Defenisi Kinerja
Terdapat beberapa badan standar yang mengeluarkan defenisi kinerja, antara lain :
1. Standar industri Jerman DIN55350
Kinerja terdiri dari semua karakteristik dan aktivitas penting yang dibutuhkan dalam suatu produksi, yang meliputi perbedaan kuantitatif dan kualitatif produksi atau aktivitas keseluruhan.
2. Standar ANSI (ANSI/ASQC A3/1978)
Kinerja adalah gambaran dan karakteristik produksi keseluruhan atau pelayanan yang berhubungan dengan pemenuhan kebutuhan.
3. Standar IEEE untuk kinerja perangkat lunak (IEEE Std 729 - 1983)
Kinerja adalah tingkatan untuk memenuhi kombinasi perangkat lunak yang diinginkan.
Secara umum dapat didefenisikan sebagai semua karakteristik dan aktifitas penting yang berhubungan dengan pemenuhan kebutuhan yang akan dicapai.
Kriteria Pengukuran
1. Obyektif. Pengukuran dilakukan lewat pendekatan yang obyektif, tidak subyektif menggunakan semua tester yang mungkin dilakukan.
2. Reliabilitas. Pengukuran realibel (stabil dan presisi) jika dalam pengulangan yang dilakukan dalam kondisi yang sama, juga didapatkan hasil yang sama.
3. Validitas, pengukuran valid jika hasil pengukuran memenuhi karakteristik kualitas.
4. Normalisasi. Normalisasi diperlukan untuk dapat memiliki skala hasil pengukuran dapat direpresentasikan dengan mudah. Ini berhubungan dengan skalabilitas.
5. Mudah dibandingkan. Pengukuran mudah dibandingkan ketika diatur suatu relasi ke pengukuran lainnya.
6. Economis. Pengukuran harus memiliki biaya yang rendah. Tergantung pada derajat otomatisasi dan nilai pengukuran, yang biasanya\ digunakan untuk pemilihan penggunaan perangkat bantu jenis tertentu.
7. Berguna. Mudah dibuktikan dengan validitas, dan amat berguna dalam evaluasi kualitas
Precision vs Confidence
Beberapa hal yang perlu diperhatikan dalam pengambilan sampel selain metode pengambilan sampel di atas adalah tingkat ketepatan (precision) dan tingkat kepercayaan (confidence) sampel.
Ketepatan (precision) mengacu pada seberapa dekat estimasi peneliti berdasarkan sampel yang terpilih terhadap karakteristik yang sebenarmya dari populasi.
Confidence level : derajat kepercayaan atau ketelitian pengambilan sebuah sampel. Confidence level 95%-99%. Semakin tinggi Condidence level semakin dapat dipercaya data tersebut. (100 - CL = 1%-5%) adalah persen kelonggaran ketidaktelitian karena kesalahan pengambilan sampel yang masih dapat ditolelir.
Ukuran sampel dapat pula ditentukan dengan menggunakan rumus slovin (1960) yang dikutip sevilla (1994) sbb:
N
n = 1 + N e2n = ukuran sampel
N = ukuran populasi
e = persen kelonggaran ketidaktelitian karena kesalahan pengambilan sampel yang masih dapat ditolelir atau diinginkan, misalnya 2%
misalnya:
Jumlah elemen dalam populasi adalah 8000. apabila Confidence level 98% berapa sampel yang harus diambil = 1905. Apabila CL diturunkan menjadi 95% berapa jumlah sampelnya = 380.9 dst.
Semakin tinggi CL semakin besar sampelnya, semakin rendah CL semakin sedikit sampelnya.
Dalam menentukan ukuran/jumlah sampel juga perlu memperhatikan pedoman kasar yang dikemukakan oleh Roscoe dalam Sekaran (2000), yaitu:
1. Jumlah sampel yang paling sesuai untuk hampir semua penelitian adalah 30 < n < 500
2. Apabila sampel dibagi ke dalam beberapa subsampel (laki-laki/perempuan, senior/yunior) jumlah sampel minimum untuk tiap kategori adalah 30
3. Dalam penelitian multivariate(multiple regression analysis) jumlah sampel harus beberapa kali (sekitar 10 kali atau lebih) lipat dari jumlah variabel dalam penelitian.
