1
Analisis Lalu Lintas Data Power Line
Communication (PLC) Menggunakan Fungsi
Kepadatan Probabilitas dan Distribusi Poisson
Dian Sahid
Magister Teknik Elektro, Universitas Mercu Buana, Jakarta
Syahidian@yahoo.com
Abstrak
Dalam sebuah sistem komunikasi data, media yang digunakan saat ini sudah sangat beragam, dari yang berbasis kabel (wire) hingga tanpa kabel (wire), dengan berbagai macam kelebihan dan kekurangan pada masing-masing media maka penggunaan yang berbasis kabel adalah yang paling memiliki kehandalan dan kapasitas pengiriman data paling tinggi. Contoh analisis pada jurnal ini yaitu jaringan komputer pada sebuah gedung perkantoran bertingkat empat yang menggunakan power line communication (PLC) atau sistem komunikasi data melalui kabel listrik sebagai media transmisi komunikasinya, sumber tenaga listrik dari PLN pada gedung tersebut yaitu menggunakan 3 fasa dengan tegangan antar fasa sebesar 380 VAC dan dengan netral sebesar 220 VAC, modem PLC yang digunakan yaitu type AV2 dengan kemampuan bandwidth mencapai 500 Mbps. Pengujian dilakukan dengan mengirim sejumlah data dari satu lokasi komputer ke lokasi komputer lain untuk mendapatkan parameter bandwidth aktualnya, dengan kondisi parameter kelistrikan yang terus berubah dari waktu ke waktu (efek harmonik, faktor daya dan lonjakan arus) dan berbeda kondisi saluran pengkabelannya maka unjuk kerja bandwidth tidak selalu sama, sehingga dilakukan analisis untuk mengetahui statistiknya.
Keywords : power line communication, fungsi kepadatan probabilitas, probability density function
1. Pendahuluan
Tersedianya jaringan komputer pada suatu bangunan saat ini merupakan suatu kewajiban, dalam ruang lingkup pemanfaatan yang kecil jaringan komputer hanya digunakan untuk pertukaran data/file sharing, namun seiring dengan perkembangaan teknologi dan beragam konten yang ada dengan ukuran yang semakin besar maka kebutuhan infrastruktur yang memadai sebagai sarana transmisi datanya menjadi suatu keharusan.
2 bangunan yang berumur lama dengan kompleksitas jalur pengkabelan kelistrikannya maka ini menjadi kendala cukup besar ketika melakukan implementasi untuk penarikan kabel datanya. Media power line communication merupakan salah satu solusi sarana pertukaran data atau jalur komunikasi untuk bangunan gedung yang sudah tidak memiliki ruang cukup untuk penempatan kabel baru.
Gambar 1. Struktur sistem komunikasi data menggunakan kabel listrik pada rumah
3 Gambar 2. Sistem komunikasi data melalui jalur kabel listrik
Pada power line communication jaringan kabel listrik diubah menjadi media komunikasi data layaknya antena dengan cara melakukan superposisi frekuensi sinyal informasi atau data berdaya rendah ke saluran daya, untuk memastikan gelombang daya yang bekerja pada frekuensi 50 Hz (di Indonesia) atau 60 Hz (di negara lain) tidak mengganggu sinyal data maka frekuensinya dibuat jauh yaitu 3 KHz hingga 148,5 KHz untuk aplikasi narrowband dan 1 MHz hingga 30 MHz untuk aplikasi broadband. Masalah terbesar dalam sistem komunikasi data melalui jaringan kabel listrik yang dalam hal ini kabel berfungsi sebagai antena, maka kabel akan memancarkan sejumlah energi radio yang sangat besar sehingga akan menyebabkan gangguan pada perangkat yang mempunyai frekuensi yang sama.
Selama proses pengiriman data pada sebuah jaringan kabel listrik ketika gangguan menabrak sebuah gelombang pembawa data maka peluang kesalahan penerimaan datanya secara umum yaitu 50%. Pada bagian pemrosesan sinyal seperti modulasi, amplifikasi, filter dan demodulasi maka tidak ada cara untuk menghindari kesalahan tersebut. Dalam hal ini metode yang digunakan untuk mengoreksi kesalahan pengiriman data yaitu menggunakan standar cyclic redundancy check atau disingkat CRC, skema CRC sangat mudah diterapkan dengan dampak kesalahan yang kecil dan pengiriman data yang cukup efektif.
