birth and death process
TRANSCRIPT
Birth and Death Process
parth 1
Outline
Markov Processes
Discrete Time Markov Chain
Homogeneous, Irreducible, Transient/Recurrent,
Periodic/Aperiodic
Ergodic
Stationary Probability
Transient Behavior
Birth-Death Process
Estu Sinduningrum, ST, MT
Markov Processes
X(t) adalah suatu Markov Process jika memenuhi Markov
(Memoryless) Property
X(t) hanya tergantung pd kondisi (state) saat ini
Sejarah masa lalu summarized pada kondisi (state) saat ini
Estu Sinduningrum, ST, MT
Dari Markov Processes …
Discrete Time Markov Process:
Perubahan state terjadi pd titik-titik integer
Continuous Time Markov Process:
Perubahan state terjadi pd sembarang waktu
Estu Sinduningrum, ST, MT
Dari Markov Processes …
Markov Chain:
Discrete State Space Markov Process
Discrete Time Markov Chain:
Perubahan state (discrete state) terjadi pd titik-titik integer
Continuous Time Markov Chain
Perubahan state (discrete state) terjadi pd sembarang waktu
Estu Sinduningrum, ST, MT
Discrete Time Markov Chains
Dapat berada pada satu Discrete state (position)
dan diizinkan untuk berubah state pada Waktu
discrete
Estu Sinduningrum, ST, MT
Discrete Time Markov Chains
Estu Sinduningrum, ST, MT
Discrete Time Markov Chains
Dari initial probability dan one-step transition
probability,
Kita dapat mencari probability of being in various states
at time n
Estu Sinduningrum, ST, MT
Homogeneous Markov Chain Jika transition probabilities adalah independent thd n,
maka disebut Homogeneous Markov Chain
Let pij ≡ P[Xn = j | Xn-1= i ]
Kita ada pada state i dan akan menuju pada state j pada langkah berikutnya
State transition probabilitas Hanya akan tergantung pada initial probability dan transition probability, tidak tergantung pada transition time
Estu Sinduningrum, ST, MT
Homogeneous Markov Chain
m-step transition probabilities adalah:
Estu Sinduningrum, ST, MT
Homogeneous Markov Chain
Estu Sinduningrum, ST, MT
Irreducible Markov Chain
Suatu Markov Chain adalah irreducible jika setiap state
dapat dicapai dari setiap state lain dlm jumlah step yang
terbatas/finite
Estu Sinduningrum, ST, MT
Not Irreducible Markov Chain
Kasus 1
Utk A = set semua states dlm suatu Markov chain
A1 ⊂ A
Jika tidak ada satu one-step transition dari state A1 ke A1c
A1 didefinisikan sebagai “Closed”
Estu Sinduningrum, ST, MT
Not Irreducible Markov Chain
Kasus 2
Untuk A = set semua states pada suatu Markov chain
A1 ⊂ A
Jika A1 terdiri dari satu atau lebih state Ei dimana begitu berada
pada state Ei, proses tidak dapat bergerak ke state-state lain
Ei disebut “Absorbing State”
pii = 1
Estu Sinduningrum, ST, MT
Transient atau Recurrent States
fj(n) = P[proses pertama-tama kembali ke state j setelah
meninggalkan state j pd n steps]
fj = P[proses kembali ke state j setelah meninggalkan state j]
Mj = Mean recurrence time dari state j
Estu Sinduningrum, ST, MT
Transient atau Recurrent States
Jika fj < 1
State Ej disebut “Transient State”
Jika fj = 1
State Ej disebut “Recurrent State”
Jika Mj = ∞
State Ej disebut “Recurrent Null State”
Jika Mj < ∞
State Ej disebut “Recurrent Nonnull State”
Estu Sinduningrum, ST, MT
Periodic atau Aperiodic
Mis β = integer
Jika step-step yg hanya mungkin proses kembali ke state Ei adalah β, 2β, 3β, …
Jika β > 1 dan β adalah integer terbesar
State Ei disebut “Periodic”
Recurrence time untuk state Ej mempunyai period β
Jika β = 1
State Ei disebut “Aperiodic”
Estu Sinduningrum, ST, MT
Ergodicity
Ej = Ergodic jika
Ej = Aperiodic dan Recurrent Nonnull
fj = 1, Mj < ∞, dan β = 1
Suatu Markov Chain adalah ergodic
jika semua states dari Markov Chain adalah ergodic
Jika jumlah states adalah terbatas/finite dan semua states dari Markov Chain adalah aperiodic, dan irreducible
Estu Sinduningrum, ST, MT
Teorema 1
States dari suatu irreducible Markov Chain adalah
semua transient atau
