Model Sistem dan Model Trafik

Pemodelan
Ada dua fasa dalam pemodelan
Pemodelan trafik yang masuk (incoming
traffic)  model trafik
Pemodelan sistem  model sistem
MODEL SYSTEM
4
 5
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)
 6

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?
 7

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?
 8

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
 Penanganan Blocked Calls

Penanganan block call menentukan model

yang akan dipilih karena penanganan block
call yang berbeda menghasilkan beban
trafik yang berbeda

9
 Penanganan Blocked Calls

Trunk
F=first attemp O=offered
C=carried traffic

Call held

Calls cleared Call

delayed

10
 Penanganan Blocked Calls
Tipe utama dari block call adalah sebagai berikut :
Lost Calls Held (LCH) : Originally LCH was based on
the theory that all calls introduced to a traffic system
were held for a finite amount of time.
Lost Calls Cleared (LCC) : These blocked calls are
cleared from the system
Lost Calls Delayed (LCD) : These blocked calls remain
on the system until facilities are available to service the
call
Lost Calls Retried (LCR): LCR assumes that once a
call is blocked, a percentage of the blocked callers retry
and all other blocked callers retry until they are
serviced. LCR is a derivative of the LCC model and is
used in the Extended Erlang B model

11
 Types of Blocking Models
• Blocked Calls Cleared (BCC)
– Blocked calls leave system and do not
return
– Good approximation for calls in 1st choice
trunk group

12
 Types of Blocking Models
Blocked Calls Held (BCH)
Blocked calls remain in the system for the
amount of time it would have normally
stayed for
If a server frees up, the call picks up in the
middle and continues
Not a good model of real world behaviour
(mathematical approximation only)
Tries to approximate call reattempt efforts

13
 Types of Blocking Models
Blocked Calls Wait (BCW)
Blocked calls enter a queue until a server is
available
When a server becomes available, the call’s
holding time begins

14
 Blocked Calls Cleared (BCC)
2 sources
10 minutes

Source #1
Offered Traffic 1 3
Total Traffic Offered:
Source #2 TO = 0.4 E + 0.3 E
Offered Traffic 2 4 TO = 0.7 E

Only one server 1st call arrives and is served

2nd call arrives but

Traffic server already busy
Carried 1 2 3 4
2nd call is cleared

3rd call arrives and is served

Total Traffic Carried:
TC = 0.5 E 4th call arrives and is served
15
 Blocked Calls Held (BCH)
2 sources
10 minutes

Source #1
Offered Traffic 1 3
Total Traffic Offered:
Source #2 TO = 0.4 E + 0.3 E
Offered Traffic 2 4 TO = 0.7 E

1st call arrives and is served

Only one server
2nd call arrives but server busy
Traffic
2nd call is held until server free
Carried 1 2 2 3 4
2nd call is served

3rd call arrives and is served

Total Traffic Carried:
TC = 0.6 E 4th call arrives and is served
16
 Blocked Calls Wait (BCW)
2 sources
10 minutes

Source #1
Offered Traffic 1 3
Total Traffic Offered:
Source #2 TO = 0.4 E + 0.3 E
Offered Traffic 2 4 TO = 0.7 E

1st call arrives and is served

Only one server 2nd call arrives but server busy

2nd call waits until server free

Traffic
Carried 1 2 2 3 4 2nd call served

3rd call arrives, waits, and

is served
Total Traffic Carried:
4th call arrives, waits, and
TC = 0.7 E is served
17
 Lost model

18
Overflow System
Pada sebuah loss system di circuit
switch,sistem bisa saja terdiri dari 2 bagian,
yaitu :
1. Primary system = m1 server
2. Secondary system= m2 server

Bila call masuk pada saat semua server

pada primary system occupied, maka akan
dilakukan overflow ke secondary system.
MODEL TRAFIK
21
 Pemilihan Model Trafik

Untuk menentukan kapasitas yang

diperlukan, beban trafik yang diijinkan
atau GOS (probabilitas blocking) yang
diinginkan diperlukan suatu model
trafik.

22
 Pemilihan Model Trafik
Dalam pemilihan model trafik,
perlu diperhatikan parameter-
parameter berikut :
pola kedatangan trafik
trafik yang ditolak (penanganan panggilan
yang ditolak)
jumlah dari sumber trafik,
waktu genggam (holding time)

23
 Pola kedatangan trafik & distribusi probabilitas
kedatangan

Langkah pertama dalam pemilihan model

trafik adalah menentukan pola kedatangan
trafik.