Teknologi Power Line Communication
HomePlug Powerline Alliance merupakan sebuah badan yang dibentuk untuk mengembangkan standar dan teknologi yang memungkinkan suatu perangkat bisa berkomunikasi dengan perangkat lain melalui kabel listrik rumah yang sudah ada, sejak rilis pertama generasi HomePlug versi 1.0 pada tahun 2001 maka pada tahun 2010 badan ini sudah mengeluarkan generasi terakhir yaitu HomePlug AV2 dengan beberapa kelebihan, diantaranya yaitu :
Penambahan spektrum frekuensi
4
Kemampuan MIMO (Multiple-Input Multiple-Output)
Teknologi MIMO memungkinkan transmisi data dilakukan melalui jaringan kabel listrik rumah yang terdiri dari tiga kabel yaitu fasa, netral dan ground secara penuh sehingga secara signifikan dapat meningkatkan kemampuan pengiriman data. Berbeda pada generasi sebelumnya yaitu HomePlug AV1 hanya dapat bekerja untuk melakukan pengiriman data pada jaringan kabel listrik yang terdiri dari dua kabel yaitu fasa dan netral atau dengan nama lain SISO (Single-Input Single-Output), generasi HomePlug AV2 dengan kemampuan MIMO akan secara otomatis bekerja pada sistem SISO untuk jaringan kabel listrik yang hanya memiliki dua kabel yaitu fasa dan netral.
Gambar 3. Kemampuan MIMO pada generasi HomePlug AV2
Peningkatan transmisi data melalui efisiensi PPDU (Physical Layer Protocol Data unit)
HomePlug AV2 menggabungkan struktur PPDU (dalam bentuk paket data yang dikirim melalui kabel listrik) dengan efisiensi tinggi sehingga memungkinkan latensi yang lebih rendah dan meningkatkan kemampuan pengiriman data.
Hemat Energy
Fitur pada HomePlug AV2 memungkinkan efisiensi penggunaan sumber daya listrik dengan cara berpindah secara otomatis ke mode standby saat tidak ada aktivitas pengiriman data.
Contoh Implementasi
5
Gambar 4. Layout jaringan menggunakan power line communication pada contoh implementasi gedung berlantai empat
Dengan kondisi jalur kelistrikan yang berbeda dan aktivitas lalu lintas yang kompleks dilakukan perekaman kondisi jaringan untuk mendapatkan data bandwidth harian.
2. Metodologi Penelitian
Dari berbagai macam metode analisis statistik jaringan yang telah ada, pada jurnal ini penulis menggunakan metode fungsi kepadatan probabilitas atau probability density function (PDF) untuk melihat sebaran kondisi lalu lintas penggunaan bandwidth selama 24 jam dan distribusi poisson untuk melihat probabilitas penurunan kinerja bandwidth hingga nilai terendah.
Fungsi kepadatan probabilitas atau probability density function menyatakan nilai probabilitas dari setiap kejadian X yang dituliskan dalam bentuk 𝑝(𝑋). Karena 𝑝(𝑋) menyatakan nilai probabilitas maka 0 ≤ 𝑝(𝑋) ≤ 1 . Sehingga untuk semua akumulasi kejadian maka jumlah nilai probabilitasnya adalah satu atau dituliskan dalam bentuk.
6 Fungsi kepadatan probabilitas atau probability density function (PDF) dengan jumlah munculnya kejadian 𝑥𝑛 dapat dinyatakan dalam bentuk.
𝑝(𝑥𝑖) = ∑ 𝐻(𝑥𝐻(𝑥𝑖) 𝑗) 𝑛
𝑗=1
Sedangkan fungsi kepadatan kumulatif atau cumulative density function (CDF) yang memberikan nilai fungsi hasil penjumlahan nilai kemungkinan sampai suatu kejadian tertentu, dituliskan dengan 𝑝(𝑋 ≤ 𝑥𝑖), jika X = {x1,x2,x3,...xn} maka fungsi kepadatan kumulatif untuk X=x dituliskan dengan.
