TESIS
PERENCANAAN PENEMPATAN E-NODE B 4G LTE 1800 MHZ PADA BTS EXISTING DI KOTA DENPASAR MENGGUNAKAN
METODE FUZZY C-MEANS DAN HARMONY SEARCH
I KADEK SUSILA SATWIKA 1491761028
PROGRAM MAGISTER
PROGRA STUDI TEKNIK ELEKTRO
PROGRAM PASCASARJANA
UNIVERSITAS UDAYANA
DENPASAR
ii PERENCANAAN PENEMPATAN E-NODE B 4G LTE 1800 MHZ PADA BTS EXISTING DI KOTA DENPASAR MENGGUNAKAN
METODE FUZZY C-MEANS DAN HARMONY SEARCH
Tesis untuk Memperoleh Gelar Magister
pada Program Magister, Program Studi Teknik Elektro,
Program Pascasarjana Universitas Udayana
I KADEK SUSILA SATWIKA NIM 1491761028
PROGRAM MAGISTER
PROGRA STUDI TEKNIK ELEKTRO
PROGRAM PASCASARJANA
UNIVERSITAS UDAYANA
DENPASAR
iii Lembar Pengesahan
TESIS INI TELAH DISETUJUI
PADA TANGGAL 3 JUNI 2016
Mengetahui Pembimbing I,
Dr. I Made Oka Widyantara, ST., MT. NIP: 197312111999031001
Pembimbing II,
Nyoman Pramaita, ST., MT., Ph.D. NIP: 197104091997021004
Ketua Program Studi Magister Teknik Elektro
Program Pasca Sarjana
Universitas Udayana,
Prof. Ir. I. A. Dwi Giriantari, M.Eng,Sc., PhD NIP: 196512131991032001
Direktur
Program Pascasarjana
Universitas Udayana,
iv Tesis Ini Telah Diuji pada
Tanggal 25 Mei 2016
Panitia Penguji Tesis Berdasarkan SK Rektor
Universitas Udayana, No : 2306/UN14.4/HK/2016
Ketua : Dr. I Made Oka Widyantara, ST., MT.
Anggota :
1. Nyoman Pramaita, ST., MT., Ph.D.
2. Prof. Ir. Rukmi Sari Hartati, MT., PhD.
3. Dr. Ir. Made Sudarma, M.A.Sc.
v Denpasar, 3 Juni 2016
Yang membuat pernyataan,
I Kadek Susila Satwika SURAT KETERANGAN BEBAS PLAGIAT
Nama : I Kadek Susila Satwika
NIM : 1491761028
Program Studi : Magister Teknik Elektro
Judul : PERENCANAAN PENEMPATAN E-NODE B 4G LTE
1800 MHZ PADA BTS EXISTING DI KOTA
DENPASAR MENGGUNAKAN METODE FUZZY
C-MEANS DAN HARMONY SEARCH
Dengan ini menyatakan bahwa karya tulis ilmiah Tesis ini bebas plagiat. Apabila
dikemudian hari terbukti terdapat plagiat dalam karya ilmiah ini, maka saya
bersedia menerima sangsi sesuai peraturan Mendiknas RI No. 17 Tahun 2010 dan
vi UCAPAN TERIMA KASIH
Puji syukur kita panjatkan kehadirat Tuhan Yang Maha Esa atas segala
rahmat dan hidayah-Nya penulis dapat menyelesaikan tesis dengan judul
Perencanaan Penempatan eNodeB 4G LTE 1800 Mhz Pada BTS Existing Di Kota Denpasar Menggunakan Metode Fuzzy C-Means Dan Harmony Search.
