Teori Antrian

Antrian-Antrian Lain

Sukiswo
sukiswok@yahoo.com

Rekayasa Trafik, Sukiswo 1

Outline

 Burke’s Theorem
 Antrian Markovian lain (M/M/…)
 Sistem antrian state-dependent M/M/1
 Antrian M/M/1/K
 Antrian M/M/
 Antrian M/M/m
 Antrian M/M/m/m
 Multi-channel call concentration
 Antrian M/G/1
 Priority Queuing

Rekayasa Trafik, Sukiswo 2

Burke’s Theorem

 Stochastic process adalah reversible

jika sample-sample {X(t1), X(t2), …,
X(tm)} memp. distribusi yg sama sbg
{X(-t1), X(-t2), …, X( -tm)} utk
setiap  dan t1, t2, …, tm

 Burke’s theorem: departure process

dari sistem antrian M/M/1, dlm
kesetimbangan adalah Poisson

Rekayasa Trafik, Sukiswo 3

State-Dependent M/M/1 Queues

 Antrian standar M/M/1 mengasumsikan arrival

rate dan departure rate konstan

 Dlm bbrp sistem, arrival rate dan/atau departure

rate dp tergantung dari jumlah pelanggan dlm
sistem

 Sistem spt ini adalah state-dependent

Rekayasa Trafik, Sukiswo 4

State-Dependent M/M/1 Queues

Rekayasa Trafik, Sukiswo 5

State-Dependent M/M/1 Queues

 Analisa menggunalan local balance equations

Rekayasa Trafik, Sukiswo 6

State-Dependent M/M/1 Queues

 Hasil

Rekayasa Trafik, Sukiswo 7

State-Dependent M/M/1 Queues

 Ukuran Performansi

Rekayasa Trafik, Sukiswo 8

Sistem Antrian Markov Lain

 Sejumlah sistem antrian lain serupa dg antrian

M/M/1
– Proses kedatangan Poisson
– Waktu pelayanan Eksponensial

 Sistem-sistem serupa
– M/M/1/N : buffer terbatas dg kapasitas sistem N
– M/M/m : m server
– M/M/ : server tak terhingga (tdk ada antrian)
– M/M/m/m : m server tanpa antrian

Rekayasa Trafik, Sukiswo 9

Antrian M/M/1/N

 Fitur dari antrian M/M/1/N

– Proses kedatangan Poisson
– Waktu pelayanan eksponensial
– Single server
– Kapasitas terbatas utk N pelanggan dlm sistem

Rekayasa Trafik, Sukiswo 10

Antrian M/M/1/N

 Markov chain model

– Terminasi dg N dlm sistem
– Local balance equations menghasilkan

Rekayasa Trafik, Sukiswo 11

Antrian M/M/1/N

 Solusi steady-state

Rekayasa Trafik, Sukiswo 12

Antrian M/M/1/N

 Probabilitas blocking adalah ukuran performansi yg

penting utk sistem dg kapasitas terbatas

 Probabilitas blocking adalah probabilitas bhw

pelanggan yg datang akan mendpkan sistem penuh,
yaitu ada N pelanggan dlm sistem
– Probabilitas blocking : pN
– Rate pelanggan yg ditolak : . pN

Rekayasa Trafik, Sukiswo 13

In-Class Excersise

 Misalkan message tiba sesuai dg proses Poisson dg

rate satu message setiap 4 ms, dan waktu
transmisi message terdistribusi eksponensial dg
mean 3 ms. Sistem memp. buffer utk kapasitas 4
message termasuk satu yg sedang dilayani
(a) Berapa probabilitas blocking?
(b) Brp jumlah rata-rata message dlm sistem?

Rekayasa Trafik, Sukiswo 14

Antrian M/M/

 Antrian M/M/ adalah kasus khusus dari antrian

M/M/m dg jumlah server yg tak terbatas (m = )
– Tiap pelanggan yg datang ditempatkan dlm service
– Tdk ada delay antrian, hanya waktu pelayanan

Rekayasa Trafik, Sukiswo 15

Antrian M/M/

 Probabilitas ada n pelanggan dlm sistem pn:

 Valid utk 0  /  , krn ada jumlah server yg tak

terhingga

Rekayasa Trafik, Sukiswo 16

Antrian M/M/

 Jumlah pelanggan dlm sistem utk antrian M/M/

terdistribusi Poisson dg parameter /

 Jumlah pelanggan dalam sistem N = /

 Teorema Little memberikan rata-rata delay per

pelanggan T = N/ = 1/
– Ini sesuai dg yg diharapkan krn ini adalah waktu pelayanan
dan tdk ada antrian