𝑝(𝑋 ≤ 𝑥𝑘) = 𝑝(𝑥1) + 𝑝(𝑥2) + ⋯ + 𝑝(𝑥𝑘) Atau
𝑝(𝑋 ≤ 𝑥𝑘) = ∑ 𝑝(𝑥𝑖) 𝑘
𝑖=1
Gambaran permasalahan dari penggunaan fungsi kepadatan probabilitas yaitu misalkan dalam suatu jaringan didapat penggunaan bandwidth antara 1 Mbps hingga 250 Mbps, maka didapat bandwidth rata-rata sebesar (1+250)/2 = 125,5 Mbps , dalam hal ini maka hasil rata-rata tidak dapat merepresentasikan penggunaan bandwidth yang sebenarnya, karena ada kemungkinan sebaran penggunaan bandwidth yang mendekati 250 Mbps lebih banyak ataupun sebaliknya.
Metode selanjutnya yang digunakan yaitu distribusi poisson, yaitu distribusi probabilitas yang menggambarkan peluang sejumlah kejadian yang terjadi dalam periode waktu tertentu jika kejadian ini terjadi dengan tingkat rata-rata yang diketahui dan terlepas sejak kejadian terakhir, rumusnya dituliskan dalam bentuk.
𝑃(𝑋) =𝑒−𝜆𝑥!𝜆𝑥
Dengan e adalah angka alami yaitu 2,71828 ... . Variabel ‘X’ adalah banyaknya
kejadian sukses dari hasil percobaan dan ‘𝜆 ‘ adalah rata-rata kejadian yang telah terjadi dalam rentang waktu tertentu atau laju.
7 Metode pengambilan data yang dilakukan yaitu melalui pengukuran bandwidth pada dua buah PC dengan lokasi terjauh menggunakan software AIDA32 Network Analyzer, pengambilan data dilakukan selama 24 jam yang diambil dalam empat sesi yang kemudian diambil nilai rata-ratanya untuk mewakili data bandwidth perjam, pengambilan data perjam dapat dinotasikan sebagai berikut.
𝑥̅ =1𝑛 ∑ 𝑥𝑖 𝑛
𝑖=1
Dimana 𝑥̅ merupakan nilai rata-rata dari bandwidth yang mewakili dalam satu jam, 𝑥𝑖 merupakan nilai sampel dari 𝑥1+ 𝑥2+ 𝑥3+ 𝑥4 dan 𝜂 merupakan jumlah sampel.
3. Pengambilan Data dan Pengujian
Dari hasil pengambilan data selama 24 jam menggunakan software AIDA32 Network Analyzer didapat data sebagai berikut.
8 Distribusi frekuensinya dengan range lima adalah sebagai berikut.
No Range
Median Frekuensi PDF
9 Sedangkan fungsi kepadatan kumulatifnya didapat.
𝑝(𝑋 ≤ 𝑥𝑘) = ∑ 𝑝(𝑥𝑖)
Dari pengambilan data di atas selama 24 jam, sebagai analisis jika diambil kapasitas bandwidth terendah yaitu antara 140-144 Mbps yang berdistribusi poisson dengan rata-rata 4 kejadian, jika diambil sampel selama 48 jam atau dua hari maka peluang tidak terjadinya penurunan bandwidth hingga 140-144 Mbps yaitu.
𝑋 = 0
Dari hasil probabilitas di atas maka peluang terjadinya penurunan bandwidth hingga nilai terendah dalam dua hari yaitu :
10
4. Kesimpulan
Kinerja kapasitas bandwidth pada jaringan power line communication bergantung pada lalu lintas penggunaan data yaitu pada saat jam operasional dan ini tidak bisa dihindari, dari distribusi poisson didapat untuk probabilitas tidak terjadinya penurunan kinerja terendah hingga 140-144 Mbps selama 48 jam yaitu 0,00034.
Daftar Pustaka
1) Halid Hrasnica, Abdelfatteh Haidine, Ralf Lehnert. “Broadband powerline
communications networks design”. John Wiley & Sons ltd., 2004.
2) Ewerton R. S. Castro, Marcelo S. Alencar and Iguatemi E. “Probability Density Functions of the Packet Length for Computer Networks with
Bimodal Traffic”. Federal University of Campina Grande, Iecom, DEE, Brazil . Federal University of of Paraíba, Brazil, 2013.
3) Achmad Basuki. “Fungsi Kepadatan Probabilitas”. Institut Teknologi Sepuluh November Surabaya, 2004.
4) Dr.V.Valli Mayil. "Probability Measure of Navigation pattern predition using Poisson Distribution Analysis". Vivekanandha Institute of Information and Management Studies, 2012.