Dalam menyelesaikan tesis ini penulis mendapatkan banyak sekali bantuan,
bimbingan dan dorongan dari berbagai pihak. Oleh karena itu penulis ingin
mengucapkan terima kasih kepada semua pihak yang telah membantu dalam
penyelesaian tesis ini, antara lain Rektor Universitas Udayana Prof.Dr.dr. Ketut
Suastika, Sp.PD.KEMD atas kesempatan dan fasilitas yang diberikan kepada
penulis untuk mengikuti dan menyelesaikan pendidikan Program Magister di
Universitas Udayana. Direktur Program Pascasarjana Universitas Udayana yang
dijabat oleh Prof. Dr. dr. A.A. Raka Sudewi, Sp.S(K) dan Prof. Dr. Made Budiarsa,
M.A., sebagai Asisten Direktur I Program Pasca Sarjana Universitas Udayana atas
kesempatan yang diberikan kepada penulis untuk menjadi mahasiswa Program
Magister pada Program Pascasarjana Universitas Udayana. Dr. I Made Oka
Widyantara, ST., MT selaku dosen pembimbing I, atas bimbingan, pengarahan,
saran, dan dukungan selama penyusunan tesis ini. Nyoman Pramaita, ST., MT.,
Ph.D selaku dosen pembimbing II yang dengan penuh perhatian dan kesabaran
telah memberikan bimbingan dan saran kepada penulis. Seluruh Dosen khususnya
dosen Program Magister Teknik Elektro Universitas Udayana atas ilmu yang telah
vii NMAE Dewi Wirastuti, ST., MSc., PhD, yang telah memberikan masukan, saran,
sanggahan, dan koreksi sehingga tesis ini dapat terwujud.
Pada kesempatan ini, penulis juga menyampaikan rasa terima kasih kepada
Orang tuaku tercinta Made Artini, S.pd., dan Drs. I Made Arka yang tiada hentinya
memberikan doa, semangat, dan pengorbanan yang sangat besar. Saudaraku I Putu
Susila Handika, S.Kom., MT yang selalu menjadi motivasi selama pengerjaan tesis.
Diah Akuamiyanti yang selalu memberikan semangat dan dukungannya dari awal
sampai tesis ini selesai. Teman-teman seperjuangan Manajemen Bisnis
Telekomunikasi atas semangat dan dukungannya. Semua pihak yang telah
membantu dalam penyusunan laporan ini yang tidak dapat kami sebutkan satu per
satu.
Penulis menyadari bahwa penulisan tesis yang telah dibuat masih jauh dari
kesempurnaan. Oleh karena itu, penulis sangat mengharapkan kritik dan saran yang
8 ABSTRAK
PERENCANAAN PENEMPATAN E-NODE B 4G LTE 1800 MHZ PADA BTS EXISTING DI KOTA DENPASAR MENGGUNAKAN METODE
FUZZY C-MEANS DAN HARMONY SEARCH
Munculnya teknologi generasi keempat yaitu 4G LTE (Long Term
Evolution) di Indonesia memaksa para penyedia layanan telekomunikasi untuk
mengupgrade infrastruktur eksistingnya ke teknologi yang terbaru. Proses upgrade
layanan ke generasi terbaru dalam hal ini layanan 4G LTE memanfaatkan BTS
eksisting sebagai BTS dengan teknologi terbaru yang disebut eNodeB. Diperlukan
sebuah perencanaan dengan metode yang mampu memberikan solusi dalam
mengoptimalkan pemanfaatan BTS eksisting sebagai eNodeB baru 4G LTE di Kota
Denpasar. Metode Fuzzy C-Means dan Harmony Search digunakan sebagai metode
untuk membantu memberikan hasil perencanaan BTS (Base Transceiver Station)
yang maksimal di Kota Denpasar. Penelitian ini menggunakan beberapa variabel
untuk proses optimasi, diantaranya : trafik kota Denpasar, jumlah kebutuhan
eNodeB tahun 2020, dan coverage masing-masing BTS eksisting. Hasil optimasi
menunjukkan 123 BTS eksisting dari 211 BTS dipilih sebagai eNodeB 4G LTE dan
terdapat 41 titik eNodeB potensial baru yang dianggap optimal dengan total nilai
path loss sebesar 136085,8338 dB.
9 ABSTRACT
PERENCANAAN PENEMPATAN E-NODE B 4G LTE 1800 MHZ PADA BTS EXISTING DI KOTA DENPASAR MENGGUNAKAN METODE
FUZZY C-MEANS DAN HARMONY SEARCH
The emergence of a fourth generation that is 4G technology LTE (Long
Term Evolution) in Indonesia forced the telecom service providers to upgrade
existing infrastructure to the latest technology. The upgrade process to service the
latest generation in this case 4G LTE services utilizing the existing base stations as
base stations with the latest technology, called eNodeB. In reality, not all of the
existing base stations will be upgraded to an eNodeB within the period up to 2020,
considering the 4G LTE user traffic and the resulting coverage. Therefore, it needs
a planning method that is able to provide solutions in order to optimize the
utilization of existing base stations as the new 4G LTE eNodeB in Denpasar. This
study has proposed Fuzzy C-Means method to get the point eNodeB cluster center
for clustering process, followed by an optimization process using Harmony Search.
