JARINGAN & REKAYASA TRAFIK ( EL 3146 ) B A B IV

1. JARINGAN&REKAYASA TRAFIK( EL 3146 )B A B IV Dosen : Ir. Hernandi Ilyas R., MT. Jurusan Teknik Elektro UNIVERSITAS JENDERAL ACHMAD YANI ( UNJANI ) 2013

2. PENGUKURAN DAN PEMODELAN TRAFIK

3. 1. PENGUKURAN TRAFIK

4. 1. Pengukuran Trafik REKOMENDASI : ITU-T memberikanbeberaparekomendasicaramengukurtrafikpada jam sibuk (E.600) Operator dipersilakanmemilihmetoda yang cocokuntukmereka TUJUAN PENGUKURAN : Mendapatkan informasi JAM SIBUK (BUSY HOUR) Average Daily Peak Hour (ADPH) Time Consistent Busy Hour (TCBH) Fixed Daily Measurement Hour (FDMH)

5. 1. Pengukuran Trafik Average Daily Peak Hour (ADPH) Jam tersibukditentukanberbeda-bedauntuksetiapharinya (different time for different days), laludirata-ratakanselama periodepengamatan Bila : N = jumlahharipengamatan an() = trafik rata-rata yang terukurselama interval 1-jam () padaharike-n max an() = trafiktertinggihariandariharike-n MakaaADPH =

6. Ilustrasi ADPH 1. Pengukuran Trafik

7. 1. Pengukuran Trafik Time Consistent Busy Hour (TCBH) Periodesatu jam, periodeinisamauntuksetiapharinya, yang memberikanhasilpengukurantrafik rata-rata tertinggiselama periodepengamatan Bila : N = jumlahharipengamatan an() = trafik rata-rata yang terukurselama interval 1-jam () padaharike-n max an() = trafiktertinggihariandariharike-n MakaaTCBH =

8. Ilustrasi TCBH 1. Pengukuran Trafik 3 1

9. 1. Pengukuran Trafik Fixed Daily Measurement Hour (FDMH) Pengukuran trafik dilakukan dalam Selangsatu jam yang sudahditentukanwaktunya sebelum pengukuran tersebut dilakukan (misal: antarajam 9.30-10.30). Trafikhasilpengukurankemudian dirata-ratakanselama periodepengamatan (misal: selama 10 hari)

10. Ilustrasi FDMH 1. Pengukuran Trafik

11. 1. Pengukuran Trafik Definisi jam sibukdapat dibagilagiberdasarkanresolusiwaktu yang digunakan. Misalnya : ADPH-F resolution of an hour ADPH-Q resolution of an quarter of an hour

12. 2. PEMODELAN TRAFIK

13. 2. Pemodelan Trafik Salah satucara untuk dapat menganalisa trafik dari suatu sistem telekomunikasi, adalahdengan melakukan pemodelan. Pemodelan meliputi 2 fasa, yaitudenganmelihat : 1. Pola kedatangan trafik (incoming traffic) disebutsebagaiModel Trafik 2. Sistem disebutsebagaiModel Sistem Untuk model sistem, dikenal 2 kategori, yaitu model sistem rugi (loss system) dan model sistem antrian (waiting/queueing system). Untukmodel trafik, analisa akan dilakukan berdasarkan pada pola distribusinya, yaitu meliputi distribusi Poisson, Erlang, Engset dan Bernoulli.

14. 2. Pemodelan Trafik Model Trafik Sederhana Model trafik yang sederhana ini dideskripsikan menggunakan paramater yang dijelaskan berikut : Customersdatang dengan laju rata-rata sebesar λ (jumlah customers rata-rata yang datang per satuan waktu) Maka waktu antar kedatangan rata-rata (average inter-arrival time) adalah 1/λ Customers menyatakan call atau permintaan koneksi di dalam sistem teletraffic Customersdilayani oleh n server yang bekerja secara paralel Jika sedang melayani (sedang sibuk(busy)), sebuah server akan melayani customer dengan laju rata-rata sebesar μ (jumlah customers yang dilayani per satuan waktu) Maka waktu pelayanan (service time) rata-rata terhadap customer adalah 1/μ Ada tempat menunggu (buffer) di dalam sistem berukuran m Diasumsikan bahwa customer yang datang ketika sistem sedang fully occupied (semua server sibuk) akan di-blok sehingga akan menjadi lost customer

