Analisis Peningkatan Kinerja Soft Handoff Tiga BTS Dengan Menggunakan Model Propagasi Okumura

(1)

LAMPIRAN 1

%% Simulasi Pengaruh Parameter Model Propagasi Okumura Terhadap Kinerja Soft Handover%%

%% parameter tinggi BS di variasikan %%

close all

clear clc tic

Hte=[50,60,70,80,90,100]; % Tinggi antena BS (m)

Hre=3; % Tinggi antena MS (m)

HYST_ADD=10; % parameter yang akan

divariasikan dgn nilai 2,8,10,14 dBm

HYST_DROP=10; % parameter yang akan

simulasi=500; n=2000;

%% Inisialisasi Parameter

S1=zeros(simulasi,n);

%% Parameter Simulasi

tao=8; % standar deviasi

D=2; % Jarak Antar BS (Km)

Pt=30; % dBm

N=20; % Parameter yang akan divariasikan dengan

nilai 10,20,30,40.

(2)

for j=1:simulasi

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%% Model Okumura %%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

10*log((lamda^2)/((4*pi)^2)*((d(1,k)*10^3).^2)); % Rugi-rugi ruang Bebas

Lf2(j,k) = 10*log((lamda^2)/((4*pi)^2)*(((D-d(1,k)+0.001)*10^3).^2));

Lf3(j,k) = 10*log((lamda^2)/((4*pi)^2)*(((sqrt(((D/2-d(1,k)).^2)+(((3/sqrt(3))*D/2).^2)))*10^3).^2));

end

Amu = 23; % Rata-rata redaman relatif terhadap Free Space (880 MHz and 2 Km)

Garea = 0; % Gain tipe daerah

if(Hre>3)

Ghre = 20*log(Hre/3); else

Ghre = 10*log(Hre/3); end

Ghte = 20*log10(Hte(a)/200); % Gain antena BTS

PL_oku1 = Lf1 + Amu - Ghte - Ghre - Garea; PL_oku2 = Lf2 + Amu - Ghte - Ghre - Garea; PL_oku3 = Lf3 + Amu - Ghte - Ghre - Garea; for k=1:n

atenuasi_d1_jeita(j,k)= PL_oku1(j,k).* R1(j,k); atenuasi_d2_jeita(j,k)= PL_oku2(j,k).* R2(j,k); atenuasi_d3_jeita(j,k)= PL_oku3(j,k).* R3(j,k); end

%% Kuat Sinyal Terima

(3)

SBAR1(j,k)=(1/N)*sum(S1(j,i));

%% Mean Active set

for k=1:n

if SBAR1(j,k)>Smin && SBAR2(j,k)<Smin && SBAR3(j,k)<Smin

AS(j,k)=1;

elseif SBAR1(j,k)<Smin && SBAR2(j,k)>Smin && SBAR3(j,k)<Smin

AS(j,k)=2;

elseif SBAR1(j,k)<Smin && SBAR2(j,k)<Smin && SBAR3(j,k)>Smin

AS(j,k)=3;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)<Smin && abs(SBAR1(j,k)-SBAR2(j,k))>HYST_ADD

AS(j,k)=1;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)<Smin && SBAR3(j,k)>Smin && abs(SBAR1(j,k)-SBAR3(j,k))>HYST_ADD

AS(j,k)=1;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)<Smin && SBAR3(j,k)>Smin && abs(SBAR1(j,k)-SBAR3(j,k))<HYST_ADD

AS(j,k)=2;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)<Smin && abs(SBAR1(j,k)-SBAR2(j,k))<HYST_ADD

AS(j,k)=2;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && SBAR1(j,k)>SBAR2(j,k)&& abs(SBAR1(j,k)-SBAR2(j,k))>HYST_ADD && abs(SBAR1(j,k)-SBAR3(j,k))<HYST_ADD

AS(j,k)=2;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && SBAR1(j,k)>SBAR2(j,k)&& abs(SBAR1(j,k)-SBAR2(j,k))<HYST_ADD && abs(SBAR1(j,k)-SBAR3(j,k))>HYST_ADD

AS(j,k)=2;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && abs(SBAR1(j,k)-SBAR2(j,k))>HYST_ADD && abs(SBAR1(j,k)-SBAR3(j,k))>HYST_ADD

(4)

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && SBAR1(j,k)<SBAR2(j,k)&& abs(SBAR1(j,k)-SBAR2(j,k))>HYST_DROP && abs(SBAR2(j,k)-SBAR3(j,k))<HYST_DROP

AS(j,k)=2;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && SBAR1(j,k)<SBAR2(j,k)&& abs(SBAR1(j,k)-SBAR2(j,k))<HYST_DROP && abs(SBAR2(j,k)-SBAR3(j,k))>HYST_DROP

AS(j,k)=2;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && abs(SBAR2(j,k)-SBAR1(j,k))>HYST_DROP && abs(SBAR2(j,k)-SBAR3(j,k))>HYST_DROP

AS(j,k)=2;

elseif SBAR1(j,k)<Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && abs(SBAR2(j,k)-SBAR3(j,k))>HYST_DROP

AS(j,k)=2;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)<Smin && abs(SBAR2(j,k)-SBAR1(j,k))>HYST_DROP

AS(j,k)=1;

elseif SBAR1(j,k)<Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && abs(SBAR2(j,k)-SBAR3(j,k))<HYST_DROP

AS(j,k)=3;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)<Smin && abs(SBAR2(j,k)-SBAR1(j,k))<HYST_DROP

AS(j,k)=2;

handoff(j,l)=0; % Tidak ada

perpindahan

else

handoff(j,l)=1; % Ada perpindahan

end end end

% Nilai Probabilitas Outage

Poutage(:,a)=P;

rata2Poutage(:,a)=rata2P;

% Nilai Rata-rata Active Set

(5)

rata_handoff(:,a)=mean(1/simulasi*sum(handoff)); end

% Mendapatkan nilai persentase BTS terhadap MS

[BS1,BS2,BS3,persen_BS1,persen_BS2,persen_BS3]=persentase(simulasi ,AS);

% Menampilkan Gambar Probabilitas Outage

figure(1) plot(Poutage)

title('Grafik Probabilitas Outage'); ylabel('Probabilitas outage');

xlabel('Jarak (m)');

legend('Hte=50','Hte=60','Hte=70','Hte=80','Hte=90','Hte=100')

% Menampilkan Gambar Active Set

figure(2)

plot(laju_update_AS_rata2)

title('Grafik Active Set Size'); ylabel('Active Set Size');

% Menampilkan Gambar Jumlah Handoff rata2

figure(3)

plot(jumlah_handoff_rata2)

title('jlh handoff rata2 thd jarak'); ylabel('jlh handoff rata-rata'); xlabel('Jarak (m)');

% Menampilkan Gambar Kuat Sinyal Terima sebelum dan sesudah windowing

plot(d,SBAR1,'r'); hold on

plot(d,SBAR2,'y'); hold on

plot(d,SBAR3,'g');

(6)

disp(rata_handoff)

disp('Persentase BTS_1') disp(persen_BS1)

(7)

LAMPIRAN 2

%% Parameter Tinggi MS divariasikan %%

close all

clear clc tic

Hte=50; % Tinggi antena BS (m)

Hre=1:6; % Tinggi antena MS (m)

HYST_ADD=10; % parameter yang akan

HYST_DROP=10; % parameter yang akan

Pt=30; % dBm

N=20; % Parameter yang akan divariasikan dengan

nilai 10,20,30,40.

