analisis kinerja sistem n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Analisis Kinerja Sistem PowerPoint Presentation
Download Presentation
Analisis Kinerja Sistem

Loading in 2 Seconds...

play fullscreen
1 / 34

Analisis Kinerja Sistem - PowerPoint PPT Presentation


  • 318 Views
  • Uploaded on

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.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Analisis Kinerja Sistem' - darren


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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
analisis kinerja sistem

AnalisisKinerjaSistem

Teori Sampling & Simulasi

objektif
Objektif
  • Teori Sampling
    • Definisi
    • Tujuan
    • Populasi & Sampel
    • Jenis Sampling
  • Simulasi
    • Definisi
    • Model
    • Arsitektur
    • Workload
teori sampling definisi
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.
teori sampling tujuan
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.
teori sampling populasi sampel
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

teori sampling populasi sampel1
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.

teori sampling populasi sampel2
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
teori sampling populasi sampel3
Teori Sampling – Populasi & Sampel

Populasi

  • Kelebihan:
    • Data dijaminlebihlengkap
    • Pengambilankesimpulan/generalisasilebihakurat
  • Kelemahan:
    • Membutuhkanbanyaksumberdaya (biaya, tenaga, waktu)
    • Tidakadajaminanbahwasemuaanggotapopulasidapatdidata/dilacakdilapangan
teori sampling populasi sampel4
Teori Sampling – Populasi & Sampel

Sampel:

  • Kelebihan:
    • Efisienpenggunaansumberdaya (tenaga, biaya, waktu)
    • Anggotasampellebihmudahdidata/dilacakdilapangan
  • Kelemahan:
    • Membutuhkanketelitiandalammenentukansampel
    • Pengambilankesimpulan/generalisasiperluanalisis yang teliti
teori sampling populasi sampel5
Teori Sampling – Populasi & Sampel
  • Cirisampel yang baik:
    • Representatif (harusdapatmewakilipopulasiatausemuaunsursampel)
    • Batasansampelharusjelas
    • Dapatdilacakdilapangan
    • Tidakadakeanggotaansampel yang ganda (didatadua kali/lebih)
    • Harus up to date (terbarudansesuaidengankeadaansaatdilakukanpenelitian)
teori sampling populasi sampel6
Teori Sampling – Populasi & Sampel
  • Metode sampling yang baik:
    • Prosedurnyasederhanadanmudahdilakukan
    • Dapatmemilihsampel yang representatif
    • Efisiendalampenggunaansumberdaya
    • Dapatmemberikaninformasisebanyak-banyaknyamengenaisampel
teori sampling populasi sampel7
Teori Sampling – Populasi & Sampel
  • Berapajumlahanggotasampel yang baik?
  • Perludiperhatikan:
    • Derajatkeseragaman/heterogenitasdaripopulasi
    • Metodeanalisis yang akandigunakan
    • Ketersediaansumberdaya
    • Presisi yang dikehendaki
teori sampling populasi sampel8
Teori Sampling – Populasi & Sampel
  • Kompromiantarakeyakinandanketepatan
  • UkuransampelmenurutKrejcie & Morgan (1970) untuktingkatkesalahan 5%
teori sampling populasi sampel9
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)
teori sampling jenis sampling
Teori Sampling – Jenis Sampling
  • Probability Sampling
  • Non-probability Sampling
teori sampling jenis sampling1
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
teori sampling jenis sampling2
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
teori sampling jenis sampling3
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)
teori sampling jenis sampling4
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
teori sampling jenis sampling5
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
teori sampling jenis sampling6
Teori Sampling – Jenis Sampling

Non-probability Sampling

  • Accidental Sampling

Metodepengambilansampeldenganmemilihsiapa yang kebetulanada/dijumpai

  • Contoh: Akanditelitimengenaiminatiburumahtanggaberbelanjadiswalayan, penelitimenentukansampeldenganmenjumpaiiburumahtangga yang kebetulanberbelanjadisuatuswalayantertentuuntukdimintaipendapat/motivasinya
teori sampling jenis sampling7
Teori Sampling – Jenis Sampling

Non-probability Sampling

  • Saturation Sampling

Metodepengambilansampeldenganmengikutsertakansemuaanggotapopulasisebagaisampelpenelitian

  • Contoh: AkanditelitimengenaipendapatmahasiswaterhadappemberlakuankurikulumbarudiGunadarma, penelitimenentukansampeldenganmengambilseluruhmahasiswaaktifdiGunadarmasebagaisampelpenelitian
teori sampling jenis sampling8
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
teori sampling jenis sampling9
Teori Sampling – Jenis Sampling
  • Ketikapenelitibermaksuduntukmenggeneralisasikanhasilpenelitiannyamakaambilsampelsecaraacakdanrepresentatif
  • Ketikapenelititidakbermaksuduntukmenggeneralisasikanhasilpenelitiannyaatauketikajumlahpopulasitidakdiketahuisecarapastimakaambilahsampelsecaratidakacak
simulasi definisi
Simulasi - Definisi
  • Simulasi adalah teknik pengukuran yang melakukan pengukuran sebuah model yang identikdalamskala yang lebihkecildarisuatusistem.
  • Model simulasimerepresentasikankinerjadinamisdarisuatusistemdenganmereproduksikeadaannyadanmengikutitransisisituasitersebut yang disebabkanolehurutanstimulaneksternal yang sesuai.
simulasi model
Simulasi – Model
  • Secarakonsep, model simulasidaridunianyataadalahsuatu program komputer. Simulasiakanmengizinkansuatusistemdibuatmodelnyapadasetiap level detail:, yaknidaritranslasilangsung model antrianjaringanuntukmenangkapsetiapaspekdariperilakusistem.
  • Simulasijugamendukungkoleksimetrikkinerja yang dapatdidefinisikandandapatdiprogram.
simulasi arsitektur
Simulasi – Arsitektur
  • Simulasisistemkomputer yang ditulisuntukkeperluansemuaanalisiskinerjasecaraumumdisebutsimulasi even-diskrit.
  • Dalamsimulasi even diskritini, dibentukkuantitas yang merepresentasikanwaktu, dan state sistemhanyaberubahjikasuatu even terjadi.
simulasi workload
Simulasi – Workload
  • Terdapattigateknikdasaruntukmembuat workload untuksimulasi :
    • Stochastic
    • Trace driven
    • Execution driven
simulasi workload1
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.
simulasi workload2
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.
simulasi workload3
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.
tugas
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