Sistem Jaringan Antrian Fix

M A TA K U L I A H J A R T E L
PENDAHULUAN KE ANTRIAN
SISTEM ANTRIAN :
SISTEM
KOMODITI
MENGALIR
BERGERAK
DIPINDAHKAN DARI SATU TITIK MELALUI SEBUAH KANAL /

BEBERAPA
KANAL
YANG
MEMPUNYAI
KAPASITAS
TERBATAS KE TITIK YANG LAIN.

KOMODITI
Kendaraan
Barang
Air
Data
Sinyal
Panggilan telepon
KANAL
Jalan Raya
Kereta api, kapal, dan lain-lain
Bendungan
Jaringan data
Jaringan Telekomunikasi
Jaringan Telepon, sentral telepon
KAPASITAS KANAL TERBATAS :

DALAM MENYALURKAN KOMODITI, KANAL MEMPUNYAI
KAPASITAS MENYALURKAN SEJUMLAH KOMODITI PER
SATUAN WAKTU (RATE) TERBATAS.
TEORI ANTRIAN :
SALAH SATU TEORI UNTUK MENGANALISIS SISTEM
ANTRIAN.
JENIS-JENIS SISTEM ALIRAN :

1. ALIRAN KONSTAN/DETERMINISTIK
SISTEM ANTRIAN
WAH Y U AD I P
2. ALIRAN TIDAK KONSTAN/STOKASTIK

1) S I S T E M A L I R A N K O N S T A N
ALIRAN BERJALAN DENGAN SIFAT YANG DAPAT
DIRAMALKAN
(PREDICTABLE).
- KUANTITAS ALIRAN DIKETAHUI DAN KONSTAN

TERHADAP WAKTU.
- WAKTU SAAT ALIRAN MASUK (DATANG) KE KANAL
DAN BERAPA BESAR KEBUTUHAN ALIRAN ADALAH
DIKETAHUI DAN KONSTAN.
Contoh: Sistem produksi dengan ban berjalan.
Asumsi: - komoditi bergerak dengan rate yang konstan

R = Rate Kedatangan
Ko mod iti
Satuan waktu
- Waktu proses (lamanya waktu pelayanan) untuk setiap

komoditi : L (satuan waktu)
Predefinisi : C = Kapasitas = rata pelayanan (maks)
= R/L
DIINGINKAN :
R<C
Harga rata-rata Kapasitas sistem harus lebih besar dari pada

harga rata-rata rate kedatangan.
SISTEM ANTRIAN
WAH Y U AD I P
2) SISTEM ALIRAN TIDAK KONSTAN (
STOKASTIK /
RANDOM )
Waktu kedatangan komoditi ( permintaan untuk
dilayani ) tak dapat diramalkan / ditentukan.
Besarnya komoditi tak dapat diramalkan / ditentukan.
Contoh :
Permintaan
Pelayanan
Pelayan
Selesai dilayani
Dalam sistem antrian ini terdapat kemungkinan bahwa

permintaan pelayanan datang pada waktu pelayan masih
melayani permintaan, jadi permintaan yang dating pada waktu
tersebut terpaksa harus menunggu.
PERTANYAAN :
Berapa lama sebuah permintaan akan menunggu
sebelum dapat dilayani ?
Berapa prosen dari permintaan yang terpaksa harus
menunggu ?
Berapa prosen dari waktu bahwa pelayan sibuk ?
Dll.
JAWABAN : Teori probabilitas dan Statistik digunakan untuk
menjawab pertanyaan-pertanyaan tersebut.
SISTEM YANG PALING SEDERHANA
Masukan
SISTEM ANTRIAN
Keluaran
WAH Y U AD I P
Sistem Antrian
PARAMETER UNTUK MENDISKRIPSIKAN SISTEM ANTRIAN
P R O S E S M A S U K A N.
D I S I P L I N P E L A Y A N A N.
D I S I P L I N A N T R I A N.
NOTASI KENDALL
Proses Masukan / Proses Pelayanan / Jumlah Pelayan
M/M/n
Contoh :
Proses Masukan :
ProsesPelayanan :
( Waktu Pelayanan )
M : Markovian.
M : Markovian.
D : Deterministic.
D : Deterministic.
E : Erlangian.
E : Erlangian.
G : General.
G : General.
*DISIPLIN PELAYANAN (ANTRIAN)

SISTEM ANTRIAN
WAH Y U AD I P
- First In First Out (FIFO atau FCFS)

- RANDOM (ACAK)
- Last In First Out (LIFO)
- Prioritas :
a. Pre-emptive (Prioritas tinggi mendesak prioritas
yang lebih rendah)
b. Non pre-emptive (Prioritas tinggi yang tidak
mendesak prioritas yang lebih rendah)
- Dll.
Kembali ke notasi Kendall:
A/B/C
A : Distribusi waktu antar kedatangan/permintaan.
B : Distribusi waktu pelayanan (service time/holding time).
C : Jumlah pelayanan.
Selain itu masih dapat ditambah keterangan :
- Kapasitas sistem atau jumlah permintaan/pelanggan yang
dapat diantrikan atau kapasitas buffer atau panjang
antrian maksimum (tak termasuk yang sedang dalam
pelayanan).
- Jumlah populasi yang ada dalam sistem.
Catatan : Ada yang memberi notasi A/B/C/D/E.
Ini dapat memberikan pengertian yang salah karena
ada yang memberi arti bahwa D termasuk pelanggan
yang sedang dalam pelayanan.
Jadi notasinya lebih baik A/B/C ditambah keterangan.
Kalau tanpa keterangan berarti D dan E tak terhingga.
J A R I N G AN A N T R I A N
SISTEM ANTRIAN
WAH Y U AD I P
Banyak sistem telekomunikasi dan komputer dapat dimodelkan

sebagai J a r i n g a n
dari A n t r i a n.
Dua macam jaringan antrian :

J AR I N G AN T E R B U K A:
Pelanggan dapat masuk ( ke ) dan keluar ( dari ) sistem
berasal dari dunia luar sistemnya. Dalam hal ini, jumlah
pelanggan ( panggilan atau paket data ) dapat berubah
dengan waktu.
J AR I N G AN T E R TU T U P :
Jumlah pelanggan dalam sistem tetap dan berputar
( circulate ) didalam sistem
( jaringan ) terus menerus. Jaringan ini tak berhubungan
dengan dunia luar sistemnya.
Contoh Jaringan Tertutup :
Jaringan yang sebelumnya dapat digambarkan pula sbb :
SISTEM ANTRIAN
WAH Y U AD I P
Sistem
antrian
CPU
Terminal-terminal
pelayan
Pendiskripsian sederhana untuk sistem antrian : Vektor yang

menunjukkan
jumlah total pelanggan didalam tiap
antrian pada saat tertentu.

STATISTIK MARKOV
Sering digunakan dalam memodelkan sistem antrian dan
pendiskripsian kondisi ini pada umumnya sudah cukup lengkap
untuk mendiskripsian jaringan pada saat tertentu tanpa
memasukkan waktu kapan kedatangan terakhir atau lamanya
waktu didalam pelayanan.
Bila jumlah pelayan bertambah, jumlah kondisi akan bertambah
dengan
cepat.
Oleh
karena
itu
teknik
khusus
harus
dikembangkan untuk mengatasi masalah ini.
Mengurangi ANTRIAN dengan PELAYANAN TUNGGAL
SISTEM ANTRIAN
WAH Y U AD I P
DIAGRAM KONDISI
TRANSISI
Kedatangan = Kelahiran
Kepergian = Kematian
KOEFISIEN TRANSISI
n+
1
bn
bn = koefisien kelahiran
( pola kedatangan )
n-1
dn
dn = koefisien kematian
( pola kepergian )
DIAGRAM PERUBAHAN KONDISI
(State Transition Diagram)
SISTEM ANTRIAN
WAH Y U AD I P
Definisi :
P (i
(i + 1) selama waktu dt) = bi dt + 0(dt)
P (i
(i - 1) selama waktu dt) = bi dt + 0(dt)
P (Lebih dari satu transisi) = o(dt)
Dimana
lim (dt ) 0
dt 0
PERSAMAAN KONDISI
Kondisi
Kondisi
pada t
pada t +
i
i -1
i+1
Lainnya
dt
i
i
i
i
P(Transisi dalam dt / kondisi pada waktu t)

(1 - b i dt 0 (dt)) (1 - d i dt 0(dt)) (1 - b i dt - d i dt 0 (dt))
( b i -1dt 0(dt)) (1 - d i -1 dt 0(dt)) (b i -1 dt 0 (dt))
(1 - b i 1dt 0 (dt)) (d i 1 dt 0(dt)) (d i 1 dt 0 (dt))
0 (dt)
PERSAMAAN KESETIMBANGAN
dP(i,t)
0
dt
SISTEM ANTRIAN
WAH Y U AD I P
Jumlah semua pengaruh yang membawa sistem masuk ke

kondisi harus seimbang (sama) dengan semua pengaruh yang
membawa sistem keluar dari kondisi.
HASIL DASAR:
bi-1P(i - 1) diP(i)
P(i)
bi-1bi-2....bo
P(0)
di di-1....d1
b i-1
P(0)
i1 d
i
k
atau
P(k)
P(i) 1
i 0
A N T R I A N M/M/1
SISTEM ANTRIAN
W A H Y U A D I P 10
Asumsi:
1. Panggilan datang secara acak ke antrian dari suatu
sumber trafik yang jumlah sumbernya tak terhingga
2. Terdapat
tempat
tunggu
yang
tak
terhingga
bagi
panggilan yang menunggu

3. Waktu
pelayanan
(waktu
pendudukan
pelayan)
mempunyai Distribusi Exponensial Negatip

PEMISAHAN (splitting) dan PENGGABUNGAN (merging) dari
PROSES POISSON
Pemisahan secara acak(random) Proses Poisson
SISTEM ANTRIAN
Pemisahan Proses Proisson dari masukan ke (tiga) antrian

keluaran secara acak dengan probabilitas yang tak bergantung
bebas:
P1
P2
P3
akan memberikan Proses Poisson di masing-masing antrian

keluaran.
Proses Penggabungan Proses Poisson

Tiga masukan proses Poisson yang saling tak bergantungan
(bebas secara statistik) bila digabungkan akan memberikan:
Proses Poisson.
A N A L I S I S A N T R I A N M/M/1
k
Dari
P(k)
i1
bi-1
P(0). (dari hasil kuliah mk sebelumnya)
di
didapat
k-1
P(k) P(0), k 0,1,...

i0
SISTEM ANTRIAN
Sehingga didapat hasil sederhana:

k

P(k) P(0) untuk k 0,1,2,...

