Perpustakaan Digital ITB

Abstrak: Pemodelan trafik memegang peranan yang cukup penting dalam mendesain jaringan komunikasi. Dengan berkembangnya jaringan komunikasi dan jenis layanannya pada saat ini, terutama pada komunikasi data, maka kelakuan trafik juga berubah. Pemodelan trafik terdahulu, Poisson dan Markov sudah tidak cocok lagi digunakan untuk memodelkan trafik saat ini, terutama untuk memodelkan sifat bursty dari trafik saat ini.Pada perkembangannya, pemodelan trafik lebih dilihat pada sifat-sifat statistiknya. Dari beberapa pengamatan yang pernah dilakukan, trafik saat ini bersifat self-similar (fractal), artinya pada skala waktu pengamatan yang berbeda-beda, data trafik mempunyai sifat statistik yang hampir sama. Dari variansinya, trafik dibagi dalam dua golongan, yaitu long range dependence dan short range dependence, hal ini dapat dilihat dari harga parameter Hurst.Untuk memodelkan trafik yang bersifat long range dependence, pada penelitian ini digunakan metode Haar Wavelet sebagai dasar pembangkitan data trafik. Sifat-sifat pembangkitan dari model ini dilihat dengan merubah parameter simulasi, yaitu U0,0 dan ?.Dari hasil penelitian, model Haar Wavelet mampu menghasilkan trafik yang bersifat long range dependence, dilihat dari parameter Hurst yang berharga sekitar 0,72 - 0,9.