Smin=-90; % dBm

(8)

for j=1:simulasi

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%% Model Okumura %%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

end

if(Hre(a)>3)

Ghre = 20*log(Hre(a)/3); else

Ghre = 10*log(Hre(a)/3); end

Ghte = 20*log10(Hte/200); % Gain antena BTS

for k=1:n;

(9)

SBAR2(j,k)=(1/N)*sum(S2(j,i));

%% Mean Active set

for k=1:n

if SBAR1(j,k)>Smin && SBAR2(j,k)<Smin && SBAR3(j,k)<Smin

AS(j,k)=1;

AS(j,k)=2;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && SBAR1(j,k)>SBAR2(j,k)&& abs(SBAR1(j,k)-SBAR2(j,k))<HYST_ADD && abs(SBAR1(j,k)-SBAR3(j,k))>HYST_ADD

AS(j,k)=2;

AS(j,k)=1;

(10)

AS(j,k)=2;

AS(j,k)=1;

AS(j,k)=2;

handoff(j,l)=0; % Tidak ada

perpindahan

else

handoff(j,l)=1; % Ada perpindahan

end end end

Poutage(:,a)=P;

(11)

rata_handoff(:,a)=mean(1/simulasi*sum(handoff)); end

legend('Hre=1','Hre=2','Hre=3','Hre=4','Hre=5','Hre=6')

figure(2)

figure(3)

plot(d,SBAR3,'g');

title('Kuat Sinyal Terima'); xlabel('Jarak (m)');

ylabel('Kuat Sinyal terima (dBm)');

(12)

LAMPIRAN 3

%% Parameter HYST_ADD divariasikan %%

close all

clear clc tic

HYST_ADD=[2,8,10,14]; % parameter yang akan divariasikan dgn nilai 2,8,10,14 dBm

HYST_DROP=10; % parameter yang akan divariasikan

dgn nilai 2,8,10,14 dBm

Pt=30; % dBm

(13)

Lf1=zeros(simulasi,n); Lf2=zeros(simulasi,n); Lf3=zeros(simulasi,n); for j=1:simulasi

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%% Model Okumura %%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

end

if(Hre>3)

for k=1:n;

S1(j,k)=Pt-atenuasi_d1_jeita(j,k);

(14)

for k=1:n;

%% Mean Active set

for k=1:n

if SBAR1(j,k)>Smin && SBAR2(j,k)<Smin && SBAR3(j,k)<Smin AS(j,k)=1;

AS(j,k)=1;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)<Smin && abs(SBAR1(j,k)-SBAR2(j,k))>HYST_ADD(a)

AS(j,k)=1;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)<Smin && SBAR3(j,k)>Smin && abs(SBAR1(j,k)-SBAR3(j,k))>HYST_ADD(a)

AS(j,k)=1;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)<Smin && SBAR3(j,k)>Smin && abs(SBAR1(j,k)-SBAR3(j,k))<HYST_ADD(a)

AS(j,k)=2;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)<Smin && abs(SBAR1(j,k)-SBAR2(j,k))<HYST_ADD(a)

AS(j,k)=2;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && SBAR1(j,k)>SBAR2(j,k)&&

(15)

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && abs(SBAR1(j,k)-SBAR2(j,k))>HYST_ADD(a) && abs(SBAR1(j,k)-SBAR3(j,k))>HYST_ADD(a)

AS(j,k)=1;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && abs(SBAR1(j,k)-SBAR2(j,k))<HYST_ADD(a) && abs(SBAR1(j,k)-SBAR3(j,k))<HYST_ADD(a)

AS(j,k)=3;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && abs(SBAR1(j,k)-SBAR2(j,k))<HYST_DROP && abs(SBAR2(j,k)-SBAR3(j,k))<HYST_DROP

AS(j,k)=3;

AS(j,k)=2;

AS(j,k)=1;

AS(j,k)=2;

(16)

end

Poutage(:,a)=P;

laju_update_AS=AS.*P1;

laju_update_AS_rata2(:,a)=1/simulasi*sum(laju_update_AS); rataAS(:,a)=mean(1/simulasi*sum(AS));

% Nilai Rata-rata Handoff

jumlah_handoff=handoff.*P1;

jumlah_handoff_rata2(:,a)=1/simulasi*sum(jumlah_handoff); rata_handoff(:,a)=mean(1/simulasi*sum(handoff));

end

legend('Hys_-Add=2','Hys_-Add=8','Hys_-Add=10','Hys_-Add=14')

figure(2)

figure(3)

(17)

hold on

plot(d,SBAR3,'g');

% Menampilkan hasil pada command window

disp('Rata-rata Probabilitas Outage') disp(rata2Poutage)

disp('Rata-rata Active Set') disp(rataAS)

disp('Rata-rata Handoff') disp(rata_handoff)

(18)

LAMPIRAN 4

%% Parameter HYST_DROP divariasikan %%

close all

clear clc tic

HYST_ADD=10; % parameter yang akan divariasikan

dgn nilai 2,8,10,14 dBm

HYST_DROP=[2,8,10,14]; % parameter yang akan divariasikan dgn nilai 2,8,10,14 dBm

Pt=30; % dBm

N=20; % Parameter yang akan divariasikan dengan nilai 10,20,30,40.

(19)

Lf1=zeros(simulasi,n); Lf2=zeros(simulasi,n); Lf3=zeros(simulasi,n); for j=1:simulasi

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%% Model Okumura %%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

end

if(Hre>3)

for k=1:n;

S1(j,k)=Pt-atenuasi_d1_jeita(j,k);

(20)

for k=1:n;

%% Mean Active set

for k=1:n

if SBAR1(j,k)>Smin && SBAR2(j,k)<Smin && SBAR3(j,k)<Smin AS(j,k)=1;

AS(j,k)=1;

AS(j,k)=2;

(21)

AS(j,k)=1;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && abs(SBAR1(j,k)-SBAR2(j,k))<HYST_ADD && abs(SBAR1(j,k)-SBAR3(j,k))<HYST_ADD

AS(j,k)=3;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && abs(SBAR1(j,k)-SBAR2(j,k))<HYST_DROP(a) && abs(SBAR2(j,k)-SBAR3(j,k))<HYST_DROP(a)

AS(j,k)=3;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && SBAR1(j,k)<SBAR2(j,k)&&

abs(SBAR1(j,k)-SBAR2(j,k))>HYST_DROP(a) && abs(SBAR2(j,k)-SBAR3(j,k))<HYST_DROP(a) AS(j,k)=2;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && SBAR1(j,k)<SBAR2(j,k)&&

abs(SBAR1(j,k)-SBAR2(j,k))<HYST_DROP(a) && abs(SBAR2(j,k)-SBAR3(j,k))>HYST_DROP(a) AS(j,k)=2;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && abs(SBAR2(j,k)-SBAR1(j,k))>HYST_DROP(a) && abs(SBAR2(j,k)-SBAR3(j,k))>HYST_DROP(a)

AS(j,k)=1;

elseif SBAR1(j,k)<Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && abs(SBAR2(j,k)-SBAR3(j,k))>HYST_DROP(a)

AS(j,k)=1;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)<Smin && abs(SBAR2(j,k)-SBAR1(j,k))>HYST_DROP(a)

