2 R,6 2 km2 (2.1)
Dimana :
L = luasan sel hexagonal (km2) R = jari-jari sel (km)
2.4 Perencanaan Kapasitas (Capacity Planning)
Dalam melakukan perancangan kapasitas jaringan ini tentunya kita harus mempertimbangkan kebutuhan pelanggan di masa mendatang, maka untuk mengantisipasi jumlah pelanggan selama periode tersebut diperlukan estimasi pertumbuhan jumlah pelanggan.
23 2.4.1 Peramalan Kebutuhan
Prediksi pertambahan jumlah pelanggan hingga beberapa tahun kedepan merupakan faktor yang sangat penting dalam perencanaan jaringan karena menentukan kebijaksanaan dan strategi dalam pengembangan sistem untuk mengantisipasi pertumbuhan pelanggan agar kelak semua target pelanggan dapat terlayani (Wibisono, dkk, 2008).
Ada beberapa metode untuk melakukan prediksi pelanggan, diantaranya :
Metode Deret Berkala (Time Series)
Metode Eksponensial Smoothing
Metode Regresi
Metode Iteratif
a. Metode Deret Berkala (Time Series)
Metode ini merupakan metode dengan melakukan pendekatan secara makro. Tujuan dari metode ini adalah menemukan pola dalam deret data yang lalu dan mengekstrapolasikan data tersebut ke masa depan. Langkah penting dalam memilih suatu metode pada Time Series adalah harus mempertimbangkan jenis pola yang akan diramalkan. Ada beberapa macam jenis pola, salah satunya adalah Pola Trend yang paling cocok untuk peramalan jumlah kebutuhan telepon. Untuk prediksi pelanggan dengan Deret Berkala Pola Trend akan dibatasi metode yang digunakan sampai tiga macam saja, yaitu metode Trend Linier, Trend Kuadratik, dan Trend Eksponensial.
24 b. Prediksi pelanggan dengan Metode Trend Linier
Bentuk umum persamaan linier :
Y’ = a + b.X (2.2)
Dimana: Y’ = variabel tak bebas hasil ramalan (kepadatan pelanggan) X = variabel bebas berupa periode waktu
a & b = konstanta (dihitung dari data sample deret berkala) Bila jumlah pengamatan sebanyak n, maka dari persamaan di atas diperoleh :
∑ Y = n.a + b. ∑ X
∑ XY = a ∑ X + b ∑ X2 (2.3)
Keterangan : X = unit periode waktu pengamatan (mulai 0,1,2,3 dan seterusnya) Y = data kepadatan pelanggan sebenarnya (per 100 penduduk) Dengan cara eliminasi kedua persamaan tersebut di atas, maka diperoleh konstanta a & b sehingga Y’ (variabel tak bebas hasil ramalan berupa kepadatan pelanggan) dapat diperoleh.
c. Prediksi pelanggan dengan Metode Trend Kuadratik (Parabola)
Metode Trend Kuadratik biasanya sebagai persamaan parabola. Bentuk umum persamaan ini adalah :
Y’ = a + b.X + c.X2 (2.4)
Dimana : Y’ = variabel tak bebas hasil ramalan (kepadatan pelanggan) X = variabel bebas berupa periode waktu
a, b, dan c = konstanta (dihitung dari data sample deret berkala) Cara menghitung konstanta a, b, dan c memakai persamaan normal :
25
∑ Y = an + b∑X + c∑X2
∑XY = a∑X + b∑X2 + c∑X3
∑X2Y = a∑X2 + b∑X3 + c∑X4 (2.5)
Keterangan : 1. X = unit periode waktu pengamatan
Untuk n = ganjil (misal n = 3) maka : X1 = -1 ; X2 = 0 ; X3 = 1 Untuk n = genap (misal n = 2) maka : X1 = -1 ; X2 = 1
2. Y = data kepadatan pelanggan sebenarnya (per 100 penduduk) Dengan cara mengeliminasi ketiga persamaan tersebut diatas, maka diperoleh konstanta a, b, dan c sehingga Y’ (variabel tak bebas hasil ramalan berupa kepadatan pelanggan) dapat diperoleh.
