PEMODELAN ALOKASI KANAL DINAMIK DENGAN ALGORITMA
NEURAL NETWORK
3.1 Umum
Penganalisisan suatu sistem yang efektif adalah dengan cara memodelkan dan mensimulasikan sistem tersebut. Permodelan merupakan penggambaran dari sistem yang sebenarnya sedangkan simulasi merupakan proses penyelesaian permasalahan dari sistem yang dapat divisualisasikan sehingga mudah dianalisis. Pada Tugas Akhir ini penganalisisan kinerja pengalokasian kanal dapat dimodelkan seperti Gambar 3.1.
Gambar 3.1. Pemodelan Sistem Pengalokasian Kanal
Pada blok diagram dapat dilihat, sebelum melakukan optimasi menggunakan algoritma neural netwrok harus terlebih dahulu melihat layout sel yang digunakan, jumlah call demand per sel, kendala interferensi, dan jumlah kanal yang tersedia untuk seluruh sel.
Layout sel
Jumlah call
demand per sel
Kendala interferensi Kanal yang tersedia Proses pengalokasian dengan algoritma neural network Penugasan kanal
3.2 Asumsi yang Digunakan
Asumsi-asumsi yang digunakan meliputi :
1. Sistem pengalokasian kanal menggunakan algoritma neural network 2. Satu kanal = satu frekuensi = satu user
3.3 Parameter Kerja Sistem
Parameter lainnya sistem yang akan dilibatkan dalam simulasi mencakup: a) Layout Area
Layout area yang digunakan adalah berdasarkan pada area kota Medan yang terdiri dari 17 sel seperti Gambar 3.2.
Gambar 3.2. Layout Area Kota Medan
Layout sel pada Gambar 3.2 diasumsikan pada kota Medan dengan skala peta 1,63 : 5000000 (1,63 pada peta sama dengan 5 km sebenarnya). Bentuk sel yang digunakan adalah sel hexagonal mikro sel dengan radius sel sebesar 3 km.
Untuk bisa memplot sel hexagonal pada peta maka dibuat skala 1,956 : 600000. Kemudian dengan diameter 1,956 cm diplot pada peta kota dan didapat serta dibatasi jumlah sel sebanyak 17 sel.
b) Matriks Kompatibility
Matriks compatibility adalah syarat yang harus dipenuhi untuk pengalokasikan kanal. Matriks yang digunakan adalah matriks 17x17 dapat dilihat pada tabel 3.1.
Tabel 3.1. Matriks Kompatibiliti C
Sel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 1 6 2 0 2 2 0 0 0 0 0 0 0 0 0 0 0 0 2 2 6 2 0 2 2 0 0 0 0 0 0 0 0 0 0 0 3 0 2 6 0 0 2 2 0 0 0 0 0 0 0 0 0 0 4 2 0 0 6 2 0 0 0 0 2 0 0 0 0 0 0 0 5 2 2 0 0 6 0 0 0 0 2 2 0 0 0 0 0 0 6 0 2 2 0 2 6 2 0 0 0 2 2 0 0 0 0 0 7 0 0 2 0 0 2 6 2 0 0 0 2 2 0 0 0 0 8 0 0 0 0 0 0 2 6 2 0 0 0 2 2 0 0 0 9 0 0 0 0 0 0 0 2 6 0 0 0 0 2 2 0 0 10 0 0 0 2 2 0 0 0 0 6 2 0 0 0 0 2 0 11 0 0 0 0 2 2 0 0 0 2 6 2 0 0 0 2 2 12 0 0 0 0 0 2 2 0 0 0 2 6 2 0 0 0 2 13 0 0 0 0 0 0 2 2 0 0 0 2 6 2 0 0 0 14 0 0 0 0 0 0 0 2 2 0 0 0 2 6 2 0 0 15 0 0 0 0 0 0 0 0 2 0 0 0 0 2 6 0 0 16 0 0 0 0 0 0 0 0 0 2 2 0 0 0 0 6 2 17 0 0 0 0 0 0 0 0 0 0 2 2 0 0 0 2 6
Dari matriks Cij di atas dapat dilihat bahwa :
1. Jarak antar kanal dalam satu sel harus berjarak minimal 6.
2. Jarak kanal pada sel yang bertetangga/berdekatan harus berjarak minimal 2. 3. Jarak kanal pada sel yang berjauhan bisa berjarak 1 ataupun 0 (bisa
c) Pola Interferensi
Pola Interferensi adalah jumlah permintaan panggilan tiap sel. Dalam pemodelan ini pola interferensi sel dapat dilihat pada Tabel 3.2.
Tabel 3.2 Pola interferensi sel SEL 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 JUMLAH INTERFERENSI 3 4 3 3 6 6 5 4 3 4 6 5 4 4 2 3 3 .
Interferensi tiap sel berbeda dilihat dari jumlah sel yang berada disekitarnya.
d) Call Demand
Call demand yang digunakan pada optimasi alokasi kanal dinamik ini merupakan panggilan yang ditawarkan pada setiap sel. Call demand pada setiap sel berbeda-beda.
3.4 Algoritma Neural Network
Simulasi dari kinerja pengalokasian kanal dinamik dengan menggunakan algoritma Neural Network dapat dilihat pada Gambar 3.3 yaitu flowchart dari algoritma hopfield neural network yang sudah disesuaikan dengan masalah pengalokasian kanal dan tahapan dari algoritma hopfield neural network dapat dilihat pada Tabel 3.3.
Mulai
Iterasi
Apakah frekuensi untuk semua sel di
tugaskan ?