AS(j,k)=1;

elseif SBAR1(j,k)<Smin && SBAR2(j,k)>Smin && SBAR3(j,k)>Smin && abs(SBAR2(j,k)-SBAR3(j,k))<HYST_DROP(a)

AS(j,k)=2;

elseif SBAR1(j,k)>Smin && SBAR2(j,k)>Smin && SBAR3(j,k)<Smin && abs(SBAR2(j,k)-SBAR1(j,k))<HYST_DROP(a)

(22)

end

Poutage(:,a)=P;

laju_update_AS=AS.*P1;

laju_update_AS_rata2(:,a)=1/simulasi*sum(laju_update_AS); rataAS(:,a)=mean(1/simulasi*sum(AS));

% Nilai Rata-rata Handoff

jumlah_handoff=handoff.*P1;

jumlah_handoff_rata2(:,a)=1/simulasi*sum(jumlah_handoff); rata_handoff(:,a)=mean(1/simulasi*sum(handoff));

end

legend('Hys_-Drop=2','Hys_-Drop=8','Hys_-Drop=10','Hys_-Drop=14')

figure(2)

figure(3)

(23)

hold on

plot(d,SBAR3,'g');

% Menampilkan hasil pada command window

disp('Rata-rata Probabilitas Outage') disp(rata2Poutage)

disp('Rata-rata Active Set') disp(rataAS)

disp('Rata-rata Handoff') disp(rata_handoff)

(24)

LAMPIRAN 5

Flowchart simulasi untuk pertambahan tinggi BS



 

 





(25)





 



(26)





 



(27)



 







(28)

LAMPIRAN 6

Flowchart simulasi untuk pertambahan tinggi MS



 





(29)





 



(30)

(31)

E

Rata-rata active set Rata-rata handoff Tidak Ada

(32)

LAMPIRAN 7

Flowchart simulasi untuk pertambahan nilai HYST_ADD

mulai

Merata-ratakan sinyal Pengukuran penguatan (atenuasi)

Input: tao=8; D=2; Pt=30;

N=20 ;Smin=-90; hte=50; hre=3; f=880;

Hyst add=2; Hyst drop=10 d=1, AS=1

Hyst_add = 2, 8, 10, 14,

hte> 50m

G(hre) = 20log(hre/3) G(hte) = 20log(hte/200) L50(dB) = LF+ Amu(f,d) – G(hte) – G(hre) - GAREA G(hre) = 10 log(hre/3)

G(hte) = 20log(hte/200) L50(dB) = LF+ Amu(f,d) – G(hte) – G(hre) - GAREA

Simulasi <= 500

(33)





 



(34)





 



(35)











(36)

LAMPIRAN 8

Flowchart simulasi untuk pertambahan nilai HYST_DROP



 

 





(37)





 



(38)

(39)

E

Rata-rata active set Rata-rata handoff Tidak Ada

(40)

LAMPIRAN 9

Data penelitian pada Dua BTS

Tabel Pengaruh tinggi BS terhadap kinerja soft handoff

Tinggi BS 50 m 60 m 70 m 80 m

Probailitas

Outage 0,0032 0,0019 0,0012 0,00075

Laju Update AS 2 2 2 2

Jumlah Handoff 1 1 1 1

Tabel Pengaruh tinggi MS terhadap kinerja soft handoff

Model\Tinggi MS 3 m 4 m 5 m 6 m

Probabilitas

Outage 3,2 x 10

-3

3,9029 x 10-4 5,7417 x 10-5 9,9635 x 10-6

Tabel Pengaruh nilai HYST_ADD terhadap kinerja soft handoff

Model\Hyst_Add 2 dBm 8 dBm 10 dBm 14 dBm

Probabilitas

Outage 0,0032 0,0032 0,0032 0,0032

Tabel Pengaruh nilai HYST_DROP terhadap kinerja soft handoff

(41)

DAFTAR PUSTAKA

[1] Purba, Royen Lamtogu. 2012. Analisa Perbandingan Model-Model

Propagasi Terhadap Kinerja Soft Handoff Sistem CDMA. FT USU.

Medan.

[2] Chen, Yue. 2003. Soft Handover Issues in Radio Resource Management

for 3G WCDMA Networks. (Desertasi). Queen Mary. University of

London.

[3] Singh, N. P., Brahmjit Singh. 2010.“Effect of Soft Handover Parameters

on CDMA Cellular Networks”. Journal of Theoretical and Applied

Information Technology. hal. 110-115.

[4] Singh, N. P., Brahmjit Singh. 2010. Performance Enhancement of Cellular

Network Using Adaptive Soft Handover Algorithm. Wireless Personal

Communications.

[5] Singh, N. P., Brahmjit Singh. 2008. Performance of Soft Handover

Algorithm in Varied Propagation Environments. World Academy of

Science. Engineering and Technology 45. hal. 377-381.

[6] Kurniawan, Adit. 1997. “Prediction of Mobile Radio Propagation By

Regression Analysis of Signal Measurements”. Majalah Ilmiah Teknik

Elektro. Vol 3. No.1. Hal 11-21.

(42)

Large-[8] Rappaport, T. S., 1995. Wireless Communications. Principles and

Practice. 2ndEdition. New Jersey. Prentice Hall.

[9] Seybold, John. C. 2005. Introduction to RF Propagation. Wiley.

NewYork.

[10] Stuber L. Gordon. 2002. Principles of Mobile Communication. 3rdEdition.

New York. Springer.

[11] Notodisurjo pravira. IMT-2000 Sebagai Layanan Telekomunikasi

Bergerak Generasi Ketiga. Fakultas Teknik. Universitas Trisakti.

[12] Sirait, Rummi. 2001. Handover Pada Jaringan Komunikasi Bergerak

Generasi Ketiga (3G) WCDMA. Fakultas Teknik. Universitas Budi Luhur.

[13] Sori Negassa. 2007. Handoff Initiation and Performance Analysis in

CDMA Cellular Systems. (Tesis). Addis Ababa University.

[14] Wong, D., Lee, T. J. 4 Desember 1997. ”Soft Handoff in CDMA Mobile

Systems”. IEEE Personal Communication. hal. 6-17.

[15] Marichamy, P., Chakrabarti, S., Maskara, S. L., 2003. “Performance

Evaluation of Handoff Detection Schemes”. IEEE Elektronics and

(43)

BAB III

SOFT HANDOFF

3.1 Umum

Handoff atau yang biasa juga disebut handover merupakan suatu proses

perubahan dari kanal (frekuensi, time slot, spreading code, maupun gabungan dari

keseluruhannya) saat terhubung dengan base station (BS) yakni ketika

melakukan panggilan. Hal ini sering terjadi ketika salah satu dari panggilan

tersebut mengalami perpotongan atau mengalami penurunan kualitas dari sinyal

terhadap BS. Hal ini bertujuan untuk tetap menjaga kelangsungan

komunikasi[12].

Handoff secara umum terbagi 3, yaitu:

1. Hard Handoff

Hard handoff terjadi pada dua frekuensi yang berbeda.

