1 / 34

Analisis Kinerja Sistem

Analisis Kinerja Sistem. Teori Sampling & Simulasi. Objektif. Teori Sampling Definisi Tujuan Populasi & Sampel Jenis Sampling Simulasi Definisi Model Arsitektur Workload. TEORI SAMPLING. Teori Sampling - Definisi.

darren
Télécharger la présentation

Analisis Kinerja Sistem

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. AnalisisKinerjaSistem Teori Sampling & Simulasi

  2. Objektif • Teori Sampling • Definisi • Tujuan • Populasi & Sampel • Jenis Sampling • Simulasi • Definisi • Model • Arsitektur • Workload

  3. TEORI SAMPLING

  4. Teori Sampling - Definisi • Sebuah teknik statistik yang bisa digunakan kapansajauntukmelakukanpengukuransemua data yang merupakankarakteristiksekelompokorang, obyekataupuneven-even yang tidak mungkin untuk diambil secara keseluruhan karena tidak praktis atau terlalu mahal.

  5. Teori Sampling - Tujuan • Untukmengukurpecahandari interval waktumasing-masingsistemyang tersedia yang dihabiskan dalam berbagai keadaan. Data yang dikumpulkanselama interval pengukuranadalahbagiandarianalisisposteriori untuk menentukan apa saja yang terjadi selama masa interval danbagaimanaperbedaanjenisaktivitasituberhubungansatusama lain. • Untukmengikutievolusisistemdanmemprediksikejadianmasadepannyasehinggakeputusan yang memilikipengaruhpositifpadakinerjanyadapatterjadi.

  6. Teori Sampling – Populasi & Sampel • Populasi: Kumpulan/keseluruhananggotadariobyekpenelitiandanmemenuhikriteriatertentu yang telahditetapkandalampenelitian. Penelitian yang melibatkanpopulasisebagaiobyekpenelitiandisebutSensus. • Sampel: Bagiantertentudari unit populasi. Penelitian yang melibatkansampelsebagaiobyekpenelitiandisebut Sampling Populasi. Populasi N Sampel n

  7. Teori Sampling – Populasi & Sampel • Populasiberdasarkankeadaan: • PopulasiHomogen Populasidikatakanhomogenapabilaunsur-unsurdaripopulasi yang ditelitimemilikisifat-sifat yang relatifseragamsatusamalainnya. Banyakditemukandibidangeksakta, misalnya air, larutan, dsb. Apabilakitainginmengetahuimanistidaknyasecangkir kopi, cukupdenganmencobasetetescairan kopi tersebut. Setetescairan kopi sudahbisamewakilikadarguladarisecangkir kopi tersebut. • PopulasiHeterogen Populasidikatakanheterogenapabilaunsur-unsurdaripopulasi yang ditelitimemilikisifat-sifat yang relatifberbedasatusamalainnya. Misalnya IQ rata-rata mahasiswadisuatuuniversitas.

  8. Teori Sampling – Populasi & Sampel • Populasiberdasarkanukuran: • Populasiterhingga Populasidikatakanterhinggabilamanaanggotapopulasidapatdiperkirakanataudiketahuisecarapastijumlahnya, dengankata lain, jelasbatas-batasnyasecarakuantitatif, misalnya: • Banyaknyamahasiswajurusan SI angkatan 2009 UniversitasGunadarma • Tinggipenduduk yang adadikotatertentu • Populasitakhingga Populasidikatakantakhinggabilamanaanggotapopulasinyatidakdapatdiperkirakanatautidakdapatdiketahuijumlahnya, dengankata lain, batas-batasnyatidakdapatditentukansecarakuantitatif, misalnya: • Air dilautan • Banyaknyabutiranpasirdipantai

  9. Teori Sampling – Populasi & Sampel Populasi • Kelebihan: • Data dijaminlebihlengkap • Pengambilankesimpulan/generalisasilebihakurat • Kelemahan: • Membutuhkanbanyaksumberdaya (biaya, tenaga, waktu) • Tidakadajaminanbahwasemuaanggotapopulasidapatdidata/dilacakdilapangan

  10. Teori Sampling – Populasi & Sampel Sampel: • Kelebihan: • Efisienpenggunaansumberdaya (tenaga, biaya, waktu) • Anggotasampellebihmudahdidata/dilacakdilapangan • Kelemahan: • Membutuhkanketelitiandalammenentukansampel • Pengambilankesimpulan/generalisasiperluanalisis yang teliti

  11. Teori Sampling – Populasi & Sampel • Cirisampel yang baik: • Representatif (harusdapatmewakilipopulasiatausemuaunsursampel) • Batasansampelharusjelas • Dapatdilacakdilapangan • Tidakadakeanggotaansampel yang ganda (didatadua kali/lebih) • Harus up to date (terbarudansesuaidengankeadaansaatdilakukanpenelitian)

  12. Teori Sampling – Populasi & Sampel • Metode sampling yang baik: • Prosedurnyasederhanadanmudahdilakukan • Dapatmemilihsampel yang representatif • Efisiendalampenggunaansumberdaya • Dapatmemberikaninformasisebanyak-banyaknyamengenaisampel