Dengan
didapat:
P(k) k P(0)
Untuk mencari nilai P(0) digunakan relasi: Jumlah semua

probabilitas kondisi sama dengan satu, jadi
1
k 0
k0
P(k)
P(0)
Bagaimana deret tersebut dijumlah ?

Untuk itu digunakan trick sebagai berikut:
Bila S = jumlah deret yang dicari maka,
S = 1 + + 2 + 3 + ...
Dikalikan dengan :
Dikurangi:
Jadi
Jadi
1
1-
S = 0 + + 2 + 3 + ...
S - S = 1
, ini berlaku bila || < 1
P(k) (1 - ) k
P(k)(1 - ) k
Distribusi ini dikenal dengan:

Distribusi Geometris
(Geometric Distribution)
Setelah didapat rumus probabilitas kondisi dari sistem antrian

ini, perlu diturunkan rumus untuk
SISTEM ANTRIAN
P e r f o r m a n c e C h a r a c t e r i s t i c
dari sistem antrian M/M/1 ini:
Pertama:
PROBABILITAS TUNGGU :
Karena
panggilan
yang
datang
pada
waktu
pelayanan sibuk akan terpaksa harus menunggu

maka
P[Tunggu] = P(1) + P(2) + P(3) + . . .
Hal ini dapat dicari dengan mudah karena jumlah
semua probabilitas kondisi sama dengan satu
maka:
P[Tunggu] = 1 - P(0) =
Variabel dikenal sebagai U t i l i s a t i o n
atau Faktor Pemakaian.
Untuk sistem antrian M/M/1 ini dapat dimengerti karena
pemakaian dari antrian adalah probabilitas bahwa sistem
antrian tidak kosong.
1.0
Pemakaian
0.0
Dari tabel tersebut dapat dilihat bahwa untuk beban sistem

yang ringan, pada umumnya terdapat jumlah yang antri lebih
kecil dari 4.
Sedangkan untuk beban sistem yang besar ( = 0,9), terdapat
probabilitas sebesar 28% menjumpai panjang antrian lebih
besar atau sama dengan 12.
SISTEM ANTRIAN
Kedua :
Harga rata-rata panggilan (atau pelanggan) yang

berada dalam sistem
k 0
k 0
n k P(k) (1 - ) k k
(1 - ) k k-1
k 1
(1 - )
30
d 1
d 1 -
(1 - )
Fungsi ini sering
(1 - )
digunakan sebagai
fungsi penalti
pada algoritma
15
optimasi jaringan
komputer.
0
1.0
VARIANSI JUMLAH PELANGGAN DALAM SISTEM

Pertanyaan:
SISTEM ANTRIAN
Hitung besarnya variansi jumlah pelanggan didalam sistem

dengan memakai rumus berikut dan teknik sebelum ini untuk
mendapatkan jumlah dari deret :
k2 k n p k
k 0
Tunjukkan bahwa
k2
1 p 2
RUMUS LITTLE
Salah satu hasil yang paling menarik di dalam teori antrian
adalah rumus yang dibuat oleh J.D.C. Little. Rumusnya dapat
dinyatakan sebagai berikut:
n
dimana:
n = harga rata-rata jumlah pelanggan didalam sistem.
= harga rata-rata rate datangnya panggilan ke dalam
sistem.
= harga rata-rata waktu lamanya pelanggan berada
didalam sistem.
Rumus Little ini biasanya ditulis dengan:
L W
PENURUNAN RUMUS LITTLE

NOTASI :
SISTEM ANTRIAN
(t ) =
Jumlah yang datang ke dalam sistem di dalam
selang waktu
(0,t) (atau fungsi jumlah yang datang
terhadap waktu).
(t ) =Jumlah
yang berakhir/meninggalkan sistem di dalam
selang waktu (0,t) atau fungsi jumlah fungsi yg berakhir

tehadap waktu
Jumlah pelanggan
(t 0 )
(t )
0
Luas total antara kedua kurva sampai dengan suatu waktu t

dinyatakan dengan
(t )
Ini
merupakan
pelanggan berada
jumlah
total
waktu
semua
dalam sistem sampai
dengan waktu t (dalam pelanggan/detik).

Dengan t = harga rata-rata rate datangnya panggilan
(pelanggan/detik ) dalam selang waktu (0,t),
maka t
Dengan
t
t
= harga rata-rata waktu lamanya setiap pelanggan
berada dalam selang waktu (0,t)

SISTEM ANTRIAN
maka
panggilan det ik
(t )
(det ik )
(t )
pelanggan
Harga rata-rata jumlah pelanggan di dalam sistem antrian

selama waktu (0,t) adalah sebesar :
t
(t )
t
Jadi :
t
(t ) (t )T
t t t
(t )
t
t
Dengan asumsi bahwa sistem mencapai keadaan stabil

(setimbang) pada waktu t
Maka
t , t
sehingga
dan
Ini berarti bahwa : Harga rata-rata jumlah pelanggan didalam

sistem antrian = harga rata-rata rate datangnya panggilan x
harga rata-rata
lamanya waktu pelanggan dalam sistem.
BUKTI RUMUS LITTLE SECARA INTUISI

Suatu pelanggan yang datang akan mendapatkan harga ratarata jumlah pelanggan N di dalam system sama dengan ketika
SISTEM ANTRIAN
pelanggan tersebut meninggalkan system dan ini sama dengan

(rate kedatangan ) x T (waktu rata rata di dalam sistem)
Jadi
C ATATAN
(1)
=xT
Distribusi kedatangan dan waktu pelayanan adalah

sembarang
(2)
Jumlah pelayan adalah sembarang
(3)
Dapat diterapkannya hanya terhadap yang antri

saja atau yang dalam pelayanan saja atau kedua
duanya,
Yaitu sbb :
q
= W;
= Harga rata rata jumlah pelanggan di dalam
antrian.
W = Harga rata rata waktu tunggu di dalam antrian
Ns
NS
= Harga rata rata jumlah pelanggan di dalam
fasilitas
;
pelayanan
= Harga rata rata waktu lamanya pelanggan di
dalam fasilitas pelayanan
PEMAKAIAN RUMUS LITTLE

Ingin dihitung harga rata-rata waktu pelanggan di dalam sistem
antrian dan di dalam antrian itu sendiri.
SISTEM ANTRIAN
Sedemikian jauh, telah diketahui harga rata-rata jumlah

pelanggan di dalam sistem dan di dalam antrian.
Telah diketahui :
_
maka dengan memakai rumus Little didapat :

_
1
n
1 1
_
Jadi
h
1
Harga rata-rata waktu pelanggan berada dalam antrian :

Yang dinamakan sistem dalam rumus Little sangat fleksibel
Dengan demikian dapat ditulis relasi sbb :
L s T h wq
Dimana T adalah harga rata-rata waktu pelanggan dalam

sistem
L
Sehingga : wq s 1
PROSES STOKASTIK
SUATU PROSES STOKASTIK X ( t ), adalah suatu kumpulan
variabel acak yang ditentukan(defined)pada suatu waktu t T.
T disebut SET INDEKS dari proses stokastik.
SISTEM ANTRIAN
T dapat merupakan suatu set harga integer : T=1, 2,

dalam kasus mana MERUPAKAN suatu PROSES STOKASTIK
WAKTU DISKRIT, atau dapat merupakan suatu set harga yang
kontinyu :
T = ( - ~ < t < ~ ) dalam kasus mana merupakan suatu
PROSES STOKASTIK WAKTU KONTINYU.
Dari harga tertentu dari X ( t ) pada waktu t disebut KONDISI
DARI PROSES.
Berarti terdapat KONDISI PROSES DISKRIT atau KONTINYU.
Suatu kurva dari proses stokastik X ( t ) disebut suatu
REALISASI.
X(t)
Tegangan noise yang acak

Gambar
Tulisan
*
*
*
*
*
*
Urutan lemparan mata uang

X(t)
SISTEM ANTRIAN
t
Jumlah saluran yang diduduki dalam suatu berkas saluran
telekomunikasi
Pada umumnya X ( t ) merupakan proses stokastik dimensi-r.
Dengan demikian, pada suatu waktu t1 , X ( t ) merupakan
vektor dengan bentuk :
X (t1 ) X 1 (t1 ), X 2 (t1 )......... X r (t1 )
Dalam hal ini, hanya difokuskan pada dimensi l dan X ( t )

adalah nyata.
SISTEM ANTRIAN
PROSES MARKOV DENGAN KONDISI DAN WAKTU

DISKRIT
MARKOV CHAINS
Dalam proses ini dianggap bahwa waktu antara transisi
adalah konstan. Dianggap waktu antara transisi merupakan
satu unit waktu, misalnya :
tn t n-1 = 1
set indeks T = 0,1,2,.
dan kondisi awal dimulai dari waktu t = 0
Probabilitas transisi dapat digambarkan dengan bentuk matriks
P11 P12 P13
P 21 P 22 P 23
[ Pij ]
P 31 P 32 P 33
L
L
L
L
L
L
L
dimensi matriks : n untuk proses Markov kondisi n.