15. 2. Pemodelan Trafik Sistem Loss Murni (Pure Loss System) Pure loss system memiliki karakteristik sbb: Tidak memiliki tempat menunggu (m = 0) Jika ada customer datang pada saat sistem sedang fully occupied(seluruh server yang berjumlah n sibuk) maka customer tersebut tidak akan dilayani dan akan lost (diblok) Sistem seperti ini disebut lossy Dari sisi customer, ada beberapa hal yang akan menjadi perhatiannya, misalnya berapa peluang sistem berada dalam kondisi fully occupied ketika suatu customer datang? Dari sudut pandang sistem, hal yang menjadi perhatian adalah misalnya faktor utilisasi server

16. 2. Pemodelan Trafik Sistem tunggu murni (Pure waiting system) Pure waiting system memiliki karakteristik sbb: Ukuran tempat menunggu tak terhingga (m = ∞) Jika ada customer yang datang ketika seluruh n server sibuk maka customer tersebut akan menunggu di tempat tunggu Tidak ada customer yang akan lost Beberapa customer bisa jadi harus menunggu sebelum dilayani Sistem seperti ini disebut lossless Dari sudut pandang customer, ada beberapa hal yang menjadi perhatiannya misalnya berapa peluang bahwa dia harus menunggu “terlalu lama”? Dari sudut pandang sistem, hal yang menjadi perhatian misalnya faktor utilisasi server

17. 2. Pemodelan Trafik Mixed System Mixed System memiliki karakteristik sbb: Jumlah tempat menunggu terbatas (0 < m < ∞) Jika suatu customer datang ketika seluruh server sibuk dan bila masih ada tempat untuk menunggu maka customer itu akan menempati salah satu tempat untuk menunggu Jika suatu customer datang ketika seluruh server sibuk dan seluruh tempat menunggu penuh maka customer itu akan lost (diblok) Pada sistem ini akan terdapat beberapa customer yang lost ada juga customer yang sedang menunggu untuk dilayani Sistem ini adalah lossy

18. 2. Pemodelan Trafik Infinite System Infinite system memiliki karakteristik sbb: Jumlah server tak terhingga (n = ∞) Tidak akan pernah ada customer yang lost maupun harus menunggu karena setiap customer yang datang akan dilayani Ini merupakan sistem yang lossless Sistem yang hypothetical ini lebih mudah dianalisa daripada sistem real yang kapasitasnya terbatas Kadang-kadang, penganalisaan sistem seperti ini merupakan satu-satunya cara untuk memperoleh pendekatan terhadap sistem yang real

19. Notasi Model Antrian (Kendall) 2. Pemodelan Trafik • A/B/n/p/k • A menyatakan proses kedatangan • Interarrival time distribution: • M= exponential (memoryless) • D= deterministic • G= general • B menyatakanwaktupelayanan (service times) • Service time distribution: • M= exponential (memoryless) • D= deterministic • G= general • n = jumlah server • p = jumlahtempatdalamsistem = jumlah server + ukuran tempatmenunggu David G. Kendall

20. Notasi Model Antrian (Kendall) 2. Pemodelan Trafik • k = populasipelanggan • Nilai-nilai default (biasanyatidakdimunculkan) : • p = , k =  • Contoh: • M/M/1 • M/D/1 • M/G/1 • G/G/1 • M/M/n • M/M/n/n+m • M/M/ (Poisson model) • M/M/n/n (Erlang model) • M/M/k/k/k (Binomial model) • M/M/n/n/k (Engset model, n < k)

21. Rumus Little 2. Pemodelan Trafik Mari kita perhatikan suatu sistem yang didatangi oleh customer dengan laju sebesar l Bila diasumsikan suatu kondisi yang stabil maka customer tidak akan terakumulasi di dalam sistem sehingga sistem akan kosong Konsekuensinya customer harus meninggalkan sistem dengan rate sebesar l juga Bila Maka rumus Little menyatakan : Prof. John D. C. Little

22. 2.1 Model Trafik Model Kedatangan Trafik dengan Distribusi Poisson Pemodelan trafik dengan melihat pola kedatangan panggilan biasanyadilakukan dengan menggunakan distribusi Poisson. Syaratuntuk model Poisson adalah: Kedatangan panggilan bersifat random (acak), dengan rate datangnya panggilan = λ (konstan, tidak tergantung jumlah pendudukan yang ada) karena jumlah sumber panggilan tidak terhingga (besar). Hanya ada proses kelahiran, tidak ada proses kematian Jumlah server (saluran) yang menampung (mengolah) tidak terhingga (besar), sehingga panggilan yang datang selalu dapat dilayani oleh server-server tersebut.