Pola kedatangan trafik yang utama adalah

sebagai berikut :
pola kedatangan panggilan smooth ( smooth
call arrival pattern)
pola kedatangan panggilan peak ( peak call
arrival pattern)
pola kedatangan random ( random call
arrival pattern)
24
 Pola kedatangan panggilan smooth (Smooth
Call Arrival Pattern)

 Smooth atau hypo-exponential traffic terjadi jika

tidak terdapat variasi trafik yang besar. Waktu
pendudukan (holding time) dan waktu antar
kedatangan (interarrival time) dapat diprediksi.

25
 Peaked Call Arrival Pattern

26
 Random Call Arrival Pattern

27
 28

Model Trafik
A
Call datang
S N
SUMBER Call yg dibawa
DEVICE

Call ditolak bila N

seluruhnya sibuk

 S,N =  memakai model poisson

 S =  dan N terbatas memakai model Erlang
 S≤N , terbatas memakai model binomial/bernouli
 S>N , terbatas, memakai model engset
 Pendekatan Analisa Trafik
Deskripsi Trafik
Karakteristik suatu trafik digambarkan oleh :
 Pola datang panggilan
 Pola lama waktu pendudukan
 Disiplin pelayanan : full/limited availability, /delay
sistem
Pendekatan matematis yang digunakan adalah :

Proses Kelahiran Proses Kematian

(Birth) (Death)

Datangnya Berakhirnya
panggilan pendudukan
29
 Pendekatan Analisa Trafik
Diagram Kondisi

n n+
1
Kondisi n  n+1 bila ada panggilan datang
(kedatangan = Kelahiran)
Kondisi n+1  n bila ada panggilan berakhir
(kepergian = kematian)

30
 Pendekatan Analisa Trafik
Diagram Transisinya

Kedatangan = kelahiran

0 1 2 n

State = kondisi
Kepergian = kematian
dimana dalam berkas
tersebut ada n
saluran diduduki

31
 Pendekatan Analisa Trafik
Koefisien Kelahiran dan Kematian
bn-1 bn

n-1 n n+1

dn dn-1

bn = koefisien kelahiran pada state n

dn = koefisien kematian pada state n
bo b1
Persamaan kesetimbangan :
b0P(0) = d1P(1)
0 1 2
b1P(1) = d2P(2)

bn-1P(n-1) = dnP(n) d1 d2
32
 33

Distribusi Poisson (1)

Persamaan kesetimbangan

◦ Dalam kesetimbangan statistik, probabilitas

kondisi bukan merupakan fungsi waktu.
Persamaan kesetimbangannya :

bn-1P(n-1) = dnP(n)

◦ Kita tinjau koeffisien kelahiran dan kematian

 bi (koeffisien kelahiran)= a = l
 di (koeffisien kematian): bila waktu lamanya
pendudukan terdistribusi eksponensial negatif maka di
akan sebanding dengan jumlah pendudukan yang ada
 34

Distribusi Poisson (2)

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
 35

Distribusi Poisson (3)

 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
 36

Distribusi Poisson (4)

 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 sebelumnya , 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)
 l l l l
Ambil
sebagian
state 0 n-2 n-1 n
diagram
(n- m (n)m (n+1)m
(n- m
2)
λ P(n-1) = n.μ P(n) 1)
P(n) = A .P(n-1)/n

λ P(n-2) = (n-1).μ P(n-1)

P(n-1) = A .P(n-2)/(n-1)
Karena P(n-1) = n P(n) /A, maka
n. P(n)/ A = A .P(n-2)/(n-1)
Sehingga P(n) = A^2. P(n-2)/ n. (n-1)
Dan P(n-2) = P(n). n. (n-1)/ A^2

λ P(0) = (n-2).μ P(n-2)

P(n-2) = A .P(0)/(n-2)
Karena P(n-2) = P(n). n. (n-1)/ A^2, maka
P(n). n. (n-1)/ A^2 = A .P(0)/(n-2)
P(n) = A^3. P(0)/ n. (n-1) (n-2)