Matriks transisi tersebut diatas mempunyai sifat khusus yaitu
bahwa dalam baris sama dengan satu :
n
Pij 1
j 1
untuk semua harga i
Sekarang dimungkinkan untuk mendefinisikan : MARKOV

CHAIN. Suatu proses stokastik {X(t)} -1,0,1, ... dikatakan
sebagai suatu MARKOV CHAIN KONDISI TERBATAS (Finite
Slave Markov Chain) bila ia mempunyai butir-butir berikut :
Jumlah kondisinya terbatas
SISTEM ANTRIAN
Sifat Markov (Markovian Property)

Probabilitas-probabilitas transisi yang stasioner
Suatu set probabilitas awal P {X(0)=i}untuk semua i
TEORI BURKE
Masukan kepada sistem antrian M/M/1 adalah suatu proses
POISSON, tetapi bagaimana dengan keluarannya ?
Masukan
Pelayan
Keluaran
Antrian
Suatu hasil yang penting dari teori Burke, yang diterbitkan pada
tahun 1956, menunjukkan bahwa keluaran yang ditunjukkan di
gambar di atas adalah juga POISSON
Cara untuk membuktikan teori Burke ini lebih dari satu.
1). Kedatangan adalah proses Poisson dengan rate rata-rata
kedatangan :
Sistem punya 1 pelayan dengan distribusi waktu pelayanan
exponensial negatip dan dengan waktu pelayanan rata-rata :
Ingin dilihat waktu antara panggilan dari keluaran.
Misalkan d(t) : pdf waktu antara panggilan dan
D(s) : Laplace transformnya.
Terdapat 2 kemungkinan :
a) . Antrian penuh.
Pada saat suatu panggilan selesai dilayani, panggilan
berikutnya selesai dilayani, panggilan berikutnya selalu siap
diambil untuk dilayani oleh pelayan.
SISTEM ANTRIAN
b) . Antrian kosong.
Untuk kasus a), keluarnya panggilan dari system antrian
menurut distribusi waktu pelayanan, sehingga :
D* (s) / antrian penuh = B* (s)
Untuk kasus b), keluarnya panggilan berikutnya terdiri dari :
- waktu antara panggilan datang dan
- waktu pelayanan
karena interval dari masing-masing waktu tersebut saling tak
bergantungan (bebas/independent), maka pdf dari jumlahnya
merupakan konvulosi dari masing-masing pdf.
Laplace transform dari pdf jumlah merupakan hasil kali (produk)
transform masing-masing pdf, jadi :
D* (s) / antrian kosong =
B * (s)
S
dan
B * (s)
Sekarang dalam suatu sistem antrian yang terdiri dari satu

pelayanan (M/M/1):
Probabilitas sibuk (=tunggu) = dan
Probabilitas panggilan meninggalkan sistem dalam
keadaan
kosong
sama
dengan
probabilitas
panggilan datang akan mendapatkan sistem dalam

keadaan kosong adalah sebesar : 1
Jadi
transform
tak
bersyarat
dari
waktu
antara
meninggalkannya panggilan dari sistem antrian adalah :

D * s 1
s s
s
sehingga setelah disederhanakan menjadi :

D* s
SISTEM ANTRIAN
Dari ini dapat disimpulkan bahwa distribusi waktu antara

meninggalkan sistem adalah :
d t 1 e t
t0
Jadi dalam hal ini :

DISTRIBUSI
WAKTU
ANTARA
MENINGGALKAN
SISTEM SAMA DENGAN DISTRIBUSI WAKTU ANTARA

DATANGNYA
PANGGILAN
YAITU
DISTRIBUSI
EXPONENSIAL DAN MEMPUNYAI PARAMETER YANG

SAMA PULA (ini hasil yang penting dari Teori Burke).
Teori Burke menunjukkan bahwa keluaran pada keadaan
setimbang dari suatu sistem antrian M/M/n yang stabil dengan :
Parameter masukan dan parameter waktu pelayanan
untuk tiap
pelayan (kanal) dari n pelayan (kanal)
pada kenyataannya merupakan
proses
POISSON
dengan rate yang sama yaitu .

Teori Burke juga menyatakan bahwa bila terdapat sistem
antrian lebih dari satu yang dihubungkan secara serie dan
bekerja
secara
beruntun
kedepan
(dan
setiap
pelayan
mempunyai pdf yang eksponensial), maka setiap node dapat

diperlakukan secara bebas ( terpisah / tak bergantungan ).
2).
Cara pembuktian yang lain (kedua).

Dipakai konsep REVERSIBILITY ( pembalikan )
Reversibility (Pembalikan) untuk suatu proses

stokastik berarti bahwa bila arah dari waktu dibalik,
SISTEM ANTRIAN
W A Hdalam
YU AD
I P 26
statistik dari proses sama dengan kasus
waktu
normal.
Definisi : Suatu proses stokastik, X(t) dikatakan reversible bila

sampel :
(X(t1), X(t2),,X(tm)) mempunyai distribusi yang
sama dengan :
X ( t1 ), X ( t 2 ),.... X ( t m )
untuk setiap yang nyata dan untuk setiap t1,tm.
definisi ni menyatakan bahwa untuk suatu proses reversible,
sample dalam waktu yang dibalikkan dari proses X(t) sama
dengan sample dalam waktu yang normal.
DEFINISI RATE TRANSISI DARI i KE j :
Sekarang dicari relasi suatu proses reversible yang memenuhi
suatu set persamaan kesetimbangan.
Rate transisi dari kondisi i ke kondisi j :
i
q ij lim
X ( t ) j X (t ) i
untuk i j dan qij = 0

KEADAAN KESETIMBANGAN :
Kesetimbangan tercapai bila:
pq
j S
j p i q ji
j S
atau
SISTEM ANTRIAN
p i q ij p i q ji
jS
jS
dimana pj adalah probabilitas kesetimbangan pada kondisi ke j

dan S merupakan set dari kondisi dari proses
Persamaan yang terakhir adalah persamaan kesetimbangan
global (global balance condition).
TEORI 1:
Suatu Markov Chain Stasioner adalah reversible jika dan
hanya jika terdapat kumpulan bilangan positip pi,iS yang
jumlahnya satu dan memenuhi persamaan kesetimbangan
detail:
piqij = pjqji
untuk I, jS. pi adalah probabilitas kondisi kesetimbangan.
BUKTI:
Bila proses reversible, maka akan mengikuti persamaan sbb:
P(X(t)=i, X(t + )=j) = P(X(t)=j, X(t + )=i)
Tetapi ini dapat ditulis sbb:
P(X(t)=i)P(X(t + )=j| X(t)=i) = P(X(t)=j)P(X(t + )=i| X(t)=j)
Catatan: P(A/B) = P(AB)/P(B).
Dibagi kedua sisi dengan dan dengan 0 menghasilkan:
piqij = pjqji
dimana merupakan hasil yang dicari.
Selanjutnya dengan anggapan bahwa terdapat probabilitas
yang memenuhi persamaan kesetimbangan detail:
SISTEM ANTRIAN
piq ij
piqij = pjqji dan
jS
p q
jS
ji
Sekarang dilihat interval t [-T,T].

Anggap bahwa proses pada kondisi i1, pada waktu T dan tetap
dalam kondisi tersebut sealma waktu k 1. Kemudian proses
bergerak (berpindah) ke kondisi i2 dan tetap dalam kondisi
tersebut selama k2, dst. Sampai mencapai kondisi im dan tetap
dalam kondisi tersebut untuk selama waktu km.
Dengan fungsi kerapatan probabilitas (pdf) tertentu untuk k i
akan didapat probabilitas transisi tertentu q
Catatan:
k1
2T
Dari pi qij = pj qji
dapat dikembangkan
Pi1 qi1i2 qi2i3 qi3i4 .
. . qim-1im = pim qimim-1 qim-1im-2
qim-2im-3
pi1 qi1
i2
q i2
i3
qi3
i4
......qim 1 im pim qii
Dengan mengamati sisi kiri
im 1
qim 1
im 2
q im 2
im 3
.....qi2
(SKI) dengan sisi kanan (SKA)
akan didapat pengertian seolah-olah proses yang dimulai dari

T pada kondisi im dan tetap dalam kondisi tsb selama k m dan
kemudian berpindah ke kondisi
im-1
dan tetap dalam kondisi tsb
selama km-1, dst.

Jadi didapat hasil sbb :
1. X(t) dan X(-t) secara karakteristik adalah sama.
2. Ini berarti bahwa [ X(t1), X(t2), . . . , X(tm) ] dan
[ X(-t1), X(-t2), . . . , X(-tm) ] mempunyai
distribusi yang sama.
3. Dengan X(t) adalah stasioner :
SISTEM ANTRIAN
[ X(-t1), X(-t2), . . . , X(-tm) ] mempunyai distribusi yang

sama dengan [ X(-t1), X( -t2), . . . , X( -tm) ]
Sehingga proses adalah reversible
Ditinjau M/M/1
Teori Burke : Proses meninggalkan system pada system
antrian M/M/1 dalam keadaan setimbang adalah :
Proses Poisson.
Bukti : Suatu realisasi dari n(t) dari sejumlah pelanggan dari
antrian M/M/1 dapat dilihat sbb :
N(t)
Jumlah pelanggan dalam antrian sebagai fungsi dari

waktu.
waktu
Titik titik dalam mana sistem meloncat keatas merupakan
proses kedatangan Poisson dengan rate : .
Dengan n(t) adalah reversible, titik titik dalam mana n(-t)
meloncat harus juga sebagai suatu proses Poisson dengan rate
Tetapi titik titik ini juga merupakan saat meninggalikan system

antrian untuk n(t). Jadi keluaran adalah proses Poisson dengan
rate .
SISTEM ANTRIAN
RUMUS TUNGGU ERLANG
n+
1
Panggilan mulai
menunggu dari
kondisi ini
ASUMSI :
1. Panggilan datang secara random kepada antrian dari
suatu sumber trafik yang jumlahnya tak hingga.
2. Terdapat tempat tunggu buffer tak hingga bagi panggilan
yang menunggu.
3. Distribusi waktu pelayanan adalah Distribusi exponensial
negatif.
4. Berkas adalah berkas sempurna kepada pelayan.
Penyelesaian atas persamaan kondisi :
Ai
P (0)
i!
untuk i n
P(i) =
A
i n
SISTEM ANTRIAN
An
p (0)
n!
untuk i > n
Catatan : Hasil khusus :

P ( i + n ) = i P ( n )
dimana
A
n
untuk i 0
merupakan trafik yang ditawarkan per
sirkuit.
Penyelesaian untuk P(0) :
~
p(i) 1
Dengan kondisi normal :

Sehingga ,
i 0
n 1
1 P ( 0)
i 0
n 1
P (0)
SISTEM ANTRIAN
Ai
An
P ( 0)
i!
n!
i 0
i n
i n
Ai
An
i! n!1
RUMUS
P R O BAB I LI TAS
TUNGGU
Berapa besar Probabilitas Tunggu dinyatakan dengan P(i) ?
P(tunggu) = P i
i n
Sehingga :
P(tunggu) = P(W>0)
P 0 A
n!
i n
i n
n
n! n A
i
AA
n 1
i 0
n
n! n A
i!
Pada penyebut ditambah
n!
dan dikurangi
kemudian pembilang dan penyebut dibagi dengan
n!
n!
tidak
akan merubah harga :
1
E n1 A 1
1
P n A
Simbol :
( Erlang - C)
E A atau Dn A
2,n
PANJANG ANTRIAN RATA RATA :
Lq j.P (n j )
j 0
SISTEM ANTRIAN
P (n)
(1 ) 2
Dengan Dn (A) =
P ( n)
(1 )
D ( A)
maka Lq (1 n )
WAKTU TUNGGU RATA-RATA DALAM ANTRIAN :

Wq
Lq
Dn ( A)
A.Dn ( A)
Dn ( A)(n A)
Wq
Sehingga
h
( n A)
catatan :
Contoh : A = 2 Erlang
.h
dari tabel Erlang : E n (A) = 0.095238
n = 4 Erlang
pemakaian rumus tunggu : P (tunggu) = 0.174
Jadi, 17.4 % dari panggilan akan menunggu.
Waktu tunggu rata-rata terhadap seluruh panggilan di
dalam antrian :
W ( sistem)
0.0869
h
SISTEM ANTRIAN TERBATAS :
n
2
n+1
n
n+Q
n
n
Panggilan menunggu
mulai dari kondisi ini
ASUMSI :
1. Panggilan datang ke antrian secara acak (random) dari
suatu sumber panggilan yang jumlahnya tak terhingga.
2. Terdapat tempat tunggu sebanyak Q untuk panggilan
yang panggilan menunggu.
3. Waktu pelayanan punya distribusi Exponensial (negatif).
SISTEM ANTRIAN
4. Berkas sempurna untuk fasilitas pelayanan.

