ANALISIS ALOKASI KANAL DINAMIK PADA
KOMUNIKASI SELULER DENGAN ALGORITMA
NEURAL NETWORK
Diajukan untuk memenuhi salah satu persyaratan dalam menyelesaikan pendidikan sarjana (S-1) pada Departemen Teknik Elektro Sub Jurusan
Teknik Telekomunikasi Oleh :
110422018
SITI AMINAH
PROGRAM PENDIDIKAN SARJANA EKSTENSI
DEPARTEMEN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS SUMATERA UTARA
MEDAN
ABSTRAK
Kemajuan teknologi telekomunikasi saat ini berkembang pesat. Hal ini
mengakibatkan pengguna jaringan telekomunikasi semakin meningkat, sementara
banwidth yang tersedia terbatas. Apabila trafik panggilan padat dan bandwidth
yang tersedia tidak dapat memenuhi seluruh permintaan panggilan, maka akan
mengakibatkan panggilan yang jatuh atau ditolak. Untuk menghindari panggilan
yang jatuh atau ditolak diperlukan suatu teknik pengalokasian kanal yang dapat
meminimalisasi jumlah panggilan yang ditolak dengan memaksimalkan
penggunaan kanal yang tersedia.
Tugas Akhir ini membahas pengalokasian kanal dinamik pada GSM
dengan menggunakan Algoritma Neural Network sebagai metode
penyelesaiannya. Dalam hal ini algoritma Neural Network digunakan sebagai
metode untuk mengimplementasikan channel assignment problem (CAP) pada
sistem komunikasi seluler. Dari analisis alokasi kanal dinamik ini dapat dilihat
dinamik terletak pada nilai call demand yang berubah.
Dari hasil pemodelan yang dilakukan diperoleh jumlah kanal yang dapat
dialokasikan pada inisialisasi sebesar 126 kanal dengan nilai call demand tertinggi
26 panggilan. Dengan nilai bobot cii=5 terdapat 111 panggilan yang ditolak.
Kemudian pada update 1 terdapat 96 panggilan yang ditolak dengan mengubah
bobot cii=6 tetapi hanya pada sel yang terblok, pada update 2 terdapat 80
panggilan yang ditolak dan nilai bobot cii diubah menjadi 6 hanya pada sel yang
terblocking. Pada update 3 tidak didapat lagi panggilan yang terblocking sehingga
dapat dikatakan sistem bekerja dengan baik atau optimal.
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, atas
berkat rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Tugas
Akhir ini.
Tugas Akhir dengan judul ANALISIS ALOKASI KANAL DINAMIK
PADA KOMUNIKASI SELULER DENGAN ALGORITMA NEURAL
NETWORK dibuat untuk memenuhi syarat kesarjanaan di Jurusan Teknik Elektro, Fakultas Teknik Universitas Sumatera Utara.
Pada kesempatan ini penulis menyampaikan terima kasih yang
sebesar-besarnya kepada :
1. Bapak Ir. Surya Tarmizi Kasim, M.Si selaku Ketua Departemen Teknik
Elektro Fakultas Teknik Universitas Sumatera Utara.
2. Bapak Rahmad Fauzi, ST. MT selaku Sekretaris Departemen Teknik Elektro
Universitas Sumatera Utara dan Dosen Pembimbing saya.
3. Dosen Pembanding yang membantu dalam penyempurnaan Tugas Akhir ini.
4. Seluruh staf pengajar di Departemen Teknik Elektro Fakultas Teknik
Universitas Sumatera Utara yang telah memberi bekal ilmu kepada penulis
selama menjalani masa perkuliahan.
5. Seluruh karyawan di Departemen Teknik Elektro Fakultas Teknik Universitas
Sumatera Utara, khususnya buat Bang Martin dan Bang Divo terima kasih atas
semua bantuannya.
6. Untuk ibu dan bapak tercinta H. Gacip Samsuri dan Hj. Roliana yang telah
memberi banyak dukungan, semangat, dan doa kepada penulis sehingga
penulis dapat menyelesaikan Tugas Akhir ini.
7. Untuk kakak tercinta Riyanti, S.Farm, Apt., abang tercinta Rifai, SE, dan
keponakan kecil bunda yang selalu menjadi bahan suka dan tawa bunda,
Khayla Aatifah dan Aizara Yumna Rifana.
8. Teman seperjuangan selama Tugas Akhir yaitu Isywalsyah Lani Putri Marbun
dan Elisabeth B. Siregar.
9. Sahabat-sahabat tercinta Florensa, Ade, Novi, Nabela, Winda dan lainnya.
10. Teman-teman Ekstensi Teknik Elektro Telekomunikasi stambuk 2011 :
tak disebut namanya terima kasih atas kebaikan yang diberikan kepada
penulis.
Penulis begitu menyadari bahwa di dalam penyusunan laporan Tugas Akhir
ini masih banyak terdapat kekurangan, oleh sebab itu penulis sangat
mengharapkan kritik dan saran yang dapat menyempurnakan laporan ini.
Medan, Mei 2014
Penulis
Siti Aminah
DAFTAR ISI
2.4 Penugasan Kanal (Channel Assignment Problem) ... 16
2.4.1 Fixed Channel Allocation (FCA)... 17
4.2 Mekanisme Algoritma Neural Network... 39
4.5 Analisis Hasil Alokasi Kanal Dinamik……… 51
BAB V PENUTUP... 52
5.1 Kesimpulan ... 52
5.2 Saran ... 53
DAFTAR PUSTAKA ... 54 LAMPIRAN 1
DAFTAR GAMBAR
Gambar 2.1 Arsitekstur Komunikasi Seluler... 7
Gambar 2.2 Pola Sel (a)Sel Ideal, (b) Sel Real, (c) Sel Model ... 10
Gambar 2.3 Konsep Frekuensi Reuse ... 12
Gambar 2.4 Aturan Pemakaian i dan j pada Alokasi Frekuensi……….. .. 13
Gambar 2.5 Matriks dan Bentuk Layout Sel ... 20
Gambar 2.6 Strategi Frekuensi Exhaustive Assignment ... 21
Gambar 2.7 Komponen Neuron ... 22
Gambar 2.8 Model Neuron ... 23
Gambar 2.9 Arsitekstur Lapisan Tunggal ... 25
Gambar 2.10 Arsitekstur Lapisan Jamak……….. 26
Gambar 2.11 Arsitekstur Lapisan Kompetitif……….. 26
Gambar 3.1 Permodelan Sistem Pengalokasian Kanal ... 30
Gambar 3.2 Layout Area Kota Medan ... 31
Gambar 3.3 Flowchart pengalokasian kanal dengan algoritma Hopfield neural network ... 34
Gambar 4.1 Nilai call demand yang berubah dengan nilai tertinggi 36... . 49
Gambar 4.2 Alokasi kanal dengan call demand tertinggi 36... ... 49
Gambar 4.3 Nilai call demand yang berubah dengan nilai tertinggi 24... . 50
DAFTAR TABEL
Tabel 3.1 Matriks Kompatibility C ………… ... 32
Tabel 3.2 Pola interferensi sel……… ... 33
Tabel 3.3 Tahapan pada algoritma neural network ………... ... 35
Tabel 3.4 Variabel yang dibutuhkan pada algoritma Neural Network ... 36
Tabel 4.1 Hasil urutan call demand pada 17 sel……….. 40
Tabel 4.2 Hasil inisialisasi pengalokasian kanal algoritma neural network.. 44
Tabel 4.3 Hasil pengalokasian dengan update1….………. 45
Tabel 4.4 Hasil pengalokasian dengan update2…….………. 46
ABSTRAK
Kemajuan teknologi telekomunikasi saat ini berkembang pesat. Hal ini
mengakibatkan pengguna jaringan telekomunikasi semakin meningkat, sementara
banwidth yang tersedia terbatas. Apabila trafik panggilan padat dan bandwidth
yang tersedia tidak dapat memenuhi seluruh permintaan panggilan, maka akan
mengakibatkan panggilan yang jatuh atau ditolak. Untuk menghindari panggilan
yang jatuh atau ditolak diperlukan suatu teknik pengalokasian kanal yang dapat
meminimalisasi jumlah panggilan yang ditolak dengan memaksimalkan
penggunaan kanal yang tersedia.