d. Prediksi pelanggan dengan Metode Trend Eksponensial Bentuk persamaan metode Trend Eksponensial :
Y’ = a.bX (2.6)
Dimana : Y’ = variabel tak bebas hasil ramalan (kepadatan pelanggan) X = variabel bebas berupa periode waktu
a, b, dan c = konstanta (dihitung dari data sample deret berkala) Bentuk persamaan metode Trend Eksponensial tersebut dapat diubah menjadi bentuk persamaan linier sebagai berikut :
Y’ = a.bX... Log Y’ = log a.bX Log Y’ = log a + log bX
Log Y’ = log a + X (log b) (2.7)
26
Konstanta-konstanta ao dan bo dapat dicari dengan cara eliminasi kedua persamaan di bawah ini :
∑ Y0 = a0.n + b0 ∑X
∑XY0 = a0 ∑X + b0 ∑X2
Y0 = log Y (2.10)
Keterangan : 1. X = unit periode waktu pengamatan
Untuk n = ganjil (misal n = 3) maka : X1 = -1 ; X2 = 0 ; X3 = 1 Untuk n = genap (misal n = 2) maka : X1 = -1 ; X2 = 1
2. Y = data kepadatan pelanggan sebenarnya (per 100 penduduk)
e. Langkah-langkah dalam prediksi pelanggan
Tahapan dalam prediksi pertambahan jumlah pelanggan adalah sebagai berikut :
Dari data jumlah penduduk dari tahun ke tahun serta jumlah pelanggan yang ada dari tahun ke tahun dapat ditentukan kepadatan pelanggan sebenarnya (per 100 penduduk) untuk daerah yang direncanakan. Persamaan yang digunakan :
Kepadatan pelanggan tahun ke-n = 100
n
27 Kepadatan pelanggan yang diperoleh dari persamaan diatas digunakan sebagai variabel Y yang digunakan sebagai acuan dalam perhitungan untuk metode Trend Linier, Kuadratik maupun Eksponensial untuk mencari variabel Y’
(variabel tak bebas hasil ramalan).
Ketiga metode tersebut dicoba satu per satu untuk dibuktikan metode mana yang paling sesuai untuk dipakai dalam prediksi pelanggan., dimana dipilih yang mempunyai selisih jumlah sekecil mungkin antara kepadatan pelanggan sebenarnya dengan kepadatan hasil perhitungan.
Setelah metode ditetapkan, maka dapat digunakan persamaannya dalam menentukan kepadatan pelanggan untuk prediksi hingga tahun ke-n sesuai kebutuhan perencanaan yang akan diterapkan sampai berapa tahun.
Prediksi pertambahan jumlah penduduk hingga tahun ke-n dihitung secara terpisah. Persamaannya adalah sebagai berikut :
Pn = Po ( 1 + h )n (2.12)
Keterangan :
Pn = prediksi jumlah penduduk hingga tahun ke-n
Po = jumlah penduduk tahun ke-0 (tahun yang dijadikan sebagai acuan) h = laju pertumbuhan penduduk rata-rata per tahun
Sehingga prediksi pertambahan jumlah pelanggan hingga tahun ke-n dapat diperoleh. Persamaannya adalah sebagai berikut :
Prediksi pelanggan tahun ke-n = x Pn Jumlah pelanggan hasil prediksi yang diperoleh akan dibagi luas wilayah dari daerah layanan untuk memperoleh jumlah pelanggan per kilometer persegi.
