trafik2

Modul V

Modeling dan pengukuran Trafik

5.1. Modeling Untuk trafik Telepon

Dalam jaringan telepon yang dinamakan trafik adalah adanya panggilan telepon:

Traffic -- Calls

Sebuah model trafik (untuk hubungan tunggal) harus memiliki spesifikasi sbb:

- Jenis dari proses kedatangan panggilan telepon

- Jenis fungsi distribusi dari holding time panggilan telepon

Kedua hal inilah yang menentukan suatu proses trafik (lihat gambar 5.1), dimana akan

diketahui jumlah panggilan yang sedang berjalan:

- Berapa jumlah channel yang sedang dipakai

- Berapa intensitas trafik yang dapat ditangani pada suatu saat (dalam Erlang)

Gambar 5.1. Proses trafik

PUSAT PENGEMBANGAN BAHAN AJAR-UMB Nacep Suryana, M.Sc. REKAYASA TRAFIK 1

proses kedatangan panggilan

trafik aggregated dalam jaringan trunk

Model yang biasa digunakan untuk ini adalah: Proses Poisson, dengan intensitas

> 0. Untuk interval waktu yang pendek ada 2 kemungkinan:

- sebuah panggilan baru datang dengan probabilitas

- atau tidak terjadi apa-apa dengan probabilitas 1- .

Interval waktu satu sama lain independent, sehingga waktu antar kedatangan panggilan:

- Independent dan terdistribusi secara exponential dengan rata-rata 1/

Model ini bagus ketika populasi user sangat besar sekali dan user membuat keputusan

independent.

Sedangkan model untuk teletrafiknya adalah Model Loss:

- Model Erlang (Kapasitas sambungan terbatas)

- Model Poisson (kapasitas sambungan tak terbatas)

Trafik yang dihasilkan oleh individual user (pelanggan)

Model tradisional yang biasa digunakan adalah proses exponential On-Off. Dalam

hal ini user hanya berubah antara keadaan on dan off saja:

- ketika On artinya panggilan sedang ‘ada’

- Ketika Off artinya panggilan sedang ‘Idle’

Waktu yang digunakan pada keadaan berbeda tersebut diasumsikan independent

dan terdistribusi secara exponential.

Trafik yang dihasilkan oleh user-user yang dapat mengakses bersamaan dalam

jaringan akses, jika jumlah user secara individual terbatas maka:

- dimodeling secara terpisah

- keputusan dibuat secara terpisah

model teletrafik yang bersangkutan adalah model Loss:

- Model Engset ( untuk kapasitas hubungan yang tidak cukup)

- Model Binomial (Kapasitas Link cukup)

Holding time panggilan

• Assumsi dasar:

– Holding time panggilan adalah independen dan terdistribusi secara identik

• Distribusi dari holding time panggilan

– Model Traditional adalah: distribusi exponential:


• hanya Satu parameter simpel

• memoryless property: artinya bahwa holding time adalah paling tidak

sebesar t, kemungkinan bahwa panggilan akan berakhir pada interval

waktu singkat antara (t, t+D) hanya tergantung pada D (bukan pada t)

– Model-model yang lebih komplek:

• Distribusi normal (2 parameters: mean and variance)

• Distribusi log-normal (2 parameters)

• hyper-exponential (dengan 2 parameters)

• Distribusi Weibull (dengan 2 atau 3 parameters)

• Distribusi dari holding time panggilan biasanya dibedakan untuk:

– panggilan-panggilan bisnis dan perumahan

– Panggilan siang dan malam hari

– Panggilan biasa atau data (fax, Internet access, dll.)

5.2. Variasi trafik dalam skala waktu yang berbeda-beda

• Variasi yang dapat diramalkan

– Trend (Tahun)

• pertumbuhan traffic: yang disebabkan oleh

– pelayanan yang sudah ada (pengguna baru, tarif baru,)

– pelayanan baru

– Profil tahunan Regular

– Profil mingguan Regular

– Profil harian Regular

• termasuk jam-jam sibuk / “busy hour”

– Variasi yang disebabkan oleh peristiwa eksternal yang dapat diprediksi seperti

• regular: Contohnya Lebaran

• Tak-regular: contohnya World Championships, televoting, dll

• Non-predictive Variasi yang tak dapat diramalkan

– Variasi stochastik jangka pendek (seconds - minutes)

• Kedatangan acak panggilan

• holding times acak panggilan

– Variasi stochatik jangka panjang (hours - ...)

• penyimpangan acak sekitar profil

• tiap hari, minggu, bulan, dll adalah berbeda


– Variasi yang disebabkan oleh peristiwa eksternal yang tidak dapat diprediksi

• contohnya gempa bumi, tornado dll.

Busy hour

• Untuk menetukan dimensi sistim, maka diperlukan

– Estimasi terhadap beban trafik

• Pada jaringan telepon,

– cara standar untuk menetukan dimensi adalah berdasarkan trafik pada jam-jam

sibuk. yang dimaksud dengan jam sibuk adalah perioda selama 1 jam dimana

volume trafiknya paling besar.

– akan tetapi untuk menetukan dimensi bagaimanapun kita harus melihat

beberapa hari yang lain dan tidak hanya 1 hari saja.

