran masuk ke kondisi n
Untuk n=0
dP(0,t)/dt = -b0P(0,t) + d1P(1,t)

Untuk memudahkan solusi :

Tak ada pendudukan yang berakhir : dn=0
Rate datangnya panggilan sama untuk semua kondisi :
bn=a
Maka
(*) d(P0,t)/dt = -a P(n,t)+aP(n-1,t) untuk n1
(**) d(P0,t)/dt = -a P(0,t) untuk n=0
Untuk menyederhanakan penyelesaian, digunakan syarat
batas pada permulaan sistem (pada t=0 dan n=0) :
P(n,0) = 1 untuk n = 0 dan
P(n,0) = 0 untuk n 0
Penyelesaian untuk P(0,t) dapat diperoleh

dari persamaan (**):
P(0,t) = e-at,harga ini bila dimasukkan ke
persamaan (*) n=1, akan didapat :
dP(1,t)/dt=-aP(1,t)+ae-at, bila persamaan ini
diselesaikan, akan memberikan P(1,t)=at.e-at,
kemudian persamaan tersebut digunakan untuk
menyelesaikan P(2,t)
Akan diperoleh dP(2,t)/dt=-aP(2,t)+a.at.e-at, yang
bila diselesaikan akan menghasilkan
P(2,t)=((at)2/2!)e-at
Secara induksi akan diperoleh :
(at)n -at Distribusi Poisson

P(n,t)= e
n!
Gambar P(n,t) untuk beberapa harga n dan t

dapat dilihat di diktat
Harga Mean =at
Harga variansi = at
PDF = P (x t) = 1 P(x > t)
Peluang waktu interval panggilan

(at)0 -at lebih besar dari t atau peluang
P(0,t)= e
0! tidak ada panggilan yang datang
selama waktu t (P(0,t))
P(0,t)= e-at
Jadi PDF = F(t) =1 P(0,t) = 1 e-at

pdf = f(t) = ae-at

RT 06 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

RT 06 Model Trafik

Diunggah oleh

Hak Cipta:

Format Tersedia

Model Antrian & Model Trafik

Rekayasa Trafik, Sukiswo 1

Rekayasa Trafik, Sukiswo 2

Rekayasa Trafik, Sukiswo 3

Rekayasa Trafik, Sukiswo 4

Rekayasa Trafik, Sukiswo 5

Rekayasa Trafik, Sukiswo 6

Rekayasa Trafik, Sukiswo 7

Rekayasa Trafik, Sukiswo 8

Rekayasa Trafik, Sukiswo 10

Rekayasa Trafik, Sukiswo 11

Rekayasa Trafik, Sukiswo 12

Rekayasa Trafik, Sukiswo 13

Rekayasa Trafik, Sukiswo 14

Rekayasa Trafik, Sukiswo 15

Rekayasa Trafik, Sukiswo 16

Rekayasa Trafik, Sukiswo 17

Rekayasa Trafik, Sukiswo 18

Rekayasa Trafik, Sukiswo 19

Rekayasa Trafik, Sukiswo 20

Rekayasa Trafik, Sukiswo 21

Rekayasa Trafik, Sukiswo 22

Rekayasa Trafik, Sukiswo 23

Rekayasa Trafik, Sukiswo 24

Rata-rata # pelanggan dlm sistem

Rekayasa Trafik, Sukiswo 25

Jumlah rata-rata pelanggan dlm sistem antrian sama

Rekayasa Trafik, Sukiswo 26

Nq = rata-rata # pelanggan dlm antrian

Rekayasa Trafik, Sukiswo 27

Ns = rata-rata # pelanggan dlm fasilitas layanan

Rekayasa Trafik, Sukiswo 28

Rekayasa Trafik, Sukiswo 29

Rekayasa Trafik, Sukiswo 30

Rekayasa Trafik, Sukiswo 31

Merupakan salah satu kasus Markov chain dimana

Dalam jaringan telepon, proses kelahiran adalah proses

Rekayasa Trafik, Sukiswo 32

Bila deskripsi pola trafik dengan distribusi probabilitasnya

Rekayasa Trafik, Sukiswo 33

Rekayasa Trafik, Sukiswo 35

Rekayasa Trafik, Sukiswo 36

Rekayasa Trafik, Sukiswo 38

Rekayasa Trafik, Sukiswo 39

Rekayasa Trafik, Sukiswo 40

Rekayasa Trafik, Sukiswo 41

Rekayasa Trafik, Sukiswo 42

Rekayasa Trafik, Sukiswo 43

Rekayasa Trafik, Sukiswo 45

Rekayasa Trafik, Sukiswo 46

Rekayasa Trafik, Sukiswo 47

Akan dicari peluang bersyarat : suatu panggilan datang

Pangggilan datang Tidak ada panggilan datang

Rekayasa Trafik, Sukiswo 48

P(t < x t+Dt)

P(t < x t+Dt) = 1 P(x t) - P (x > t+ Dt)

Rekayasa Trafik, Sukiswo 52

Kita sudah memperoleh hasil sebagai

Rekayasa Trafik, Sukiswo 53

Bila kita gunakan koefisien kelahiran dan

Rekayasa Trafik, Sukiswo 54

Kita akan mencari probabilitas kondisi n pada waktu t :

Rekayasa Trafik, Sukiswo 56

Persamaan kondisi dapat diselesaikan