BAB IV HASIL DAN ANALISIS DATA
4.1 Hasil Simulasi Sistem Modulasi M-QAM dengan Network
4.1.2 Hasil Simulasi Throughput
Gambar 4.6 merupakan penggambaran dari kurva throughput
dari sistem QAM dengan network coding dan sistem QAM tanpa
network coding. Pada simulasi ini, untuk mendekati dengan keadaan yang sebenarnya, waktu transmisi paket per kanal diasumsikan sebesar 1 detik. Besar nilai throughput diawal kurva untuk QAM tanpa network coding yaitu sebesar 10−0.75 bps. Nilai
throughput terus meningkat seiring menigkatnya nilai SNR sampai pada SNR 15 dB. Setelah dari 15 dB, nilai throughput tetap konstan pada 10−0.6 bps.
Lalu untuk QAM dengan network coding memiliki bentuk kurva yang berbeda dengan QAM tanpa network coding. Dimulai dengan nilai throughput sebesar 10−0.65 bps. Nilai throughput
tersebut terus meningkat sampai SNR 12 dB. Setelah melebihi nilai SNR 12 dB maka nilai throughput dari QAM dengan network coding menjadi konstan pada nilai 10−0.48 bps. Secara teori, sistem dengan network coding mampu memperbaiki throughput hingga
57
33% [7]. Jika diamati lebih lanjut dapat dilakukan perhitungan sebagai berikut:
𝑄𝐴𝑀 𝑁𝐶 − 𝑄𝐴𝑀 𝑁𝑜𝑛 𝑁𝐶 = 10−0.48− 10−0.6= 0.08 0.08
𝑄𝐴𝑀 𝑁𝑜𝑛 𝑁𝐶 𝑥100% = 31.8 %
hasil dari perhitungan diatas sistem simulasi network coding
mampu memperbaiki throughput hingga 31.8 %. Hasil tersebut hampir mendekati teori.
Gambar 4.7 merupakan penggambaran dari kurva throughput
pada modulasi 8-QAM. Pengaturan yang diberikan pada hasil simulasi diatas sama seperti pengaturan pada simulasi dengan modulasi 4-QAM. Besar nilai throughput diawal kurva untuk QAM tanpa network coding yaitu sebesar 10−0.78 bps. Nilai
throughput terus meningkat seiring menigkatnya nilai SNR sampai pada SNR 19 dB. Setelah dari 19 dB, nilai throughput tetap konstan pada 10−0.6 bps.
58
Lalu untuk QAM dengan network coding memiliki bentuk kurva yang berbeda dengan QAM tanpa network coding. Dimulai dengan nilai throughput sebesar 10−0.71 bps. Nilai throughput
tersebut terus meningkat sampai SNR 16 dB. Setelah melebihi nilai SNR 16 dB maka nilai throughput dari QAM dengan network coding menjadi konstan pada nilai 10−0.48 bps. Secara teori, sistem dengan network coding mampu memperbaiki throughput hingga 33% [7]. Jika diamati lebih lanjut dapat dilakukan perhitungan sebagai berikut:
𝑄𝐴𝑀 𝑁𝐶 − 𝑄𝐴𝑀 𝑁𝑜𝑛 𝑁𝐶 = 10−0.48− 10−0.6= 0.08 0.08
𝑄𝐴𝑀 𝑁𝑜𝑛 𝑁𝐶 𝑥100% = 31.8 %
hasil dari perhitungan diatas sistem simulasi network coding
mampu memperbaiki throughput hingga 31.8 %. Hasil tersebut hampir mendekati teori.
Gambar 4.8 merupakan penggambaran dari kurva throughput
pada modulasi 16-QAM. Pengaturan yang diberikan pada hasil
59
simulasi diatas sama seperti pengaturan pada simulasi dengan modulasi 4-QAM. Besar nilai throughput diawal kurva untuk QAM tanpa network coding yaitu sebesar 10−0.8 bps. Nilai
throughput terus meningkat seiring menigkatnya nilai SNR sampai pada SNR 20 dB. Setelah dari 20 dB, nilai throughput tetap konstan pada 10−0.6 bps.