Pada hard handoff ini, terjadi proses “break before make” yang berarti

hubungan mobile station dengan base station yang lama harus diputuskan

terlebih dahulu sebelum membangun hubungan kembali dengan

base station yang baru. Hard handoff dapat dilakukan pada sistem

komunikasi analog, sistem FDMA (Frequency Division Multiple Access),

sistem TDMA (Time Division Multiple Access), dan sistem OFDMA

(44)

(45)

Alasan adanya hysteresis margin pada algoritma soft handoff adalah untuk

menghindari efek perpindahan secara terus menerus (efek “ping-pong”).

Dengan adanya hysteresis margin tersebut MS tidak langsung handoff ke BS

yang lebih baik, namun mengalami penundaan hingga batas margin paling rendah

dari sinyal yang diterima oleh MS. Jika margin besar, maka efek “ping-pong”

menjadi kecil, tetapi delay menjadi lebih besar. Hal ini menyebabkan interferensi

ekstra pada sel-sel tetangga selama delay. Jadi dengan adanya hysteresis margin

pada soft handoff, sambungan baru ke BS2 akan terlebih dahulu dilakukan dan

kemudian sambungan dengan BS1akan diputus.

3.3 Inisiasi Soft Handoff

Inisiasi soft handoff digunakan untuk penentuan handoff dan nilai dari

active set. Ada beberapa inisiasi handoff yang digunakan[8,13]. Berikut ini adalah

penjelasannya.

1. MCHO (Mobile Control Handoff)

Mobile Station (MS) melakukan pengukuran kualitas, memilih Base

Station (BS) yang terbaik, dan melakukan switch melalui koordinasi

dengan jaringan (network). Handoff jenis ini biasanya dipicu oleh kualitas

link yang rendah yang diukur oleh MS.

2. NCHO (Network Control Handoff)

(46)

3. NCHO/ MAHO (Network Control Handoff/ Mobile Assist Handoff)

Jaringan dan MS melakukan pengukuran. MS memberikan laporan

pengukuran terkait BS disekitarnya dan kemudian jaringan yang akan

mengambil keputusan apakah handoff diperlukan atau tidak.

Berdasarkan pada standar regulasi yang dikeluarkan oleh TIA

(Telecommunications Industry Asociations) yaitu IS-95, parameter yang

digunakan untuk menginisiasi handoff adalah level dari Ec/I0 dari sinyal pilot.

Ec/I0 adalah perbandingan Energi per chip per Total Interferensi

kerapatan spektral. Pada Tugas Akhir ini, parameter yang digunakan bukanlah

level Ec/I0 dari sinyal pilot, tetapi kuat sinyal pilot (RSS) itu sendiri.

Pemilihan parameter inisiasi ini bertujuan untuk menyederhanakan sistem yang

akan disimulasikan (sistem yang menggunakan level Ec/I0 dari sinyal pilot jauh

lebih kompleks).

3.4 Parameter Algoritma Soft Handoff

Soft handoff lebih sulit dan kompleks untuk diimplementasikan

dibandingkan dengan hard handoff. Salah satu alasannya adalah sulitnya

menentukan nilai yang optimal untuk masing-masing parameter soft handoff.

Beberapa parameter yang mempengaruhi kinerja dari soft handoff akan dijelaskan

pada bagian berikut [14].

(47)

3. Tdrop: untuk keluar dari active set, maka kuat sinyal harus dibawah

drop threshold untuk jangka waktu selama Tdrop.

4. Jarak antara dua BS yang bersebelahan (D): jarak yang digunakan dalam

simulasi ini ditentukan sendiri sebesar 2000 meter.

5. Jarak referensi (d0): jarak yang digunakan dalam simulasi ini ditentukan

sendiri sebesar 1 meter.

6. Jarak sampling (ds): jarak yang digunakan dalam simulasi ini ditentukan

sendiri sebesar 1 meter.

7. Threshold (Smin): nilai minimum sinyal terima untuk mempertahankan

panggilan. Dalam simulasi ini nilai Smin yang digunakan adalah

sebesar 90 dBm.

8. Daya transmisi BS (Pt): daya transmisi BS yang digunakan dalam simulasi

ini adalah sebesar 30 dBm.

9. Frekuensi (F): frekuensi yang digunakan dalam simulasi ini adalah

sebesar 880 MHz.

10. Standar deviasi (σ): standar deviasi yang digunakan dalam simulasi ini

adalah sebesar 8 dB.

11. Tinggi BS: tinggi BS yang digunakan dalam simulasi ini divariasikan

mulai dari 50 s/d 100 dengan kelipatan 10.

12. Tinggi MS: tinggi MS yang digunakan dalam simulasi ini

(48)

3.5 Parameter Perbandingan Kinerja Soft Handoff

Kinerja soft handoff merupakan ukuran penting yang menjadi acuan baik

tidaknya suatu proses handoff.

Tugas Akhir ini menggunakan indikator kinerja yang akan dijelaskan pada

bagian berikut:

1. Active Set; yaitu merepresentasikan BS yang berhubungan dengan MS

yang terjadi setiap perubahannya untuk mendukung sistem soft handoff.

Dalam hal ini active set yang diambil adalah active set yang sering muncul

untuk setiap waktu.

Perubahan nilai dari active set mengikuti persamaan,

> + | > + → = 0 (3.1)

< + < + < +

→ = 1 (3.2)

= ℎ (3.3)

2. Poutage (Probabilitas outage); adalah probabilitas kegagalan dimana kuat

sinyal terima berada dibawah nilai threshold yang ditetapkan.

Nilai probabilitas outage dapat dideskripsikan sebagai kualitas pelayanan.

Probabilitas outage (Po) pada jarak d diberikan oleh persamaan[3,4,5]:

( ) = ̅ (3.4)

(49)

3.6 Algoritma Soft Handoff

Performansi soft handoff berhubungan dekat dengan algoritma.

Gambar 3.2 menunjukkan algoritma soft handoff pada sistem IS-95A (CDMA

generasi pertama)[2].

Gambar 3.2 Algoritma soft handoff pada sistem IS-95A

(1) Pilot Ec/Io melewati T_ADD, mobile mengirim sebuah Pilot Strength

Measurement Message (PSMM) dan mentransfer menjadi candidate set.

(2) BS mengirim pesan Handoff Direction (Handoff Direction Message,

HDM).

(3) Mobile mentransfer pilot ke active set dan mengirim pesan Handoff

Completion (Handoff Completion Messsage,HCM).

(4) Pilot Eb/Io di bawah T_DROP, mobile memulai Handoff Drop Timer. Neighbor

set

Candidate set

Active

set

Neighbor set

(1) (2) (3) (4) (7) Waktu Pilot Ec/Io

T_ADD T_DROP

(50)

Active set adalah sinyal pilot yang aktif terus berkomunikasi dengan MS,

Candidate set yaitu sinyal pilot yang tidak berada dalam keadaan aktif tetapi

karena memiliki kekuatan sinyal yang memadai maka dapat menjadi

sinyal pilot aktif; Neighbour set yaitu sinyal pilot yang tidak termasuk pilot aktif

dan candidate, namun selama proses handoff dapat dipertimbangkan untuk

menjadi candidate; Remaining set yaitu semua sinyal pilot yang bukan merupakan

ketiga sinyal pilot diatas namun tetap ada pada area dimana MS berada.

Parameter acuan yang digunakan dalam menginisiasi handoff pada

Tugas Akhir ini adalah kuat sinyal terima (Received Signal Strength) dari

sinyal pilot. Jenis inisiasi yang digunakan adalah MCHO/MAHO dengan

parameter algoritma yang digunakan adalah Threshold, Hyst_ADD, dan

Hyst_DROP[3]. Algoritma yang digunakan pada Tugas Akhir ini diperlihatkan

oleh Gambar 3.3.