– Paling tidak ada 3 cara definisi berbeda yang diajukan untuk jam sibuk (yg

mengkover beberapa hari):

• Average Daily Peak Hour (ADPH), rata-rata jam sibuk harian.

• Time Consistent Busy Hour (TCBH), waktu jam sibuk yang konsisten.

• Fixed Daily Measurement Hour (FDMH), pengukuran jam harian yang

tetap.

Misalkan:

- N = jumlah hari dimana pengukuran dilakukan (missal N=10)

- Vn() = Volume trafik yang diukur selama interval 1 jam dari hari n.

- Max Vn() = volume trafik pada jam puncak harian dari hari n

maka:

Volume trafik Average Daily Peak Hour (ADPH) adalah:

Volume trafik Time Consistent Busy Hour (TCBH) adalah:

Volume trafik Fixed Daily Measurement Hour (FDMH), adalah:

dari volume trafik kita dapat menghitung trafik-nya yaitu dengan cara mengalikanya

dengan 1/. misalnya untuk trafik ADPH adalah:


dengan cara yang sama kita dapat menghitung trafik TCBH dan trafik FDMH, masing-

masing sbb:

kemudian juga berlaku hubungan berikut:

5.3. Pengukuran trafik

• Pengukuran Trafik diperlukan untuk

– disain network dan menejemen trafik

• sebagai dasar untuk menentukan dimensi

• membuat model trafik

• meramalkan trafik

• mengontrol trafik (misalnya pengaturan hubungan tertentu, dynamic

routing)

• mengontrol kemacetan (mendeteksi kemacetan)

• juga untuk mendapatkan informasi accounting

• Informasi2 tentang trafik betul-betul dibutuhkan juga karena:

– ada pengguna baru, cara pemakain baru, tariff baru

– servis dan jaringan baru

– kompetisi yang semakin ketat

• Pengukuran Trafik dalam jaringan telepon

– trafik pada jalur-jalur yang berbeda

• proses trafik (intensitas trafik carried = jumlah channel yg digunakan)

• proses kedatangan panggilan (interarrival times)

• holding times panggilan

– trafik pada trunk dari nodes (simpul) jaringan yang berbeda-beda

• distribusi dari trafik yang masuk dari arah yang berbeda-beda

• distribusi dari trafik keluar pada arah yang berbeda-beda

– trafik pada akses simpul jaringan yang berbeda-beda

• distribusi berdasarkan jenis dari sumber trafik


– misalnya pelanggan rumahan vs pelanggan bisnis

• penggunaan bermacam-macam servis

5.3.1. Estimasi intensitas trafik berdasarkan pengukuran

• anggaplah suatu proses trafik (pada sambungan dari jaringan telepon)

– Trafik diukur selama interval [0,T] (misal ini adalah jam sibuk)

– Maka V(T) mewakili volume trafik pada interval ini (variable random)

• Tujuannya adalah untuk mengestimasi intensitas trafik carried

– asumsikan ini adalah konstan

– dan didasarkan pada pengukuran ini

• Estimasi alami untuk a adalah

nilai ekspektasinya adalah:

5.3.2. Macam-macam mode pengukuran

Mode Pengukuran kontinyu

Dalam pengukuran ini yang dicatat adalah:

1. Jumlah channel yang dipakai pada waktu 0

2. Waktu start dari semua koneksi selama interval [0, T]

3. Waktu stop dari semua koneksi selama interval [0, T]

dengan data-data ini adalah sangat mungkin untuk merekonstruksi proses trafik actual,

artinya kita dapat memberikan nilai eksak untuk volume trafik V(T).

Mode pengukuran Diskrit, yaitu hanya pada interval-interval tertentu (secara regular)

- Yang diukur adalah jumlah channel yang dipakai X(t) pada waktu t = 0, Δ, 2Δ, …., T -

Δ.

- maka volume trafik selama interval [0,T] diestimasi dengan rumus


Mode pengukuran kontinyu

Mode pengukuran diskrit pada interval regular

5.4. Model Tradisional untuk pengukuran trafik Data

Model pada Level koneksi

- Koneksi baru yang datang dimodeling menurut proses poisson, artinya waktu antar

kedatangan koneksi adalah independent dan terdistribusi secara exponential.

- Holding time koneksi adalah independent dan terdistribusi secara exponential

- Model sistim yang digunakan adalah infinite System

Model pada level packet

- Paket yang baru datang dimodeling menurut proses poisson, artinya waktu antar

kedatangan paket adalah independent dan terdistribusi secara exponential.

- Panjang paket adalah independent dan terdistribusi secara exponential, artinya

waktu transmisi paket adalah independent dan terdistribusi secara exponential

- Model yang digunakan adalah sistim tunggu


5.4.1. Proses Trafik pada Level Packet

Anggaplah kita mempunyai proses trafik pada level packet, pada waktu kontinyu

sambungan hanya ada 2 kemungkinan: Busy (sibuk), atau Idle (tidak terpakai),

tergantung apakah packet yang harus ditransmisikan itu ada di buffer atau tidak. Jadi

link (sambungan) hanya mempunyai 2 kemungkinan nilai: 0 atau C (sibuk dengan link

yang ditempati sebanyak C).

Proses trafik pada level packet


trafik2

Documents

Transcript of trafik2