Analisa Kinerja Sistem - Blog Sivitas STIKOM Surabaya

Chapter 3.WorkloadAveragingSalah cara paling mudah untuk mengkarakterisasi parameter dari workloadadalah dengan menggunakan averaging (rata-rata).Apabila terdapat datasebanyak n yaitu x 1 , x 2 , . . . , x n , arithmetic mean dari data tersebut didapatkandengan persamaan:¯x = 1 nn∑x i (3.1)Akan tetapi arithmetic mean tidak dapat diterapkan pada semua modeldata. Model-model averang yang lain dapat dilihat pada Appendix A.i=1DispersiRata-rata tidak dapat mewakili sample yang diambil apabila tingkat variansidari data sample cukup besar. Karena dibutuhkan parameter lain untukmenghitung variansi dari data yaitu varian, dengan rumusan:s 2 = 1n − 1n∑(x i − ¯x) 2 (3.2)i=1Standar deviasi, s, yang merupakan akar dari varian lebih disukai karena memilikisatuan yang dengan mean. Sedangkan perbandingan antara standar deviasidan mean disebut sebagai Coefficient of Variation (C.O.V).Apabila nilai dari C.O.V adalah nol, maka sample data adalah konstan.Tetapi apabila nilai dari C.O.V tinggi, berari variansi dari data tersebut cukupbesar, dalam hal ini menggunakan mean sebagai parameter tidak berguna samasekali.Contoh: beberapa program belajar diuji cobakan pada 6 buah universitasdan dilakukan pengukuran selama 6 bulan. Hasil pengukuran terhadap kinerjaserver ditunjukkan dalam Tabel 3.1.Berdasarkan contoh kasus di atas, dapat dilihat bahwa C.O.V untuk Tabel3.1 terlihat sangat besar, hal ini mengindikasikan bahwa menggabungkan semuaprogram pada satu kelas tidak akan memberikan hasil optimal. Karenaitu pelaksanaan program seharusnya dibagi ke dalam beberapa kelas. Setelahdibagi dalam beberapa kelas, hasil pengukuran terhadap kinerja server52