( ) :RSS dari BS S : threshold

BS1 BS1+ BS3 BS1+ BS2+ BS3 BS2+ BS3 BS2

HYST_ADD HYST_DROP

Kuat Sinyal Pilot (dB)

( )

Smin

(51)

Adapun penjelasan langkah-langkah algoritma hysteresis-threshold

tersebut dapat dijabarkan pada bagian berikut:

1. Jika active set berisi BS1 dan ( )> dan ( )< dan

( )< maka active set akan tetap berisi BS1.

2. Jika ( ) < dan ( )> dan ( ) < maka active set

berisi BS2.

3. Jika ( ) < dan ( )< dan ( ) > maka active set

berisi BS3.

4. Jika ( ) > dan ( )> dan ( ) < dan nilai mutlak

dari ( )- ( )> HYST_ADD maka active set berisi BS1.

5. Pada tahap keenam jika ( ) > dan ( )< dan ( ) >

dan nilai mutlak dari ( ) - ( )> HYST_ADD maka active set

berisi BS1.

6. Jika ( ) > dan ( )> dan ( ) > dan nilai mutlak

dari ( )- ( )> HYST_ADD dan nilai mutlak dari

( ) - ( ) > HYST_ADD maka active set berisi BS1.

7. Jika ( ) > dan ( )< dan ( ) > dan nilai mutlak

dari ( )- ( )< HYST_ADD maka active set berisi BS1dan BS3.

(52)

10. Jika ( ) > dan ( )> dan ( )> dan ( ) > ( )

dan nilai mutlak dari ( ) - ( )< HYST_ADD dan nilai mutlak dari

( ) - ( ) > HYST_ADD maka active set beris BS1dan BS2.

11. Jika ( ) > dan ( )> dan ( ) > dan nilai mutlak

dari ( )- ( )< HYST_ADD dan nilai mutlak dari

( ) - ( ) < HYST_ADD maka active set berisi BS1, BS2dan BS3.

12. jika ( ) > dan ( )> dan ( ) > dan nilai mutlak dari

( ) - ( ) < HYST_DROP dan nilai mutlak dari

( ) - ( ) < HYST_DROP maka active set berisi BS1, BS2dan BS3.

13. Jika ( ) > dan ( )> dan ( ) > dan ( ) < ( )

dan nilai mutlak dari ( )- ( )> HYST_DROP dan nilai mutlak dari

( ) - ( ) < HYST_DROP maka active set berisi BS2dan BS3.

14. Jika ( )> dan ( )> dan ( ) > dan ( ) < ( )

dan nilai mutlak dari ( )- ( )< HYST_DROP dan nilai mutlak dari

( ) - ( ) > HYST_DROP maka active set berisi BS2dan BS1.

15. Jika ( ) < dan ( ) > dan ( ) > dan nilai mutlak

dari ( )- ( )< HYST_DROP maka active set berisi BS2dan BS3.

dari ( )- ( ) < HYST_DROP maka active set berisi BS2dan BS1.

(53)

18. Jika ( ) < dan ( )> dan ( ) > dan nilai mutlak

dari ( )- ( ) > HYST_DROP maka active set berisi BS2

(terjadi soft handover).

dari ( )- ( ) > HYST_DROP maka active set berisi BS2

(terjadi soft handover).

20. Jika ( ) , ( ) dan ( ) < maka active set tidak berisi BS1, BS2

maupun BS3. MS tidak akan memiliki koneksi dengan BS1 , BS2

maupun BS3. Kondisi ini disebut sebagai degradasi link.

(54)

S1(d), S2(d), S3(d) < Smin Hyst_Drop, S1 (d), S2 (d),

S3 (d).

Mulai



(55)

(56)



 







(57)

BAB IV

HASIL DAN ANALISIS

Pada bab ini akan dibahas mengenai hasil simulasi. Dari hasil simulasi

akan dianalisis pengaruh parameter terhadap nilai probabilitas outage dan

active set.

4.1 Model Sistem

Model sistem yang akan disimulasikan terlihat pada Gambar 4.1.

Diasumsikan bahwa MS bergerak lurus dari BS1 menuju BS2 atau BS1 menuju

BS3 atau BS2 menuju BS3 dengan kecepatan yang konstan. Untuk menentukan

besar path loss antara BS1, BS2, dan BS3 digunakan model propagasi empirik.

Sistem ini menggunakan model Okumura yang bekerja di daerah perkotaan

(urban). Ketiga BS memiliki daya transmisi yang sama. Kemudian MS akan

mensampling pengukuran kuat sinyal terima (RSS) pada jarak interval yang tetap

yaitu d=kds, dimana ds adalah jarak sampling. Dalam simulasi ini, nilai ds yang

(58)

4.2 Parameter Simulasi

Ada beberapa parameter yang digunakan dalam menjalankan

simulasi sistem. Parameter-parameter tersebut dapat dilihat pada Tabel 4.1.

Tabel 4.1 Parameter Simulasi Sistem

Jenis Nilai Keterangan

D (m) 2000 Jarak diantara BS yang bersebelahan

d0(m) 1 Jarak referensi

ds(m) 1 Jarak sampling

Smin(dBm) -90

Nilai minimum sinyal terima untuk mempertahankan panggilan

Pt(dBm) 30 Daya transmisi BS

f (MHz) 880 Frekuensi

σ (dB) 8 Standar deviasi

Tinggi BS (m) 50 s/d 100 Tinggi Base Station yang divariasikan Tinggi MS (m) 1 s/d 6 Tinggi Mobile Station yang divariasikan

Hysteresis ADD (dBm) 2,4,8 & 10 Batas selisih level sinyal yang digunakan

untuk penambahan pada active set

Hysteresis DROP (dBm) 2,4,8 & 10 Batas selisih sinyal yang digunakan

untuk pengurangan pada active set

4.3 Hasil Simulasi

Setelah melakukan simulasi dengan software Matlab R2009b

menggunakan model propagasi Okumura maka di peroleh hasil yang akan

(59)

Tinggi BS 50 m 60 m 70 m 80 m 90 m 100 m Probabilitas

Outage 4,36.10

-6

1,02.10-6 3,86.10-7 1,31.10-7 5,06.10-8 2,38.10-8

Rata-rata

Active Set 1,71 1,71 1,71 1,71 1,71 1,71

Rata-rata

Handoff 0,0247 0,0241 0,0245 0,0233 0,0231 0,0231

3

-5 _{Grafik Probabilitas Outage}

(60)

Dari Gambar 4.2 dapat dilihat bahwa semakin tinggi BS maka probabilitas

outage akan semakin kecil. Dari hasil simulasi yang dilakukan berdasarkan

tinggi BS yang divariasikan, probabilitas outage pada tiga BS jauh lebih kecil

dibandingkan dengan probabilitas outage pada dua BS yang dilakukan pada

penelitian sebelumnya. Nilai probabilitas outage pada dua BS dapat dilihat pada

lampiran sembilan. Dari 500 kali simulasi yang dilakukan maka diperoleh

persentasi pelayanan BS terhadap MS yaitu: BS 1 sebesar 38,9%,

BS2 sebesar 51,5% dan BS3 sebesar 9,6%.