This study uses several variables for process optimization, including: Denpasar city
traffic, the number of eNodeB needs by 2020, and coverage of each of the existing
BTS. The simulation results show that the planning of the existing BTS optimal use
as many as 123 sites eNodeB base stations of 211 base stations, and there are 41
new potential eNodeB point which is considered optimal for a total value of
136,085.8338 dB path loss.
10 DAFTAR ISI
SAMPUL DALAM ... i
PRASYARAT GELAR ... ii
LEMBAR PENGESAHAN ... iii
PENETAPAN PANITIA PENGUJI ... iv
PERSYARATAN KEASLIAN PENELITIAN ... v
UCAPAN TERIMA KASIH ... vi
ABSTRAK ... 8
ABSTRACT ... 9
DAFTAR ISI ... 10
DAFTAR TABEL ... 13
DAFTAR GAMBAR ... 14
BAB I PENDAHULUAN ... Error! Bookmark not defined. 1.1 Latar Belakang ... Error! Bookmark not defined.
1.2 Rumusan Masalah ... Error! Bookmark not defined.
1.3 Tujuan Penulisan ... Error! Bookmark not defined.
1.4 Manfaat ... Error! Bookmark not defined.
1.5 Ruang Lingkup ... Error! Bookmark not defined.
1.6 Keaslian Penelitian ... Error! Bookmark not defined.
BAB II DASAR TEORI ... Error! Bookmark not defined. 2.1 State of The Art ... Error! Bookmark not defined.
2.2 Long Term Evolution (LTE) ... Error! Bookmark not defined.
2.2.1 Teknologi Akses LTE ... Error! Bookmark not defined.
2.2.2 Arsitektur LTE (Long term Evolution) ... Error! Bookmark not defined.
2.3 Konsep Seluler ... Error! Bookmark not defined.
2.3.1Sel Hexagonal ... Error! Bookmark not defined.
2.4 Perencanaan Kapasitas (Capacity Planning) ... Error! Bookmark not defined.
2.4.1 Peramalan Kebutuhan ... Error! Bookmark not defined.
2.4.2 Perhitungan Pertumbuhan Penduduk ... Error! Bookmark not defined.
11 2.4.5 Teori Trafik ... Error! Bookmark not defined.
2.4.5 Perhitungan Kapasitas Trafik Layanan GSM .. Error! Bookmark not defined.
2.5 Perhitungan Jari-jari Sel ... Error! Bookmark not defined.
2.6 MAPL (Maximum Allowable Path Loss) ... Error! Bookmark not defined.
2.7 EIRP (Effective Isotropic Radiated Power) ... Error! Bookmark not defined.
2.8 Model Propagasi Walfisch-Ikegami ... Error! Bookmark not defined.
2.9 Fuzzy C-Means ... Error! Bookmark not defined.
2.10 Optimalisasi ... Error! Bookmark not defined.
2.10.1 Definisi Optimalisasi ... Error! Bookmark not defined.
2.10.2 Metode Optimalisasi ... Error! Bookmark not defined.
2.11 Harmony Search ... Error! Bookmark not defined.
BAB III METODOLOGI PENELITIAN... Error! Bookmark not defined. 3.1 Tempat dan Waktu Penelitian ... Error! Bookmark not defined.