Tugas Akhir ini membahas pengalokasian kanal dinamik pada GSM
dengan menggunakan Algoritma Neural Network sebagai metode
penyelesaiannya. Dalam hal ini algoritma Neural Network digunakan sebagai
metode untuk mengimplementasikan channel assignment problem (CAP) pada
sistem komunikasi seluler. Dari analisis alokasi kanal dinamik ini dapat dilihat
dinamik terletak pada nilai call demand yang berubah.
Dari hasil pemodelan yang dilakukan diperoleh jumlah kanal yang dapat
dialokasikan pada inisialisasi sebesar 126 kanal dengan nilai call demand tertinggi
26 panggilan. Dengan nilai bobot cii=5 terdapat 111 panggilan yang ditolak.
Kemudian pada update 1 terdapat 96 panggilan yang ditolak dengan mengubah
bobot cii=6 tetapi hanya pada sel yang terblok, pada update 2 terdapat 80
panggilan yang ditolak dan nilai bobot cii diubah menjadi 6 hanya pada sel yang
terblocking. Pada update 3 tidak didapat lagi panggilan yang terblocking sehingga
dapat dikatakan sistem bekerja dengan baik atau optimal.
BAB I
PENDAHULUAN
1.1 Latar Belakang
Kemajuan teknologi telekomunikasi saat ini berkembang pesat. Hal ini
mengakibatkan pengguna jaringan telekomunikasi semakin meningkat, sementara
banwidth yang tersedia terbatas. Apabila trafik panggilan padat dan bandwidth
yang tersedia tidak dapat memenuhi seluruh permintaan panggilan, maka akan
mengakibatkan panggilan yang jatuh atau ditolak. Sehingga berakibat pada
penurunan kualitas dari jaringan tersebut yang dapat merugikan konsumen atau
pengguna.
Untuk menghindari panggilan yang jatuh atau ditolak, maka dibutuhkan
pengalokasian kanal yang dapat memaksimalkan pemanfaatan kanal dengan
memperhatikan kualitas sinyal yang tetap terjaga baik. Untuk itu diperlukan suatu
teknik pengalokasian kanal yang dapat meminimalisasi jumlah panggilan yang
ditolak dengan memaksimalkan penggunaan kanal yang tersedia.
Teknik alokasi kanal merupakan suatu metode untuk mengalokasikan kanal
frekuensi dalam suatu sistem komunikasi seluler, sehingga penggunaan ulang dari
kanal-kanal frekuensi (frequency reuse) dapat meningkat. Ada beberapa jenis
teknik alokasi kanal yaitu Fixed Channel Assignment (FCA), Dynamic Channel
Assignmen (DCA), dan Hybrid Channel Assignment (HCA).
Dalam Tugas Akhir ini akan memberi penjelasan tentang bagaimana
Algoritma Neural Network dapat digunakan untuk pengalokasian kanal pada
harus bebas dari interferensi sehingga kualitas dari panggilan tersebut tetap
terjaga, sehingga dapat memperkecil jumlah panggilan yang diblok / ditolak dan
meningkatkan jumlah panggilan yang diterima.
1.2 Rumusan Masalah
Dari latar belakang di atas, maka dapat dirumuskan beberapa
permasalahan, yaitu :
1. Apa yang dimaksud dengan alokasi kanal dinamis.
2. Apa yang dimaksud dengan algoritma neural network.
3. Bagaimana mengatasi Channel Assignment Problem (CAP) pada sistem
komunikasi selular.
4. Bagaimana penggunaan algoritma neural network untuk pengalokasian kanal
pada sistem komunikasi selular.
5. Apa saja kinerja hasil pengalokasian kanal dengan algoritma neutral network
1.3 Tujuan Penulisan
Adapun tujuan Tugas Akhir ini adalah untuk menganalisis pengalokasian
kanal pada sistem komunikasi seluler dengan algoritma neural network pada
pengalokasian kanal dinamik.
1.4 Batasan Masalah
Untuk memudahkan pembahasan dalam penulisan Tugas Akhir ini, maka
dibuat pembatasan masalah sebagai berikut :
2. Hanya membahas Channel Assignment Problem (CAP) pada pengalokasian
kanal dinamis.
3. Hanya menggunakan algoritma Neural Network sebagai penyelesaian
pengalokasian kanal.
4. Diasumsikan bahwa satu kanal = satu frekuensi = satu user.
5. Nilai call demand yang digunakan merupakan nilai yang diasumsikan.
6. Hanya menggunakan nilai bobot cii = 5 dan 6.
7. Parameter yang digunakan adalah layout area, matriks compatibility, pola
interferensi dan call demand.
8. Hanya membahas penugasan kanal tanpa memasukkan trafik Hand Off.
9. Hanya membahas kinerja pengalokasian kanal yaitu optimasi jumlah kanal
dan interferensi yang mempengaruhi probabilitas blocking.
10. Hanya menggunakan software Matlab R2010a.
1.5 Metodologi Penulisan
Metode penulisan yang digunakan pada Tugas Akhir ini adalah :
1. Studi Literatur, yaitu dengan membaca teori-teori yang berkaitan dengan
topik Tugas Akhir yang terdiri dari buku-buku referensi baik yang dimiliki
oleh penulis atau dari perpustakaan dan juga dari artikel-artikel, jurnal,
internet, dan lain-lain.
2. Diskusi, konsultasi dengan dosen pembimbing dan narasumber lain yang
3. Tahap Perancangan Pemodelan, berdasarkan studi literatur dibuat
perancangan sistem sesuai kondisi yang diinginkan dengan menggunakan
software Matlab2010a.
4. Tahap Analisis dan Penarikan Kesimpulan.
1.6 Sistematika Penulisan
Untuk memberikan gambaran mengenai Tugas Akhir ini secara singkat,
maka penulis menyusun sistematika penulisan sebagai berikut :
BAB 1 : PENDAHULUAN
Bab ini menguraikan tentang latar belakang masalah, tujuan
penulisan, batasan masalah, metodologi penulisan, serta sistematik
penulisan.
BAB II : DASAR TEORI
Bab ini berisi tentang gambaran teori yang dijelaskan pada bab ini
berkisar dari teori konsep komunikasi seluler, prinsip dari dynamic
channel assignment (DCA), prinsip kerja dari penugasan kanal atau
channel assignment problem (CAP), algoritma neural network.
BAB III : PERANCANGAN MODEL
Dalam bab ini akan dibahas tentang perancangan model algoritma
Neural network.
BAB IV : PEMODELAN DAN ANALISIS PENGALOKASIAN KANAL DINAMIS PADA KOMUNIKASI SELULER DENGAN
Pada bab ini akan dijelaskan tentang spesifikasi kebutuhan minimum
sistem yang digunakan dan menyampaikan hasil analisis dari hasil
yang telah diperoleh.
BAB V : PENUTUP
Bab ini berisi tentang kesimpulan dan saran dari analisa yang telah
BAB II
DASAR TEORI
2.1 Sistem Komunikasi Seluler
Sistem komunikasi seluler merupakan salah satu jenis komunikasi
bergerak, yaitu suatu komunikasi antara dua buah terminal dengan salah satu atau
kedua terminal berpindah tempat. Dengan adanya perpindahan tempat ini, sistem
komunikasi bergerak tidak menggunakan kabel sebagai
Sistem komunikasi seluler dapat melayani banyak pengguna pada cakupan
area geografis yang cukup luas dalam frekuensi yang terbatas. Sistem ini juga
menawarkan kualitas yang cukup tinggi dan tidak kalah jika dibandingkan dengan
telepon tetap (PSTN). Untuk menambah kapasitas, daerah jangkauannya dibatasi
dengan adanya pembagian area menjadi sel-sel. Dengan adanya sel-sel ini, kanal
radio dapat dipergunakan kembali oleh base station pada jarak yang berjauhan.