4.3.2 Pengaruh Tinggi Mobile Station (MS) terhadap Nilai Probabilitas

Outage

Pada sub bab ini, ukuran kinerja yang digunakan adalah probabilitas

outage, rata-rata active set dan rata-rata handoff. Tinggi BS dan hysteresis akan

tetap, sedangkan tinggi MS akan divariasikan. Tinggi BS = 50 meter,

hyst_add = 10 dBm dan hyst_drop = 10 dBm. Tabel 4.3 memperlihatkan

probabilitas outage, rata-rata active set dan rata-rata handoff yang terjadi terhadap

perubahan tinggi MS.

Tabel 4.3 Pengaruh tinggi MS terhadap kinerja soft handoff

Tinggi MS 1 m 2 m 3 m 4 m 5 m 6 m

Probabilitas

Outage 3,1.10

-3

(61)

0 200 400 600 800 1000 1200 1400 1600 1800 2000 0

0.005 0.01 0.015 0.02 0.025 0.03 0.035

0.04 Grafik Probabilitas Outage

Pr

ob

ab

ilit

as

ou

tag

e

Jarak (m)

(62)

4.3.3 Pengaruh Besar HYST_ADD terhadap Nilai Probabilitas Outage Pada sub bab ini, ukuran kinerja yang digunakan adalah probabilitas

outage, rata-rata active set dan rata-rata handoff. Tinggi BS, tinggi MS, dan

hyst_drop akan tetap, sedangkan nilai hyst_add akan divariasikan.

Tinggi BS = 50 meter, tinggi MS = 3 meter, dan hyst_drop = 10 dBm.

Tabel 4.4 memperlihatkan probabilitas outage, rata-rata active set dan rata-rata

handoff yang terjadi terhadap perubahan nilai hyst_add.

Tabel 4.4 Pengaruh nilai hyst_add terhadap kinerja soft handoff

Hyst_Add 2 dBm 8 dBm 10 dBm 14 dBm

Probabilitas

Outage 0,4103 x 10

-5

0,2489 x 10-5 0,2608 x 10-5 0,2664 x 10-5

Rata-rata Active

Set 1,0562 1,2451 1,3496 1,5733

Rata-rata

Handoff 0,0149 0,0274 0,0240 0,0209

Dari Tabel 4.4 dapat dilihat pada saat nilai hyst_add 2 dBm nilai

probabilitas outagenya sebesar 0,4103 x 10-5, saat nilai hyst_add 8 dBm nilai

probabilitas outagenya sebesar 0,2489 x 10-5, saat nilai hyst_add 10 dBm nilai

probabilitas outagenya sebesar 0,2608 x 10-5dan pada saat nilai hyst_add 14 dBm

nilai probabilitas outagenya sebesar 0,2664 x 10-5. Berdasarkan nilai yang

diperoleh pada Tabel 4.4 didapat grafik perubahan nilai probabilitas outage

(63)

0 200 400 600 800 1000 1200 1400 1600 1800 2000 0

1 2 3 4 5 6 7

8x 10-5 Grafik Probabilitas Outage

Pr

ob

ab

ilit

as

ou

tag

e

Jarak (m)

(64)

Hyst_Drop 2 dBm 8 dBm 10 dBm 14 dBm Probabilitas

Outage 0,4103 x 10

-5

0,2489 x 10-5 0,2608 x 10-5 0,2664 x 10-5

Rata-rata

Active Set 1,3216 1,3388 1,3396 1,4034

Rata-rata

Handoff 0,0263 0,0238 0,0240 0,0306

0

-5 _{Grafik Probabilitas Outage}

(65)

Dari Gambar 4.5 dapat dilihat bahwa semakin besar nilai hyst_drop maka

nilai probabilitas outage semakin kecil. Dari hasil simulasi yang dilakukan

berdasarkan nilai hyst_drop yang divariasikan, probabilitas outage pada tiga BS

jauh lebih kecil dibandingkan dengan probabilitas outage pada dua BS yang

dilakukan pada penelitian sebelumnya. Nilai probabilitas outage pada dua BS

(66)

BAB V PENUTUP

5.1 Kesimpulan

Dari hasil simulasi ditunjukkan pengaruh parameter yang telah

divariasikan terhadap kinerja algoritma soft handoff, hal ini dapat diambil

beberapa kesimpulan, diantaranya adalah:

1. Parameter tinggi BS dan tinggi MS untuk model Okumura mempengaruhi

nilai dari probabilitas outage. Dimana pertambahan tinggi BS dan

tinggi MS akan memperkecil nilai probabilitas outage yaitu sebesar: pada

tinggi BS 50 m probabilitas outagenya sebesar 4,36.10-6, pada tinggi BS

60 m probabilitas outagenya sebesar 1,02.10-6, pada tinggi BS 70 m

probabilitas outagenya sebesar 3,86.10-7, pada tinggi BS 80 m probabilitas

outagenya sebesar 1,31.10-7, pada tinggi BS 90 m probabilitas outagenya

sebesar 5,06.10-8 dan pada tinggi BS 100 m probabilitas outagenya

sebesar 2,38.10-8. Pada tinggi MS 1 m probabilitas outagenya

sebesar 3,1.10-3, pada tinggi MS 2 m probabilitas outagenya

(67)

memperkecil nilai probabilitas outage. Dimana semakin besar Hyst_Add

maka MS akan selalu berada pada kondisi active set sebelumnya yakni

sel 1 atau sel 3, hal ini dapat dikatakan bahwa probabilitas outage akan

semakin kecil karena tidak selalu melakukan perpindahan.

3. Parameter Hyst_Drop untuk model Okumura akan mempengaruhi nilai

dari probabilitas outage. Pertambahan nilai Hyst_Drop akan memperkecil

nilai probabilitas outage. Dimana semakin besar Hyst_Drop maka MS

akan selalu berada pada kondisi active set sebelumnya yakni sel 2 atau

sel 3, hal ini dapat dikatakan bahwa probabilitas outage akan semakin

kecil karena tidak selalu melakukan perpindahan.

4. Pertambahan tinggi BS dan MS tidak akan mempengaruhi nilai rata-rata

active set sedangkan perubahan nilai Hyst_Add dan Hyst_Drop akan

memperbesar nilai rata-rata active set.

5. Dari 500 kali simulasi yang dilakukan maka diperoleh persentasi

pelayanan BS terhadap MS yaitu: BS 1 sebesar 38,9%, BS2 sebesar 51,5%

(68)

5.2 Saran

Untuk mendapatkan hasil simulasi yang lebih baik dan mencerminkan

sistem yang sebenarnya di lapangan, maka ada beberapa hal yang perlu

ditambahkan dalam simulasi ini antara lain:

1. Simulasi dapat dilakukan dengan pengukuran langsung ke sistem yang

sesungguhnya. Sehingga diharapkan diperoleh model yang lebih baik dan

sesuai dengan pemodelan algoritma soft handoff pada sistem komunikasi

bergerak.

2. Data kekuatan sinyal dapat diukur langsung sesuai dengan kejadian nyata,

dan merepresentasikannya dalam bentuk simulasi, sehingga dapat

(69)

2.1 Umum

Kondisi komuni

ke sel yang lain.

menggambarkan kondi

multipath fading. Kondi

Free space loss,

BAB II

PEMODELAN PROPAGASI

komunikasi seluler sulit diprediksi, karena berger

n. Secara umum terdapat 3 komponen pr

kondisi dari komunikasi seluler yaitu pathloss,

ondisi propagasi diilustrasikan seperti Gambar 2.1 [

Gambar 2.1 Komponen propagasi

loss, diasumsikan bahwa propagasi hanya te

gerak dari satu sel

n propagasi yang

oss, shadowing dan

bar 2.1 [2].