Rekayasa Trafik, Sukiswo 17

Antrian M/M/m

 Identik dg antrian M/M/1 kecuali ada m server

(atau m kanal)
 Sembarang pelanggan (paket) yg datang diteruskan
ke sembarang server yg tersedia; jika tdk ada yg
tersedia, pelanggan memasuki antrian tunggal

Rekayasa Trafik, Sukiswo 18

Antrian M/M/m

 Menggunakan hasil dari sistem state-dependent,

M/M/1, dg

Rekayasa Trafik, Sukiswo 19

 Antrian M/M/m

 Probabilitas n pelanggan dlm sistem, utk  = /(m) < 1

 Probabilitas 0 pelanggan dlm sistem (idle)

Rekayasa Trafik, Sukiswo 20

Antrian M/M/m

 Berapa probabilitas paket yg datang akan

mendapatkan m kanal sibuk?
– Ini adalah probabilitas paket akan mengantri

Rekayasa Trafik, Sukiswo 21

Antrian M/M/m

 Ekspetasi jumlah pelanggan dalam antrian, tetapi

bukan dalam service

Rekayasa Trafik, Sukiswo 22

Antrian M/M/m

 Little’s law memberikan rata-rata waktu dlm

antrian

 Rata-rata delay per-pelanggan (antrian dan

service)

Rekayasa Trafik, Sukiswo 23

Antrian M/M/m

 Jumlah rata-rata pelanggan dlm sistem

(menggunakan Little’s law)

Rekayasa Trafik, Sukiswo 24

M/M/m Statistical Multiplexing

 Perhatikan dua pilihan utk statistical multiplexing

– Menggunakan kanal tunggal (spt didiskusikan sebelumnya)
– Share m kanal (cat. sembarang paket dp menggunakan
sembarang kanal, jadi tdk betul-betul TDM atau FDM)
 Asumsi
– Kedangan Poisson dg rate overall 
– Waktu pelayanan terdistribusi eksponensial
• Rate m utk kasus kanal tunggal
• Rate  utk tiap m kanal terpisah
 Kasus kanal tunggal adalah antrian M/M/1, kasus
m-kanal adalah antrian M/M/m

Rekayasa Trafik, Sukiswo 25

M/M/m Statistical Multiplexing

 Kasus 1: kanal tunggal dg service rate m

 Cat. PQ adalah probabilitas paket yg datang

menemukan single server sibuk shg PQ,1 =  = /m

Rekayasa Trafik, Sukiswo 26

M/M/m Statistical Multiplexing

 Kasus 2: m-kanal, masing-masing dg service rate 

Rekayasa Trafik, Sukiswo 27

M/M/m Statistical Multiplexing

 Perhatikan sistem dg beban rendah

Rekayasa Trafik, Sukiswo 28

M/M/m Statistical Multiplexing

 Perhatikan sistem dg beban tinggi

Rekayasa Trafik, Sukiswo 29

M/M/m/m

 Antrian M/M/m/m dikenal sbg sistem rugi (loss)

m- server
– Ada m server (spt pd M/M/m)
– Antrian tdk dibolehkan, shg pelanggan yg datang saat
semua server sibuk akan loss
– m terakhir pada notasi M/M/m/m menunjukan kapasitas
sistem dibatasi m pelanggan

Rekayasa Trafik, Sukiswo 30

M/M/m/m

 Contoh : Saluran transmisi pada jar circuit switch

yg terdiri dari m circuit
– m circuit adalah m server utk koneksi
– Waktu pelayanan 1/, adalah waktu pendudukan koneksi
(hold time)
– Permintaan panggilan diluar m akan di-blocked (lost)
– Blocking adalah ukuran performansi yg penting

Rekayasa Trafik, Sukiswo 31

M/M/m/m

 Analisa menggunakan hasil state-dependent M/M/1

Rekayasa Trafik, Sukiswo 32

M/M/m/m

 Probabiliti n dlm sistem

 Probabiliti 0 dlm sistem

Rekayasa Trafik, Sukiswo 33

M/M/m/m

 Probabilitas blocking adalah probabilitas bahwa

paket yg datang akan menemui semua server
(circuit) sibuk dan krnnya akan lost
 Probabiltas blocking adalah pm, probabilitas semua
m server sibuk