Lalu untuk QAM dengan network coding memiliki bentuk kurva yang berbeda dengan QAM tanpa network coding. Dimulai dengan nilai throughput sebesar 10−0.72 bps. Nilai throughput
tersebut terus meningkat sampai SNR 18 dB. Setelah melebihi nilai SNR 18 dB maka nilai throughput dari QAM dengan network coding menjadi konstan pada nilai 10−0.48 bps. Secara teori, sistem dengan network coding mampu memperbaiki throughput hingga 33% [7]. Jika diamati lebih lanjut dapat dilakukan perhitungan sebagai berikut:
𝑄𝐴𝑀 𝑁𝐶 − 𝑄𝐴𝑀 𝑁𝑜𝑛 𝑁𝐶 = 10−0.48− 10−0.6= 0.08 0.08
𝑄𝐴𝑀 𝑁𝑜𝑛 𝑁𝐶 𝑥100% = 31.8 %
hasil dari perhitungan diatas sistem simulasi network coding
mampu memperbaiki throughput hingga 31.8 %. Hasil tersebut hampir mendekati teori.
60
Gambar 4.9 Hasil Simulasi Throughput pada Modulasi 32-QAM
Gambar 4.9 merupakan penggambaran dari kurva throughput
pada modulasi 32-QAM. Pengaturan yang diberikan pada hasil simulasi diatas sama seperti pengaturan pada simulasi dengan modulasi 4-QAM. Besar nilai throughput diawal kurva untuk QAM tanpa network coding yaitu sebesar 10−0.83 bps. Nilai
throughput terus meningkat seiring menigkatnya nilai SNR sampai pada SNR 23 dB. Setelah dari 23 dB, nilai throughput tetap konstan pada 10−0.6 bps.
Lalu untuk QAM dengan network coding memiliki bentuk kurva yang berbeda dengan QAM tanpa network coding. Dimulai dengan nilai throughput sebesar 10−0.75 bps. Nilai throughput
tersebut terus meningkat sampai SNR 21 dB. Setelah melebihi nilai SNR 21 dB maka nilai throughput dari QAM dengan network coding menjadi konstan pada nilai 10−0.48 bps. Secara teori, sistem dengan network coding mampu memperbaiki throughput hingga 33% [7]. Jika diamati lebih lanjut dapat dilakukan perhitungan sebagai berikut:
61
0.08
𝑄𝐴𝑀 𝑁𝑜𝑛 𝑁𝐶 𝑥100% = 31.8 %
hasil dari perhitungan diatas sistem simulasi network coding
mampu memperbaiki throughput hingga 31.8 %. Hasil tersebut hampir mendekati teori.
Gambar 4.10 merupakan penggambaran dari kurva throughput
pada modulasi 64-QAM. Pengaturan yang diberikan pada hasil simulasi diatas sama seperti pengaturan pada simulasi dengan modulasi 4-QAM. Besar nilai throughput diawal kurva untuk QAM tanpa network coding yaitu sebesar 10−0.83 bps. Nilai
throughput terus meningkat seiring menigkatnya nilai SNR sampai pada SNR 27 dB. Setelah dari 27 dB, nilai throughput tetap konstan pada 10−0.6 bps.
Lalu untuk QAM dengan network coding memiliki bentuk kurva yang berbeda dengan QAM tanpa network coding. Dimulai dengan nilai throughput sebesar 10−0.75 bps. Nilai throughput
tersebut terus meningkat sampai SNR 24 dB. Setelah melebihi nilai SNR 24 dB maka nilai throughput dari QAM dengan network
62
coding menjadi konstan pada nilai 10−0.48 bps. Secara teori, sistem dengan network coding mampu memperbaiki throughput hingga 33% [7]. Jika diamati lebih lanjut dapat dilakukan perhitungan sebagai berikut:
𝑄𝐴𝑀 𝑁𝐶 − 𝑄𝐴𝑀 𝑁𝑜𝑛 𝑁𝐶 = 10−0.48− 10−0.6= 0.08 0.08
𝑄𝐴𝑀 𝑁𝑜𝑛 𝑁𝐶𝑥100% = 31.8 %
hasil dari perhitungan diatas sistem simulasi network coding
mampu memperbaiki throughput hingga 31.8 %. Hasil tersebut hampir mendekati teori.
Dilihat dari kelima level modulasi, mereka mempunyai bentuk kurva yang hampir sama semua. Akan tetapi, tiap level memiliki nilai throughput di awal kurva yang berbeda-beda. Lalu di tiap level modulasi memiliki titik konstan yang berbeda-beda pula. Dan pada akhirnya persentasi perbaikan throughput yang diberikan simulasi sistem network coding mendekati teori.