Sehingga dapat dituliskan

P(n) = A .P(n-1)/n = A^2. P(n-2)/ n. (n-1) = A^3. P(0)/ n. (n-1) (n-2)=…. (sampai n
tak hingga)
Untuk Distribusi Poisson dapat dituliskan :
P(n) = A^n . P(0)/ n!
Untuk mencari P(0)
Peluang total kejadian= 1, sehingga


 P(i) =1=P(0) +P(1) +P(2) +P(3)+ ….

i=0
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)

Sehingga
1 = P(0) . [ 1 + A + A^2/2! + A^3/3!+….] = P(0) . e^A
P(0) = e^(-A)
P(n) = A^n .
P(0) / n!
 39

Distribusi Poisson(5)
 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
 40

Distribusi Poisson(6)
 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
 41

Distribusi Poisson
 42

Distribusi Erlang(1)
 Kondisi sistem :
Kedatangan panggilan acak 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 terbatas dan
merupakan berkas sempurna
 Tidak setiap panggilan yang datang selalu dapat dilayani;
panggilan yang datang pada saat semua saluran diduduki
akan tidak dapat dilayani; panggilan-panggilan yang tidak
dapat dilayani akan dihilangkan (ditolak)  Sistem Rugi
Pola waktu pendudukan terdistribusi exponensial
negatif
 Waktu pendudukan rata-rata = h = 1/m
 43

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 = l (konstan)
Koefisien kematian = nm
A = l/m
 44

Distribusi Erlang(3)
l l l
l l

0 1 2 N-1 N

m 2m 3m (N-1)m Nm

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)
..
.
A.P(N-1) = N.P(N)
 45

Distribusi Erlang(4)
 Dari persamaan kesetimbangan tersebut bisa kita peroleh

A A2 A3 An
P(n) = P(n-1) = P(n-2) =
n …= n(n-1) n(n-1)(n- n!
P(n-3)= P(0)
An 2)
n!
 Jadi P(n) = P(0), dengan n = 0,1,2,…,N

 Mencari P(0) :
N A2 A3 AN

 1 =n=0 2!
P(n) = P(0) { 1+A+ 3! + N! +…+ }
1
N

 n!
 Jadi P(0) = An

n=0
 46

Distribusi Erlang (5)

Sehingga An
n!
P(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)
 47

Distribusi Erlang(6)
contoh :
Pada kelompok sirkit yang terdiri dari 3 sirkit,
ditawarkan trafik sebesar 2 erlang. Berapa trafik
yang akan lost

Trafik lost = R = AB = 2 x 0,210 = 0,42 Erlang

 48

Distribusi Erlang (6)

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)
 49

Distribusi Erlang (7)

Jadi

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

2! N!

Ditabelkan
 Cara membaca tabel
erlang
Berapa trafik yang dapat ditawarkan,jika
saluran yang disediakan N=8 dan
probabilitas bloking 0.02 ?
Dari tabel dapat dicari dengan menarik
garis untuk N=8 dan Pb=0.02, dari tabel
didapatkan, traffik yg ditawarkan
sebesar 3.627

50
 Cara membaca tabel
erlang

51
 52

Distribusi Erlang (8)

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
 53

Distribusi Erlang (9)

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).l/l.1 = P(N) =
Kongesti waktu
 54

Distribusi Erlang (10)

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
 55

Distribusi Erlang (11)

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 10%) 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 %)
 56

Distribusi Erlang (11)

Rumus Rekursive Erlang B
Untuk tujuan penghitungan dengan computer,
maka rumus erlang B dibuat rumus recursive
sbb N
A N!
P( N )  EN ( A)  N


i
A
i 0
i!
A N 1
( N  1)!
E N 1 ( A )  N 1

i0
Ai
i!

A AN

( N  1) N !
E N 1 ( A)  N i
A A N 1

i  0 i!

( N  1)!
 57

Distribusi Erlang (11)

Rumus Rekursive Erlang B
1
A AN N
Ai

( N  1) N !
 i!
E N 1 ( A)  N i N 1
 i 0
A A 1

i 0 i!

( N  1)! N A
i


i  0 i!

A
 E N ( A)
( N  1)
E N 1 ( A) 
A N 1 1
1  N i
( N  1)! A

i  0 i!