 Dikenal sbg Erlang B Formula atau Erlang Loss

Formula
Rekayasa Trafik, Sukiswo 34
Konsentrasi Panggilan Multi-Kanal

Rekayasa Trafik, Sukiswo 35

Konsentrasi Panggilan Multi-Kanal

 Aplikasi circuit switched

 Konsentrasi panggilan-panggilan ke kanal high-
speed
– Dlm contoh, aplikasi memerlukan 1 atau 2 kanal B ISDN
(64 Kbps utk tiap kanal B)
– Aplikasi-aplikasi dikonsentrasikan ke 1 kanal H0 ISDN
(384 Kbps atau 6 kanal)
 Asumsi kedatangan panggilan adalah Poisson dan
durasi panggilan terdistribusi eksponensial

Rekayasa Trafik, Sukiswo 36

 Konsentrasi Panggilan: Notasi

 K : jumlah tipe panggilan berbeda (perlu jumlah

basis kanal berbeda)
- Dlm contoh ini, K = 2
 vL : jumlah kanal diperlukan utk panggilan tipe-L
- Dlm contoh ini v1 = 1, v2 =2
 mL : jumlah panggilan membangkitkan panggilan tipe-L
-Dlm contoh ini, m1 = 8, m2 =4
 S : total jumlah kanal link akses
- Dlm contoh ini S = 6

Rekayasa Trafik, Sukiswo 37

Konsentrasi Panggilan: Notasi

 L : rate kedatangan panggilan tipe-L dari tiap

terminal
 L : rate service panggilan tipe-L utk tiap terminal

Rekayasa Trafik, Sukiswo 38

Konsentrasi Panggilan:
Markov Chain
 Kita dp menggambarkan masalah ini menggunakan
two-dimensional Markov chain
– State (a,b) merepresentasikan a panggilan tipe-1
(telepon), b panggilan tipe-2 (fax) sedang berlangsung
saat ini
– Analisa mengikuti K. Miyake

Rekayasa Trafik, Sukiswo 39

Konsentrasi Panggilan: Markov
Chain

Rekayasa Trafik, Sukiswo 40

Konsentrasi Panggilan: Markov
Chain

Rekayasa Trafik, Sukiswo 41

Konsentrasi Panggilan: Markov
Chain

Rekayasa Trafik, Sukiswo 42

Konsentrasi Panggilan: Balance
Equations
 Mis. kj probabilitas steady-state dari state (k,j)
 Mis. 00 = C
 Pertama lakukan horizontal …

Rekayasa Trafik, Sukiswo 43

Konsentrasi Panggilan: Balance
Equations
 Sekarang lakukan “vertikal” ...

Rekayasa Trafik, Sukiswo 44

Konsentrasi Panggilan: Blocking

 Probabilitas blocking utk tipe panggilan-L adalah

probabilitas ada dlm state terminal utk tipe
panggilan tsb
– State terminal utk panggilan tipe-L adalah satu dimana
jumlah kanal lainnya lebih kecil drpd vL

Rekayasa Trafik, Sukiswo 45

Konsentrasi Panggilan: Blocking

 P[blocking] utk panggilan tipe-1 (telepon)

 P[blocking] utk panggilan tipe-2 (fax)

Rekayasa Trafik, Sukiswo 46

Antrian M/G/1: Motivasi

 Sistem M/M/… sangat mudah ditangani krn sifat

memoryless dari waktu antar kedatangan dan
waktu pelayanan

 Namun, waktu pelayanan eksponensial, mungkin

bukan merupakan asumsi yg baik, misalnya ...
– Waktu pelayanan adalah deterministik dlm jaringan ATM
– Ada batasan dlm ukuran paket

 Asumsi kedatangan Poisson lebih krn karena

agregasi aliran kedatangan

Rekayasa Trafik, Sukiswo 47

Antrian M/G/1: Motivasi

 Antrian M/G/1, seperti antrian M/M/1, mempunyai

proses kedatangan Poisson, tetapi memungkinkan
distribusi yg general utk waktu pelayanan

 Tetap diasumsikan bhw waktu pelayanan

– Identically distributed
– Mutually independent
– Waktu antar kedatangan independen

Rekayasa Trafik, Sukiswo 48

Antrian M/G/1 sbg Markov
Chain?
 Kita akan perlu mencakup cukup banyak informasi
state shg transisi state masa depan hanya
tergantung pd state saat ini (informasi state)

 Jumlah dlm sistem, N(t) saja tidak mencukupi

 Waktu pelayanan tdk memoryless, shg kita perlu

tahu juga berapa lama pelanggan saat ini telah
dilayani - sebut itu s0(t)
– perlu menggunakan pasangan state {n(t), s0(t)}