Ketika pengguna jasa seluer berpindah dari satu sel ke sel lain, panggilan dijaga
agar tidak terinterupsi dengan menggunakan salah satu teknik switching, yaitu
handoff. Berikut ini adalah gambaran umum sistem komunikasi seluler dapat
Gambar 2.1 Arsitektur Komunikasi Seluler
Dari gambar, dapat dilihat bahwa sistem komunikasi seluler terdiri dari
komponen berikut :
1. PSTN, tersusun atas local networks, exchange area networks, dan long-haul
network. PSTN menginterkoneksikan antara telepon dengan peralatan
komunikasi lain.
2. Mobile Switching Center (MSC) atau Mobile Telephone Switching Office
(MTSO). Dalam sistem komunikasi seluler, MSC berfungsi untuk
menghubungkan antara telepon seluler dengan PSTN. Dalam sistem seluler
analog, MSC berfungsi untuk mengatur agar sistem tetap beroperasi. Suatu
MSC dapat menangani 100.000 pelanggan seluler dan 5.000 panggilan dalam
waktu yang bersamaan.
3. Base Station, sering disebut juga sebagai Base Transceiver Station (BTS) pada
sistem GSM, cell site (site). Pada base station, terdapat beberapa pemancar
(seringkali disebut sebagai transmitter atau TX) dan penerima (receiver atau
RX). TX dan RX akan megangani komunikasi full duplex secara serempak.
Biasanya, TX dan RX dikombinasikan menjadi transceiver (TRX) yang
juga mempunyai menara untuk membantu proses pemancaran atau
penerimaan sinyal pada antena.
4. Mobile Station (MS). MS merupakan suatu perangkat yang digunakan oleh
pelanggan jasa komunikasi seluler untuk memperoleh layanan. Beberapa
komponen yang ada pada MS adalah transceiver, antena, rangkaian
pengontrol, dan sebagainya. Selain itu, MS juga dilengkapi dengan kartu
Subscriber Identity Module (SIM) yang berisi nomor identitas pelanggan.
5. Visitor Location Register (VLR), penyimpan data-data temporer yang masuk
dari MSC lain dan sifatnya resident.
6. Home Location Register (HLR), penyimpan data-data tetap dari pelanggan
dalam MSC itu sendiri.
Komunikasi selular juga dibedakan antara sistem komunikasi
konvensional dan sistem komunikasi modern. Sistem konvensional memiliki
karakteristik sebagai berikut :
1. Daerah jangkauan luas
2. Daya yang digunakan besar
3. Kapasitas sistem masih rendah
4. Modulasi analog berupa frequency modulation (FM) sehingga memerlukan
bandwidth yang besar
5. Belum menggunakan handoff
6. Belum terhubung ke jaringan public service telephone network (PSTN)
Komunikasi seluler modern memiliki karakteristik sebagai berikut :
1. Alokasi bandwith kecil
2. Efisiensi pemakaian frekuensi tinggi, karena penggunaan frequency refuse.
3. Modulasi digital
4. Daerah pelayanan dibagi atas daerah - daerah kecil yang disebut sel, sering
disebut sebagai sistem seluler.
5. Kapasitas besar
6. Daya yang dipergunakan kecil
7. Memiliki handoff
8. Efisiensi kanal tinggi karena menggunakan mode akses jamak (multiply
access) seperti frequency division multiple access (FDMA), time divisin
multiple access (TDMA), dan code division multiple access (CDMA).
2.2 Konsep Seluler
Konsep seluler hingga saat ini dapat dikatakan sebagai penyelesaian yang
terbaik untuk mengatasi masalah terbatasnya spektrum frekuensi dan kapasitas
pelanggan. Pada konsep ini ditawarkan kapasitas yang sangat tinggi dalam alokasi
spektrum yang terbatas tanpa perubahan teknologi yang amat besar. Konsep
dasarnya adalah mengganti pengirim tunggal berdaya tinggi dengan beberapa
pengirim berdaya lebih rendah yang masing-masing melayani daerah cakupan
yang lebih kecil. Daerah pelayanan yang lebih kecil ini disebut sel. Pada tiap-tiap
sel ini dialokasikan sejumlah kecil kanal dari keseluruhan kanal yang ada,
sehingga keseluruhan kanal yang dimiliki sistem tersebut terbagi-bagi dalam
Dalam banyak literatur tentang seluler, digambarkan bentuk dari coverage
area sebuah sell adalah berbentuk hexagon, walau dalam kenyataan bentuk
tersebut tidak bisa diterima. Dengan pertimbangan, bentuk hexagon adalah bentuk
yang gampang untuk membuat layout coverage area sebuah sell dan bentuknya
paling mendekati bentuk ideal dari sebuah coverage antena (lingkaran). Pola
penggambaran dari kanal dapat dilihat pada Gambar 2.2[2].
(a) (b) (d)
Gambar 2.2 Pola Sel (a) Sel Ideal, (b) Sel Real, (c) Sel Model
Sebagai pengguna ponsel yang bergerak dari sel ke sel, percakapan
dilakukan dengan teknik hand off antara sel-sel untuk mempertahankan layanan
komunikasi agar berjalan lancar (tidak terputus). Saluran frekuensi yang
digunakan dalam satu sel dapat digunakan kembali di sel lain yang letaknya agak
jauh. Sel dapat ditambahkan untuk mengakomodasi pertumbuhan pelanggan,
menciptakan sel-sel baru di daerah yang belum terlayani atau overlay sel di daerah
yang telah terlayani.
Satu sel akan dilayani oleh site. Dalam satu site bisa memiliki lebih dari
satu sel. Setiap site biasanya terdiri atas sebuah menara (tower) antena dan shelter.
Ada juga yang hanya menjadi pengulang (repeater) untuk minilink saja.
Penempatan site biasanya dilakukan di atas tanah, namun untuk daerah yang padat
Dalam selular pola-pola untuk penyusunan kanal frekuensi dalam satu
cluster, yaitu dengan aturan bahwa satu cluster tidak boleh menggunakan kanal
frekuensi yang sama.
2.2.1 Frekuensi Reuse
Frekuensi Reuse adalah penggunaan ulang sebuah frekuensi yang sama
pada daerah yang berbeda tetapi diluar dari jangkauan interferensinya. Sehingga
frekensi yang sama dapat digunakan kembali pada daerah yang berbeda tetapi
dengan syarat daerah yang menggunakan frekuensi yang sama saling berjauhan
sehingga tidak menimbulkan interferensi. Interferensi antar stasiun basis dapat
diminimalkan jika stasiun basis yang berdekatan menggunakan grup kanal yang
berbeda. Dengan memisahkan stasiun-stasiun basis dan grup-grup kanal dengan
cara yang sistematis, kanal-kanal didistribusikan dan digunakan berulang kali[3].
Frekuensi reuse dilakukan untuk meningkatkan efisiensi alokasi
frekuensi dan meningkatkan kapasitas sistem. Adapun latar belakang
frekuensi re-use antara lain :
1. Keterbatasan alokasi frekuensi
2. Keterbatasan area cakupan cell (coverage area).
3. Menaikkan jumlah kanal.
4. Membentuk cluster yang berisi beberapa cell.
5. Co-channel interference
Dalam penggunaan kembali kanal frekuensi diusahakan agar daya
pemancar masing-masing BS tidak terlalu besar, hal ini untuk menghindari
Intreference. Jarak minimum frekuensi reuse yang diperbolehkan, ditentukan oleh
beberapa faktor, yaitu jumlah sel yang melakukan frekuensi reuse, bentuk
geografi suatu wilayah, tinggi antena dan besarnya daya pemancar masing-masing
base station. Jarak pengulangan frekuensi ditentukan dengan menggunakan
persamaan dibawah ini[4]:
(D/R)2 = 3K (2.1) Dimana : D = Jarak pengulangan (reuse distance)
R = Jari-jari terjauh sel hexagonal (jarak terjauh dari pusat sel ke
ujung sel)
K = cluster
Untuk melihat lebih jelas konsep dari frekukensi reuse dapat dilihat pada
Gambar 2.3.