semua recurrent non null atau
semua recurrent null
Jika periodic, maka semua states mempunyai Perioda
sama β
Estu Sinduningrum, ST, MT
Definisi
Mis j(n) = P[menemukan sistem pd state Ej pd step ke-n]
j(n) = P[Xn = j]
Mis j = Stationary Probability
= P[ada pd state j pd sembarang waktu]
= limiting state probabilities
Estu Sinduningrum, ST, MT
Teorema 2
Pada suatu irreducible dan aperiodic, homogeneous Markov
Chain,
Limiting state probabilities [ j] selalu eksis dan independent dari
initial state probability distribution [ j(0)]
Estu Sinduningrum, ST, MT
Teorema 2
Apakah
Kasus (a)
Semua state adalah transient atau
Semua state adalah recurrent null
j = 0 j
Tdk ada stationary distribution eksis
Atau kasus (b)
Semua state adalah recurrent nonnull
j > 0 j
Stationary distribution eksis j = 1/Mj
Estu Sinduningrum, ST, MT
Solusi untuk j
Estu Sinduningrum, ST, MT
Contoh Markov Chain
Mengendarai mobil dari kota ke kota
Estu Sinduningrum, ST, MT
Contoh Markov Chain
Mis P = Matriks transition probability
= [pij]
Mis = [ 0, 1, 2, …]
dari Balance equation
= P
Estu Sinduningrum, ST, MT
Contoh Markov Chain
Estu Sinduningrum, ST, MT
Contoh Markov Chain
Estu Sinduningrum, ST, MT
Contoh Markov Chain
Ini adalah stationary (equilibrium) state probability
Ini adalah ergodic Markov Chain
Jumlah state terbatas
Irreducible
Estu Sinduningrum, ST, MT
Transient Behavior
Transient Behavior
Transient / Steady State
Transient behavior : Suatu tipikal kelakuan sistem
yang tergantung pada kondisi inisial (mis. booting up
atau recovering dari suatu kegagalan komponen)
Steady state behavior : kelakuan operasi normal dari
sistem independent terhadap kondisi inisial
Estu Sinduningrum, ST, MT
Birth and Death Process
Konsep Birth and Death Process
dan Teorema Kedatangan Trafik
Konsep terpenting untuk memahami perilaku trafik
telekomunikasi, yaitu point process dan arrival process.
Prinsip utama pemodelan trafik telekomunikasi adalah mengacu
pada point process , dimana kedatangan atau selesai dilayaninya
paket-paket digambarkan pada waktu yang berbeda.
Konsep kedua dalam rekayasa trafik telekomunikasi adalah birth
and death process yang sering dimanfaatkan untuk menurunkan
persamaan fungsi distribusi trafik telekomunikasi.
Birth and death process adalah Teknik penurunan persamaan fungsi
densitas trafik telekomunikasi yang paling sederhana.
Estu Sinduningrum, ST, MT
Birth-Death Process
Suatu Markov Process
Homogeneous, aperiodic, dan irreducible
Discrete time / Continuous time
Perubahan state hanya dapat terjadi antar tetangga
Birth-Death Process
Ukuran populasi
Sistem ada dlm state Ek jika terdiri dari k anggota
Perubahan dlm ukuran populasi terjadi paling banyak satu
Ukuran bertambah satu “Birth”
Ukuran berkurang satu “Death”
Transition probabilities pij tdk berubah dg waktu
Birth-Death Process
Birth-Death Process
i = death (berkurang satu dlm ukuran populasi)
0 = 0 (tdk ada population no death)
λi = birth (bertambah satu dlm populasi)
λi > 0 (birth dibolehkan)
Pure Birth = tdk ada pengurangan/ decrement, hanya
penambahan/increment
Pure Death = tdk ada penambahan/ increment, hanya
pengurangan/ decrement
Model Teori Antrian
Populasi = pelanggan/customers dlm sistem antrian
Death = satu pelanggan meninggalkan sistem
Birth = stau pelanggan datang ke sistem
Matriks Transisi
Densitas traffic
(Kepadatan trafik)
Kepadatan adalah pengukuran terhadap kondisi arus lalu lintas yang
didefinisikan sebagai jumlah kendaraan yang menempati suatu ruas
jalan tertentu atau jalut, yang biasanya dinyatakan dalam satuan
kendaraan per kilometer (smp per kilometer per lajur.
Kepadatan sulit untuk mengukur secara langsung, biasanya
diperlukan titik ketinggian yang cukup sehingga kendaraan dapat
diamati dalam suatu ruas tentu. Namun demikian kepadatan dapat
dihitung dari kecepatan dan volume.