Rekayasa Trafik, Sukiswo 49

Antrian M/G/1 sbg Markov
Chain?
 Masalah signifikan mempengaruhi penanganan

 State dua-dimensi

 s0(t) adalah kontinyu, yaitu state space tdk lagi

diskrit

 Formula Pollaczeck-Khinchin (formula “P-K”)

memberikan hasil utk antrian M/G/1
– Analisa didasarkan pd residual service time

Rekayasa Trafik, Sukiswo 50

Antrian M/G/1 : Residual Service
Time
 Mis. s1, s2, … adalah deretan service time iid dlm
sistem M/G/1

 Jika pelanggan yg datang mendpkan server sibuk,

residual service time adalah waktu sisa dr service
time dari pelanggan yg sekarang dlm pelayanan

E[s2]
E[R] =
2E[s]

Bukti lihat textbook Probability

& Random Processes
Rekayasa Trafik, Sukiswo 51
Analisa M/G/1
 Mis E[Q] waktu utk menunggu service pd M/G/1
 Jika service FIFO, dan R’ residual service time pelanggan yg
ada dlm service (jika ada), maka:

E[Q] = E[R’] + E[Nq(t)].E[s]

E[Q] = E[R’] + . E[Q] .E[s] = E[R’] +  E[Q] … (*)

E[R’] = 0.P[N(t)=0] + E[R].(1 – P[N(t) = 0])

=(E[s2]/2E[s]). .E[s] = .E[s2]/2 ………... (**)

Dari (*) dan (**)

.E[s2]
E[Q] =  Formula P-K
2.(1 - )
Rekayasa Trafik, Sukiswo 52
In-Class Exercise

 Berapakah mean residual service time dr sistem dg

service time exponential dg mean m?
E[s] = m
E[s2] = 2m2
E[Rexp] = 2m2/2m = m

 Berapakah mean residual service time dari sistem

dg service time konstan m?
E[s] = m
E[s2] = m2
E[Rkonst] = m2/2m = m/2
Rekayasa Trafik, Sukiswo 53
Antrian M/G/1: Formula P-K

 Mis. Xi adalah service time dari pelanggan ke-i,

contohnya waktu transmisi dari paket ke-i

 {X1, X2, …} adalah iid random variables dan

independen thd waktu kedatangan

– Service time rata-rata

– Moment ke-2 dari service time

Rekayasa Trafik, Sukiswo 54

Antrian M/G/1: Formula P-K

 Formula P-K memberikan waktu tunggu dlm antrian

M/G/1

 dimana  adalah utilisasi

 Cat. Hanya momen ke-1 dan ke-2 dari distribusi

service time harus diketahui!

Rekayasa Trafik, Sukiswo 55

Antrian M/G/1: Hasil

 Ekspektasi waktu total dlm sistem, dlm antrian dan

service adalah

 Formula P-K dan Little’s law memberikan jumlah

pelanggan dlm antrian NQ

Rekayasa Trafik, Sukiswo 56

Antrian M/G/1: Hasil

 Jumlah pelanggan dlm sistem N, dp juga diturunkan

menggunakan Little’s law

Rekayasa Trafik, Sukiswo 57

Antrian M/G/1: Kasus Khusus

 Antrian M/M/1 mempunyai distribusi service time

eksponensial

Rekayasa Trafik, Sukiswo 58

Antrian M/G/1: Kasus Khusus

 Antrian M/D/1 mempunyai service time

deterministik, yaitu X1, X2, … Xi … = 1/

Rekayasa Trafik, Sukiswo 59

In-Class Exercise

 Perhatikan dua sistem mempunyai kedatangan

Poisson dan service time iid. Kedua sistem
mempunyai laju kedatangan dan rata-rata service
time yg sama. Satu sistem mempunyai distribusi
service time eksponensial. Sistem yg lain
mempunyai service time yg konstan.
– Antrian mana yg lebih panjang?
– Dg faktor berapa?