Gambar 2.3. Konsep Frekuensi Reuse
Pelayanan seluler dicakup oleh beberapa kelompok sel yang disebut
cluster. Satu cluster terdiri dari beberapa sel (K sel). K bisa berharga 3, 4,7, 9, 12.
Cara menentukan sel-sel co-channel dengan menggunakan rumus[4]:
K = i2+j2+ij (2.2) Dimana : i = arah pergerakan awal
j = arah awal diputar 60o
Pola frekuensi reuse pada sistem selular diperlihatkan pada Gambar
menghindari interferensi akibat adanya penggunaan kanal yang berdekatan
(Interference Adjacent Channel) dan Co-Channel Intereference.
i,j = 0,1,2,3, ...
i=1
j=2
j z 60 0
sel referensi
i 120 0
Gambar 2.4 Aturan Pemakaian i dan j pada Alokasi Prekuensi
2.2.2 Handoff
Pengertian handoff adalah suatu peristiwa perpindahan kanal/channel dari
MS (mobile station) tanpa terjadi pemutusan hubungan dan tanpa campur tangan
pemakai. Handoff umumnya terjadi karena pergerakan MS sehingga keluar dari
jangkauan sel awal sehingga masuk ke sel baru.
Pada komunikasi bergerak, setiap user memiliki tingkat mobilitas yang
tinggi. Ada kemungkinan user bergerak dari satu sel menuju sel lain yang
memakai pasangan frekuensi yang berbeda ketika sedang terjadi percakapan.
Untuk menjamin bahwa pembicaraan akan terus tersambung diperlukan fasilitas
handoff yaitu proses otomatis pergantian frekuensi ketika mobile station bergerak
ke dalam daerah atau sel yang mempunyai kanal dengan frekuensi berbeda dengan
sel sebelumnya, sehingga pembicaraan dijamin akan terus tersambung tanpa perlu
melakukan pemanggilan kembali atau inisialisasi ulang.
Ketika MS mulai melakukan panggilan di dalam sel 1 yang berfrekuensi
yang melakukan pemindahan frekuensi yang dipakai dari F1 ke F2 tanpa campur
tangan pemakai agar panggilan dapat terus tersambung, begitu seterusnya jika
mobile station bergerak ke sel yang berbeda.
2.3 Interferensi
Interferensi adalah gangguan yang terjadi disebabkan adanya sinyal lain
yang frekuensinya sama dan daya sinyal pengganggu tersebut cukup besar.
Ukuran yang digunakan untuk menilai kualitas sinyal terhadap gangguan
interferensi dinyatakan dengan C/I (dB) = Carrier to Noise Ratio. Unjuk kerja
komunikasi seluler sangat dibatasi oleh kehadiran interferensi. Sumber-sumber
yang dapat menyebabkan interferensi adalah:
a. MS lain dalam satu sel
b. Panggilan dalam proses dari sel sebelah
c. BS lain yang beroperasi pada frekuensi yang sama
d. Peralatan lain
Interferensi pada kanal suara dapat menyebabkan cross-talk (cakap silang),
sedang pada control dapat menyebabkan call-blocking. Ada dua macam
interferensi yaitu interferensi antar kanal atau co-channel interference (CCI) dan
interferensi kanal atau adjacent channel interference.
2.3.1 Interferensi Kanal Yang Sama (Co-Channel Interference)
Interferensi ko-kanal atau Co – Channel Iintreference (CCI) disebabkan
oleh sel yang menggunakan frekuensi yang sama, dimana sel ini disebut sebagai
pembawa di pemancar. Hal dikarenakan, bila daya dinaikkan maka akan
menaikkan daya interferensi yang berasal dari sel co-channel. Untuk
menghilangkan pengaruh interferensi, maka jarak sel co-channel harus dipisahkan
sedemikian sehingga secara fisik tidak terpengaruh oleh propagasi gelombang.
Parameter co-channel reuse, Q didefinisikan sebagai perbandingan D/R,
yang dinyatakan sebagai[5]:
Q = �
� (2.3)
Dimana : D = adalah jarak antar sel yang menggunakan jarak yang sama
R = fungsi jari – jari sel
Semakin besar Q, maka semakin besar jarak sel co-channel yang akan
mengurangi pengaruh interferensi. Nilai Q yang besar juga akan meningkatkan
kualitas transmisi disebabkan dengan mengecilnya level co-channel interferensi.
Nilai Q yang kecil menyebabkan kapasitas sistem meningkat karena ukuran
cluster menjadi kecil.
2.3.2 Interferensi Kanal Yang Berdekatan (Adjacent Channel Interference)
Interferensi kanal bersebelahan atau Adjacent Channel Interference
disebabkan oleh interferensi sinyal yang berasal dari sel sebelah. Penyebab
adjacent channel interference adalah dikarenakan tidak sempurnanya frekuensi
operasi dari filter pada receiver. Penggunaan filter ini mengakibatkan frekuensi
yang berdekatan dapat lolos dari filter. Interferensi ini akan menjadi masalah yang
serius bila kanal yang bersebelahanan dari pengguna tersebut mentransmisikan
Fenomena ini disebut sebagai efek near-far dimana daya dari transmitter
yang terdekat mengganggu kerja dari receiver ketika menerima sinyal dari
transmitter yang jauh. Efek dari adjacent channel interference dapat diperkecil
dengan proses filterisasi yang baik dan pembagian kanal (channel assignment)
yang baik. Channel assignment dilakukan dengan memberikan jarak frekuensi
pemisah yang cukup besar antara satu kanal dengan kanal yang lainnya.
Untuk mengatasi hal ini maka digunakan filter yang tajam untuk meredam
sinyal dengan frekuensi seperti yang digunakan pada kanal sebelahnya. Cara lain
yang sering digunakan adalah dengan mengatur penempatan kanal frekuensi pada
masing-masing sel, dengan menempatkan kanal frekuensi yang bersebelahan pada
sel yang berbeda.
2.4 Penugasan Kanal (Channel Assigment Problem)
Channel assignment merupakan pengalokasian kanal frekuensi ke setiap
sel berdasarkan atas beban trafik yang diketahui. Pengalokasian kanal frekuensi
ini bergantung pada kemampuan reuse pada kelompok sel dan trafik yang ada.
Secara umum strategi penempatan kanal adalah untuk peningkatan
kapasitas kanal dari setiap sel dan meminimalkan interferensi sesuai dengan yang
diinginkan. Strategi penempatan kanal yang telah dikembangkan untuk memenuhi
tujuan diatas, dapat dikelompokkan menjadi fixed atau dinamic. Pemilihan strategi
penempatan kanal dapat mempengaruhi kinerja dari sistem, terutama pengaturan
panggilan saat sebuah pengguna berpindah dari satu sel ke sel yang lain.
Channel assignment dapat dibagi menjadi Fixed Channel Allocation
2.4.1 Fixed Channel Allocation ( FCA )
Merupakan teknik pengalokasisn kanal secara tetap, pada setiap sel
dialokasikan kanal secara tetap. Karena setiap sel dialokasikan secara tetap maka
dalam sistem ini diperlukan management kanal yang tetap. Bila seluruh kanal
terduduki maka sel akan diblok dan kadang digunakan strategi peminjaman kanal
dari sel tetangga [2].
Syarat-syarat fixed channel allocation yaitu:
1. Setiap sel memiliki kelompok kanal yang tetap
2. Bila seluruh kanal terduduki, maka sel akan “block”.
3. Kadang digunakan strategi “peminjaman” kanal dari sel tetangga.
Kelebihan FCA dibandingkan dengan DCA adalah relatif lebih cepat
untuk menangani panggilan yang terjadi dalam sel, lebih murah untuk instalasi
dan investasi awal karena tidak dibutuhkan komputer switching yang super cepat
untuk pengambilan keputusan saat adanya alokasi kanal baru. Kelemahan dari
FCA adalah:
1. Butuh perencanaan alokasi kanal yang sangat matang saat instalasi
2. Butuh pengecekan berkala untuk melihat optimasi pembagian kanal dalam
satu cluster atau dalam satu sistem keseluruhan.