  13. Teori Sampling – Populasi & Sampel • Berapajumlahanggotasampel yang baik? • Perludiperhatikan: • Derajatkeseragaman/heterogenitasdaripopulasi • Metodeanalisis yang akandigunakan • Ketersediaansumberdaya • Presisi yang dikehendaki

  14. Teori Sampling – Populasi & Sampel • Kompromiantarakeyakinandanketepatan • UkuransampelmenurutKrejcie & Morgan (1970) untuktingkatkesalahan 5%

  15. Teori Sampling – Populasi & Sampel • Menurut HM. RahmadyRadiany (dikutipBurhanBungin; 2005: 105) rumusperhitunganbesaransampeladalah : n = (N) / [(N (d)2 + 1)] • Keterangan: • n : Jumlahsampel yang dicari • N : Jumlahpopulasi • d : Derajatkesalahan (misalpresisisebesar 90% maka d = 0,1)

  16. Teori Sampling – Jenis Sampling • Probability Sampling • Non-probability Sampling

  17. Teori Sampling – Jenis Sampling Probability Sampling • Simple Random Sampling Semuaunsurdaripopulasimempunyaikesempatan yang samauntukdipilihsebagaianggotasampel. Anggotasampeldipilihsecaraacakdengancara: • Pengundianmenggunakannomoranggotasebagainomorundian • Menggunakan table angka random (bilanganacak) berdasarkannomoranggota • SyaratPenggunaanMetode Simple Random Sampling: • Sifatpopulasiadalahhomogen • Keadaananggotapopulasitidakterlautersebarsecarageografis • Harusadakerangka sampling (sampling frame) yang jelas

  18. Teori Sampling – Jenis Sampling Probability Sampling • Stratified Random Sampling • Populasidikelompokkanmenjadi sub-sub populasiberdasarkankriteriatertentu yang dimilikiunsurpopulasi. Masing-masing sub populasidiusahakanhomogen • Dari masing-masing sub populasiselanjutnyadiambilsebagiananggotasecaraacakdengankomposisiproporsionalataudisproporsional • Total anggota yang dipilihditetapkansebagaijumlahanggotasampelpenelitian

  19. Teori Sampling – Jenis Sampling Probability Sampling • Contoh: Dari 1000 populasipemilihpada PEMILU akandiambil 100 orang (10%) sebagaisampelberdasarkanusiapemilihsecaraproporsional • SyaratPenggunaanMetode Stratified Random Sampling: • Populasimempunyaiunsurheterogenitas • Diperlukankriteria yang jelasdalammembuatstratifikasi/lapisansesuaidenganunsurheterogenitas yang dimiliki • Harusdiketahuidengantepatkomposisijumlahanggotasampel yang akandipilih (secaraproporsionalataudisproporsional)

  20. Teori Sampling – Jenis Sampling Probability Sampling • Cluster Sampling • Populasidikelompokkanmenjadi sub-sub populasisecarabergrombol (cluster) • Dari sub populasiselanjutnyadirincilagimenjadi sub-populasi yang lebihkecil • Anggotadari sub populasiterakhirdipilihsecaraacaksebagaisampelpenelitian • Contoh: Akandipilihsampelpenelitianuntukmeneliti rata-rata tingkatpendapatanburuhbangunandiKodya Semarang • Kodya Semarang dibagi menjadi16 Kecamatan, dari 16 Kecamatandipilih 2 KecamatansebagaiPopulasidari sampling I • Dari 2 Kecamatan masing-2 dipilih 2 KelurahansebagaiPopulasidarisampel II • Dari 2 Kelurahan masing-2 dipilih 50 buruhbangunansebagaisampelpenelitian

  21. Teori Sampling – Jenis Sampling Non-probability Sampling • Quota Sampling Metodememilihsampel yang mempunyaiciri-ciritertentudalamjumlahatau quota yang diinginkan • Contoh: Akanditelitimengenaimanfaatpenggunaan internet padapeningkatankualitasprosesbelajarmengajarpadamatakuliahtertentu, Penelitimenentukan quota untukmasing-masingsampel: • Jumlahmahasiswa = 50 orang • Jumlahdosen = 5 orang • Jumlahmatakuliah = 3 matakuliah • Sehinggadiperoleh 150 mahasiswa dan15 dosensebagaisampelpenelitianuntuk 3 matakuliah yang  memanfaatkan internet dalamprosesbelajarmengajarnya

  22. Teori Sampling – Jenis Sampling Non-probability Sampling • Accidental Sampling Metodepengambilansampeldenganmemilihsiapa yang kebetulanada/dijumpai • Contoh: Akanditelitimengenaiminatiburumahtanggaberbelanjadiswalayan, penelitimenentukansampeldenganmenjumpaiiburumahtangga yang kebetulanberbelanjadisuatuswalayantertentuuntukdimintaipendapat/motivasinya

