18
berbeda-beda dalam satu QSTA merupakan nilai random dan dapat mencapai nol pada waktu yang sama, jadi menyebabkan tabrakan internal. Untuk menghindari
tabrakan internal ini, EDCA memperkenalkan penjadwalan di setiap QSTA yang memungkinkan hanya AC dengan prioritas yang lebih tinggi dapat mengirimkan
paket. Akibatnya, EDCA dapat mendukung QoS terprioritas untuk aplikasi multimedia [3].
2.4 Pembangkitan Trafik
2.4.1 Distribusi Poisson
Distribusi poissonmerupakan distribusi peluang acak poisson x,yang menyatakan banyaknya sukses yang terjadi dalam suatu selang waktu atau daerah
tertentu. Bilangan x yang menyatakan banyaknya hasil percobaan dalam suatu percobaan poisson disebut peubah acak poisson dan sebaran peluangnya disebut
sebaran poisson. Beberapa asumsi untuk proses Poisson yaitu :
1. Peluang terjadi satu kedatangan antara waktu � dan � + ∆� adalah sama
dengan λ∆� + �∆�. Dapat ditulis P {terjadi kedatangan antara � dan
� + ∆�} = λ∆� + �∆�, dengan λ adalah suatu konstanta yang independent
dari Nt, dengan Nt merupakan proses counting, ∆� adalah
elemen penambah waktu, dan �∆�dinotasikan sebagai banyaknya
kedatangan yang bisa diabaikan jika dibandingkan dengan ∆�
, dengan ∆�� , dinotasikan seperti pada persamaan 1
lim
∆�→∞ �∆�
∆�
= 0. 1
Universitas Sumatera Utara
19
2. P{lebih dari satu kedatangan antara � dan � + ∆� } adalah sangat kecil
atau bisa dikatakan diabaikan = �∆�
3. Jumlah kedatangan pada interval yang berurutan adalah tetap dan independen, yang berarti bahwa proses mempunyai penambahan bebas,
yaitu jumlah kejadian yang muncul pada setiap interval waktu tidak bergantung pada interval waktunya. [4]
Kegunaan distribusi poisson yaitu untuk mengukur probabilitas dari variabel random yang mencakup rentang yang cukup panjang. Kemudian selain
dari pada itu distribusi poisson juga berguna untuk mengukur peluang yang mungkin terjadi dalam waktu atau daerah tertentu.Kemudian selain dari pada
itu,distribusi poisson juga digunakan untuk menghitung distribusi binominal dengan mean dari distribusi.
2.4.2 Distribusi Exponential
Adalah distribusi kontinyu yang menggambarkan waktu antar peristiwa dalam proses Poisson, yaitu sebuah proses yang terjadi terus menerus pada tingkat
rata-rata secara konstan. Distribusi exponential banyak diterapkan dalam teori relibilitas, waktu tunggu, dan teori antrian.
Variabel random kontinu X berdistribusi eksponensial dengan parameter ϴ 0, jika mempunyai fungsi distribusi seperti pada Persamaan 2 [4] :
��; ϴ =
�
1 ϴ
�
� ϴ
� 0 � ���� �������
2 Dengan
ϴ merupakan parameter skala.
Universitas Sumatera Utara
20
Sedangkan fungsi distribusi kumulatifnya ditunjukkan dalam Persamaan 3 [9] :
��; ϴ = 1 − �
−� ϴ
, x 0 3
Distribusi eksponensial berguna dalam mencari selisih waktu yang terjai dalam suatu peluang pada daerah tertentu.Dalam aplikasinya distribusi eksponensial ini
sangat berperan sekali,seperti:untuk mengukur selisih waktu antara orang 1 dan ke-2 dlam suatu antrean. Selanjutnya distribusi ini juga berguna untuk mengukur
tingkat kegagalan yang mungkin terjadi dalam suatu peluang. Kemudian distribusi eksponensial juga berguna dalam mencari peubah acak kontinu x, dengan
menggunakan variabel random bilangan acak.
2.5 Standar RTSCTS