Proses Kedatangan dan Waktu Layanan

Slides:



Advertisements
Presentasi serupa
Sistem Tunggu (Delay System)
Advertisements

SEKOLAH TINGGI ILMU STATISTIK
Teknik Elektro STTA Yenni Astuti, S.T., M.Eng.
Teknik Elektro STTA Yenni Astuti, S.T., M.Eng.
Ramadoni Syahputra, ST, MT
Distribusi Probabilitas
Oleh: Ridwan Najmi Fauzi TTNR4
TEORI ANTRIAN Suatu antrian ialah garis tunggu dari nasabah yang
Simulasi Antrian Ipung Permadi, S.Si, M.Cs.
PEUBAH ACAK DAN DISTRIBUSI PROBABILITAS
Pendahuluan Rekayasa Trafik
JARINGAN & REKAYASA TRAFIK ( EL 3146 ) B A B IV
BAB VI UKURAN VARIASI ATAU DISPERSI (Pengukuran Dispersi) (Pertemuan ke-8) Oleh: Andri Wijaya, S.Pd., S.Psi., M.T.I. Program Studi Sistem Informasi Sekolah.
Ukuran Tendensi Sentral
Analisis Kinerja SIstem
VARIABEL ACAK DAN NILAI HARAPAN.
Probabilitas dalam Trafik
Teori Antrian Dalam kehidupan sehari-hari kata antrian sering disebut queuing atau waiting line terjadi bila kita menunggu giliran untuk menerima pelayanan.
Pendekatan Simulasi Kejadian Diskret Pertemuan 10.
Definisi dan Relasi Pokok
Responsi.
Pendahuluan Rekayasa Trafik
VARIABEL ACAK DAN NILAI HARAPAN
Pembangkitan Proses Kedatangan
Pemodelan Simulasi Sistem Diskrit
ANALISIS DATA BERKALA.
Proses Kedatangan dan Distribusi Waktu Pelayanan
DISTRIBUSI TEORITIS.
SKALA NOIR : BAHAN AJAR STATISTIKA
Inferensi tentang Variansi Populasi
Teori Antrian Antrian-Antrian Lain
DISUSUN OLEH : IPHOV KUMALA SRIWANA
VARIABEL ACAK DAN NILAI HARAPAN
Single Channel Single Server
TEORI ANTRIAN Modul 13. PENELITIAN OPERASIONAL Oleh : Eliyani
PERILAKU BIAYA.
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2
DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS DISKRET
Pendahuluan Rekayasa Trafik
PERAMALAN “Proyeksi Tren”
UKURAN VARIASI ATAU DISPERSI (Pengukuran Dispersi)
QoS Jaringan IP Suryayusra.
Contoh Aplikasi : Kasus 1.
PTP: Peubah Acak Kontinu Pertemuan ke-6/7
Regresi Linier Berganda
BAHAN AJAR STATISTIKA PROGRAM PASCA SARJANA MAGISTER ADMINISTRASI PUBLIK UNIVERSITAS MUHAMMADIYAH PALANGKARAYA Oleh : Bulkani.
Single Channel Single Server
Proses Kedatangan dan Distribusi Waktu Pelayanan
Regresi Linier Berganda
DISTRIBUSI PROBABILITAS
VARIABEL ACAK DAN NILAI HARAPAN
Loss System.
DISUSUN OLEH : IPHOV KUMALA SRIWANA
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2
Mata Kuliah REKAYASA TRAFIK TELEKOMUNIKASI ( B a b 5 ) Dosen : Ir
INPUT OUTPUT SIMULASI SISTEM ANTRIAN
SIMULASI.
Peubah Acak Kontinu.
Regresi Linier Berganda
UKURAN VARIASI ATAU DISPERSI (Pengukuran Dispersi)
Teori Antrian.
Pendahuluan Rekayasa Trafik
MODEL ANTRIAN (Waiting Lines)
PERTEMUAN Ke- 2 STATISTIKA EKONOMI II
Riset Operasi Semester Genap 2011/2012
PENGERTIAN DISTRIBUSI TEORITIS
DISTRIBUSI PROBABILITAS
OPERATIONS RESEARCH – I
Rekayasa Trafik -Terminologi Trafik-
Transcript presentasi:

Proses Kedatangan dan Waktu Layanan Pertemuan-6 Yenni Astuti, S.T., M.Eng.