28 2.4.2 Perhitungan Pertumbuhan Penduduk
Dengan rumus pertumbuhan geometrik, angka pertumbuhan penduduk sama untuk setiap tahunnya, untuk memprediksi jumlah penduduk di masa mendatang dapat digunakan rumus :
𝑃𝑡= 𝑃0 (1 + 𝑟)𝑡 (2.14)
Dimana:
𝑃𝑡 = Jumlah penduduk total setelah tahun ke-t 𝑃0 = Jumlah penduduk saat perencanaan 𝑟 = Laju pertumbuhan penduduk (%) 𝑡 = Jumlah tahun prediksi
2.4.3 Perhitungan Jumlah Pengguna Seluler
Dengan asumsi teledensitas sebesar x%, maka perhitungan jumlah pengguna seluler dapat dihitung menggunakan persamaan sebagai berikut:
𝑃 = 𝑥% ∗ 𝑃𝑡(2.15) Dimana:
𝑃 = Jumlah Pengguna Seluler
𝑥% = Teledensitas Pengguna Seluler 𝑃𝑡 = Jumlah Penduduk setelah tahun ke-t
29 2.4.5 Teori Trafik
Trafik didefinisikan sebagai jumlah dari data atau banyaknya pesan (messages) pada suatu sirkuit selama suatu periode waktu tertentu. Pengertian trafik disini termasuk hubungan antara kedatangan panggilan (call) ke perangkat telekomunikasi dengan kecepatan perangkat tersebut memproses panggilan sampai panggilan tersebut berakhir. Besaran dari trafik telekomunikasi diukur dengan satuan waktu, sedangkan nilai trafik dari suatu kanal adalah banyaknya (lamanya) waktu pendudukan pada kanal tersebut. Sedangkan kapasitas trafik adalah kemampuan yang diberikan oleh suatu teknologi atau suatu BTS untuk menampung trafik komunikasi yang terjadi. Definisi dari kepadatan trafik yaitu tingkat kesibukan suatu komunikasi yang terjadi dengan nilai yang bervariasi, tergantung lingkungannya. Satuan untuk variable trafik adalah Erlang. 1 Erlang didefinisikan sebagai jumlah trafik yang berlangsung ketika 1 pelanggan menduduki 1 kanal percakapan selama 1 kurun waktu rujukan (detik, menit, atau jam).
𝑰𝒏𝒕𝒆𝒏𝒔𝒊𝒕𝒂𝒔 𝑻𝒓𝒂𝒇𝒊𝒌 (𝑨) = 𝑽
𝑻 (2.16)
dimana :
A = besarnya intensitas trafik (Erlang) V = volume trafik (menit)
T = periode pengamatan (menit)
Jika diasumsikan setiap pelanggan membangkitkan trafik sebesar β Erlang maka trafik total yang dibangkitkan oleh semua pelanggan adalah sebesar :
T = P x A x 10−3 (2.17)
30 dimana :
T = total trafik yang dibangkitkan semua pelanggan seluler (E) P = jumlah pelanggan seluler
A = intensitas trafik yang dibangkitkan setiap pelanggan seluler (E)
2.4.5 Perhitungan Kapasitas Trafik Layanan GSM
Untuk mengetahui kapasitas suatu BTS dalam melayani pelanggan, maka hal yang harus diperhatikan adalah mengetahui berapa jumlah TRx (Transmitter dan Receiver) yang digunakan dalam tiap sektornya. Perhitungan yang digunakan adalah perhitungan secara teoritis karena kondisi di lapangan akan sangat tergantung dengan kondisi jaringan dan perilaku pelanggan.
Dengan asumsi tiap BTS menggunakan antena sektoral, maka dalam satu menara memiliki 3 sektor dalam setiap BTS yang akan dikalkulasi kapasitasnya.
Setiap TRx yang digunakan akan mampu meng-handle 8 timeslot, masing-masing timeslot/kanal ini akan diduduki oleh satu panggilan/pembicaraan pelanggan. Jika operator menggunakan konfigurasi 4x4x4, maka tiap sektor di isi dengan 4 TRx sehingga perhitungan bisa dilakukan sebagai berikut:
1 sektor terdiri atas 4 TRx 1 TRx terdiri atas 8 timeslot
Sehingga 4 TRx menghasilkan 8 x 4 = 32 timeslot
Sebagai catatan penting, setiap sektor membutuhkan 1 kanal BCCH (Broadcast Control Channel) dan 1 kanal SDCCH (Standalone Dedicated Control Channel) yang berguna dalam broadcast sinyal dan juga mengatur panggilan setiap
31 pelanggan. Jadi, 1 sektor yang terdiri atas 4 TRx mampu melayani 32 – 2 = 30 panggilan secara teoritis. Maksud dari istilah kapasitas secara teoritis di sini karena masih ada faktor interference, blocking, congestion, dan sebagainya.
Berikut ini rumus yang digunakan untuk menghitung kebutuhan BTS dalam suatu wilayah adalah sebagai berikut:
𝑩 = 𝑻
𝑨𝑩𝑻𝑺 (𝒃𝒖𝒍𝒂𝒕𝒌𝒂𝒏 𝒌𝒆𝒂𝒕𝒂𝒔) (2.18)
dimana :
B = Jumlah kebutuhan BTS
T = Total trafik yang dibangkitkan semua pelanggan seluler (E) ABTS = Kapasitas satu BTS (E)