08

Modul ke:

REKAYASA TRAFIK
TEORI PROBABILITAS DAN MODEL TELETRAFIK

Fakultas
TEKNIK IMELDA ULI VISTALINA SIMANJUNTAK,S.T.,M.T.

Program Studi
TEKNIK ELEKTRO
Model Sistem

Ada dua fasa dalam pemodelan

– Pemodelan trafik yang masuk (incoming
traffic)  model trafik
– Pemodelan sistem  model sistem
Dua macam model sistem
– Loss system
– Queueing system (sistem antrian)
 Model teletraffic yang sederhana
Pelanggan (panggilan) datang dengan laju l (jumlah
panggilan per satuan waktu)
– 1/l = waktu antar-kedatangan panggilan rata-rata
Panggilan dilayani oleh n pelayan (server)
Jika sedang melayani, server memberi layanan dengan laju
m (panggilan per satuan waktu)
– 1/m = waktu pelayanan rata-rata
Terdapat sebanyak m tempat untuk menunggu (buffer)
Diasumsikan bahwa panggilan yang datang pada saat
sistem sedang penuh (blocked customer) akan dibuang
(loss)
 Sistem loss murni
Tidak ada tempat menunggu (ukuran buffer = m = 0)
– Jika panggilan datang pada saat sistem penuh (semua server
digunakan/sibuk) maka panggilan akan ditolak
Dari sudut pandang pelanggan, mereka perlu tahu hal-hal
berikut (misalnya) :
– Berapa peluang sistem akan penuh bila panggilan datang
Dari sudut pandang sistem, perlu diketahui (misalnya) :
– Berapa faktor utilisasi server?
Sistem antrian murni
Ukuran buffer tidak terbatas (m = )
– Jika panggilan data saat semua server sibuk, maka panggilan
akan menunggu di buffer
– Tidak ada panggilan yang hilang hanya ada sebagian yang
menunggu sebelum dilayani
Dari sudut pandang pelanggan, mereka perlu tahu
(misalnya) :
– Berapa peluang mereka harus menunggu “terlalu lama”
Dari sudut pandang sistem, perlu diketahui (misalnya)
– Berapa faktor utilisasi server?
Mixed system
Ukuran buffer terbatas (0 < m < )
– Bila ada panggilan yang datang ketika semua
server sibuk, namun masih ada tempat yang
kosong di buffer, maka panggilan akan
menempatinya untuk menunggu dilayani
– Bila panggilan datang ketika buffer penuh dan
semua server sibuk, panggilan tersebut akan
dihilangkan
Distribusi Poisson
Kondisi sistem :
– Kedatangan panggilan acak (random arrival) dan
independent satu sama lain
– Jumlah sumber panggilan tak terhingga
– Laju rata-rata datangnya panggilan konstan (a=l)
• Tak tergantung jumlah pendudukan yang sudah ada
karena sumber panggilan tak terhingga
– Jumlah saluran yang melayani tak terhingga dan
merupakan berkas sempurna
• Setiap panggilan yang datang selalu dapat dilayani
– Pola waktu pendudukan terdistribusi exponensial
negatif
• Waktu pendudukan rata-rata = h = 1/m
– Harga rata-rata trafik sama dengan harga
variansinya
Distribusi Poisson (2)
Persamaan kesetimbangan dan
diagran 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 = l
• 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
Distribusi Poisson (3)
– 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 = mdt (distribusi waktu
pendudukan exponensial negatif)
– Probabilitas suatu pendudukan di suatu saluran
tidak akan berakhir dalam waktu dt = 1- mdt

1 mdt = Peluang pendudukan di saluran ini berakhir dalam dt

2 1-mdt = Peluang pendudukan di saluran ini tdk berakhir dlm. dt
.
.
.
n 1-mdt = Peluang pendudukan di saluran ini tdk berakhir dlm. dt

n saluran yang diduduki dari suatu berkas yang ditinjau

Distribusi Poisson (4)

Peluang bahwa sembarang satu pendudukan

berakhir (dan yang lainnya tidak) dalam waktu
dt adalah =
n (
(1 mdt (1 – mdt ) n-1 = n.mdt.(1- mdt ) n-1 = n.mdt

 0 bila dt mendekati nol

Ingat distribusi binomial
Distribusi Poisson (5)
Bila A = l.h = l/m = trafik yang ditawarkan dan
juga merupakan trafik yang dimuat karena
trafik terdistribusi Poisson; dan dengan
memperhatikan hasil yang terdapat pada slide
no 9, kita memperoleh persamaan
kesetimbangan sebagai berikut :
lP(0) = 1mP(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)
Distribusi Poisson (6)
Distribusi Poisson (7)
Distribusi Poisson (8)
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 :
l l l l l

0 1 2 n

m 2m 3m nm (n+1)m
Distribusi Poisson (9)
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
Distribusi Poisson (10)
Harga rata-rata trafik yang dimuat
di berkas keluar ( = harga rata-
rata jumlah saluran yang
diduduki)

Diperoleh E[n] = M = A
Variansinya = V = A
REFENSI

• Hertiana, S. N.(2016). Diktat Rekayasa Trafik.

Bandung: Universitas Telkom.

• Nurmantis, D. A.(2017). Pengantar Teori Trafik

Telekomunikasi. Bandung: Universitas Telkom.
 Terima Kasih
IMELDA ULI VISTALINA SIMANJUNTAK,S.T,M.T.