PENYELESAIAN TERHADAP PERSAMAAN KONDISI UNTUK
ANTRIAN TERBATAS :
Ai
P(0)
i!
untuk
i n
P(i) =
A
n
i n
An
P(0)
n!
untuk n i n Q
P(0) dapat diselesaikan dengan cara yang sudah biasa

dilakukan
n 1
P (0)
i 0
Ai
i!
A n (1 Q 1 )
n!(1 )
RUMUS TUNGGU :
Suatu panggilan yang datang akan menunggu bila ia
mendapatkan semua pelayan sibuk dan paling sedikit terdapat
satu tempat tunggu didalam antrian.
Probabilitas tunggu tersebut:
Q 1
P(W 0) P (i n)
i 0
n 1
1 c A n
1 n !
Q 1
Ai ! An! 11
i
i 0
Dalam rumus tersebut dapat disubtitusikan rumus Rugi Erlang.

RUMUS RUGINYA :
Suatu panggilan akan hilang pada system antrian yang terbatas
ini bila semua pelayan sibuk dan semua tempat tunggu juga
penuh jadi :
SISTEM ANTRIAN
P ( Loss ) B P ( n Q)
Dimana
1 ( A )
( 1 Q )
( 1 )
Catatan : Dalam hal ini, dimana system dapat menolak

traffic(traffic dapat dihilangkan), maka traffic yang
ditawarkan per pelayan dapat lebih besar dari satu.
DISTRIBUSI WAKTU TUNGGU :
Waktu tunggu rata-rata :
TAK TERGANTUNG atas DISIPLIN ANTRIAN
Ini terlihat pada Formula Little.
Probabilitas waktu tunggu lebih besar dari suatu harga
tertentu : P (tunggu > waktu tertentu) = P (W>t). Sering
dipakai sebagai GOS baku dalam sistem tunggu.
Probabilitas tunggu lebih besar harga tetentu t :

TERGANTUNG atas DISIPLIN ANTRIAN
Bila : P{W>t} = Perilaku{W>0}P{W>t | W>0}
SISTEM ANTRIAN
Dimana,
P{W>0t | W>0} adalah probabilitas bersyarat bahwa
waktu
tunggu
melebihi
harga
bila
diketahui bahwa panggilan tersebut harus

menuggu (W>0).
P{W>0} adalah probabilitas tunggu :
PW 0 P (n i )
i 0
Catatan : P{W>0} TAK TERGANTUNG atas DISIPLIN

ANTRIAN
jadi
probabilitas
waktu
tunggu
bersyarat HARUS TERGANTUNG atas disiplin

antrian.
SUATU RELASI YANG PENTING
p w T p w t | N n i P(n i )
Dari P{W>t} = P{W>0}P{W>t | W>0}

Sehingga :
P{W t | W 0}
W (t ) P(n i)
i
i 0
P (n i )
i 0
ANALISIS SISTEM M/M/n DENGAN DISIPLIN ANTRI FIFO

ASUMSI:
SISTEM ANTRIAN
a. Jumlah tempat tunggu tak terbatas.

b. Disiplinnya FIFO.
c. Kedatangan Acak.
d. Waktu pelayanan: Distribusi exponensial negatif.
CARA:
Ambil suatu panggilan untuk tes yang datang pada waktu T dan
tulis perubahan kondisi yang mempengaruhi waktu tunggu dari
panggilan tes tsb.
Cari probabilitasnya dan turunkan suatu set persamaan
probabilitasnya.
ANALISIS ANTRIAN FIFO
Kondisi pada T
i
i
Kondisi pada T+dt

i
i-1
Probabilitas Transisi
(1-ndt + o (dt))
(ndt + o (dt))
Ini adalah tabel perubahan kondisi yang mempengaruhi waktu

tunggu dari panggilan tes.
Catatan: Panggilan yang datang setelah panggilan tes tidak
mempengaruhi waktu tunggu (Ini untuk FIFO !).
PROBABILITAS
WAKTU
TUNGGU
MELEBIHI
BILA
TERDAPAT i PANGGILAN DIMUKANYA PANGGILAN TES :

Wi (t )
maka,
SISTEM ANTRIAN
Wi (t dt ) Wi (t )(1 ndt o( dt )) Wi 1 (t )(ndt o( dt ))
.
. untuk i 1,2,. . . .
W0 (t dt ) W0 (t )(1 ndt o(dt ))
Pindahkan
Wi (t )
kekiri dan bagi dengan dt. Ambil limit dt 0
untuk menurunkan penurunan.

dWi (t )
nWi 1 (t ) nW (t )
dt
dan
dW0 (t )
nW0 (t )
dt
Ini dapat diselesaikan dengan Transformasi Laplace atau

langsung
dengan
persamaan
deferensial
dengan
cara
berturutan.
Syarat batasnya:
Wi (0) =1
untuk semua i.
Hasilnya :
(nt ) j nt
e
j!
j 0
i
Wi (t )
Menghitung waktu tunggu:

Substitusi hasil tsb terhadap P(W>t)
P (W t ) P (n)
i 0
i
j 0
(nt ) j nt
e
j!
dimana
P(i+n) = i P(n)
Menukar urutan penjumlahan dari deret tsb diatas:
P (W t ) e nt P (n)
j 0
P (W t )
e nt P (n)
(1 )
i j
j 0
(nt ) j
j!
( nt ) j
j!
maka:
P (W t ) P (W 0) e (1 ) nt
SISTEM ANTRIAN
Harga rata-rata waktu tunggu untuk panjang panggilan yang

menunggu:
E (W t | W 0)
1
(1 ) n
WAKTU TUNGGU UNTUK ANTRIAN M/M/n FIFO

TERBATAS Q :
P (W t )
P (W 0) e nt
(1 Q )
(nt ) i
(1 Q 1 )
i!
i 0
Q 1
<1 cek: Q
UNTUK DISIPLIN ANTRI YANG RANDOM (PELAYANANNYA
RANDOM) :
METODE : Ambil panggilan tes yang datang pada waktu T dan
dilihat perubahan kondisi yang mempengaruhi waktu tunggu
dari panggilan tes.
Kondisi pada T
i
i
i
Kondisi pada T+dt

i
Probabilitas Transisi
(1-ndt+0(dt))x
i+1
(1-dt+0(dt))
(dt+0(dt))x
i -1
(1-ndt+0(dt))
(ndt+0(dt))x
(1- dt+0(dt))
WAKTU TUNGGU UNTUK SISTEM M/M/n dan DISIPLIN

ANTRI ACAK ( PELAYANANNYA ACAK ) :
P { W > (t+dt) I i panggilan di muka }
= P { W>t I i panggilan di muka } x P { tak ada kedatangan
dalam dt } x P { tak ada yang berakhir dalam dt }
SISTEM ANTRIAN
P { W>t I ( i 1) panggilan di muka } x P { satu berakhir

dalam dt } x P { tak ada kedatangan dalam dt } x P
{ panggilan tes tak dilayani }
P { W>t I ( i + 1) panggilan di muka } x P { tak ada yang
berakhir dalam dt } x P { satu kedatangan dalam dt }
dWi (t )
i
( n )Wi (t )
nWi 1 (t ) Wi 1 (t )
dt
ii
(*)
Persamaan tersebut didapat (diturunkan) secara terpisah
oleh Vaulot [1946] dan Palm [1957]. (Menurut Syski [1960],
pekerjaan
dilakukan
pada
tahun
1938
tetapi
tidak
dipublikasikan sampai 1946. Terjemahan dalam bahasa

inggris diterbitkan pada tahun 1957). Pollaczek [1946]
mendapatkan
solusinya
dalam
bentuk
tertutup
untuk
probabilitas bersyarat waktu tunggunya dalam bentuk

pendekatan.
Riodan [1953] mendapatkan solusi dengan deret Maclaurin
untuk probabilitas bersyarat waktu tunggu sbb:
P W t | w 0 1 nt
nt 1 2 1 ln 1
1
1
ln
1
2!
nt 3 1 1 3 1 ln
3!
1
j
2 ...
1 j 1 j
Catatan: (*):
Hasil tersebut dikutip dari buku :
Introduction to QUEUEING THEORY
Oleh Robert B. Cooper
(Georgia Institute of Technology)
Kedatangan yang acak : RANDOM ARRIVAL atau POISONIAN

ARRIVALS
SISTEM ANTRIAN
Definisi :
1. TIME CONGESTION adalah bagian waktu bahwa semua
saluran sibuk.
2. CALL CONGESTION adalah bagian panggilan yang
ditolak karena kongesti (misal : pada waktu semua semua
saluran sibuk)
JUGA :
P(k) = Prob (sistem dalam kondisi k)
dan
R(k) = Prob (Suatu panggilan yang datang mendapatkan sistem
dalam kondisi k)
KAPAN P(k) = R(k) ?
Contoh : Untuk memperlihatkan bahwa P(k) R(k)
lihat antrian D/D/1
D = Distribusi Deterministik
Dalam hal ini kedatanagn terjadi secara teratur setiap
t
detik.
Waktu pelayanan tetap yaitu setiap
detik ( x <
).
Karena tidak ada panggilan yang harus menunggu :

R(0) = 1 dan R(k) = 0, k > 0
BAGIAN WAKTU suatu panggilan dalam system (1 Pelayan
sibuk) adalah :
x
t
dan waktu sisanya dimana
sistem dalam keadaan kosong adalah :

P(0) = 2
P(1) =
P(k) = 0
untuk k = 2, 3, ...
Jadi P(k) R (k)

SISTEM ANTRIAN
KAPAN P(k) = R(k) ?