Estu Sinduningrum, ST, MT
F = S x D
D = F : S
Dengan :
F = Arus lalu lintas (smp/jam atau kend/jam),
S = Kecepatan tengah berdasarkan ruang (km/jam),
D = Kepadatan (smp/km atau kend/km).
Densitas traffic
(Kepadatan trafik)
Estu Sinduningrum, ST, MT
Diagram Transisi State dari
Birth and death process
Estu Sinduningrum, ST, MT
State (i-1), (i) dan (i+1) menyatakan situasi
dan kondisi saat ada sejumlah (i-1), atau (i)
atau (i+1) paket atau layanan
telekomunikasi sedang dilayani oleh server.
Adanya kedatangan satu paket atau
layanan yang baru, dianalogikan
sebagai suatu kelahiran dengan rate
sebesar koefisien kelahiran.
Adanya satu paket atau layanan yang
selesai dilayani dianalogikan sebagai
suatu kematian dengan rate sebesar
koefisien kelahiran.
Birth and death process
Birth and death process pada trafik telekomunikasi, adalah proses
bertambahnya suatu paket atau layanan yang datang atau minta
dilayani yang dianalogikan sebagai kelahiran, sementara selesai
dilayaninya oleh server, suatu paket atau layanan dianalogikan
dengan kematian.
Estu Sinduningrum, ST, MT
Global balance
Asumsi terjadi keseimbangan statistik terjadi , maka berlaku prinsip global balance, berlaku 2 persamaan:
1. Node equations : Situasi yang terjadi pada saat awal kesetimbangan statistik, dimana kita hanya memperhatikan state 0, yang berarti belum ada paket atau layanan yang datang. Maka hanya ada dua kemungkinan yang terjadi:
a. State 0 akan bertransisi menjadi state l dengan probabilitas sebesar probabilitas terjadinya state 0 {= p(0)} dikalikan koefisien kelahiran (0) = {bc(0) = birth coefficient (0)) , dan
b. State 1 akan bertransisi menjadi state (0) dengan probabilitas sebesar probabilitas terjadinya state 1 {= p(1)} dikalikan koefisien kematian (1) {dc(1) = death coefficient (1)}.
Dengan asumsi terjadi kesetimbangan statistik maka dua kemungkinan tersebut haruslah sama besar, sehingga bisa dituliskan dalam bentuk persamaan:
Estu Sinduningrum, ST, MT
2. Cut Equations; pengamatan pada node secara random, yaitu state (i). pada saat
terjadi kesetimbangan statistic pada state (i), terdapat empat kemungkinan:
a. State (i) akan bertransisi menjadi state (i+1) dengan probabilitas sebesar
probabilitas terjadinya state I {= p(i)} dikalikan koefisien kelahiran (i) = {bc(i)
= birth coefficient (i)),
b. state (i) akan bertransisi menjadi state (i-1)) dengan probabilitas sebesar
probabilitas terjadinya state I {= p(i)} dikalikan koefisien kematian ke (i) {dc(i)
= death coefficient (i)},
c. State (i-1) akan bertransisi menjadi state (i) dengan probabilitas sebesar
probabilitas terjadinya state (i-1) {= p(i-1)} dikalikan koefisien kelahiran (i-1)
= {bc(i-1) = birth coefficient (i-1)} dan
d. state (i+1) akan bertransisi menjadi state (i)) dengan probabilitas sebesar
probabilitas terjadinya state (i+1 {= p(i+1)) dikalikan koefisien kematian ke
(i+1) {dc(i+1) = death coefficient (i+1)}.
Estu Sinduningrum, ST, MT
Global balance
Dengan asumsi terjadi kesetimbangan statistik maka jumlah 2 buah probabilitas
yang menunjukkan transisi dari state (i) harus sama dengan jumlah 2 buah
probabilitas yang menunjukkan transisi menuju sta (i) sehingga bisa dituliskan
dalam bentuk persamaan:
bc = Birth Coeffisien
dc = Death Coeffisien
p = Probabilitas
Persamaan kesetimbangan statistik merupakan interpretasi dari teorema kedatangan (arrival theorem)
Estu Sinduningrum, ST, MT
Implementasi Birth and Death Process pada penurunan
Formula Erlang B
Salah satu implementasi Birth and Death Process pada bidang
rekayasa trafik telekomunikasi yang paling pertama adalah dalam
penurunan rumus atau formula Erlang B.
Formula Erlang-B sangat terkenal di era telephony-circuit switching.
selama hampir seratus tahun formula Erlang B telah digunakan dalam
perhitungan rakayasa trafik di jaringan telekomunikasi.
