S1 Teknik Telekomunikasi

Fakultas Teknik Elektro

Distribusi Poisson dan Erlang (B)

REKAYASA TRAFIK | TTH3J3 | Kur. 2016 | 2017/2018
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

2
 3

Distribusi Poisson (2)

• 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
 4

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
 5

Distribusi Poisson (1)

– 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
.
.
.
1-mdt = Peluang pendudukan di saluran ini tdk berakhir dlm. dt
n
n saluran yang diduduki dari suatu berkas yang ditinjau
 6

Distribusi Poisson (2)

• 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
 7

Distribusi Poisson (3)

• 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)
 8

Distribusi Poisson (4)

• Dari persamaan kesetimbangan tersebut bisa kita peroleh
A A2 A3 An
P(n) = P(n-1) = P(n-2)= P(n-3) = … = P(0)
n n(n-1) n(n-1)(n-2) n!

An
• Jadi P(n) = P(0)
n!

• Mencari P(0) :

A3

 A 2
– 1= P(i) = P(0) { 1 +A + + + … } = P(0).eA
i=0 2! 3!

An
– Jadi P(0) = e-A, maka : P(n) = n! e-A untuk n = 0,1,2,3,…
 9

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
 10

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
 11

Distribusi Poisson (7)

• Harga rata-rata trafik yang dimuat di berkas

keluar ( = harga rata-rata jumlah saluran yang
diduduki)
 

E[n]= n.P(n) =  n. Aen-A
n!
n=0 n=0

• Diperoleh E[n] = M = A
• Variansinya = V = A
 12

Distribusi Erlang
• 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
 13

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
 14

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)
 15

Distribusi Erlang (4)

• Dari persamaan kesetimbangan tersebut bisa kita peroleh

A A2 A3 An
P(n) = P(n-1) = P(n-2) = P(n-3)= … = P(0)
n n(n-1) n(n-1)(n-2) n!
An
• Jadi P(n) = P(0), dengan n = 0,1,2,…,N
n!
• Mencari P(0) :
N
A2 A3 AN
– 1=
 P(n) = P(0) { 1+A+
2!
+
3!
+…+
N!
}
n=0
1
– Jadi P(0) = N
An

n=0 n!
 16

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)
 17

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)
• Dari segi nilai, GOS = Blocking
• Dari segi pengertian, GOS merupakan komplemen dari Blocking
 18

Distribusi Erlang (7)

• Jadi
AN
N!
P(N) = E1,N(A) = EN(A) = B =
1+A+ A 2
+…+ A N

2! N!

Ditabelkan
 19

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
 20

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
 21

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
 22

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 1%) 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 %)
 23

Distribusi Erlang (11)

Rumus Rekursive Erlang B
– Untuk tujuan penghitungan dengan computer, maka rumus
erlang B dibuat rumus recursive sbb
A N N!
P ( N )  E N ( A)  N
i
 A
i 0
i!
A N 1
( N  1)!
E N 1 ( A)  N 1
i
 A
i 0
i!

A AN

( N  1) N !
E N 1 ( A)  N i
A A N 1

i 0 i!

( N  1)!
 24

Distribusi Erlang (11)

Rumus Rekursive Erlang B
1
N
A A N
Ai

( N  1) N !

i  0 i!
E N 1 ( A)  N i 
A A N 1 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!
 25

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) =1
N  A.E N 1 ( A))

A = trafik yang ditawarkan kepada trunk

N = jumlah sirkit/server yang melayani
 26

Distribusi Erlang (11)

Diagram Alir Rekursive Erlang B
Bila yang dicari adalah B
start

Inisialisasi
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
 27

Distribusi Erlang (11)

Diagram Alir Rekursive Erlang B
Bila yang dicari adalah N
start

Inisialisasi
A=x
N=1
B=y%

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

Y
EN(N)
<B

T
STOP
N=N+1

iterasi berhenti kalau B yang dihitung E(N)≤B, maka ierasi berhenti., dan N yang dicari adalah N
 28

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
 29

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%
 30

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

 31

Distribusi Erlang (15)

• Harga rata-rata trafik yang dimuat oleh berkas saluran (pada

rumus Erlang)
– Merupakan jumlah saluran rata-rata yang diduduki (selama waktu 1
jam sibuk)
– Y = trafik yang dimuat =

N N An/(n-1)! N An-1/(n-1)! AN/N! N An/n!

 n.P(n)= 
N
=A  N
=A -
N
+  N

n=0
  
n=0 n=1 A /j!
j n=1 A /j!
j
A /j!
j Aj/j!
j=0 j=0 j=0 j=0

– Y = A [ -B + 1] B 1
 32

Distribusi Erlang (16)

• Jadi :
– Y = A[1-B] atau A G Y
– Y= A – AB
– Y=A-R
Y=AB

• A = Trafik yang ditawarkan (rata-rata)

• Y = Trafik yang dimuat (rata-rata)
• AB = R = Trafik yang ditolak (hilang)
 33

Distribusi Erlang (16)

• 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

 34

Distribusi Erlang (17)

• Variansi trafik yang dimuat
N N
Vd =  (i-Y)2P(i) =  i(i-1)P(i) + Y – Y2 (^)
i=0 i=2

N Ai-2/(i-2)! 1+A+A2/2!+…+AN-1/(N-1)!+AN/N!-AN-1/(N-1)!-AN/N!
K = A2  N
= A2 N
i=2
 A /j!j
 A /j!
j

j=0 j=0

K = A2 {1-(N/A)EN(A)-EN(A)}= A2-N.A.EN(A)-A2.EN(A)
K = A(A-A.EN(A))-Nm = AY – Nm = (m+Y).Y-Nm = mY+Y2-Nm (^^)
 35

Distribusi Erlang (18)

• Bila persamaan (^^) dimasukkan ke (^)

Vd = mY + Y2 – Nm + Y – Y2 = Y – m(N-Y)

Vd = Y – m(N-Y)

– m = trafik yang tak dapat dimuat (hilang atau

meluap) = A.EN(A)
36