AKAN DITUNJUKKAN BAHWA PERSAMAAN TSB TERJADI
BILA KEDATANGANNYA ADALAH ACAK
(POISSONIAN ARRIVALS)
Bila : A(t,t+t)
adalah event bahwa suatu kedatangan terjadi

dalam (t,t+t)
Pk(t) = Prob (Sistem dalam kondisi k pada waktu t)

Rk(t)
Prob
(Suatu
kedatangan
pada
waktu
mendapatkan sistem dalam kondisi k)

N(t) = Jumlah dalam sistem pada waktu t
Maka : Rk(t) =
lim
t 0
P( N(t) = k A(t,t+t) )
Memakai definisi probabilitas bersyarat :
Rk(t) =
lim
t 0
P ( N (t ) k , A(t , t t ))
P ( A(t , t t ))
lim
t 0
P ( A(t , t t )N (t ) k ).P ( N (t ) k )
P ( A(t , t t ))
Untuk kedatangan yang memenuhi distribusi Poisson (karena

sifatnya Memoryless Property),
A(t,t+t) adalah tak tergantung atas jumlah yang berada dalam
sistem pada waktu t (dan atas t-nya sendiri)
Karena itu :
P(A(t,t+t) N(t)=k) = P(A(t,t+t))
Sehingga :
Rk(t) =
lim
t 0
SISTEM ANTRIAN
P(N(t) = k) = Pk(t)
R(k) = P(k)
Untuk kedatangan Poisson : Probabilitas suatu panggilan

datang mendapatkan sistem dalam kondisi k tepat sama
dengan probabilitas sistem dalam kondisi k.
Catatan : P(k) =
lim
t ~
P[ N(t) = k] dan R(k) =
lim
t ~
P (suatu
panggilan datang mendapatkan sistem dalam kondisi

k)
Jadi
P(k) = R(k)
SISTEM ANTRIAN M / G / 1 DAN FORMULA POLLACZEKKHINCHIN :

Sistem ini adalah sistem dengan :
- Distribusi waktu antara kedatangan : Distribusi Poisson
- Distribusi waktu pelayanan
: Umum (General :
G)
- Jumlah pelayan
:1
Penurunan rumus Pollaczek-Khinchin yang terkenal :

Tulis persamaan beda antara jumlah panggilan dalam
system segera setelah berakhirnya panggilan ke-i.
Dengan menghitung harga rata-rata dari kuadrat
jumlah panggilan dalam system, akan dapat diturunkan
rumus P-K tsb.
Kuncinya: Probabilitas kondisi pada saat berakhirnya panggilan
pada hakekatnya sama dengan probabilitas kondisi
setiap saat.
SISTEM ANTRIAN
Pelayan
Kedatangan
Saat kepergian
Antrian
Misalkan : Jumlah panggilan dalam system segera setelah

kepergian (panggilan) ke i+1 adalah ni+1.
Jumlah tsb termasuk baik panggilan dalam antrian maupun
dalam pelayanan.
Jumlah tsb sama dengan jumlah panggilan segera setelah
kepergian ke i dikurangi 1 (karena kepergian ke i+1 dari suatu
panggilan) ditambah sejumlah panggilan yang datang selama
waktu pelayanan panggilan yang ke i+1.
Jumlah yang datang selama waktu tsb : ai+1
Gambar proses kedatangan :
ni > 0
Pi
hi+1
ni
Pelayan
Pi
Pi+1
ni+1
Waktu
Pi+1
Antri
Pi
SISTEM ANTRIAN
Pi+1
ai+1
datang
Maka :
ni+1 = ni 1+ ai+1
Bila:
ni = 0
untuk ni > 0
Pi
ni=o
Pelayan
Pi
Pi+1
hi+1
ni+1
ygtinggal
Pi+1
Antri
Pi
Pi+1
ni+1 = hi+1
ai+1
datang
untuk ni = 0
Jadi :
ai 1 ai 1
ni > 0
n i+1 =
a i 1
ni = 0
ni > 0
ni = 0
Bila u (ni) =
SISTEM ANTRIAN
Maka dapat ditulis dalam 1 persamaan :

n i+1= ni - u (ni) + ai 1
REKURSIF
Bila dikuadratkan kedua sisi dan ambil harga rata-ratanya :

E [(n i+1)2 ] = E[(ni - u (ni) + ai 1 )2]
= E[ni 2] + E[(u (ni))2] +E[ ai 1 )2]
(A)
(B)
(C)
-2E [ni u (ni)] + 2E[ni ai 1 ] 2E[u (ni) ai 1 ]

D
Untuk mendapatkan rumus P-K, evaluasi atas tiap-tiap suku

tersebut diatas {(A), (B),...} diperlukan
Suku E [n i+12]. E[ni 2]
Dalam keadaan sesetimbang, kedua suku tersebut sama,
sehingga saling menghilangkan.
Suku (B) : E[(u (ni))2]
Dari u (ni)2 = u (ni), maka (B) = E[u (ni)]
Perhitungan E[u (ni)] :
E[u (ni)] = u(n )P[n n]

i
n0
Karena u (ni) =
n=0
n>0
E[u (ni)]
= u(n )P[n n]
i
n0
= (1-p(0))
= Prob tunggu
E[u (ni)]= P (sibuk)
Sangat beruntung karena P (sibuk) dapat dihitung secara

mudah untuk setiap sistem antrian.
SISTEM ANTRIAN
Caranya sbb :
Dilihat suatu interval I. Pelayan akan sibuk selama waktu
sebesar : I I (1-P(0)).
Jumlah panggilan yang dilayani :I - IP(0) dimana adalah
rate wajtu peleyanan rata-ra dari sistem antrian. Dalam
keadaan setimbang jumlah tersebut harus sama denga jumlah
panggilan yang datang : i
Jadi : I
( I IP 0)) 1 P (0)
Catatan : tidak ada asumsi tentang proses

kedatangan maupun waktu pelayanan. Jadi
hasil ini adalah sangat umum.
Hasil dikombinasikan :
E[u ( ni )] P ( sibuk ) 1 P (0)
Suku (D) : 2E[ ni u ( ni ) ] :

Jelas bahwa ni u ( ni ) = ni sehingga didapat :
2E[ ni u ( ni ) ] = 2E[ ni ]
Suku ( F ) : 2E[ u ( ni ) ai+1 ] :
Jumlah panggilan yang datang ke dalam sistem selama waktu

pelayanan untuk panggilan ke i+1, a i+1 adalah tak tergantung
atas jumlah panggilan di dalam sistem antrian segera setelah
kepergian ke i, ni . Jadi :
E [ u ( ni ) ai+1 ] = E [ u ( ni ) ] E [ ai+1 ]
SISTEM ANTRIAN
Yang sudah diketahui : E[ u ( ni ) ]

Tinggal menghitung E [ ai+1 ]
Kembali kepada :
ni+1 = ni u ( ni ) + ai+1
ambil harga rata-rata kedua sisi :
E [ ni+1 ] = E [ r i ] E [ u ( ni ) ] + E [ ai+1 ]
Dalam keadaan setimbang : E [ ni+1 ] = E [ ni ]
Jadi
E [ u ( ni ) ] = E [ ai+1 ] =
Sehingga :
E [ u ( ni ) ai+1 ] = 2E [ u ( ni ) ]E [ ai+1 ] = 2 2
Suku ( E ) : 2E [ ni ai+1 ]
Dengan cara yang sama, kedua besaran tsb saling tak

bergantungan :
2E [ ni ai+1 ] = 2E [ ( ni ) ]E [ ai+1 ] = 2E [ ( ni ) ]
AKHIRNYA
DIKUMPULKAN
HASIL-HASIL
YG
TELAH
DIDAPAT :
0 = 0 + + E [ ai+1 ]2 - 2E [ ( ni ) ] + 2E [ ni ] 2 2
Penyelesaian untuk E(ni):
E[zi1 ]2 2 2
E(n i )
2(1 )
Dalam keadaan seimbang :
SISTEM ANTRIAN
Harga rata-rata jumlah panggilan dalam sistem antrian pada

waktu kepergian adalah sama dengan harga rata-rata jumlah
panggilan pada yiap saat dari waktu :
E(ni) = E(n)
Juga karena proses kedatangan adalah proses Poisson maka
harga rata-rata jumlah panggilan yang datang selama waktu
pelayanan juga tak tergantung waktu, jadi :
a 1 a
Sehingga :
E(n)
E[z i1 ]2 2 2
2(1 )
ini merupakan jumlah panggilan rata-rata dalam sistem antrian

M/G/1 pada kondisi setimbang.
Harga E( a 2 ):
E[ a 2 ] var[a ] {E[ a ]}2
=======
E[ a 2 ] var[a ] 2
Dicari harga var[a] :

Bila s adalah waktu pelayanan maka dapat dipakai hasil dari
Gross dan Harris y ; menyatakan relasi variabel acak X dan Y
Sbb
var[Y]Evar(Y,C)] var[E(Y|X)]
Sehingga :
var[a ] E[var(a | s )] var[E (a | s )]
Hal ini dapat diseleseikan :
SISTEM ANTRIAN
E[var(a | s )] E[s ] E[ s ]
var[ E ( a | s )] var[s ] 2 s2
Dimana s2 adalah variabel waktu pelayanan

Jadi :
var[a ] 2 s2
dan
E[a 2 ] 2 s2 2
Subtitusi pada hasil sebelumnya :
2 s2 2 2 2 2 2 s2 2
E[ n ]
2(1 )
2(1 )
Disederhanakan sedikit:
E n
2 2 s2
2 (1 )
Ini rumus P-K yang terkenal !

* Hitung harga waktu rata-rata panggilan dalam system antrian
M/G/I.
(Pakai rumus Little).
Suatu contoh yang penting adalah system M/D/I :
s2 0
Jadi :
E n
2
2 (1 )
1). Isi table E[n] untuk M/M/I dan M/D/I yang berikut :
M/M/I
M/D/I
0,1
0,2
SISTEM ANTRIAN
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0,99
DISTRIBUSI JUMLAH PANGGILAN DI DALAM SISTEM
ANTRIAN :
Jumlah panggilan rata-rata di dalam sistem sudah didapat
Dicari distribusi probabilitas jumlah panggilan di dalam

sistem
Dilihat
matriks
probabilitas
transisi
saat
panggilan
meninggalkan sistem untuk sistem :

M/G/I
P Prs P ni 1 s ; ni r
Disini
ni
adalah panggilan di dalam sistem segera setelah saat
panggilan meninggalkan system yang ke-i.