Meninisialisasi nomor dari penugasan kanal c = 0
Pilih selI i berdasarkan daftar sell
Pilih secara acak dan update neuron ( i, j ), c = 1
Untuk update selanjutnya arah dipilih secara acak mengarah
ke kiri atau kanan
Apakah update memilih ke arah kanan atau kiri ?
j = j + 1
j = j - 1 T
Update neuron (i,j) pada sell i
c = c + 1 Nomor penugasan kanal c < LB Hitung energi E T Y R Y Apakah E = 0 ?
Hitung keluaran neuron
Selesai Y T L Masukan Input Inisialisasi Membuat daftar sel sesuai dengan urutan menurun dari
RNC sel
Tabel 3.3 Tahapan pada algoritma neural network No Tahap Channel Assigment
1. Masukan Input Memasukkan input yaitu, jumlah sel, demand vector D, matrik C atau batasan (ACC,CCC, dan CSC).
2. Membuat daftar sel sesuai dengan urutan menurun dari RCN untuk setiap sel
Membuat daftar sel dibuat dengan urutan terbesar dan terkecil dari RCN sel. Misalnya jika RCN dari 6 sel, sel dari 1 sampai 6 adalah 3,6,1,30,23,17 masing-masing, kemudian urutan memperbarui daftar akan menjadi sel 4, 3, 5, 1, 6, dan 2. Hal ini dilakukan untuk
pemanfaatan maksimal dari spektrum frekuensi. 3. Inisialisasi Menentukan state awal atau menugaskan sel sesuai
dengan urutan dari RCN.
4. Iterasi Menjalankan proses update bila ada kanal atau panggilan yang terbloking atau di tolak.
Menjalankan Subroutine Iterasi
Menjalankan subroutine iterasi atau mengupdate kanal yang terbloking untuk mencapai syarat dari keluaran neuron atau E = 0 atau tidak ada panggilan yang terbloking.
5. Lihat apakah E=0 Hitung energi E dari penugasan saat ini. Jika E=0 maka maka keluaran dari neural didapatkan atau penugasan kanal sesuai dengan matriks kompatibiliti C dan demand vector D didapatkan. Energi yang dimaksud dalam algoritma ini adalah meminimalkan jumlah panggilan yang ditolak.
Variabel-variabel yang dibutuhkan oleh algotirma neural network untuk menyelesaikan pengalokasian kanal dinamik dapat dilihat pada Tabel 3.4.
Tabel 3.4 variabel yang dibutuhkan pada algoritma neural network
Variabel Keterangan
n jumlah sel dalam jaringan selular
m jumlah kanal yang tersedia di jaringan selular c nomor kanal yang tersedia
RCN daftar sel panggilan yang diperlukan (Required Number Channel) matriks, R = (ri)
ri nomor saluran yang diperlukan untuk sel i, 1 < i < n
rmax jumlah panggilan maksimum pada matriks R
C matriks kompatibilitas, C = (cij)
cij pemisahan frekuensi minimum antara frekuensi dalam sel i dan
j, 1 < i, j< n
LB kanal minimum yang dibutuhkan
ACN Assigned Channel Number atau kanal yang sudah ditugaskan pada kanal
Penjelasan umum tentang tahapan dari simulasi yang akan dilakukan pada pengalokasian kanal adalah :
1. Masukan input
Pada tahapan ini parameter yang digunakan pada masalah penugasan kanal dimasukkan, seperti matrix C, jumlah sel, jumlah minimum kanal yang dibutuhkan.dan call demand atau matrix D.
2. Membuat daftar sel seseuai dengan urutan RCN(required number channel) Untuk mengetahui sel yang akan diproses terlebih dahulu agar pemanfaatan kanal menjadi lebih maksimal maka terlebih dahulu membuat daftar sel
sesuai dengan RCN. Pada tahapan ini matrix D atau daftar call demand diurutkan mulai jumlah call demand terbesar hingga terkecil.
3. Inisialisasi
Pada inisialisasi, penugasan kanal sesuai dengan urutan daftar RCN dilakukan. Pada tahapan ini semua permintaan call demand dialokasikan tanpa melihat apakah ada panggilan yang terblok atau tidak.
4. Iterasi
Proses iterasi atau menjalankan proses update dilakukan untuk menurunkan jumlah panggilan yang diblok. Pada tahapan ini pengalokasian kanal dilakukan kembali sehingga didapat pengalokasian kanal yang sesuai dengan matrix C dan seluruh call demand yang ada terpenuhi. Langkah prosedural untuk metode update adalah sebagai berikut :
a) Pilih sel i sesuai dengan urutan daftar sel .
b) Secara acak memilih satu neuron j dalam sel i [ neuron (i , j ) ] dan memperbarui neuron .
c) Untuk selanjutnya update neuron, arah dipilih secara acak sisi kiri[ neuron (i , j - 1 ) ] atau sisi kanan neuron [ neuron (i , j +1 ) ] .
d) Setelah arah awal ditentukan oleh langkah c ), neuron berikutnya di update secara berurutan .
e) Ulangi langkah a) - d ) sampai semua frekuensi untuk semua sel ditugaskan .
5. Hitung energi E
Energi pada algoritma neural nework adalah untuk mencapai keadaan konvergen pada neuron. Keadaan konvergen yang dimaksud adalah neuron
tersebut dalam keadaan stabil atau tidak ada lagi perubahan atau E=0. Untuk masalah penugasan kanal, energi erat kaitannya dengan jumlah panggilan yang terbloking atau panggilan yang jatuh. Sehingga untuk mencapai energi E=0 maka jumlah panggilan yang terbloking harus diminimalkan. Nilai energi didapat dengan menghitung selisih antar jumlah panggilan yang tersedia dengan jumlah panggilan yang terlayani.