(70)

(received signal strength), yang dapat dievaluasi oleh model rugi-rugi lintasan

propagasi. Shadowing disebabkan karena halangan terhadap jalur garis pandang

(LOS) antara pemancar dan penerima oleh bangunan, bukit, pohon dan lain-lain.

Multipath fading timbul karena pantulan multipath dari gelombang yang

dipancarkan oleh benda-benda seperti rumah, bangunan, struktur-struktur lain

buatan manusia, juga kondisi alam seperti hutan yang berada di sekitar UE

(user equipment) [3,4,5].

Sistem seluler diharapkan memiliki efisiensi spektral yang tinggi dan

memberikan cakupan layanan yang luas. Agar dapat mengurangi dampak dari

lingkungan propagasi dan mentoleransi noise dan interferensi yang tinggi,

sistem ini akan membutuhkan :

1. arsitektur seluler yang efektif

2. pengukuran kualitas link yang cepat dan akurat

3. kontrol yang terus-menerus pada semua tipe lingkungan

4. instalasi BS untuk menyediakan cakupan radio yang luas

5. perencanaan air interface dengan daya dan bandwidth yang efisien

Sistem radio mobile seluler yang menggunakan TDMA (Time Division

Multiple Access) dan FDMA (Frequency Division Multiple Access) mengandalkan

reuse frekuensi, dimana user dalam sel yang terpisah secara geografis

menggunakan frekuensi carier yang sama secara bersamaan. Susunan sel dari

(71)

mewakili area cakupan makro seluler, karena dianggap mendekati bentuk sebuah

lingkaran dan menawarkan jarak yang luas untuk ukuran reuse cluster. Persamaan

(2.1) menunjukkan konstruksi reuse cluster berukuran N.

= + + (2.1)

dimana dan adalah bilangan bulat bukan negatif, dan ≥ . Ini mengikuti

ukuran cluster yang diizinkan, = 1, 3, 4, 7, 9, 12, … . Sebagai contoh reuse

cluster 3-sel, 4-sel, dan 7-sel ditunjukkan oleh Gambar 2.2. Rancangan reuse

frekuensi 7-sel yang sederhana ditunjukkan pada Gambar 2.3, dimana sel yang

bertanda sama menggunakan frekuensi carier yang sama.

(72)

Gambar 2.3 Sistem makroseluler menggunakan pola reuse cluster 7-sel

Faktor reuse co-channel (Q), didefinisikan sebagai perbandingan jarak

reuse co-channel (D) antara sel yang menggunakan frekuensi carier yang sama

dan jari-jari sel (R) seperti ditunjukkan oleh Persamaan (2.2) [10,11] ditunjukkan

pada Gambar 2.4.

= = √3 (2.2)

(73)

2.2 Rugi-rugi Lintasan Bebas (free space path loss)

Propagasi lintasan bebas antara dua titik dapat terjadi ketika kedua antena

pemancar dan penerima yang cukup tinggi, sehingga tidak ada penghalang sinyal

untuk mencapai antena penerima.

Dimana gain antena pemancar adalah Gt dan daya transmisi adalah Wt ,

daya kerapatan Pr pada jarak d dapat dinyatakan dengan persamaan berikut:

= (2.3)

daya terima Wrpada jarak d dengan gain antenna penerima Grkarena itu

= . (2.4)

atau

= = (2.5)

Sinyal yang ditransmisikan melalui propagasi lintasan bebas ke sebuah antena

penerima (receiver) dimana tidak ada penghalang yang akan mengalami rugi-rugi.

Rugi-rugi ini disebut dengan rugi-rugi lintasan bebas dan ketika kedua antena

pemancar dan penerima yang isotropic (Gr = Gt = 1) dapat dinyatakan dengan

persamaan berikut[6]:

L0(dB)= 32 + 20 log fMHz+ 20 log dKm (2.6)

Dimana:

(74)

2.3 Model Propagasi

Model propagasi menjelaskan perambatan rata-rata sinyal pada

suatu daerah. Model propagasi juga memungkinkan untuk mengkonversikan

besarnya rugi-rugi perambatan maksimum yang diperbolehkan menjadi besarnya

cell range maksimum. Besarnya rugi-rugi propagasi tersebut bervariasi sesuai

dengan spektrum dan kondisi alam serta lingkungan disekitarnya[8].

Model-model propagasi umumnya cenderung menyederhanakan kondisi

propagasi yang sebenarnya dan biasanya sangat tidak akurat di dalam lingkungan

daerah metropolitan yang kompleks. Model-model propagasi empiris hanya

memberikan petunjuk umum dan terlalu sederhana untuk disain jaringan

yang akurat. Oleh karena itu, pengukuran lapangan yang akurat harus dilakukan

untuk memberikan informasi mengenai cakupan gelombang radio di

daerah perkotaan.

Mekanisme perambatan gelombang elektromagnetik secara umum sangat

dipengaruhi oleh efek pantulan (reflection), difraksi dan hamburan (scattering).

Model propagasi merupakan cara untuk memprediksi daya rata-rata pada sistem

transmisi radio komunikasi bergerak pada suatu daerah. Model propagasi juga

memungkinkan untuk mengkonversikan besarnya rugi-rugi perambatan

maksimum yang diperbolehkan menjadi besarnya cell range maksimum.

Besarnya rugi-rugi propagasi tersebut bervariasi sesuai dengan spektrum dan

(75)

penempatan antena. Meskipun tidak ada model propagasi yang dapat menghitung

semua gangguan dalam kondisi nyata, penggunaan satu atau beberapa model,

penting untuk menentukan path loss dalam jaringan.

Beberapa model propagasi yang biasa digunakan untuk memperkirakan

redaman lintasan sepanjang daerah yang tidak teratur kebanyakan model-model

didapatkan dari data hasil pengukuran yang dilakukan dalam jumlah besar dan

cukup lama. Model-model propagasi yang biasa digunakan adalah model

Okumura, model Hatta dan model Lee.

2.4 Analisa Path Loss dengan Menggunakan Model Propagasi

Karena PL(d) adalah sebuah variabel acak dengan distribusi normal

dalam dB, maka begitu juga dengan Pr(d). Fungsi Q dapat digunakan untuk

menentukan probabilitas level sinyal yang diterima melewati atau berada di

bawah level tertentu. Peluang bahwa level sinyal yang diterima akan berada di

atas atau melebihi nilai tertentu dapat ditentukan melalui fungsi kerapatan

kumulatif dengan persamaan berikut[8]:

[ ( ) > ] = ( ) (2.7)

Dimana:

= threshold

(76)

Nilai merepresentasikan keadaan kepadatan dari lingkungan propagasi

yang dilalui oleh sinyal. Semakin besar nilai maka nilai keacakan dan besar dari

fading akan semakin besar.