Untuk
mendapatkan
dari
ni r
ke
ni s s
harus
ada
kedatangan sebesar s r 1 antara peninggalan system ke-i

dan ke-i+1.
Dengan
Prs k sr 1 k kedatangan
Jumlah kedatangan antara saat peninggalan sistem ke i dan ke i+1
SISTEM ANTRIAN
Maka didapat matriks transisi kondisi :

Matriks transisi kondisi :
i
0
1
2
3
i+1
0
K0
K0
0
0
1
K1
K1
K0
0
2
K2
K2
K1
K0
3
K3
K3
K2
K1
.........
...........
Catatan : jumlah semua elemen dalam baris sama dengan satu
Bagaimana masukan pada elemen matriks dipilih ?
Baris paling atas : dari 0 pada saat peninggalan ke 1
ke 0,1,2,... panggilan pada saat peninggalan ke i+1.
Jadi diperlukan k0, k1, k2 ........ kedatangan.
Baris kedua : dari 1 panggilan pada saat peninggalan
ke i ke 3 panggilan pada saat peniggalan ke i+1 :
Berarti harus aada 3 kedatangan, sedangkan 1 panggilan
meniggalkan sistem dalam interval waktu tsb.
Jadi :
kj
Pr ob j kedatngan
waktu s b( s ).ds
Dimana s adalah waktu antara saat ke i dan ke i+1 dan b(s)

adalah fungsi kerapatan probabilitas dari waktu pelayanan.
kj
( s ) j e s
b( s ).ds
0
j
Karena pola kedatangan adlah Poisson maka :

Ide dasarnya adalah memasukkan fungsi kerapatan dari waktu
pelayanan ( setelah diketahui ) ke dalam rumus k j tersebut.
SISTEM ANTRIAN
Diagramnya :
K3
K0
n-2
K2
n-1
n+1
n+2
K1
(IMBEDDED MARKOV CHAIN UNTUK SISTEM M/G/1)

Diagram tsb berbeda dengan diagram transisi kondisi.
PROBABILITAS BAHWA ADA j PANGGILAN PADA SAAT
MENINGGALKAN SISTEM :
Dari
q qP
Dimana
q q1 , q2 ,...
(Pada keadaan setimbang)

adalah probabilitas kondisi
Persamaan untuk q:
q0 q0 .k 0 q1k1 q2 k 0
q1 q0 k1 q1k1 q2 k 0
q2 q0 k 2 q1k 2 q2 k1 q3 k 0
..........
Dengan r dan s integer:

r 1
q r q o k r q s .k r s 1
s 1
Ganti s 1 dengan t t s 1 memberikan:

r
q r q 0 .k r qt 1 .k r t
t 0
SISTEM ANTRIAN
Transformasi z pada probabilitas kondisi:

~
Q z q i .z i
i 0
Transformasi z pada probabilitas
kj
K z k i .z i
i 0
PENYELESAIAN
PERSAMAAN
PROBABILITAS
DENGAN
FUNGSI GENERASI
Fungsi generasi probabilitas
G u
G u P 0 uP 1 u 2 P u u 3 P 3 ......
~
u i P i
i 0
dimana
u 1
Sifat-sifat fungsi generasi:

Bila u 1
G 1 P i 1
i 0
G(0) = P(0).
dG (u )
du
u 0
P (1) 2uP( 2) .... u 0
P (1)
Pada umumnya :
dG i (u )
du i
i! . P (i )
u 0
Harga rata-rata :
dG (u )
du
SISTEM ANTRIAN
u 1
iP (i ) F1 " Mean"
i 1
Variansi :
Var = F2 + F1 F12
dG 2 (u )
du 2
Dengan :
u 1
i (i 1) P (i ) F2
i 2
MENYELESAIKAN P(i) DARI FUNGSI GENERASI :

Sekali fungsi generasi didapatkan, P(i) dapat dihitung :
Misalnya :
G (u ) e A Au
G (u ) e A [1 Au
( Au ) 2
.....]
2!
G (1) e A A 1
G ( 0) e A P ( 0)
G i (0) Ae A P (1)
1 i
Ai A
G ( 0)
e P (i )
i!
i!
Harga rata-rata :
G 1 (1) Ae A A A
Kembali ke masalah semula :

Dikalikan sisi kiri dan sisi kanan dari persamaan dengan z r
r
q r z r q 0 k r z r q t 1 .k r t .z r
t 0
Sekarang perkalian Q(z).K(z)

Koefisian z j =
q .k
i 0
j 1
Latihan :
Bila a(x) = a2 x2 + a1 x2 + a0
b(x) = b2 x2 + b1 x2 + b0
berapa koefisien perkalian : a(x).b(x) ?
koefisien perkalian untuk bentuk polynomial yang
SISTEM ANTRIAN
umum ?
Maka :
q r z r q0 k r z r
1
qr 1k 0 ... q0 k r 1 r 1 1 q0 k r 1 z r 1
z
z
Dijumlahkan persamaan tsb dari r=0, 1, ... s/d ... ~
q
r 0
z r q 0 k r z r
r 0
1
q r 1k 0 ... q0 k r 1 r 1 1 q0 k r 1 z r 1
z r 0
z
r 0
q 0 K ( z )( z 1)
z K ( z)
Q( z )
MENDAPATKAN PROBABILITAS KONDISI :

S0 dapat didapat dengan kondisi normal ( jumlah total
probabilitas = 1 ) dengan cara menge-set z = 1
Sayangnya pembilang dan penyebut menjadi 0 untuk harga z =
1 ( K(1) = 1 )
Solusinya dengan aturan lHopital :
1 Q (1) q 0 x1x lim
z 1
q 0 lim
z 1
( z 1)
z K ( z)
1
1 K ' ( z)
Sekarang perlu dicari K (z) :

Karena proses kedatangan adalah proses Poisson dengan rate
rata-rata kedatangannya = , maka :
K ' ( z)
d
dz
K ' ( z )
xe
x (1 z )
x (1 z )
dG ( x )
dG ( x )
Dengan memasukkan harga z = 1
SISTEM ANTRIAN
K ' (1)
xdG ( x)
0
h arg a rata rata lamanya waktu pelayanan
h arg a rata rata waktu antara da tan gnya panggilan
Jadi
q0 1
(sesuatu yang telah diketahui)
Sehingga
Q( z )
(1 ) K ( z )( z 1)
z K ( z)
Untuk mencari harga P(j) : Probabilitas kondisi j

Dapat dilakukan seperti biasa dengan menurunkan ke j dan
memasukkan z = 0 didapat relasi sbb :
qj
1 dj
j! dz
(1 ) K ( z )( z 1)
z K ( z)
z 0
CONTOH :
Suatu message datang secara random pada suatu sentral
(
node
penyambungan
paket
dengan
rate
rata-rata
kedatangannya 1 paket tiap 5 detik. Setiap message

menduduki pelayan rata-rata selama 4.5 detik dan variansinya
1 detik. Hanya satu messsage yang dapat menduduki pelayan
tiap saatnya. Bila suatu message datang mendapatkan pelayan
sedang sibuk, mesdsage akan menunggu di buffer sampai ia
dilayani.
HITUNG :
SISTEM ANTRIAN
a. Panjang
antrian
rata-rata
pada
saat
message
meninggalkan fasilitas pelayanan.

b. Panjang antrian rata-rata spt pada soal a bila dengan
cara merubah software sedemikian hingga waktu
pelayanan rata-rata menjadi 1 detik.
SOLUSI :
a. Waktu antara datangnya panggilan = 5 detik, jadi rate
rata-rata datangnya panggilan =
1
5
= 0.2 per detik.
b. Distribusi waktu pelayanan adalah umum ( General )
xdG ( x) 4.5 detik
dan
var(x )
dG ( x ) x 2 1,0 det .
Ini adalah sistem antrian M/G/1 dan didapat :

1 1
4,5
0,1 0,9
5
Harga rata-rata : Q(1)

Dari
Q( z )
(1 ) K ( z )( z 1)
z K ( z)
dimana : K(1) = 1 dan K(1) = .

Maka penurunan terhadap z akan didapat :
Q' ( z )
1
=
=
[ z K ( z )]{K ' ( z )( z 1) K ( z )} ( z 1) K ( z )[1 K ' ( z )]

[ z K ( z )] 2
z ( z 1) K ' ( z ) K ( z ) [ K ( z )] 2
[ z K ( z )] 2
Bila dimasukkan harga z = 1, pembilang dan penyebut = 0

pakai lHospital lagi :
SISTEM ANTRIAN
Q' ( z )
1
lim
z 1
K ' ( z ) 2 K ' ( z ) K ( z ) ( z 1) K ' ( z ) zK ' ( z ) z ( z 1) K ' ' ( z )

2[ z K ( z )][1 K ' ( z )]
Ini
, jadi dapat dicoret sisi kiri dan kanan.
Diperlukan lHospital lagi :

lim
Q ' (1)
z 1
[2 K ' ( z ) 2 2 K ( z ) K " ( z ) 2 K ' ( z ) 2 zK " ( z )

( z 1) K " ( z ) zK " ( z ) z ( z 1) K " ( z )] / 2[1 K ' ( z )]
Setelah penyederhanaan :
=
Q ' (1)
1
[2 2 2 K " (1)]
2(1 )
Tetapi juga :
K " (1)
2(1 )
K " (1)
2
= (x) dG ( x)
0
= x dG ( x)
2
xdG( x)
xdG ( x)
0
2 var( x) 2
Sehingga :
Q' (1)
2 var( x)
2(1 )
Kembali ke soalnya :
1
1 0,9 2
Q ' 1 0,9 25
5,15message
21 0,9
SISTEM ANTRIAN
b) Waktu pelayanan diperpendek sampai dengan 4 detik.

Dengan demikikan harga =0,8, sedangkan harga besaranbesaran lainnya tetap.
Hasilnya :
1
1 0,82
Q 1 0,8 25
2,5message
21 0,8
'
Panjang antrian dapat juga diperpendek dengan cara

memperkecil variansi waktu pelayanan.
MODEL CPU PELAYANAN TERPUSAT

SISTEM ANTRIAN
Sebelum menyelidiki Jaringan antrian secara lengkap, terlebih

dulu dilihat jaringan yang sederhana yang dimodelkan dengan
menggunakan proses kelahiran dan kematian.
Sistem dapat digambarkan sebagai berikut :
CPU
Pelayanan
FasilitasFile
1
2
3
Terminal
Model terdiri dari :

- Suatu kelompok terminal yang dapat mengakses ke
pelayan pusat (CPU).
- Kontrol berputar antara tiap terminal dari CPU.
- Terminal dianggap mempunyai distribusi exponensial
untuk sumber panggilan/pelayan dengan rate : tiap
terminal.
- CPU dimodelkan sebagai sistem antrian dengan satu
pelayan dengan rate : .
Meskipun sebenarnya ada 2 sistem antrian terlibat, yaitu :

SISTEM ANTRIAN
CPU dan terminal, tetapi diagram transisi kondisinya hanya 1

dimensi karena sistemnya adalah : JARINGAN TERTUTUP
JARINGAN ANTRIAN :
- Solusi bentuk produk untuk probabilitas dalam keadaan
setimbang.
Solusi bentuk ini melibatkan kesetimbangan lokal untuk
aliran
pada sepasang kondisi di diagram transisi kondisi,
bila hal tersebut ada.