Untuk penelitian eksperimen yang sederhana dengan pengendalian ekperimental yang ketat, penelitian yang baik dapat dilakukan dengan menggunakan sampel sekitar 10 sampai 20.
Model Sistem adalah :
• Sebuah abstraksi atau penyederhanaan realita
• Mempunyai input dan output
• Menetapkan pemetaan (mapping) dari keadaan yang sebenarnya ke input
dan output.
Tiga level representasi model untuk suatu sistem komputer :
1. Level fisikal (level 1)
· Berorientasi pada sistem perangkat keras dan perangkat lunak
· Sistem yang ada sangat ketergantungan dan dapat digunakan pada seluruh studi kerja pengukuran kinerja.
· Relatif mudah direkonstruksi karena tersedianya berbagai jenis pengukuran yang mendukungnya.
· Contoh komponen dasar beban kerja yang dikarakteristikkan oleh pemakaian CPU time yaitu jumlah instruksi yang dijalankan, jumlah tempat penyimpanan di memori utama, waktu total operasi I/O, jumlah file kerja waktu kerja saluran (channel) I/O dan disk.
2. Level virtual (level 2)
· Orientasi pada sumber-sumber yang bersifat logika.
· Ketergantungan sistem satu sama lain yang lebih kecil dibandingkan level 1
· Lebih dekat dengan sisi programmer.
· Contoh : statement bahasa pemrograman tingkat tinggi, nomor akses record atau file dalam database dan perintah interaktif.
3. Level fungsional (level 3)
· Berorientasi pada aplikasi
· Sistem yang mandiri
· Sulit untuk mendesain representasi model secara sistematik
· Diperlukan di dalam studi perolehan perilaku aplikasi.
· Contoh : perhitungan payroll, inventory control, perhitungan akuntansi
Keakuratan (atau representatif ) model beban kerja didefiniskan pada cara yang berbeda, tergantung pada level model yang diambil. Contoh kasus : Andai pada sebuah beban kerja W, terdapat beberapa kriteria yang mungkin dipilih untuk mengevaluasi gambaran dari sebuah model W’ yang diturunkan dari defenisi berikut ini :
· W’ adalah sebuah gambaran model dari W jika permintaan sumber fisiknya memiliki proporsi yang sama dengan yang ada pada W.
· W’ adalah sebuah gambaran model dari W jika permintaan sumber fisiknya memiliki rata-rata yang sama dengan yang ada pada W.
· W’ adalah sebuah gambaran model dari W jika fungsi yang sama diproporsikan sama sebagai W.
· W’ adalah sebuah gambaran model dari W jika memproduksi nilai indeks kinerja P yang sama sebagai W ketika bekerja pada sistem Y yang sama.
Klasifikasi Model sistem
Sistem yang dianalisa sebaiknya harus didefinisikan dan dipahami secara detail. Kebanyakan model digunakan untuk beberapa variasi tingkatan dari proyek evaluasi kinerja. Yang terbegi atas 3 kelas utama (Sbodova, 1976), yaitu:
• Model Struktural. Mendeskripsikan komponen sistem individual dan konekasinya. Model ini menghasilkan antar muka yang sangat berguna menjembatani antara sistem real dengan banyak model abstra lainnya.
• Model Fungsional. Mendefinisikan sistem yang dapat dianalisa secara matematis dan lewat studi empiris.
• Model Analitik Kinerja. Memformulasikan kinerja sistem workload dan sistem struktur. Model kinerja dihasilkan oleh analisis dan model fungsional untuk model workload yang spesifik.