3.2 Data ... Error! Bookmark not defined.
3.2.1 Sumber Data... Error! Bookmark not defined.
3.2.2 Jenis Data ... Error! Bookmark not defined.
3.2.3 Teknik Pengumpulan Data ... Error! Bookmark not defined.
3.3 Gambaran Umum Penelitian ... Error! Bookmark not defined.
3.3.1 Analisa Kebutuhan eNodeB Tahun 2020 ... Error! Bookmark not defined.
3.3.2 Perhitungan Coverage BTSEksisting ... Error! Bookmark not defined.
3.3.3 Metode Fuzzy C-Means ... Error! Bookmark not defined.
3.3.4 Proses Optimasi Harmony Search ... Error! Bookmark not defined.
3.3.4 Mapping Penempatan eNode B Baru Tahun 2020 ... Error! Bookmark not defined.
3.6 Jadwal Pelaksanaan Kegiatan ... Error! Bookmark not defined.
BAB IV ANALISA DATA DAN PEMBAHASAN ... Error! Bookmark not
defined.
4.1 Analisa Kebutusan eNodeB 4G LTE Tahun 2020 Error! Bookmark not defined.
4.1.1 Lokasi BTS Eksisting Kota Denpasar ... Error! Bookmark not defined.
4.1.2 Prediksi Jumlah Penduduk 2020 ... Error! Bookmark not defined.
4.1.3 Menghitung Jumlah Pengguna Seluler ... Error! Bookmark not defined.
4.1.4 Menghitung Total Trafik Pelanggan ... Error! Bookmark not defined.
12 4.2 Analisa Coverage BTS Eksisting ... Error! Bookmark not defined.
4.3 Menentukan Titik Potensial eNodeB Menggunakan Metode Fuzzy C-Means
Error! Bookmark not defined.
4.3.1 Menentukan Jumlah Cluster Menggunakan Metode Fuzzy Substractive Clustering. ... Error! Bookmark not defined.
4.3.2 Menentukan Titik Potensial eNodeB Menggunakan Fuzzy C-Means. ... Error! Bookmark not defined.
4.4 Proses Optimasi eNodeB Menggunakan Harmony Search . Error! Bookmark not defined.
BAB V PENUTUP ... Error! Bookmark not defined. 5.1 Kesimpulan ... Error! Bookmark not defined.
5.2 Saran... Error! Bookmark not defined.
13 DAFTAR TABEL
Tabel 2.1 State Of The Art Review ... i Tabel 2.2 State Of The Art Review (2) ... i Tabel 2.3 Perhitungan MAPL Arah Downlink (3GPP, t.t) . Error! Bookmark not
defined.
Tabel 2.5 Perhitungan MAPL Arah Uplink (3GPP, t.t) ... Error! Bookmark not defined.
Tabel 2.6 Deskripsi Parameter Arah Downwlink dan Uplink .... Error! Bookmark not defined.
Tabel 3.1 Penerapan secara umum beberapa model propagasi (Evolved Cellular Network Planning and Optimization for UMTS and LTE, 2011) .... Error! Bookmark not defined.
Tabel 3.2 Penerapan metode propagasi Okumura-Hata dan Welfisch Ikegami (Evolved Cellular Network Planning and Optimization for UMTS and LTE, 2011) ... Error! Bookmark not defined. Tabel 3.3 Data Site BTS kota Denpasar (PT. Huawei Services, 2014)... Error!
Bookmark not defined.
Tabel 3.4 Data Penduduk kota denpasar (BPS Kota Denpasar, 2013) ... Error! Bookmark not defined.
Tabel 3.2 Jadwal Penyusunan Tesis ... Error! Bookmark not defined. Tabel 4.1 Data BTS Eksisting masing-masing Kecamatan . Error! Bookmark not
defined.
Tabel 4.2 Tabel Jumlah Penduduk Kota Denpasar Tahun 2014 Error! Bookmark not defined.
Tabel 4.3 Jumlah Penduduk Usia Produktif Tahun 2014 .... Error! Bookmark not defined.
Tabel 4.4 Data Jumlah Penduduk Masing-masing Kecamatan .. Error! Bookmark not defined.
Tabel 4.5 Prediksi jumlah penduduk tahun 2020 .. Error! Bookmark not defined. Tabel 4.6 Prediksi jumlah pengguna XL tahun 2020 ... Error! Bookmark not
defined.
Tabel 4.7 Total trafik pelanggan masing-masing kecamatan ... Error! Bookmark not defined.
Tabel 4.8 Kebutuhan eNodeB masing-masing kecamatan di Kota Denpasar Error! Bookmark not defined.
Tabel 4.9 Data Hasil Perhitungan Penambahan eNodeB Tahun 2020 ... Error! Bookmark not defined.