MODEL ANTRIAN TANDEM :
Hasil dari teori Burke menyatakan bahwa bila pelayan lebih dari
satu dihubungkan secara seri (feedforward fashion), (tiap
pelayan dengan pdf exponensial) maka tiap node (pelayan)
dapat diperlakukan secara tak bergantungan (bebas).
Maka : P(i,j) = P(i panggilan terdapat dalam antrian pertama
dan j panggilan terdapat dalam antrian ke dua).
Dianggap tiap antrian mempunyai buffer yang tak terhingga
untuk panggilan yang menunggu dalam antrian.
Rate pelayanan dari antrian dapat ditulis sbb :
i 1
untuk i = 0,1,...S1
S1 1
untuk i = S1...~
1(i) =
j 1
untuk j = 0,1,..,s2
S2 1
untuk j = s2,.....,
dan
2(i) =
Persamaan umumnya dapat ditulis sbb:

SISTEM ANTRIAN
1 i 2 j P i, j P i 1, j 1 i 1 P i 1, j 1 2 j 1 P i, j 1
Dalam menyelesaikan ini dipakai : Sistem tunggu Erlang di
sistem antrian pertama, maka:
Solusi bentuk produk:
P( i , j ) = P1( i )P2( j )
dimana P( , ) dikenal dengan PROBABILITAS MARGINAL
dari distribusi dan memenuhi persyaratan:
P k 1
k1 0
untuk i = 1,2
Untuk menurunkan distribusi marginal tsb lihat P ( i ) :

c1
P1( i ) =
i
1
i!
i s1
i
1
i s1
1 1
c1 s !s
s1
dimana c1 konstanta yg
nilainya ditentukan dari
kondisi normal.
Dari diagram transisi kondisi tsb, rate kedatangan berkurang

bila makin banyak terminal memerlukan pelayanan.
n = (m - n)
SISTEM ANTRIAN
untuk 0 n m
Dari ini dapat diturunkan : Probabilitas kondisi n = P(n)
P ( n)
i 1
( m i 1)
P (0)
m!
P (0 )
( m n)!
Dengan kondisi normal dapat dicari P(0) :

1
P(0)
m!
( m n)!
Substitusi solusi bentuk produk untuk P ( i , j ), didapat
1 i 2 j P1 i P2 j
P1 i 1 P2 j 1 i 1 P1 i 1 P2 j 1 2 j 1 P1 i P2 j 1
Lalu substitusi P ( i , j ) ini untuk persamaan utama: didapat

(setelah mencoret suku-suku yang saling meniadakan)
2 j P2 j P2 j 2 j 1 P2 j 1
Ini ERLANG !
Persamaan ini sama dengan persamaan yang dipakai untuk
sistem antrian M/M/n
-(Rumus tunggu Erlang).
Maka :
j
2
c2 j!
P2( j ) =
SISTEM ANTRIAN
j
2
j s2
2 2
c2 s ! s
Pakai kondisi normal :
c =
k! s 1!s
k
s 1
i
k
i
k 0
Ini untuk : 1 < s1 dan 2 < s2

JARINGAN TERBUKA PERSAMAAN KESETIMBANGAN
GLOBAL :
1
r1i
ri1
Tujua
n
Sumb
er
rid
rsi
riM
rMi
M
M
Asumsi :
Terdapat M antrian, satu sumber dan satu tujuan.
Routing di jaringan adalah random.
Probabilitas suatu pelanggan meninggalkan antrian I ke j
adalah :
rij
SISTEM ANTRIAN
Probabilitas pelanggan mninggalkan sumber ke antrian I

adalah :
rsi
Probabilias suatu pelanggan meninggalkan antrian I ke

tujuan : rid
Sumber memberikan pelanggan dengan distribusi Poisson
dengan rate rata-rata
Distribusi waktu pelayanan adalah eksponensial negative
dengan rate rata-rata i
SISTEM ANTRIAN
Jaringan
Antrian
N
Jaringan asli
SISTEM ANTRIAN
Jaringan
Antrian
n
u (n)
Pemakaian Teori Norton
SISTEM ANTRIAN
u (n)
A
n
N
Model ekivalen
Dalam model : n pelanggan memutar dalam jaringan :
throughput=u(n).
Throughput dapat dicari dengan cara MVA seperti cara
sebelumnya.
Bila N : jumlah paket total dalam jaringan tertutup.
n : kondisi antrian yang diatas,
maka : kondisi di antrian bawah : N n , jadi hanya perlu
melihat probabilitas kondisi di antrian atas saja yaitu :
dengan rate kedatangan : dan
rate pelayanan
: u(n)
Jadi, probabilitas bahwa antrian diatas dalam kondisi n :

pn po
n
n
u (i )
i 1
SISTEM ANTRIAN
dan po dapat dicari dengan persamaan kondisi normal :

N
i pi
i 1
untuk menyelesaikannya diasumsikan :
1= 2=........= M =
Dengan :
p n po
n
n
n
n
u (i) M 1 i
i 1
Jadi :
n
n M 1
u ( n)
Hasil dari MVA yang lalu :
i 1
pn
M 1 n
n
n
po
dengan ini semua besaran dapat

diperoleh.
Throughput
u ( n)
n 1
Dengan rumus Little : time delay dari ujung ke ujung yang

E (T ) E ( n)
melalui VC :
E (T ) E ( n)
np n
n 1
N
Sekarang dimungkinkan untuk melihat rumus diatas sebagai

fungsi dari N atau dengan membuat besaran lainnya tetap.
Analisis yang lain :
Anggap
dan ~ , maka E(n) = N
Dalam hal ini, batas throuhgput :

u (N )
N
N M 1
dengan ~
Dari rumus Little juga :

E(T) = N / = [ N+ ( M-1) ] /
SISTEM ANTRIAN
dengan ~
Dan delay minimum E(T) = M / ini terjadi pada N = 1

Dengan N = 1 paket dalam jaringan tidak ada delay dan
throughput rata-rata : / M.
Teori NORTON tidak dapat dipakai untuk kasus yang bukan
s bentuk produk.
Bukan bentuk produk hanya dapat diselesaikan dengan
REKURSIF.
Tetapi, meskipun tidak dapat dipakai teori Norton, sebagai
pendekatan dapat dilakukan.
Simulasi yang dilakukan oleh Schwartz dalam tahun 1982
diperoleh bahwa pemakaian teori Norton pada model ini cukup
tepat untuk M 3 untuk Mobile station 3 tidak tepat lagi.
|
VC
Tingkat 1
Tingkat M
I
Penghitung C
Kotak W
Pendekatan dengan Norton

U (n,M) =
n
n ( m 1)
n
W paket berputar
SISTEM ANTRIAN
C count
I
Kondisi dua dimensi : 1 dan 2
w box
j
(model antrian ekivalen)
pij
Kasus trafik besar : ( > ) atau =

Kondisi dua dimensi menjadi satu dimensi hanya j.
Dapat dilihat dalam gambar :
Bila > , C count akan segera kosong setelah mendapat
paket dari box w. bila antrian C dihilangkan, persamaan
kesetimbangan menjadi :
u (w) po = u (1) p w-1
u (w-1) p1 = u (w) po
......
u (1) p w-1 = u (2) p w-2
JELASKAN !
Disini :
U (n,M) =
n
n (m 1)
Penyelesaian persamaan kondisi tersebut diatas :

pj
p0
u ( w)
u(w j)
TURUNKAN !
LATIHAN : Penjumlahan seluruh probabilitas kondisi = 1 akan

didapat :
( w j ) ( M 1)
Pj = ( w j ) ( w ( M 1)T
w
Dimana : Tw =
SISTEM ANTRIAN
j 1
i
j
Throughput :- Merata-ratakan u(n) untuk semua harga n = w - j,

dan dari persamaan kesetimbangan bahwa :
u(j)pw-j adalah konstan atau
- bila box w kosong, w paket dimasukkan ke VC
-----> throughput :
w/ w (M 1 )T
w
Untuk mencari waktu delay melalui VC : pakai rumus Little :

Dengan p(n) = probabilitas kondisi di VC ekivalen Norton,
diperoleh pendudukan paket rata-rata dari VC :
w
E (n) np(n)
n 1
1 w
( M 1)
Ini diperoleh dengan : n = w - j, p(n) = pw-n

(pakai rumus probabilitas sebelumnya).
Pakai Little :
E (T )
E ( n)
1 w
M 1
/
2
Bentuk ini sama dengan bentuk pada kasus "sliding window",

bedanya :
N diganti dengan (1 + w)/2.
Dalam trafik yang besar : jumlah paket berkisar antara : 1 s/d w,
jumlah rata-rata : (1 + w)/2, dimana dapat dibandingkan dengan
jumlah tetap N yang berpindah sepanjang window dalam
keadaan trafik besar.
Untuk N = (1 + w)/2 -----> time delay rata-rata akan sama.
Karena jumlah paket dalam VC bervariasi dari 1 s/d w (tak
tetap) tidak seperti pada "sliding window", throughputnya akan
lebih kecil.
SISTEM ANTRIAN
ALGORITMA BUZEN
Tujuan dari model model analisis jaringan antrian adalah untuk
mendapatkan hasil hasil unjuk kerja suatu set kondisi kondisi
tertentu.
Telah diperoleh cara cara mendapatkan hasil unjuk kerja
tersebut dengan memakai solusi persamaan kondisi dengan
asumsi asumsi tertentu.
Teknik pendekatan dapat digunakan untuk jaringan antrian
tertutup dengan cara Mean Value Analisis.
Pendekatan lainnya yang mungkin adalah cara simulasi dari
suatu bentuk pendekatan baru.
Biaya untuk memori computer dan waktu proses sangat
menentukan dalam menyelesaikan masalah masalah jaringan
antrian ini.
SISTEM ANTRIAN
Karena itu dicari suatu model dan algoritma yang dapat dipakai
untuk mengatasi /menyelesaikan masalah masalah yang
sensitive tersebut.
Untuk ini dilihat : CARA PENDEKATAN LAIN UNTUK
MENYELESAIKAN JARINGAN ANTRIAN BENTUK TERTUTUP
yang didapatkan oleh BUZEN dan REISER dan KOBAYASI
secara tertpisah dan dinamakan :
ALGORITMA BUZEN atau ALGORITMA KONVOLUSI
Untuk jaringan bentuk produk dan tertutup, telah diperoleh :
P n
1
f1 n1 f 2 n2 ... f M nM
G N
dimana :
bila untuk rate pelayanan tak tergantung kondisi :

f i ni i
i
ni
throughput : unique !
untuk rate pelayanan tergantung kondisi :
f i ni
i
ni
ni
i k
trhroughput
: tidak unique !
k 1
ingat bahwa i merupakan solusi non unique dari persamaan

trafik :
M
i k rki i= 1,2,...,M
i 1
SISTEM ANTRIAN
Masalah
utama
adalah
menentukan
P(n)
yaitu
dalam
menghitung G(N) dimana tidak mengeluarkan P(0) seperti pada

jaringan terbuka.
Ruang Kondisi untuk sistem tertutup yang terdiri dari N
pelanggan dan M antrian adalah:
M
S N , M n n1 , n2 ,..., nM | n 0; i 1,2,..., M
i 1
Persamaan kondisi normal:
P (n) 1
nS ( N , M )
1
G ( N ) nS ( N , M )
G( N )
fi(ni)
i 1
fi(ni)
nS ( N , M ) i 1
Untuk jaringan terbuka jumlah kondisi besar sekali.