3. Operator harus sering memeriksa perkembangan pelanggan dalam tiap area,
perkembangan pelanggan harus diikuti tersedianya kanal di area tersebut,
sehingga harus memetakan ulang pola kanal frekuensi.
Operator harus mencek keadaan di lapangan apakah ada perkembangan
beban trafik atau ada daerah yang banyak pelanggannya tapi tidak terlayani
2.4.2 Dynamic Channel Allocation ( DCA )
Dynamic Channel Allocation (DCA) merupakan salah satu strategi untuk
mengatasi penambahan beban trafik dalam sistem seluler. Konsep dasar dari
strategi DCA adalah bila beban trafik tidak merata dalam tiap sel maka pemberian
kanal frekuensi pada tiap sel akan sering tidak terpakai dalam sel yang kurang
padat, dan terjadi bloking pada sel dengan beban trafik padat. Teknik DCA dapat
mengalokasi kanal frekuensi bila hanya beban trafik meningkat dan melepaskan
kanal frekuensi bila beban trafik menurun. Beberapa teknik DCA tersebut adalah
sebagai berikut [2]:
1. First Avaible (FA)
2. Nearest Neighbour (NN)
3. Hybrid Assigment Strategi
4. Borrowing with Channel Ordering Strategi (BCO)
5. Borrowing with Directional Channel Locking
Strategi DCA inilah yang diangkat dalam Tugas Akhir ini, dimana trafik
pada setiap sel berubah-ubah dalam kurun waktu tertentu.
2.4.3 Perumusan Channel Assignment Problem
Channel Assignmnet Problem (CAP) muncul dalam jaringan telepon
seluler yakni rentang frekuensi diskrit dengan spektrum frekuensi radio tersedia
yang disebut sebagai kanal, diperlukan untuk dialokasikan ke daerah lain guna
meminimumkan bentangan frekuensi total, tergantung pada permintaan (demand)
Batasan electromagnetic compatibility (EMC) ditentukan melalui jarak
minimum dimana dua kanal harus dipisahkan agar rasio S/I diterima kuat dapat
dijamin dalam wilayah yang salurannya telah ditugaskan, dapat ditunjukkan
melalui matrik N x N yang disebut matriks compatibility C.
Ada tiga jenis batasan kanal dalam penugasan kanal, yaitu [3] :
1. Cochannel Constraint (CCC) – cij dengan nilai = 0 atau 1
Dimana frekuensi yang sama tidak dapat dialokasikan pada satu kanal
dengan pasangan frekuensi lain secara bersamaan.
2. Adjacent Channel Constraint (ACC) - cij dengan nilai ≥ 2
Dimana frekuensi yang berdekatan tidak dapat dialokasikan untuk sel
radio yang berdekatan secara bersamaan.
3. Cosite Constraint (CSC) - cii dengan nilai = α
Dimana setiap pasangan frekuensi yang ditetapkan dalam sel yang sama
harus memiliki jarak frekuensi minimum α. Nilai α merupakan nilai positif
mulai dari 0 ditugaskan ke sel i. Nilainya tergantung pada standar
komunikasi yang digunakan. Pada umumnya nilai α dimulai dengan 5
untuk menyatakan jarak antar kanal dalam satu sel.
Dari ketiga hal tersebut dapat dihitung jumlah kanal minimun yang dapat
disediakan untuk penugasan kanal, dengan rumus [3]:
Kanal minimum yang dibutuhkan = (cii (di - 1) + 1) (2.4)
Dimana : cii = nilai maksimum CSC pada matrik C
Ilustrasi pada Gambar 2.5 menunjukan strategi Channel Assignment
Problem (CAP).
Matrik Bentuk Layout Sel
Gambar 2.5 Matrik dan Bentuk Layout Sel
Dari ilustrasi di atas dapat diperoleh jumlah kanal/frekuensi minimum
yang dibutuhkan dengan melihat matrik demand dimana cii = 5, di = 3. Maka
dapat dihitung jumlah kanal minimum, 5 (3-1) + 1 = 11 kanal. Gambar 2.6
menunjukkan cara penentuan letak kanal pada tiap-tiap sel.
Gambar 2.6 Strategi Fequency Exhaustive Assignment
Untuk menugaskan kanal pada Gambar 2.6 langkah pertama adalah
terlebih dahulu perlu dilihat pola layout sel bersamaan dengan memperhatikan
kendala Electromagnetic Compabily (EMC) yaitu CCC, ACC, dan CSC.
demand D terbesar adalah 3 yaitu pada sel ke 4 dengan jarak antara cosite (CCC)
adalah 5 yaitu menempati kanal (f1, f6, dan f11). Kemudian tempatkan demand D
berikutnya yaitu 1 pada sel ke 3 yang menempati kanal (f4). Selanjutnya pada
demand yang sama yaitu 1 untuk sel 2 dan demand 1 untuk sel 1 yang menempati
kanal (f3) untuk sel 2 dan kanal (f6) untuk sel 1[2].
2.5 Algoritma Neural Network
Jaringan saraf tiruan atau neural network muncul setelah pengenalan
neuron disederhanakan oleh McCulloch dan Pitts pada 1943. Sebuah sel neuron
(sel saraf) tertentu mengumpulkan sinyal berupa rangsangan dari neuron lain
melalui dendrit. Sinyal yang datang dan diterima oleh dendrit akan dijumlahkan
(summation) dan dikirim melalui axon ke dendrit akhir yang bersentuhan dengan
dendrit dari neuron yang lain. Sinyal ini akan diterima oleh neuron lain jika
memenuhi nilai threshold tertentu[7]. Komponen dari neuron dapat dilihat pada
Gambar 2.7.
Gambar 2.7 Komponen Neuron
Jaringan saraf tiruan, seperti manusia, belajar dari suatu contoh karena
mempunyai karakteristik yang adaptif, yaitu dapat belajar dari data-data
sebelumnya dan mengenal pola data yang selalu berubah. Selain itu, jaringan saraf
kesimpulan yang ditarik oleh jaringan didasarkan pada pengalamannya selama
mengikuti proses pembelajaran/pelatihan.
Jaringan saraf tiruan ditentukan oleh tiga hal :
1. Pola hubungan antar neuron (disebut arsitektur jaringan).
2. Metode untuk menentukan bobot penghubung (disebut metode
training/learning).
3. Fungsi aktivasi, yaitu fungsi yang digunakan untuk menentukan keluaran
suatu neuron.
2.5.1. Model Neuron
Satu sel saraf terdiri dari tiga bagian, yaitu: fungsi penjumlah (summing
function), fungsi aktivasi (activation function), dan keluaran (output). Model
neuron dapat dilihat Gambar 2.8[8].
Gambar 2.8 Model Neuron
Jika dilihat, neuron buatan diatas mirip dengan sel neuron biologis.
Informasi (input) akan dikirim ke neuron dengan bobot tertentu. Input ini akan
diproses oleh suatu fungsi yang akan menjumlahkan nilai-nilai bobot yang ada.
Hasil penjumlahan kemudian akan dibandingkan dengan suatu nilai ambang
melewati suatu nilai ambang tertentu, maka neuron tersebut akan diaktifkan, jika
tidak, maka neuron tidak akan diaktifkan. Apabila neuron tersebut diaktifkan,
maka neuron tersebut akan mengirimkan output melalui bobot-bobot keluarannya
ke semua neuron yang berhubungan dengannya.
Sehingga dapat disimpulkan bahwa neuron terdiri dari 3 elemen
pembentuk, yaitu:
1. Himpunan unit-unit yang dihubungkan dengan jalur koneksi. Jalur-jalur
tersebut memiliki bobot yang berbeda-beda. Bobot yang bernilai positif akan
memperkuat sinyal dan yang bernilai negatif akan memperlemah sinyal yang
dibawa. Jumlah, struktur, dan pola hubungan antar unit-unit tersebut akan
menentukan arsitektur jaringan.