A.E N ( A)
E N 1 ( A) 
A AN 1
( N  1)(1   
N  1 N! N
Ai

i  0 i!
 58

Distribusi Erlang (11)

Rumus Rekursive Erlang B
A.E N ( A)
E N 1 ( A) 
A
( N  1)(1   E N ( A))
N 1

A.E N ( A)
E N 1 ( A) 
( N  1)  A.E N ( A))

sehingga :

A.E N 1 ( A)
E N ( A)  dengan E0 (A)
N  A.E N 1 ( A))
=1

A = trafik yang ditawarkan kepada

trunk
N = jumlah sirkit/server yang
melayani
 59

Distribusi Erlang (11)

Diagram Alir Rekursive Erlang B
Bila yang dicari adalah nilai B
pada A=x dan N=Q start

Inisialisa
si A = x
N=1
B=y%

A.E N 1 ( A)
E N ( A) 
N  A.E N 1 ( A))

Y
N=
Q

T
STOP
N=N+1
 60

Distribusi Erlang (11)

Diagram Alir Rekursive Erlang B
Bila yang dicari adalah N untuk nilai
En(A) = B.
start

Inisialisa
si A = x
N=1
B=y%

A.E N 1 ( A)
E N ( A) 
N  A.E N 1 ( A))

Y
EN(A
)>B

T
STOP
N=N+1

iterasi berhenti kalau B yang dihitung E(N)≤B, maka ierasi berhenti., dan N yang
dicari adalah N
 61

Distribusi Erlang (12)

 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 A B
B
 62

Distribusi Erlang (13)

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%
 64

Distribusi Erlang (14)

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
 Perbandingan Model Trafik
Penanganan
perbandingan Pola panggilan Holding
model trafik sumber kedatangan gagal Times
Poisson Infinite Random Held Exponential

Erlang B Infinite Random Cleared Exponential

Extended Erlang B Infinite Random Retried Exponential

Erlang C Infinite Random Delayed Exponential

Engset Finite Smooth Cleared Exponential

EART/EARC Infinite Peaked Cleared Exponential

Neal-Wilkerson Infinite Peaked Held Exponential

Crommelin Infinite Random Delayed Constant

Binomial Finite Random Held Exponential

Delay Finite Random Delayed Exponential

66
 Efficiency of Large Groups
•
B(n,A)=0.002
(1)
Two trunk groups offered 5 Erlangs each, and

n
N1≈ How many trunks total?
5E 1=?
13
From traffic tables, find B(13,5)  0.002

5E n
N2≈
2=?
13 ntotal = 13 + 13 = 26 trunks

Trunk efficiency? Efisiensi = A/N

TC 10(1  0.002)
   0.384
N 26

38.4% utilization

67
 Efficiency of Large Groups
•
B(n,A)=0.002
(2)
One trunk group offered 10 Erlangs, and

How many trunks?

10 E n=20
N=? From traffic tables, find B(20,10)  0.002

n = 20 trunks

Trunk efficiency?
TC 10(1  0.002)
   0.499
N 20
49.9% utilization

For same gos, we can save 6 trunks!

68
 Metode pencarian jalan dalam model erlang B
(sentral step by step):

Ada 2 metode, yaitu :

metode homing
metode non homing

69
 Metode Homing
pada metode homing, pemilihan jalan selalu mulai
dari 1,2,3……dst. Ini berarti bahwa setelah selector
dipakai, wiper selalu dikembalikan ke tempat semula
(permulaan jalan keluar ke 1) dan beban atau muatan
trafik pada jalan-jalan keluar permulaan lebih besar
dari pada jalan-jalan keluar akhir.

70
 Metode Homing

Y1
R1

Y2
A
R2
Y3
R3

YN

RN

71
 Perhitungan muatan pada
homing selector.
Di berkas masuk terdapat trafik A yang
ditawarkan ke berkas keluar yang terdiri
N saluran. Karena setiap pengetesan
jalan keluar selalu dimulai dari jalan ke
1, kemudian jalan ke 2, dst,
maka :
Besarnya R1, R2, R3…RN dapat dihitung
dengan rumus rugi erlang .

 RN  AE
. N (A)

72
 Perhitungan muatan pada
homing selector.
R1=A-Y1, Dimana Y1 adalah besarnya trafik
yang dimuat oleh jalan keluar ke 1
R2=R1-Y2, Dimana Y2 adalah besarnya trafik
yang dimuat oleh jalan keluar ke 2
R3=R2-Y3, Dimana Y3 adalah besarnya trafik
yang dimuat oleh jalan keluar ke 2

 dst
maka Y1,Y2,Y3…..YN dapat dihitung (jadi
muatan tiap saluran dapat dihitung.