Untuk jaringan tertutup dibatasi oleh:
M
ni N ,
i 1
ini mengurangi jumlah kondisi, tetapi

masih sangat besar.
Dengan N pelanggan dan M antrian, jumlah kondisi =
M N 1

N
Untuk M = 10 dan N = 25 : harga tersebut =
SISTEM ANTRIAN
34!
52.451.256
25!9!
kondisi
Setiap suku memerlukan perkalian konstanta sejumlah 10, jadi

kira-kira 520 juta perkalian.
Selain itu juga harus hati-hati bila perkalian ini dilakukan karena
dapat kehilangan ketepatan seperti yang telah di kemukakan
dalam soal latihan sebelumnya.
Terlihat bahwa sekalipun dengan jumlah pelanggan dan antrian
yang tak besarpun jumlah kondisi sudah sangat besar.
Sekarang
dikemukakan
cara
BUZEN
yang
menentukan
konstanta normal tanpa penjumlahan yang besar.

Cara ini disebut:
ALGORITMA KONVOLUSI atau ALGORITMA
BUZEN
Sebut g(m,n) konstanta normal untuk n pelanggan dan m
antrian.
(Di sini dipakai huruf kecil n dan m karena akan dipakai untuk
interasi sampai mencapai harga yang diperlukan: N dan M)
Dari definisi:
g ( n, m )
fi(ni)
nS ( n ,m ) i 1
Dapat dikembangkan sebagai berikut:

g(n, m)
fi(ni)
k0 nS (n,m) i1
nmk
Menjadi faktor:
SISTEM ANTRIAN
g ( n, m )
k 0
fm(k )
m 1
nS ( n k , m 1) i 1
fi (ni)
Bila dilihat yang di dalam kurung :

n
g (n, m) f m ( k )[ g (n k , m l )]
k 0
Ini mirip bentuk konvolusi, dari sini
algoritma konvolusi.
Dari definisi g(n,m), kondisi permulaan diberikan oleh :

g (n,1)
= f1 (n) ;
n = 0,1,.....,N
g (0,m)
=1;
m = 1,2,.....,M
OPERASI DARI ALGORITMA :

1
m-1 m
M
0
1
2
.
.
.
n-1
n
G (n-1)
G (N)
Diagram ini menunjukkan bahwa kolom terakhir adalah g (n,m)

dan ini sama dengan G (n). Sehingga konstanta normal untuk
penambahan
jumlah
pelanggandihitung
selama
proses
algoritma ini.
SISTEM ANTRIAN
Antrian dengan Kondisi Bebas

m
f (n )
g (n, m)
nS ( n , m ) i 1
dimana,
f i (ni )
disini fungsi g (n,m) diuraikan sebagai berikut:

g ( n, m )
m 1
nS ( n , m ) i 1
f i (ni )
f (n )
nS ( n , m ) i 1
Suku pertama, merupakan konstanta normal unuk jaringan

tanpa antrian ke m : g (n,m-1)
m
Suku kedua, bila suatu suku dikeluarkan : f m (1)
m
Terlihant bahwa yang tinggal adalah konmstanta normal g (n1,m)
Jadi :
g ( n, m) g ( n, m 1) f m (1) g ( n 1, m)
Kompleksitas perhitungan dalam algoritma ini,

Diperlikan MN penjumlahan dan MN perkalian, untuk rekursif
kondisi bebas terdapat kira-kira:
N2/2 penjumlahan dan N2/perkalian
tiap kolom pada diagram
kembali ke contoh semula dengan N=25 dan M=10 akan
diperoleh operasi sebesar : MN, kira-kira=3125 perkalian. Ini
sangat sedikit bila dibandingkan dengan jumlah semula
sebesar: 500 juta.
UKURAN UNJUK KERJA
Ukuran unjuk kerja dapat diturunkan dari: Kesetimbangan
Probabilitas Kondisi. Hal ini juga akan memerlukan operasi
perhitungan yang sangat besar. Ternyata sejumlah unjuk kerja
yang penting dapat dihitung sebagai fungsi dari berbagai
SISTEM ANTRIAN
konstanta normal di mana merupakan produk dari algoritma

konvolusi.
"MARGINAL DISTRIBUTION" DARI PANJANG ANTRIAN
Sebut
P (ni n)
P ( n)
nS ( N , M )
ni n
Dilihat: pelayan bebas kondisi

Perhitungan dimulai dengan:
P (ni n)
P ( n)
nS ( N , M )
ni n
Substitusi memberikan: P(ni n)
1 M
f j (n j )
nS ( N , M ) G ( N ) j 1
ni n
di mana

f j (n j ) j

j
nj
dan dari persamaan trafik digunakan untuk menghitung

M
j k rkj
k 1
jadi semua suku mengandung faktor
dan bila ini
dikeluarkan,
maka:
1 i
P (ni n)
G ( N ) i
nS ( N n , M ) j 1
(n j )
Jumlah di atas adalah konstanta normal dengan N-n

pelanggan.
Sekarang pakai "trick":
SISTEM ANTRIAN
P(ni n) P(ni n) P (ni n 1)
N
n 0
n 0
dengan definisi: E (ni ) nP(ni n) n[ P(ni n) P(ni n 1)]

maka

P(ni n) i
i
i
1
G ( N n 1)
G ( N n)
G( N )
i
sekali G(1), G(2), ..., G(N) dapat dihitung, Marginal Distribution

dapat diperoleh. Catatan:
P (ni n)
tergantung atas non-unique
SISTEM ANTRIAN
SISTEM ANTRIAN

Sistem Jaringan Antrian Fix

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Sistem Jaringan Antrian Fix

Uploaded by

Copyright:

Available Formats

M A TA K U L I A H J A R T E L

DIPINDAHKAN DARI SATU TITIK MELALUI SEBUAH KANAL /

TERBATAS KE TITIK YANG LAIN.

KAPASITAS KANAL TERBATAS :

JENIS-JENIS SISTEM ALIRAN :

2. ALIRAN TIDAK KONSTAN/STOKASTIK

- KUANTITAS ALIRAN DIKETAHUI DAN KONSTAN

Asumsi: - komoditi bergerak dengan rate yang konstan

- Waktu proses (lamanya waktu pelayanan) untuk setiap

Harga rata-rata Kapasitas sistem harus lebih besar dari pada

2) SISTEM ALIRAN TIDAK KONSTAN (

Dalam sistem antrian ini terdapat kemungkinan bahwa

*DISIPLIN PELAYANAN (ANTRIAN)

- First In First Out (FIFO atau FCFS)

Banyak sistem telekomunikasi dan komputer dapat dimodelkan

Dua macam jaringan antrian :

Jaringan yang sebelumnya dapat digambarkan pula sbb :

Pendiskripsian sederhana untuk sistem antrian : Vektor yang

jumlah total pelanggan didalam tiap

antrian pada saat tertentu.

dikembangkan untuk mengatasi masalah ini.

Mengurangi ANTRIAN dengan PELAYANAN TUNGGAL

(i + 1) selama waktu dt) = bi dt + 0(dt)

(i - 1) selama waktu dt) = bi dt + 0(dt)

P (Lebih dari satu transisi) = o(dt)

P(Transisi dalam dt / kondisi pada waktu t)

Jumlah semua pengaruh yang membawa sistem masuk ke

panggilan yang menunggu

mempunyai Distribusi Exponensial Negatip

Pemisahan secara acak(random) Proses Poisson

Pemisahan Proses Proisson dari masukan ke (tiga) antrian

akan memberikan Proses Poisson di masing-masing antrian

Proses Penggabungan Proses Poisson

P(k) P(0), k 0,1,...

Sehingga didapat hasil sederhana:

Untuk mencari nilai P(0) digunakan relasi: Jumlah semua

Bagaimana deret tersebut dijumlah ?

, ini berlaku bila || < 1

Distribusi ini dikenal dengan:

Setelah didapat rumus probabilitas kondisi dari sistem antrian

pelayanan sibuk akan terpaksa harus menunggu

Dari tabel tersebut dapat dilihat bahwa untuk beban sistem

Harga rata-rata panggilan (atau pelanggan) yang

Fungsi ini sering

VARIANSI JUMLAH PELANGGAN DALAM SISTEM

Hitung besarnya variansi jumlah pelanggan didalam sistem

PENURUNAN RUMUS LITTLE

Jumlah yang datang ke dalam sistem di dalam

(0,t) (atau fungsi jumlah yang datang

yang berakhir/meninggalkan sistem di dalam

selang waktu (0,t) atau fungsi jumlah fungsi yg berakhir

Luas total antara kedua kurva sampai dengan suatu waktu t

dalam sistem sampai

dengan waktu t (dalam pelanggan/detik).

= harga rata-rata waktu lamanya setiap pelanggan

berada dalam selang waktu (0,t)

Harga rata-rata jumlah pelanggan di dalam sistem antrian

Dengan asumsi bahwa sistem mencapai keadaan stabil

Ini berarti bahwa : Harga rata-rata jumlah pelanggan didalam

BUKTI RUMUS LITTLE SECARA INTUISI

pelanggan tersebut meninggalkan system dan ini sama dengan

Distribusi kedatangan dan waktu pelayanan adalah

Jumlah pelayan adalah sembarang

Dapat diterapkannya hanya terhadap yang antri