23. 2.1 Model Trafik Model Kedatangan Trafik dengan Distribusi Poisson Persamaan Distribusi Poisson atau Proses Kedatangan Poisson (Poisson arrival process equation)adalah : persamaan ini pada dasarnya mengekspresikan probabilitas sistem dengan jumlah pendudukan sebanyak k pada waktu t. Dengan kata lain, ini merepresentasikan probabilitas adanya k kedatangan pada interval waktu t.Dalamhalini : λt = A merupakan rate rata-rata datangnya panggilan kaliwaktu lamanya pendudukan rata-rata, dantidak lain adalahbesarnya TRAFIK. Sehinggapersamaannyadapatjugadinyatakansebagai : e-λt Pk(t) = Pk = Ak .e-A / k!

24. 2.1 Model Trafik Model Kedatangan Trafik dengan Distribusi Poisson CONTOH SOAL : Pengamatan pada suatu sistem switching dengan sumber panggilan dan jumlah server yang sangat besar menghasilkan data adanya 1 panggilan datang untuk setiap 5 menit. Dalam suatu periode 10 menit pengamatan, tentukan besarnya probabilitas bahwa - tidak ada panggilan yang datang, - ada 1 panggilan datang, - ada 2 panggilan datang.

25. 2.2 Model Sistem Model Sistem Pada Jaringan Blocking Pada sistem circuit switch dengan jaringan blocking, pada saat semua server sibuk/diduduki maka dimungkinkan terjadinya block yang mengakibatkan panggilan yang datang pada saat itu akan tidak dapat dilayani oleh sistem sehingga sistem dikenal sebagai sistem rugi (loss system). Analisa trafik pada sistem rugi ini, telah dilakukan secara mendalam oleh Erlang dengan kesimpulan utama adalah bahwa proses kedatangan panggilan adalah sesuai dengan proses kedatangan Poisson dan proses pemanggilan dapat dimodelkan dengan menggunakan distribusi yang bersifat eksponensial dalam durasi waktu pembicaraan tersebut === > Model Distribusi ERLANG

26. Model DistribusiErlang Model ini mewakili jaringan dengan kondisi: Proses kedatangannya adalah proses Poisson dengan sumber panggilan tidak terhingga dan rate rata-rata datangnya panggilan λ (konstan) Waktu layanan bersifat distribusi eksponensial Merupakan sistem circuit switch dengan server-server (kanal, trunk, atau time slot) yang bekerja secara paralel dan jumlahnya terbatas Satu server/kanal dialokasikan untuk satu panggilan dan panggilan yang datang pada waktu semua server sibuk akan ditolak. Sistem bersifat full accessibility, artinya setiap panggilan yang datang dari pengguna akan bersaing (compete) dengan panggilan dari pengguna lainnya untuk menduduki server/kanal yang kosong (tidak ada alokasi terlebih dahulu). 2.2 Model Sistem

27. Model DistribusiErlang Formula Rugi Erlang (Erlang’s loss formula), : En (A) =Pn = Atau untuk n = N, maka dapat ditulis : PN = PN merupakan probabilitas semua server sibuk dan juga dikenal sebagai Probabilitas Blocking (GoS) dari sistem 2.2 Model Sistem Pn =

28. 2.2 Model Sistem ContohSoal : Pada suatu group trunk dengan 8 server, dilakukan pengamatan terhadap kedatangan panggilannya. Jika pengamatan dilakukan pada jam sibuk dan ternyata pada group trunk tersebut terjadi 150 panggilan, dimana setiap panggilan rata-rata menduduki server selama 3 menit. Hitunglah trafik yang ditawarkan ke group trunk tersebut dan besarnya derajat pelayanan. Suatu group trunk dengan 5 server mengolah trafik sebesar 3 Erlang. Berdasarkan data tersebut, hitunglah derajat pelayanannya, probabilitas bahwa hanya ada satu trunk (server) sibukdan probabilitas bahwa hanya ada satu trunk bebas.