2. Suatu unit penjumlah yang akan menjumlahkan input-input sinyal yang sudah
dikalikan dengan bobotnya.
3. Fungsi aktivasi yang akan menentukan apakah sinyal dari input neuron akan
diteruskan ke neuron lain atau tidak.
2.5.2. Konsep Dasar Jaringan Saraf Tiruan
Setiap pola-pola informasi input dan output yang diberikan kedalam
jaringan saraf tiruan diproses dalam neuron. Neuron-neuron tersebut terkumpul di
dalam lapisan lapisan yang disebut neuron layers. Lapisan-lapisan penyusun
jaringan saraf tiruan tersebut dapat dibagi menjadi 3, yaitu[8]:
1. Lapisan input
Unit-unit di dalam lapisan input disebut unit-unit input. Unit-unit input
tersebut menerima pola masukannya data dari luar yang menggambarkan
2. Lapisan tersembunyi
Unit-unit di dalam lapisan tersembunyi disebut unit-unit tersembunyi. Dimana
keluarannya tidak dapat secara langsung diamati.
3. Lapisan output
Unit-unit di dalam lapisan output disebut unit-unit output. Output dari lapisan
ini merupakan solusi jaringan saraf tiruan terhadap suatu permasalahan.
2.5.3. Arsitektur Jaringan Jaringan Saraf Tiruan
Jaringan saraf tiruan memiliki beberapa arsitektur jaringan yang sering
digunakan dalam berbagai aplikasi. Arsitektur jaringan saraf tiruan tersebut,
antara lain[8]:
a. Jaringan layar tunggal (single layer network)
Jaringan dengan lapisan tunggal terdiri dari 1 layer input dan 1 layer output.
Setiap neuron/unit yang terdapat di dalam lapisan/layer input selalu terhubung
dengan setiap neuron yang terdapat pada layer output. Jaringan ini hanya
menerima input kemudian secara langsung akan mengolahnya menjadi output
tanpa harus melalui lapisan tersembunyi. Contoh algoritma jaringan saraf
tiruan yang menggunakan metode ini yaitu: ADALINE, Hopfield, Perceptron.
Gambar 2.9 Arsitektur lapisan tunggal
b. Jaringan layar jamak (multi layer network)
Jaringan dengan lapisan jamak memiliki ciri khas tertentu yaitu memiliki 3
jenis layer yakni layer input, layer output, dan juga layer tersembunyi.
Jaringan dengan banyak lapisan ini dapat menyelesaikan permasalahan yang
lebih kompleks dibandingkan jaringan dengan lapisan tunggal. Namun, proses
pelatihan sering membutuhkan waktu yang cenderung lama. Contoh algoritma
jaringan saraf tiruan yang menggunakan metode ini yaitu: MADALINE,
backpropagation, Neocognitron. Arsitekstur dari jaringan layar jamak dapat
dilihat pada Gambar 2.10.
c. Jaringan dengan lapisan kompetitif (competitive layer network)
Pada jaringan ini sekumpulan neuron bersaing untuk mendapatkan hak
menjadi aktif. Contoh algoritma yang menggunakan metode ini adalah LVQ.
Arsitekstur dari jaringan lapisan kompetitif dapat dilihat pada Gambar 2.11.
Gambar 2.11 Arsitektur lapisan kompetitif
2.5.4. Kelebihan dan Kelemahan Neural Network
Neural network mempunyai kemampuan yang luar biasa untuk
mendapatkan informasi dari data yang rumit atau tidak tepat. Berikut adalah
kelebihan – kelebihan yang diberikan dari neural network[7]:
1. Belajar Adaptive : Kemampuan untuk mempelajari bagaimana melakukan
pekerjaan berdasarkan data yang diberikan untuk pelatihan atau pengalaman
awal.
2. Self-Organisation : Sebuah neural network dapat membuat organisasi sendiri
atau representasi dari informasi yang diterimanya selama waktu belajar.
3. Real Time Operation : Perhitungan neural netrwork dapat dilakukan secara
paralel sehingga perangkat keras dirancang dan diproduksi secara khusus
Selain mempunyai kelebihan – kelebihan tersebut, neural network juga
mempunyai kelemamhan – kelemahan sebagai berikut[7]:
1. Tidak efektif jika digunakan untuk melakukan operasi – operasi numerik
dengan presisi tinggi.
2. Tidak efisien jika digunakan untuk melakukan operasi algoritma aritmatik,
operasi logika dan simbolis.
3. Untuk beroperasi neural network butuh pelatihan sehingga bila jumlah datanya
besar, waktu yang digunakan untuk proses pelatihan sangat lama.
2.5.5 Algoritma Neural Network pada Channel Assignment
Setiap elemen pengolahan (neuron) sepenuhnya saling berhubungan dalam
jaringan neural network. Neuron i digambarkan oleh state, yang dilambangkan
dengan Vi. Setiap neuron memiliki dua kemungkinan. Nilai dari setiap state
ditentukan oleh total masukan dari neuron lain diikuti oleh operasi thresholding.
Input dari neuron i berasal dari dua sumber : output dari neuron lain dengan skala
oleh bobot koneksi dan eksternal yang sesuai masukan . Total input ke neuron # i
dinotasikan dengan Ui [6].
�� =∑ ���� ��+�� (2.5)
Dimana Wij adalah berat koneksi dari neuron j ke neuron i dan Ii adalah
input eksternal . Update setiap neuron state sendiri sesuai dengan aturan
thresholding dengan ambang THD seperti ditunjukkan oleh [6].
�� =� 1, ������< ���
0, ������� (2.6)
Aturan thresholding dapat diterapkan asynchronously (secara seri) atau
secara berurutan untuk setiap neuron, dan keadaan setiap neuron diperbarui secara
individual. Dalam modus sinkron, operasi thresholding secara bersamaan
diterapkan pada setiap neuron, dan state dari semua neuron diperbarui pada saat
yang sama. Operasi memperbarui dihentikan ketika state tidak berubah atau
energi telah mencapai nilai minimum. Menurut Kim et al . ( 1997) , Energi fungsi
E didefinisikan sebagai [6].
� =−1
2∑ ∑ ���� � ���� − ∑ ��� �� (2.7)
Fungsi energi ini diminimalkan dengan prosedur update jaringan neural
network. Penerapan berturut prosedur update akan memaksa jaringan untuk
berkumpul sedemikian rupa sehingga energi jaringan menjadi lebih kecil selama
prosedur update. Ketika jaringan mencapai keadaan stabil maka energi dalam
keadaan minimum. Wij dan Ii harus ditetapkan dengan tepat untuk aplikasi
sehingga E merupakan fungsi yang diminimalkan untuk memecahkan masalah
optimasi kombinatorial. Untuk penugasan kanal jaringan neural network
diimplementasikan, dimana energi di update sampai sama dengan nol atau nomor
iterasi maksimum yang telah ditetapkan telah tercapai.
Untuk itu pada pengalokasian kanal, nilai energi diartikan dengan
panggilan yang ditolak. Permintaan panggilan atau call demand yang masuk harus
sesuai dengan jumlah panggilan yang sudah teralokasi pada kanal. Panggilan yang
sudah teralokasi ini harus memenuhi kendala matriks C atau panggilan tidak
ditolak atau tidak terjadi blocking. Apabila jumlah permintaan panggilan atau call
demand tidak sama dengan jumlah panggilan yang sudah teralokasi maka terdapat
nilai bobot pada sel yang terblocking harus diubah untuk dapat mencapai nilai
BAB III
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
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
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
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
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
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
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
BAB IV
ANALISIS ALOKASI KANAL DINAMIK DENGAN
ALGORITMA NEURAL NETWORK
4.1 Umum
Seperti telah dijelaskan pada Bab 3, proses alokasi kanal menggunakan
algoritma neural network terdiri dari penentuan parameter yang digunakan yaitu
layout sel yang digunakan, pola interferensi pada setiap sel, matriks compatibility,
dan call demand yang digunakan. Selanjutnya apabila hasil telah didapatkan,
maka input call demand ataupun matriks compatibility nilainya dapat diubah.