Hasil perhitungan menggunakan formula Erlang-B ternyata sangat
akurat bila dibandingkan dengan hasil pengukuran secara nyata pada
jaringan telepon berbasis loss-system atau yang dikenal juga
sebagai/Loss call creared (LCC).
Estu Sinduningrum, ST, MT
Dua prinsip menggunakan konsep
Birth and Death Process
Ada dua prinsip menggunakan konsep Birth and Death Process sebagai model trafik dijaringan telekomunikasi, secara ringkas adalah sebagai berikut:
1) Yang pertama adalah menentukan asumsi atas trafik yang datang. Formula Erlang-B yang digunakan pada jaringan telepon adalah mengacu trafik adalah call telepon yang datang mengikuti point process.
Laju kedatangan call rata -rata adalah λ dan laju pelayanan rata - rata adalah μ.
Trafik yang datang dan dilayani di system telekomunikasi diasumsikan merupakan suatu PCT-1 (Pure Chance Traffic Type 1).
Pada trafik PCT-1 dapat dibenarkan untuk menggunakan nilai rata-rata sebagai dasar perhitungan, atau yang sudah dikenal dengan istilah PASTA (Poisson Arrival See lime Arrival). Trafik yang datang bisa dinyatakan dengan satuan erlang dan ditulis dengan notasi A = λ/ μ
Estu Sinduningrum, ST, MT
2) Yang kedua adalah kita harus mampu menggambarkan diagram
transisi dari state. Untuk itu kita harus tahu berapa jumlah state
dan berapa koefisien kelahiran maupun koefisien kelahiran di
setiap state.
Estu Sinduningrum, ST, MT
Dua prinsip menggunakan konsep
Birth and Death Process
Dua prinsip menggunakan konsep Birth and Death
1. Process Penentuan jumlah state
Untuk jaringan jaringan telepon berbasis circuit switching dan loss system atau yang dikenal juga sebagai loss call cleared (LCC), maka jumlah state adalah sama dengan jumlah kanal telepon di jaringan tersebut.
Ini bisa dimaklumi, karena titik perhatian kita pada jaringan tersebut adalah probabilitas sejumlah kanal sedang holded State 0 merepresentasikan tidak ada kanal yang sedang holded, State 1 menyatakan ada 1 kanal yang holded dan seterusnya.
Mudah dimaklumi, bahwa pada situasi ini, jumlah state maksimum adalah sama dengan n, yaitu sebesar jumlah kanal di jaringan telekomunikasi yang sedang kita amati. Adanya sejumlah (i) call yang holded di kanal telepon direpresentasikan dengan state (il. Jadi n adalah terbatas.
Estu Sinduningrum, ST, MT
Dua prinsip menggunakan konsep Birth and Death
2. Penentuan koefisien kelahiran dan koefisien
Agar dapat menentukan koefisien kelahiran dan koefisien kematian
kita harus memahami terlebih dahulu mekanisme yang terjadi di
jaringan ketika menangani trafik.
Jika kita Paham betul mekanisme yang terjadi, barulah kita bisa
menentukannya. Sangat penting untuk diingat, bahwa saat ini kita
tergantung pada asumsi.
Estu Sinduningrum, ST, MT
Asumsi Erlang
Asumsi Erlang ketika menurunkan formula Erlang B ada tiga,
yaitu:
1. Asumsi pertama: telephone call/ datang mengacu pada konsep
point process dengan laju kedatangan call rata - rata adalah sama
dengan 1. Dengan demikian koefisien kerahiran dari state 0
menuju state 1 adalah sama dengan λ.
2. Asumsi kedua: untuk telephone Call yang sedang holded di
kanal telekomunikasi, keberadaannya di kanal diakhiri dengan
laju layanan sebesar μ. Dengan demikian koefisien kematian
dari state (1) menuju state (0) adalah sama dengan μ.
3. Asumsi ketiga: jumlah pelanggan sangat banyak dibandingkan
dengan jumlah kanal di jaringan.
Estu Sinduningrum, ST, MT
State Transition Diagram untuk
Penurunan Formula Erlang-B
State 0 : λ.p(0) = μ.p(1) λ.p(0) = μ.p(1)
State 1 : λ.p(1) + μ.p(1) = λ.p(0) + 2μ.p(2) λ.p(1) = 2μ.p(2)
State 2 : λ.p(2) + 2μ.p(2) = λ.p(1) + 3μ.p(2) λ.p(2) = 3μ.p(2)
…………………………… …………………..