2.5 Kuat Sinyal Terima (received signal strenght)

UE mengukur RSS dari masing-masing BS. Nilai RSS (dB) yang terukur

merupakan besar selisih antara daya yang ditransmisikan oleh BS dengan redaman

dari model propagasi empirik. Persamaan yang akan dijelaskan berikut ini adalah

sama dengan yang dijelaskan pada sub bab sebelumnya, hanya saja dilakukan

beberapa perubahan notasi dengan tujuan penyederhanaan dan sesuai dengan

sistem yang akan disimulasikan. Perubahan notasi tidak mengubah arti dari nilai

yang sebenarnya[3,4,5].

Misalkan di menunjukkan jarak antara UE dengan BSi. Jika daya yang

ditransmisikan oleh BS adalah Pt, maka kuat sinyal dari BSi, dinotasikan dengan

Si(d), dan dapat ditulis,

Si(d) = Pt–PL (2.9)

Dimana:

Si(d) = kuat sinyal dari BSi(dBm), dimana i = 1,2,…2000

Pt = daya yang ditransmisikan BS (dBm)

(77)

2.6 Model Okumura

Model Okumura merupakan model propagasi yang umum digunakan dan

lebih optimal dalam memodelkan probabilitas outage sistem CDMA.

Model Okumura adalah model propagasi yang cocok untuk range frekuensi antara

150-1920 MHz dan pada jarak antara 1-100 km dengan ketinggian antena

base station (BS) berkisar 30 meter sampai 100 meter [7,8].

Untuk menentukan redaman lintasan dengan model Okumura, pertama

kita harus menghitung rugi-rugi lintasan bebas (free space path loss), kemudian

nilai Amu (f,d) dari kurva Okumura ditambahkan kedalam faktor koreksi untuk

menentukan tipe daerah. Model Okumura dapat ditulis dengan persamaan

berikut[6,8]:

L50(dB) = LF+ Amu(f,d)–G(hte)–G(hre) - GAREA (2.10)

Dimana:

L50(dB) = nilai redaman lintasan propagasi (dB)

LF = redaman lintasan ruang bebas (dB)

Amu = rata-rata redaman relatif terhadap rugi-rugi lintasan bebas (dB)

G(hte) = gain antena BS (dB)

G(hre) = gain antena MS (dB)

GAREA = gain tipe daerah (dB)

(78)

Gambar 2.5 Kurva Amu(f,d) untuk range frekuensi 100-3000 MHz

Untuk menentukan nilai gain berdasarkan lingkungan, model Okumura

juga menyediakan kurva. Kurva GAREAuntuk berbagai tipe daerah dan frekuensi

(79)

Nilai gain untuk antena pengirim dan penerima ditunjukkan persamaan[7]:

G(hte) = 20log(hte/200) 100 m > hte> 10 m (2.11)

G(hre) = 20log(hre/3) 10 m > hre> 3 m (2.12)

G(hre) = 10 log(hre/3) hre3 m (2.13)

Dimana:

hte = tinggi antena BS (m)

hre = tinggi antena MS (m)

G(hte) = gain antena BS (dB)

G(hre) = gain antena MS (dB)

Model Okumura sepenuhnya berdasar pada hasil pengukuran, sehingga

tidak memiliki penjelasan analitis. Meskipun demikian, model ini sering dianggap

salah satu model perambatan yang paling sederhana dan terbukti memiliki

keakuratan yang sangat baik. Besar perbedaan antara path loss yang diprediksi

dengan model Okumura dan path loss yang diukur sebenarnya dilapangan hanya

berkisar 10 dB hingga 14 dB.

Kelemahan model Okumura adalah bahwa model ini tidak dapat mengikuti

cepatnya perkembangan kondisi area, sehingga bagus digunakan di daerah

perkotaan yang perubahannya sudah relatif melambat tetapi kurang bagus di

(80)

BAB I PENDAHULUAN

1.1 Latar Belakang

Code Division Multiple Access (CDMA) merupakan metode akses kanal

yang digunakan oleh berbagai macam teknologi komunikasi seluler. Salah satu

fasilitas dalam komunikasi seluler yang menjamin adanya kontiniuitas komunikasi

apabila pelanggan bergerak dari satu sel ke sel yang lain disebut handoff. Prosedur

handoff bertujuan untuk meningkatkan efisiensi dan memperbaiki kualitas layanan

(QoS) jaringan seluler.

Kondisi komunikasi seluler sangat sulit untuk diprediksi, karena bergerak

dari satu sel ke sel yang lain. Terdapat tiga komponen utama propagasi yang

menggambarkan kondisi komunikasi seluler yaitu path loss, shadowing dan

multipath fading. Path loss yakni menurunnya daya yang diterima terhadap jarak

karena efek refleksi dan difraksi disekitar lintasan. Shadowing terjadi disebabkan

oleh gedung-gedung dan sebagainya. Multipath fading disebabkan oleh refleksi

yang terjadi pada suatu gelombang transmisi terhadap objek seperti rumah,

gedung dan sebagainya.

Kondisi propagasi di sepanjang lintasan sangat berpengaruh terhadap

handoff dan merupakan salah satu parameter untuk mengetahui kinerja dari

(81)

Sebelumnya telah dilakukan penelitian bagaimana peningkatan kinerja

soft handoff Pada dua BTS. Dari hasil penelitian diketahui bahwa untuk daerah

urban, model Okumura lebih optimal dalam memodelkan probabilitas outage pada

sistem CDMA dibandingkan dengan model Hatta dan Lee[1]. Model Okumura

lebih optimal untuk digunakan di daerah perkotaan, sehingga penulis ingin

melanjutkan penelitian ini dengan menggunakan model Okumura serta

menambahkan BTS menjadi tiga BTS.

Pada Tugas Akhir ini, kuat sinyal pilot digunakan sebagai pemicu

proses awal. Parameter dalam model propagasi seperti tinggi antena BS

(base station) dan tinggi antena MS (mobile station) digunakan untuk mengetahui

pengaruh parameter terhadap nilai probabilitas outage dan active set.

1.2 Rumusan Masalah

Adapun rumusan masalah dari Tugas Akhir ini adalah sebagai berikut:

1. Bagaimana pengaruh parameter propagasi model Okumura (tinggi

BS dan tinggi MS) terhadap probabilitas outage sebagai kinerja

algoritma soft handoff.

2. Bagaimana pengaruh parameter propagasi model Okumura (tinggi

BS dan tinggi MS) terhadap active set sebagai kinerja algoritma

(82)

1.3 Tujuan Penulisan

Adapun tujuan dari penulisan Tugas Akhir ini adalah untuk menganalisis

pengaruh dari parameter propagasi model Okumura terhadap probabilitas outage

dan active set dari kinerja soft handoff.

1.4 Batasan Masalah

Untuk memudahkan pembahasan dalam tulisan ini, maka dibuat

pembatasan masalah sebagai berikut :

1. Pada Tugas Akhir ini penelitian hanya dilakaukan pada tiga BS.

2. Algoritma yang digunakan adalah berbasis RSS (Received Signal

Strenght) yaitu kuat sinyal pilot yang diterima.

3. Model pengamatan terdiri dari tiga buah BS yang terpisah pada jarak

yang sudah ditentukan dengan bentuk sel segi enam dan BS

berada di pusat.

4. BS beroperasi dengan daya yang sama.

5. UE (user equipment) bergerak dari satu sel ke sel yang lain dengan

lintasan lurus pada kecepatan yang konstan.

6. Metode untuk menghitung path loss menggunakan model

propagasi Okumura.

7. Model propagasi yang digunakan adalah pada lingkungan perkotaan