Perubahan nilai call demand pada proses inilah yang dikatakan dinamik.
4.2 Mekanisme Algoritma Neural Network
Pada bab 3 telah dijelaskan mekanisme dari algoritma neural network,
yaitu :
1. Masukan input
Merupakan input dari parameter yang digunakan pada masalah penugasan
kanal dimasukkan, seperti matrix C, jumlah sel, jumlah minimum kanal yang
dibutuhkan.dan call demand atau matrix D. Berikut inisialisasi untuk alokasi kanal
dinamik menggunakan algoritma neural network.
%Masukan input%%
ncell=input('Masukkan jumlah cell=')
%17
C=xlsread('MatrixC.xlsx')
D=input('Masukkan nilai call of demand /matriks D:')
%[14;15;18;17;22;25;16;20;21;10;26;24;7;13;12;8;19]
%126
2. Membuat daftar sel seseuai dengan urutan RNC(required number channel)
Setelah memasukkan input dari parameter yang dibutuhkan, selanjutnya
membuat daftar sel sesuai dengan urutan RCN (required number channel). Daftar
sel RCN dibutuhkan untuk mengurutkan jumlah call demand dari yang terbesar
hingga yang terkecil.
D1=sort(D,'descend')
for row=1:17
for i=1:17
if (D1(row)== D(i))
nomor_cell = i; D2(row)= nomor_cell;
end
end
end
D2=D2'
cell_dan_call = [D2 D1]; RCN=cell_dan_call
Panggilan yang pertama kali dilayani merupakan panggilan dengan nilai
terbesar. Dan sel yang pertama kali digunakan untuk mengalokasikan kanal yaitu
sel dengan nilai call demand terbesar. Hasil urutan sel dan call demand nya dapat
dilihat pada Tabel 4.1 berikut.
Tabel 4.1 Hasil urutan call demand pada 17 sel
Sel Call Demand
11 26
6 25
12 24
5 22
9 21
8 20
17 19
3 18
4 17
Tabel 4.1 Lanjutan
Sel Call Demand
2 15
1 14
14 13
15 12
10 10
16 8
13 7
Dari Tabel 4.1 dapat dilihat kanal yang pertama dialokasikan terletak pada
sel ke-11 dengan call demand sebesar 26 sehingga ada 26 kanal yang akan
dialokasikan pada sel 11 untuk melayani 26 panggilan. Begitu seterusnya sampai
sel yang yang terahir yaitu sel ke-13 dengan 17 panggilan yang harus dilayani.
3. Inisialisasi
Pada inisialisasi, penugasan kanal dilakukan sesuai dengan urutan daftar RCN.
Pada tahapan ini semua permintaan call demand dialokasikan tanpa melihat apakah ada
panggilan yang terblok atau tidak. Pengalokasian sel pertama dilakukan sesuai
dengan urutan dari RCN dimana nilai call demand terbesar yang dialokasikan
terdahulu
% Alokasi cell dengan demand terbesar no 1(sel 11) cell=cell_dan_call(1,1)
call=cell_dan_call(1,2) cell1=cell;
% if sum(sum(CAP))==0
f0=1;
CAP(cell,f0)=1; cii=5;
for n=1:(call-1)
F=f0+ cii; CAP(cell,F)=1; f0=F;
4. Iterasi
Pada iterasi atau proses update dikalaukan pengalokasian ulang pada sel
yang terbloking. Dalam hal ini nilai dari cii pada sel yang terbloking diubah, dari
yang bernilai 5 kemudian di update menjadi 6, tapi cii yang diubah hanya pada sel
yang terbloking, untuk sel yang tidak terbloking nilai cii tidak diubah. Dalam
simulasi proses update dilakukan sebanyak 3 kali, sehingga didapat pengalokasian
cii=6;
panggilan yang terbloking atau panggilan yang jatuh. Sehingga untuk mencapai energi
E=0 maka jumlah panggilan yang terblocking harus diminimalkan. Nilai energi didapat
dengan menghitung selisih antar jumlah panggilan yang tersedia dengan jumlah
Untuk melihat keseluruhan program yang digunakan dapat dilihat pada
Lampiran 1 dan untuk melihat data hasil pengalokasian dapat dilihat pada Lampiran 2.
4.3 Hasil Simulasi Pengalokasian Kanal
Dengan menggunakan jumlah total panggilan RCN=287 dan jumlah
kanal minimum 126 dengan inisialisasi awal bobot cii = 5 serta distribusi
panggilan seperti pada Tabel 4.1. Hasil dari pengalokasian kanal dapat dilihat
pada Tabel 4.2 berikut.
Tabel 4.2 Hasil inisialisasi pengalokaisan kanal algoritma neural network
Sel Jumlah Kanal Nomor Kanal
1 14 3,8,13,18,23,28,33,38,43,48,53,58,63,68 2 15 1,6,11,16,21,26,31,36,41,46,51,56,61,66,71 3 18 5,10,15,20,25,30,35,40,45,50,55,60,65,70,75,80,85,90 4 17 1,6,11,16,21,26,31,36,41,46,51,56,61,66,71,76,81 5 22 5,10,15,20,25,30,35,40,45,50,55,60,65,70,75,80,85,90,95
,100,105,110
6 25 3,8,13,18,23,28,33,38,43,48,53,58,63,68,73,78,83,88,93, 98,103,108,113,118,123
7 16 1,6,11,16,21,26,31,36,41,46,51,56,61,66,71,76,81,86 8 20 5,10,15,20,25,30,35,40,45,50,55,60,65,70,75,80,85,90,95
,100
9 21 3,8,13,18,23,28,33,38,43,48,53,58,63,68,73,78,83,88,93, 98,103
10 10 3,8,13,18,23,28,33,38,43,48
11 26 1,6,11,16,21,26,31,36,41,46,51,56,61,66,71,76,81,86,91, 96,101,106,111,116,121,126
12 24 3,8,13,18,23,28,33,38,43,48,53,58,63,68,73,78,83,88,93, 98,103,108,113,118
13 7 3,8,13,18,23,28,33
14 13 1,6,11,16,21,26,31,36,41,46,51,56,61 15 12 5,10,15,20,25,30,35,40,45,50,55,60
16 8 5,10,15,20,25,30,35,40
17 19 3,8,13,18,23,28,33,38,43,48,53,58,63,68,73,78,83,88,93
adalah sel 2, sel 4, sel 7, sel 11, sel 12, dan sel 14. Dengan nilai energi terbloking
adalah :
Total Panggilan =287
Panggilan yang terlayani =176, maka:
Energi = Bloking = 111 panggilan yang terblok
Karena terdapat sel yang terblocking maka nilai bobot cii pada sel yang
terblocking diubah menjadi 6. Sehingga pengalokasiannya berubah dan perubahan
pengalokasian tersebut dapat dilihat pada Tabel 4.3.