Tabel 4.10 Spesifikasi BTS Eksisting (PT.Huawei Services, 2014) ... Error! Bookmark not defined.
14 Tabel 4.12 Data Titik Potensial ENodeB ... Error! Bookmark not defined. Tabel 4.13 Hasil Optimasi Harmony Search ... Error! Bookmark not defined.
DAFTAR GAMBAR
Gambar 1.1 Keaslian penelitian dengan diagram fishbone Error! Bookmark not defined.
Gambar 2.1 Orthogonal Frequency Division Multiple Access (Usman,U.K, dkk, 2011) ... Error! Bookmark not defined. Gambar 2.2 MIMO (Anonim, 2010) ... Error! Bookmark not defined. Gambar 2.3 Arsitektur LTE (Usman,U.K, dkk, 2011) ... Error! Bookmark not
defined.
Gambar 2.4 Konsep Sel (IT Telkom, 2008) ... Error! Bookmark not defined. Gambar 2.5 Makrosel. Mikrosel, Pico Sel dan Femto Sel (Anonim, 2012) Error!
Bookmark not defined.
Gambar 2.6 Sel Hexagonal (Sudiarta, P.K, t.t)... Error! Bookmark not defined. Gambar 2.7 Model Welfisch Ikegami (Mufti, ) .... Error! Bookmark not defined. Gambar 2.8 Ilustrasi penentuan pusat klaster dengan Fuzzy C-Means ... Error!
Bookmark not defined.
Gambar 2. 9 Minimum dari f(x) sama dengan Maksimum dari –f(x) (Rao, S. S., 2009) ... Error! Bookmark not defined. Gambar 2.10 Struktur Harmony Search Algorithm (Geem, 2009) ... Error!
Bookmark not defined.
Gambar 3.1 Flowchart Gambaran Umum Penelitian ... Error! Bookmark not defined.
Gambar 3.2 Flowchart Analisa Kebutuhan eNodeB Tahun 2020 ... Error! Bookmark not defined.
15 Gambar 3.4 Flowchart proses Fuzzy C-Means (1) ... Error! Bookmark not
defined.
Gambar 3.6 Flowchart Proses Optimasi Harmony Search Error! Bookmark not defined.
Gambar 4.1 Proses Menentukan Kebutuhan eNodeB 5 Tahun Kedepan ... Error! Bookmark not defined.
Gambar 4.2 Lokasi BTS Eksisting di Kota Denpasar ... Error! Bookmark not defined.
Gambar 4.3 Tabel Erlang B 66 Kanal ... Error! Bookmark not defined. Gambar 4.5 Hasil Pemetaan Posisi dan Coverage BTS Eksisting ... Error!
Bookmark not defined.
Gambar 4.6 Proses Menentukan Titik Potensial .. Error! Bookmark not defined. Gambar 4.7 Tampilan Awal proses Fuzzy Substractive Clustering ... Error!
Bookmark not defined.
Gambar 4.8 Hasil inputan data normalisasi ... Error! Bookmark not defined. Gambar 4.9 Hasil Clustering menggunakan Fuzzy Substractive ClusteringError!
Bookmark not defined.
Gambar 4.10 Posisi BTS Eksisting Denpasar Barat ... Error! Bookmark not defined.
Gambar 4.11 BTS Eksisting Denpasar Selatan .... Error! Bookmark not defined. Gambar 4.12 BTS Eksisting Denpasar Timur ... Error! Bookmark not defined. Gambar 4.13 BTS Eksisting Denpasar Utara ... Error! Bookmark not defined. Gambar 4.14 Hasil Clustering Denpasar Barat .... Error! Bookmark not defined. Gambar 4.15 Hasil Clustering Denpasar Selatan . Error! Bookmark not defined. Gambar 4.16 Hasil Clustering Denpasar Timur ... Error! Bookmark not defined. Gambar 4.17 Hasil Clustering Denpasar Utara .... Error! Bookmark not defined. Gambar 4.18 Gambar Pemetaan Titik-titik Potensial ENodeB Hasil Fuzzy
C-Means ... Error! Bookmark not defined. Gambar 4.19 Gambar Pemetaan Titik-titik Potensial ENodeB . Error! Bookmark
not defined.