State (i-1) λ.p(i-1) = (i)μ.p(i)
State (i) λ.p(i) = (i+1)μ.p(i)
State (i+1) λ.p(i+1) = (i+2)μ.p(i+1)
Estu Sinduningrum, ST, MT
Kelahiran (probabilitas
pelanggan yg datang).
Kematian (probabilitas
pelanggan yg selesai telpon).
Jumlah kanal
Server
Model Jaringan telepon yang berbasis circuit
switching dan Loss Call Cleared akan menjadi?
Pada Kondisi Jaringan telpon di circuit switched-loss call
cleared : dimana λ/μ = Offered traffic =A
Maka Persamaan-persamaan bisa dituliskan menjadi
p(0) = p(0)
p(1) =A.p(0)
p(2) = (A/2) p(1) (A2/2)p(0)
………………………… ……………..
.……………………….. ……………..
Estu Sinduningrum, ST, MT
Kita bisa menghitung p(i) hanya sebagai fungsi A dan i saja,
dengan cara mensubstitusikan p(0) ke dalam persamaan yang
hanya melibatkan A dan i saja. Untuk itu , kita harus
mengingat kembali prinsip teori probabilitas pada situasi ini :
jumlah dari seluruh probabilitas p(0) + p(1) + p(2) + P(n)
=1.
Estu Sinduningrum, ST, MT
Maka dapat dirurunkan formulasi Erlang-B untuk loss system, atau
sudah terkenal dengan sebutan Formulasi Erlang-B
Fungsi perbaikan Jaringan Loss
Pada jaringan Loss, Fungsi perbaikan Fn(A) adalah jumlah
trafik yang tidak jadi hilang, seandainya jumlah saluran
ditambah satu, dari semula = n ditambah menjadi (n+1).
Jadi Fn(A) = Y(n+1) – Yn,dapat diturunkan dari trafik
yang ditawarkan dan probabilitas blocking.
Estu Sinduningrum, ST, MT
Contoh Soal (1) Suatu trunk-network terdiri dari 10 kanal melayani trafik dengan karakteristik sbb:
a) Struktur grup-kanal bersifat homogen & full accesibility
b) (b)Trafik dilayani secara LCC=Lost Call Cleared
c) Kedatangan trafik merupakan suatu Poisson arrival process yang memiliki rate kedatangan = λ =
500 call/detik, dan
d) Waktu layanan terdistribusi eksonential yang memiliki intensitas = μ = 100 detik/call.
Hitunglah:
(a)Time congestion, call congestion & traffic congestion
(b)Offered traffic, loss traffic & carried traffic
(c)Pendapatan pada satu hari bila rate kedatangan rata-rata selama 23 jam yang bukan jam sibuk = 0,75 rate
kedatangan pada jam sibuk, dan jika setiap call rata-rata memberikan pemasukan sebesar Rp 500,-
(d)Utilisasi rata-rata jika pemilihan kanal menggunakan teknik Random hunting, dan jika menggunakan
teknik Sequential hunting
(e)Jika untuk menambah satu kanal, diperlukan biaya jaringan end-to-end sebesar 200 juta rupiah, apakah
perlu ditambah satu kanal, jika trafik tetap seperti di soal? Jika jawabannya belum perlu, pada saat trafik
meningkat menjadi berapa, penambahan satu kanal baru dilakukan?.
Estu Sinduningrum, ST, MT
Jawab
Estu Sinduningrum, ST, MT
Ada kalanya kita mengalami
kesulitan untuk mendefinisikan
suatu obyek secara eksplisit.
Mungkin lebih mudah untuk
mendefinisikan obyek tersebut
dengan menggunakan dirinya sendiri. E Time Congestion
C Traffic terhadap Erlang
B Call
Jawab
c) Call congestion = B = 0,0184 dan l. = 500 call/detik ) jumlah
call yang terlayani (carried-call) selama l jam (3600detik)
sibuk=500*(1-B)x3600 = 1766908
Jumlah call carried selama satu hari =23*0.75*1766908+1766908
= 32246067 pendapatan satu hari = Rp16.123.033.432.
d) Random hunting-utilisation =
Utilisasi rata-rata jika pemilihan kanal menggunakan teknik
Random hunting =4,9081/10 = 0,49081erlang/kanal = Utilisasi
rata-rata jika pemilihan kanal menggunakan teknik Sequential
hunting
Estu Sinduningrum, ST, MT
e) Jika jumlah kanal ditambah satu adalah Improvement factor
E11(A)= 0,0083 ) pendapatan satu hari = Rp16.288.879.973
kenaikan pendapatan = Rp165.846.541 adalah lebih kecil
dibanding biayanya belum perlu ditambah satu kanal.
Estu Sinduningrum, ST, MT
Jawab
Thank You
Cont Next Week