  23. Teori Sampling – Jenis Sampling Non-probability Sampling • Saturation Sampling Metodepengambilansampeldenganmengikutsertakansemuaanggotapopulasisebagaisampelpenelitian • Contoh: AkanditelitimengenaipendapatmahasiswaterhadappemberlakuankurikulumbarudiGunadarma, penelitimenentukansampeldenganmengambilseluruhmahasiswaaktifdiGunadarmasebagaisampelpenelitian

  24. Teori Sampling – Jenis Sampling Non-probability Sampling • Snowball Sampling Metodepengambilansampeldengansecaraberantai (multi level). • Sampelawalditetapkandalamkelompokanggotakecil • Masing-masinganggotadimintamencarianggotabarudalamjumlahtertentu • Masing-masinganggotabarudimintamencarianggotabarulagi. • Contoh: AkanditelitimengenaipendapatmahasiswaterhadappemberlakuankurikulumbarudiGunadarma, sampelditentukansebesar 100 mahasiswa, penelitimenentukansampelawal 10 mahasiswa. Masing-masingmencari 1 orangmahasiswa lain untukdimintaipendapatnya. Dan seterusnyahinggadiperolehsampeldalamjumlah 100 mahasiswa

  25. Teori Sampling – Jenis Sampling • Ketikapenelitibermaksuduntukmenggeneralisasikanhasilpenelitiannyamakaambilsampelsecaraacakdanrepresentatif • Ketikapenelititidakbermaksuduntukmenggeneralisasikanhasilpenelitiannyaatauketikajumlahpopulasitidakdiketahuisecarapastimakaambilahsampelsecaratidakacak

  26. SIMULASI

  27. Simulasi - Definisi • Simulasi adalah teknik pengukuran yang melakukan pengukuran sebuah model yang identikdalamskala yang lebihkecildarisuatusistem. • Model simulasimerepresentasikankinerjadinamisdarisuatusistemdenganmereproduksikeadaannyadanmengikutitransisisituasitersebut yang disebabkanolehurutanstimulaneksternal yang sesuai.

  28. Simulasi – Model • Secarakonsep, model simulasidaridunianyataadalahsuatu program komputer. Simulasiakanmengizinkansuatusistemdibuatmodelnyapadasetiap level detail:, yaknidaritranslasilangsung model antrianjaringanuntukmenangkapsetiapaspekdariperilakusistem. • Simulasijugamendukungkoleksimetrikkinerja yang dapatdidefinisikandandapatdiprogram.

  29. Simulasi – Arsitektur • Simulasisistemkomputer yang ditulisuntukkeperluansemuaanalisiskinerjasecaraumumdisebutsimulasi even-diskrit. • Dalamsimulasi even diskritini, dibentukkuantitas yang merepresentasikanwaktu, dan state sistemhanyaberubahjikasuatu even terjadi.

  30. Simulasi – Workload • Terdapattigateknikdasaruntukmembuat workload untuksimulasi : • Stochastic • Trace driven • Execution driven

  31. Simulasi – Workload • Simulasi Stochastic menggambarkanpolakedatangan job danaspeklainnyadari workload dengansuatusampeldaridistribusiprobabilitas. Banyakjenis workload yang dapatdigambarkansecaraakuratdenganmenggunakandistribusi yang tepat. • Workload Stochastic merupakanpilihan yang baikketikainformasi detail tentang workload tidaktersedia, atauketikakitamembutuhkanuntukmengubahkarakteristik workload. • Workload sangatefisiendantidakmembutuhkan file data yang besar.

  32. Simulasi – Workload • Simulasikendali-trace (Trace-driven) merepresentasikan workload sebagaisuatuurutanoperasiataupermintaanlayanan (request). • Untuksimulasi web server, urutanpermintaan HTTP (HTTP request) merupakansuatu trace yang memadai, sedangkansimulasi CPU next-generation x86 dapatmenggunakan trace pada micro-operasi-nya. Jika data trace secaraakuratmerepresentasikansemua workload yang ada, akanmendapatkanhasilsimulasi yang baik, saatdapatmenghindarikebutuhanmenuliskodesimulasikedalam model workload. • Kekuranganmenggunakan trace adalahbahwakoleksihasil trace tersebutmerupakanaktivitas yang tidaksederhanadan file datanya pasti akan sangat besar.

  33. Simulasi – Workload • Metodesimulasi yang ketiga, simulasi execution driven digunakanuntukmembuat detail model prosesor. • Input padasimulasiinikodeeksekusiyang sama seperti pada sistem real. Meskipun metode ini membutuhkan penulisandanvalidasisimulasi detail, tetapsajaberpengaruhpadakompiler yang digunakandanmembukakesempatanvariasi workload yang amatluas yang dapatdijadikan model.

  34. TUGAS • Membuat review software simulator untuksistemkomputer (teknologiinformasi) mencakupfungsi, fitur, tampilan, dll. • Tugasdibuatdalam format PDF, dikirimke email aurelio.rahmadian@gmail.comdengannama file dan subject email <kelas>_Simulasi_<nama> • Pengiriman paling lambat 17 Oktober 2013 pukul 23.59

More Related