Rekayasa Trafik, Sukiswo 60

M/G/1 : Delay pd Go-Back N
ARQ

 Perhatikan skim Go-Back-N ARQ

– Paket tiba di sumber sesuai dg proses Poisson dg laju 
– Setiap frame memerlukan 1 unit waktu utk transmit,
tetapi bbrp paket harus mengalami retransmisi shg
service time efektif lebih besar dari 1 unit waktu
– Sumber harus menunggu paling lama n-1 frame (n-1 unit
waktu) sebelum retransmisi paket (dan paket-paket
berurutannya)

Rekayasa Trafik, Sukiswo 61

M/G/1 : Delay pd Go-Back N
ARQ
 Retransmisi paket terjadi disebabkan oleh salah
satu dari dua alasan …
– Paket dari frame i di penerima di tolak krn error
• Sumber pertama-tama akan mengirimkan paket-paket baru
dlm frame i+1, i+2, … i+n-1 (jika ada)
• Paket yg mengalami error akan diretransmisikan dlm frame
i+n
– Acknowledgemnet tdk diterima sumber pd saat selesai
transmisi frame i+n-1
• bisa disebabkan krn error, delay propagasi yg panjang, ...

Rekayasa Trafik, Sukiswo 62

M/G/1 : Delay pd Go-Back N
ARQ
 Utk menyederhanakan masalah …
– Hanya error pd arah maju (sumber ke tujuan) yg
diperhitungkan (tdk realistik!)
– Frame mengalami error dg probabilitas p independen thd
frame-frame lain
 Service time utk paket
– Dg probabilitas (1 - p), tdk ada error dan service time utk
paket 1 unit waktu
– Dg probabilitas (1 - p)p, ada satu error diikuti
retraansmisi yg sukses, shg service time adalah 1+n unit
waktu
– Dg probabilitas (1 - p)pk, service adalah 1 + kn

Rekayasa Trafik, Sukiswo 63

M/G/1 : Delay pd Go-Back N
ARQ
 Contoh
– Service time dari paket 1: X1 = 1 + n
– Service time dari paket 2: X2 = 1
– Service time dari paket 3: X3 = 1 + kn

Rekayasa Trafik, Sukiswo 64

M/G/1 : Delay pd Go-Back N
ARQ
 Antrian pd sumber mempunyai kelakuan spt antrian
M/G/1
– Kedatangan Poisson dg rate 
– Distribusi dari service time:

– Service time adalah iid

– Service time dan interarrival time adalah independen

Rekayasa Trafik, Sukiswo 65

M/G/1 : Delay pd Go-Back N
ARQ

Rekayasa Trafik, Sukiswo 66

M/G/1 : Delay pd Go-Back N
ARQ
 Service time, moment pertama

Rekayasa Trafik, Sukiswo 67

M/G/1 : Delay pd Go-Back N
ARQ
 Service time, moment kedua

Rekayasa Trafik, Sukiswo 68

M/G/1 : Delay pd Go-Back N
ARQ
 Hasil dg formula P-K

Rekayasa Trafik, Sukiswo 69

M/G/1 : Delay pd Go-Back N
ARQ

Rekayasa Trafik, Sukiswo 70

Antrian M/G/1 dg Prioritas

 Pertimbangkan pelanggan dg prioritas

 Non-preemptive: prioritas mempengaruhi
pelanggan berikutnya yg akan dilayani, tetapi
pelanggan yg sedang dilayani akan tetap dilayani
dlm service sampai selesai

Rekayasa Trafik, Sukiswo 71

Antrian M/G/1 dg Prioritas:
Model
 K kelas prioritas pelanggan

 Pelanggan tipe-k tiba sesuai dg proses Poisson dg

laju k dan memp. service time dg pdf fs,k(x) dan
mean E[sk]

 Antrian terpisah utk tiap prioritas, jika server

menjadi tersedia, maka akan memilih dari antrian
prioritas tertinggi yg tdk kosong

 Non-preemptive operation

Rekayasa Trafik, Sukiswo 72

Antrian M/G/1 dg Prioritas:
Utilisasi
 Utilisasi server utk pelanggan tipe-k

 Utilisasi total

Rekayasa Trafik, Sukiswo 73

Antrian M/G/1 dg Prioritas:
Utilisasi
 Ekspektasi waktu dlm antrian utk pelanggan tipe-k

 Ekspektasi waktu dlm sistem utk pelanggan tipe-k

Rekayasa Trafik, Sukiswo 74

In-Class Exercise
 Suatu komputer menangani dua tipe ‘job’. Job tipe
1 memerlukan waktu layanan konstan 1 ms, dan job
tipe 2 memerlukan waktu layanan yg terdistribusi
secara eksponensial dg waktu rata-rata 10 ms. Cari
rata-rata waktu tunggu jika sistem beroperasi sbb:
a. Sistem M/G/1 biasa
b. Sistem M/G/1 dg 2 prioritas dimana prioritas
utama diberikan pd job tipe 1
(asumsi laju kedatangan kedua job Poisson dg laju
sama).

Rekayasa Trafik, Sukiswo 75