73
 Metode non homing
metode non homing
pada metode non homing pemilihan jalur keluar tidak selalu
dimulai dari jalan keluar ke 1, tetapi sembarang jalan
keluar, tergantung /dimulai dari jalan keluar yang terakhir
dipakai. Ini berarti, wiper setelah dipakai (pembubaran)
tidak dikembalikan ke tempat semula/jalan keluar ke 1 dan
muatan trafiknya merata ke seluruh jalan keluar.

74
 Metode non homing

Y1
R1

Y2
A

Y3
R3

YN

RN

75
 Perhitungan muatan untuk non
homing selector

 Karena muatan tiap jalan keluar (saluran) rata/sama maka dapat dihitung
sbb:

 Maka :

Y1=Y2=Y3=Y/N
N
 Dimana
 Y (muatan trafik pada berkas keluar)
A
B(N, A)  N N! i
 Y= A-RN
 RN= A. B(N,A)

A

i  0 i!

76
 Contoh :

 Hitung trafik yang dapat dimuat oleh saluran ke 1,

2 dan 3, untuk sistem non homing. Trafik yang
ditawarkan sebesar 2 Erlang dan jumlah saluran
sebanyak 3.

 Penyelesaian :
 Y1=Y2=Y3=Y/N= Y/3 A3
 Y = A – R3
 R3= A. B(3,A) B(3, A)  3 3! i
A
i  0 i!

77
 Model Extended Erlang B
Model trafik Extended Erlang B
dikembangkan oleh james jewit dan
jacqueline shrago pada pertengahan tahun
1970.

Formula EEB digunakan untuk

meningkatkan akurasi formula erlang B
yang tidak memperhitungkan panggilan
yang mengulang.
78
 Model Extended Erlang B
 Pada erlang B diasumsikan pemanggil
tidak pernah mengulangi panggilannya
ketika tidak berhasil dilayani. Panggilan
yang mengulang dianggap sebagai
panggilan baru, tetapi pada
kenyataanya terdapat sejumlah user
yang mengulang.

EEB dirancang dengan

memperhitungkan panggilan yang
mengulang (panggilan yang ditolak
mencoba lagi).
79
 Asumsi Extended Erlang B
Model trafik Extended Erlang B
berdasarkan asumsi sebagai berikut :
Jumlah sumber tidak terbatas
Pola kedatangan trafik acak
Panggilan yang ditolak dihilangkan (Blocked
calls cleared)
Tidak ada overflow
Hold times exponentially distributed
Ada panggilan yang mengulang setelah
diblok.

80
 Asumsi Extended Erlang B
Untuk menghitung probabilitas bloking
dengan menggunakan EEB diperlukan :
total trafik yang ditawarkan,
jumlah saluran
prosentase panggilan yang ditolak mencoba
lagi (0% s/d 100 %).

81
 Diagram alir dari model EEB
Trafik yg dilayani
oleh Pilihan pertama (
yes Y)

Trafik yang
Sumber Pilihan pertama
ditawarkan
trafik tersedia ?
(A)

No

Trafik yg
ditolak (R)
R= A.Pb

Panggilan yg
Disposal of block Trafik
mengulang
call overflow
m= R. rf

Trafik yang tidak dilayani

(dead call)

82
 Contoh :
bandingkan nilai probabilitas bloking model
erlang B dan EEB dengan prosentase
panggilan yang mengulang 50 %. Trafik
yang ditawarkan (A) sebesar 3 Erlang dan
jumlah saluran (N)=6.

83
 contoh
Dengan menggunakan model EEB,
perhitungan probabilitas bloking dengan
cara iterasi. Beberapa kali iterasi harus
dilakukan untuk mendapatkan nilai
probabilitas bloking yang dimaksud.
Langkah-langkah perhitungan dengan
menggunakan model EEB adalah
sebagai berikut :
 Pertama, hitung probabilitas bloking model erlang B
untuk trafik yang ditawarkan sebesar A dan jumlah
saluran sebanyak N
 Kedua, iterasi perhitungan sampai probabilitas
blocking menjadi stabil. Lihat contoh tabel.