Tabel 4.3 Hasil pengalokasian kanal dengan update1
Sel Jumlah Kanal Nomor Kanal
1 14 3,8,13,18,23,28,33,38,43,48,53,58,63,68 2 15 1,7,13,19,25,31,37,43,49,55,61,67,73,79,85 3 18 5,10,15,20,25,30,35,40,45,50,55,60,65,70,75,80,85,90 4 17 1,7,13,19,25, 31,37,43,49,55,61,67,73,79,85,91,97
5 22 5,10,15,20,25,30,35,40,45,50,55,60,65,70,75,80,85,90,95, 100,105,110
6 25 3,8,13,18,23,28,33,38,43,48,53,58,63,68,73,78,83,88,93, 98,103,108,113,118,123
7 16 1,7,13,19,25, 31,37,43,49,55,61,67,73,79,85,91
8 20 5,10,15,20,25,30,35,40,45,50,55,60,65,70,75,80,85,90,95, 100
9 21 3,8,13,18,23,28,33,38,43,48,53,58,63,68,73,78,83,88,93, 98,103
10 10 3,8,13,18,23,28,33,38,43,48
11 26
1,7,13,19,25,31,37,43,49,55,61,67,73,79,85,91,97,103,
109,115,121,127,133,139,145,151
12 24 5,11,17,23,29,35,41,47,53,59,65,71,77,83,89,95,101,107, 113,119,125,131,137,143
13 7 3,8,13,18,23,28,33
14 13 1,7,13,19,25,31,37,43,49,55,61,67,73 15 12 5,10,15,20,25,30,35,40,45,50,55,60
16 8 5,10,15,20,25,30,35,40
Setelah dilakukan update1, dapat dianalisa bahwa masih terdapat sel yang
terblocking yaitu sel 1, sel 6, sel 9, sel 10, sel 13, dan sel 17. Dengan energi yang
terblocking adalah :
Total Panggilan =287
Panggilan yang terlayani =191, maka:
Energi = Bloking = 96 panggilan yang terblok
Maka untuk menghindari sel yang terbloking tersebut dilakukan update2
dengan mengubah bobot cii pada sel yang terblocking menjadi 6. Dan hasil dari
update 2 dapat dilihat pada Tabel 4.4.
Tabel 4.4 Hasil pengalokasian kanal dengan update 2
Sel Jumlah Kanal Nomor Kanal
1 14 3,9,15,21,27,33,39,45,51,57,63,69,75,81 2 15 1,7,13,19,25,31,37,43,49,55,61,67,73,79,85 3 18 5,10,15,20,25,30,35,40,45,50,55,60,65,70,75,80,85,90 4 17 1,7,13,19,25, 31,37,43,49,55,61,67,73,79,85,91,97
5 22 5,10,15,20,25,30,35,40,45,50,55,60,65,70,75,80,85,90,95,1 00,105,110
6 25 3,9,15,21,27,33,39,45,51,57,63,69,75,81,87,93,99,105, 111,117,123,129,135,141,147
7 16 1,7,13,19,25, 31,37,43,49,55,61,67,73,79,85,91
8 20 5,10,15,20,25,30,35,40,45,50,55,60,65,70,75,80,85,90,95, 100
9 21 3,9,15,21,27,33,39,45,51,57,63,69,75,81,87,93,99,105, 111,117,123
10 10 3,9,15,21,27,33,39,45,51,57
11 26
1,7,13,19,25,31,37,43,49,55,61,67,73,79,85,91,97,103,
109,115,121,127,133,139,145,151
12 24 5,11,17,23,29,35,41,47,53,59,65,71,77,83,89,95,101,107, 113,119,125,131,137,143
13 7 3,9,15,21,27,33,39
14 13 1,7,13,19,25,31,37,43,49,55,61,67,73 15 12 5,10,15,20,25,30,35,40,45,50,55,60
16 8 5,10,15,20,25,30,35,40
Setelah dilakukan update 2, dapat dianalisa bahwa masih terdapat sel yang
terbloking yaitu sel 3, sel 5, sel 8, sel 15, dan sel 16. Dengan nilai energi
panggilan yang terblock adalah :
Total panggilan =287
Panggilan yang terlayani =207, maka:
Energi = Bloking = 80 panggilan yang terblok
Maka untuk menghindari sel yang terblocking tersebut dilakukan update 3
dengan mengubah bobot cii pada sel yang terblocking menjadi 6. Dan hasil dari
update 3 dapat dilihat pada Tabel 4.5.
Tabel 4.5 Hasil pengalokasian kanal dengan update3
Sel Jumlah Kanal Nomor Kanal
1 14 3,9,15,21,27,33,39,45,51,57,63,69,75,81 2 15 1,7,13,19,25,31,37,43,49,55,61,67,73,79,85 3 18 5,11,17,23,29,35,41,47,53,59,65,71,77,83,89,95,101,107 4 17 1,7,13,19,25, 31,37,43,49,55,61,67,73,79,85,91,97 5 22 5,11,17,23,29,35,41,47,53,59,65,71,77,83,89,95,101,107,
113,119,125,131
6 25 3,9,15,21,27,33,39,45,51,57,63,69,75,81,87,93,99,105, 111,117,123,129,135,141,147
7 16 1,7,13,19,25, 31,37,43,49,55,61,67,73,79,85,91 8 20 5,11,17,23,29,35,40,46,52,58,64,70,76,82,88,94,100,106,
112,118
9 21 3,9,15,21,27,33,39,45,51,57,63,69,75,81,87,93,99,105, 111,117,123
10 10 3,9,15,21,27,33,39,45,51,57
11 26 1,7,13,19,25,31,37,43,49,55,61,67,73,79,85,91,97,103, 109,115,121,127,133,139,145,151
12 24 5,11,17,23,29,35,41,47,53,59,65,71,77,83,89,95,101,107, 113,119,125,131,137,143
13 7 3,9,15,21,27,33,39
14 13 1,7,13,19,25,31,37,43,49,55,61,67,73 15 12 5,11,17,23,29,35,41,47,53,59,65,71
16 8 5,11,17,23,29,35,41,47
Dari hasil update 3 didapat bahwa nilai bobot cii untuk semua sel yang
akan dialokasikan adalah 6. Dengan nilai bobot cii = 6 tidak ada bloking
panggilan yang terjadi karena semua kanal dapat dialokasikan dengan tepat tanpa
melanggar batasan matriks Cij. Sehingga dapat diketahui bahwa nilai energi pada
update 3 ini adalah nol.
Total panggilan = total panggilan call demand =287
Panggilan yang terlayani = panggilan yang teralokasi =287
Energi = Blocking =0
Dari hasil energi yang didapat pada update3, dapat dilihat bahwa sistem
neural network dapat bekerja dengan baik. Dimana tidak ada lagi panggilan yang
ditolak atau diblok.
4.4 Pengaruh Call Demand Tertinggi Pada Pengalokasian Kanal
Call demand yang digunakan pada tugas akhir ini merupakan bilangan
acak yang diasumsikan. Perubahan nilai call demand ini yang dikatakan dinamik
pada alokasi kanal ini. Pada tugas akhir ini digunakan call demand yang terbesar
adalah 26 panggilan, sehingga didapatkan kanal minimum yang dibutuhkan untuk
pengalokasian kanal agar tidak terjadi bloking panggilan adalah sebanyak 151
kanal. Apabila call demand yang digunakan lebih tinggi dari 26 panggilan maka
kanal yang dibutuhkan untuk pengalokasian akan semakin banyak dan begitu
sebaliknya bila call demand yang digunakan lebih rendah dari 26 panggilan maka
kanal yang digunakan semakin kecil. Untuk melihat pengaruh call demand yang
berubah pada pengalokasian kanal dapat dilihat pada Gambar 4.2 dan nilai call
Gambar 4.1 Nilai call demand yang berubah dengan nilai tertinggi 36
Gambar 4.2 Alokasi kanal dengan call demand tertinggi 36
Apabila nilai call demand diubah menjadi kurang dari 26 maka alokasi
kanalnya juga akan berubah, karena nilai kanal minimum yang dibutuhkan juga
berubah. Untuk melihat hasil pengalokasian kanal dengan call demand kurang
dari 26 dapat dilihat pada Gambar 4.4 dan nilai call demand yang berubah dapat
Gambar 4.3 Nilai call demand yang beubah dengan nilai tertinggi 24
Gambar 4.4 Alokasi kanal dengan nilai call demand tertinggi 24
Dari Gambar 4.2 dan Gamabr 4.4 dapat dilihat perubahan kanal yang
digunakan untuk pengalokasian kanal berubah. Dimana pada Gambar 4.2 dengan
nilai call demand tertinggi adalah 36 dan kanal yang dibutuhkan adalah 211, dan
pada Gambar 4.4 dengan nilai call demand tertinggi 24 dan kanal yang