Sistem Antrian server kedatangan departure posisi menunggu Model sistem antrian Komponen utama antrian: Cara pelanggan tiba ke sistem Cara pendeskripsian proses layanan

Contoh Proses Kedatangan: exchange telepon pelanggan . . . Panggilan selama [0,t] t

Contoh Proses Kedatangan: ruter hipotetik Proses kedatangan paket ke port keluaran Input 1 switch internal Buffer keluaran 1 . . . Input i Buffer keluaran j . . . Input N Buffer keluaran M Panggilan selama [0,t] t

Deskripsi Proses Poin1 Asumsikan: Diberikan proses poin N(t), t ≥ 0; Proses poin adalah reguler: kedatangan secara bersamaan tidak terjadi. t

0 = T0 < T1 < T2 < … < Ti < Ti+1 < … Deskripsi Proses Poin2 Waktu kedatangan pelanggan ke-i pada waktu Ti: 0 = T0 < T1 < T2 < … < Ti < Ti+1 < … Artinya, pelanggan pertama datang pada waktu T0 = 0;

Deskripsi Proses Poin3 Banyak pelanggan tiba di [0,t]: N(t) t Properti dari N(t): N(t) merupakan variabel acak diskret Nilai t selalu meningkat. N(t) tidak pernah turun N(t2)  N(t1), t2  t1

Deskripsi Proses Poin4 X1 X3 X5 X7 X2 X4 X6 Jarak waktu antara dua kedatangan berurutan: Xi = Ti  Ti-1, i = 1, 2, … X1 X3 X5 X7 t X2 X4 X6 Xi, i = 1, 2, … disebut dengan waktu antar-kedatangan; Distribusi dari X disebut distribusi waktu antar-kedatangan: Xi, i = 1, 2, … dapat memiliki distribusi berbeda Kita akan membicarakan untuk kasus dengan distribusi yang sama

Interval dan representasi nilai1 Berdasar variabel acak N(t) dan interval kedatangan Xi, proses dikategorikan: Representasi nilai N(t) Interval waktu konstan [t1, t2]; Pengamatan banyak kedatangan dalam [t1, t2] t N(t) X1 X2 X3 X

Interval dan representasi nilai2 Representasi interval Banyaknya pelanggan datang selalu konstan n=1, 2, … ; Pengamatan waktu sampai kedatangan n=1,2,….; t N(t) X1 X2 X3 X

Relasi Grafik N(t) dan Xi, i=1,2,… n=1 t t1 t N(t) 8 7 6 5 4 3 2 1

Pengukuran Trafik1 Catatan: Pemilihan representasi terserah pengukur Biasanya ditentukan oleh alat ukur

Pengukuran Trafik2 Metode pengukuran dasar: Metode pertama: Merekam jumlah kedatangan pada interval waktu konstan; Kekurangan: tidak bisa mengetahui representasi interval; Keuntungan: mudah digunakan dan memerlukan peralatan yang tidak banyak

Pengukuran Trafik3 Metode pengukuran dasar: Metode kedua: Merekam waktu ketika terdapat kedatangan Keuntungan: bisa memperoleh kedua representasi Kekurangan: memerlukan peralatan lebih banyak dibanding metode pertama.

Pengukuran Trafik4 Mendapatkan representasi nilai: Mulai mengamati kedatangan, waktu diatur ke t=0 lalu mulai; Berhenti mengamati ketika t=T, tulis N(t)=n, atur ulang waktu dan mulai amati kembali.

Pengukuran Trafik5 Mendapatkan representasi interval: Mulai pengamatan, waktu diatur ke t=0 lalu mulai; Amati kedatangan, tulis Xi = t, atur ulang waktu dan mulai amati kembali.

Properti Representasi Nilai1 Nilai total dan rerata kedatangan pada interval waktu [t1, t2] adalah:

Properti Representasi Nilai2 Rerata waktu kedatangan panggilan datang pada waktu t adalah: Diasumsikan (t) infinit (t) adalah intensitas kontinyu ketika kedatangan terjadi pada waktu t.

Properti Representasi Nilai3 Untuk mendeskripsikan variasi, dapat digunakan indeks penyebaran untuk pencacah (IDC) E[N(t)] = mean dari N(t) D[N(t)] = varians dari N(t)

Properti Representasi Interval1 Xi dikarakterkan oleh PDF Fxi(t) = Pr{Xi ≤ t} Mean adalah rerata kedatangan, yakni Untuk mendeskripsikan variasi, digunakan Index of Dispersion for Intervals (IDI)

Waktu Layanan Dapat diartikan sebagai suatu proses: Waktu layanan pertama, kedua, … Diketahui dari representasi interval Waktu untuk melayani seorang pelanggan Deterministik atau probabilistik Waktu layanan konstan Waktu layanan berupa variabel acak

keypoints Komponen utama antrian Contoh proses kedatangan Deskripsi proses titik Proses layanan dan distribusi waktu layanan