84
 contoh
No N A Pb R (erlang) M (erlang) O Y Y+O A+M

1 6 3 0.0522 0.1566 0.0782 0.0782 2.8435 2.9218 3.0782

2 6 3.0782 0.0565 0.1740 0.0870 0.0870 2.9042 2.9912 3.0870

3 6 3.0870 0.0570 0.1760 0.0880 0.0880 2.9110 2.9990 3.0880

4 6 3.0880 0.0571 0.1762 0.0881 0.0881 2.9117 2.9999 3.0881

5 6 3.0881 0.0571 0.1764 0.0882 0.0882 2.9118 3.000 3.0882

N = jumlah saluran
A= trafik yang ditawarkan
R=trafik yang di tolak berkas (pilihan)
pertama
R = A. Pb
Pb=probabilitas bloking model erlang B
M = trafik yang mengulang
M = R * rf
O = overflow trafik
O = R * (1-rf)
Y = trafik yang dibawa oleh pilihan
85 pertama
Y = (A – R) + M
 Model 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
 Model Engset

Berkas masuk Berkas keluar

Switching network

s = terbatas n = terbatas

Persamaan engset mirip dengan formula erlang B, tetapi

terdapat satu perbedaan yaitu jumlah pemanggil
(panggilan) yang terbatas, jadi persamaan engset
digunakan ketika jumlah populasi kecil (kurang dari 200).
Untuk populasi yang besar, persamaan engset dan erlang B
memberikan hasil yang sama ( buktikan !)
87
 Asumsi Model Engset
Model Engset berdasarkan pada asumsi
berikut :
Jumlah sumber yang terbatas
Pola kedatangan trafik yang terbatas
Panggilan yang ditolak dihilangkan (block call
cleared)
Holding time terdistribusi eksponensial

88
 S (S-1) (S-2) (S-3)

0 1 2 3 ……

 2 3 4
 90

Persamaan kesetimbangan
 Persamaan kesetimbangan : (s-n)P(n)=(n+1)µ P(n+1)
Untuk n=0
s.P(0)=µP(1)
P(1)=(s. /µ) P(0), dimana /µ =A (intensitas trafik)
P(1)=s. A.P(0)

Untuk n=1
(s-1)P(1)=2µP(2)
P(2)=((s-1) /2µ) P(1)
P(2)=((s-1) A/2) P(1)
P(2)=((s-1) A/2 ) s A P(0)
P(2)=(s-1)s. A2/2 P(0)
 91

Persamaan kesetimbangan
Untuk n=2
(s-2)P(2)=3µP(3)
P(3)=(s-2) /3µ.P(2)
P(3)=(s-2) A/3.P(2)
P(3)=(s-2) A/3 (s-1)s. A2/2 P(0)
P(3)=(s-2) (s-1)s. A3/3! P(0)
A3 s!
P(3)   P(0)
3! (s  3)!
AN s!
P(N)   P(0)
N! (s  N)!
An s!
P(n)   P(0)
n! (s  n)!
 PERSAMAAN
KESETIMBANGAN
n
S!  
 Didapat P ( n )  .  . P(0)
n! ( S  n )!   
n
 S   
 Untuk Engset (S > N): P(n)     P(0)
 n   
1
 Aturan probabilitas:
P ( 0)  j
N
   
S
   
j  0  j   
n
   
S
  
 Sehingga: P ( n)    
n 
j
N
 S   
   
j  0  j   
 93

Distribusi Engset
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) :
N
(S-N)l.P(N)
(S-j)l.P(j)
Jumlah seluruh panggilan yang datang
j=0
(dalam 1 jam) :
Call congestion: N
 S  1  
  
R( N )   N   
i
N
 S  1  
   
i 0  i   

Bila jumlah sumber tak berhingga, P(N) =

R(N)
 BINOMIAL (BERNOULLI)
 Untuk Binomial (S ≤ N)
 Dalam hal ini tidak ada kehilangan trafik
n

 S   
P(n )     .P(0)
 n   
1
P ( 0) 
 Persamaan normal: j
S
 S   
   
j  0  j   
Hitung probabilitas bloking pada system
PABX jika terdapat 2 panggilan per menit,
PABX tersebut terdapat 3 saluran dan 5
pelanggan., PABX tersebut mampu
melayani 1 panggilan per menit
HAPPY LEARNING !!