Model Struktural adalah gambaran dari komponen sistem aktual dan semua koneksinya. Model ini direpresentasikan dalam diagram blok, dengan menggunakan bahasa yang khusus.
Model Fungsional yang digunakan dalam analisis kinerja dapat dibagi dalam
4 kelompok :
1. Model Flowchart. Model ini dibuat untuk menggambarkan langkah demi langkah eksekusi suatu sistem.
2. Model Finite-state. Model ini dapat digunakan sebagai perangkat analisis dari sistem sumber. Model ini dapat digambarkan dalam graf berarah (directed graph); dimana node merepresentasikan keadaan sistem, dan tanda panah menggambarkan transisi pada sistem. Keadaan sistem tersusun dari keadaan individual dari komponenkomponennya dan merefleksikan segala macam operasi sistem tersebut. Waktu pemecahan masing-masing keadaan sistem individual tersebut diperoleh dari kemungkinan transisi yang ditunjukkan tanda panah.
3. Parallel net. Model ini merupakan modifikasi dari Petri nets. Paralel net adalah Graf berarah (directed graphs) yang dibuat oleh dua node yang berbeda tipe: dimana transisi harus dapat mewakili proses secara tepat. Dalam kondisi ini kebanyakan transisi harus tersedia secara simultan. Paralel ner sangat baik untuk mendeskripsikan Sistem asynchronous yang bekerja secara bersamaan dalam satu waktu. Dalam metode petri nets, transisi dalam suatu even dilakukan tanpa memiliki durasi. Pewaktuan petri nets adalah bagus untuk alat bantu analisis sistem throughput.. Kondisi direpresentasikan sebagai suatu lingkaran dan transisi oleh suatu garis penghalang(bar).
4. Model Queueing. Pada model ini sistem direpresentasikan sebagai himpunan resource dan antrian dari resource tersebut. Ketika suatu job masuk ke dalam sistem, akan masuk terlebih dahulu ke dalam antrian, dan kemudian akan menunggu sampai permintaan layanannya dapat dipenuhi. Setelah permintaan job diproses, job meninggalkan sistem untuk kemudian masuk ke antrian lain lagi. Model ini menekankan aliran dari job yang melewati sistem, namun tetap dapat dilakukan observasi keadaan dari sistem tersebut. Model ini memiliki kegunaan yang amat luas.
Sifat Antrian
Sifat antrian lebih kepada contoh antrian yang rentangnya maksimum. Rentang antrian dapat diklasifikasikan terbatas dan tidak terbatas. Rentang antrian terbatas lebih banyak disebabkan karena keterbatasan dari ruang antrian. Keterbatasan ini misalnya, pada dinihari biasanya tidak terjadi antrian kendaraan di persimpangan. Untuk antrian yang tidak terbatas, akan lebih mudah untuk memasukkan probabilita ke dalam proses analisisnya.
Notasi Kendall
Ini digunakan untuk menspesifikasikan model antrian. Notasinya adalah :
A/S/m/B/K/SD
Dimana :
A adalah distribusi waktu interarrival
S adalah distribusi waktu layanan.
m adalah jumlah server
B adalah jumlah buffer (sistem kapasitas)
K adalah besar populasi
SD adalah tertib layanan (service discipline)
A dan S biasanya dinyatakan dalam satu huruf simbol tertentu :
M adalah eksponensial. Untuk properti memoryless, karena jika waktu interarrival terdistribusi secara eksponensial dengan mean 1/L, waktu yang diharapkan untuk kedatangan selanjutnya selalu 1/L tidak dianggap sejak kedatangan terakhir. Ini disebut distribusi memoryless.
• Ek adalah Erlang dengan parameter k
• Hk adalah Hiper-eksponensial dengan parameter k
• D adalah deterministik. Distribusi ini menyatakan waktu konstan, tidak ada variasi waktu.
• G adalah hal yang umum (General). Distribusi yang tidak dikhususka dan hasilnya tetap valid untuk semua jenis distribusi.
0 komentar:
Posting Komentar