1 BAB I
PENDAHULUAN
1.1 Latar Belakang
Jaringan telekomunikasi nirkabel (wireless) saat ini sudah berkembang sangat
pesat. Dimulai dari generasi pertama (1G), kemudian generasi kedua (2G), sampai
yang sekarang sudah terealisasi di Indonesia yaitu generasi keempat (4G) yang
disebut dengan LTE (Long Term Evolution). LTE merupakan teknologi yang
terstandarisasi oleh teknologi 3rd Generation Partnership Project (3GPP). LTE
dirancang untuk menyediakan efisiensi spektrum yang lebih baik, peningkatan
kapasitas radio, biaya operasional yang lebih murah bagi operator, serta layanan
mobile broadband dengan kualitas tinggi untuk pengguna. LTE sendiri
dikembangkan dari teknologi Global System for Mobile (GSM) dan Universal
Mobile Telecommunication System (UMTS), dengan teknologi ini kecepatan data
rate yang dikirimkan meningkat. Perkembangan teknologi generasi keempat (4G)
ini diharapkan dapat dinikmati oleh semua kalangan masyarakat tidak hanya
masyrakat perkotaan melainkan hingga ke pedesaan.
Hasil survei dari MarkPlus Insight Netizen Survey menyebutkan bahwa
jumlah pengguna internet di indonesia telah mencapai 61 juta orang pada tahun
2012. Jumlah itu membuat persentase pengguna internet dibanding jumlah
penduduk adalah 23,5%. Dari jumlah tersebut, 40% di antaranya mengakses
internet lebih dari 3 jam sehari. Adapun jumlah pengguna internet yang
2 (detikINET,2013). Sebuah penelitian yang dikutip detikINET dari Silicon
India menyebutkan Indonesia menempati posisi ke delapan negara dengan
pengguna internet terbanyak di dunia. Penelitian dari Boston Consulting Group
menilai jumlah pengguna internet di Indonesia akan terus meningkat. Sampai angka
tiga kali lipat di tahun 2015 dibandingkan tahun 2010 (detikINET,2013).
Untuk bisa membangun sebuah infrastruktur jaringan yang mampu melayani
pelanggan dengan kualitas yang baik, diperlukan sebuah perencanaan infrastruktur
jaringan yang baik pula agar nilai investasi yang ditanamkan bisa efisien dan
maksimal. Dalam perencanaan tersebut diperlukan sebuah mekanisme untuk
merancang sebuah jaringan atau infrastruktur yang efisien dengan biaya yang
seminimal mungkin, namun menghasilkan kulitas layanan yang baik. Ini diperlukan
sebuah metode yang mampu untuk menganalisis sebuah jaringan atau infrastruktur
eksisting, sehingga didapatkan sebuah perencenaan optimasi jaringan. Dari hasil
analisis tersebut nantinya akan mampu memberikan sebuah perencenaan jaringan
yang mampu melayani pelanggan dengan kualitas yang baik.
Penelitian ini akan dilakukan sebuah perencanaan jaringan 4G LTE dengan
menggunakan metode optimasi penentuan lokasi eNodeB di kota Denpasar. Kota
Denpasar sendiri merupakan wilayah dengan kepadatan penduduk terbesar di Bali.
Ini dirasa tepat sebagai lokasi penelitian perencanaan jaringan LTE kali ini, dimana
jumlah penduduk kota Denpasar adalah 863.600 jiwa dan luas wilayahnya 127,78
km2 (Badan Pusat Statistik Kota Denpasar, 2014). Perkembangan teknologi informasi di walayah ini juga sangat berkembang pesat, sehingga perlu adanya
3 telekomunikasi. Saat ini Kota Denpasar telah terpasang 25 titik eNodeB 4G LTE
dari jumlah total BTS eksisting di kota Denpasar yang berjumlah 211 titik (PT.
Huawei Services, 2015). Ini menunjukkan penelitian mengenai perencanaan
penempatan titik eNodeB ini sangat perlu dilakukan melihat masih sedikit nya
jumlah eNodeB yang terpasang di Kota Denpasar.
Tahun 2014, I Gede Putu Bagus Primadasa melakukan penelitian mengenai
perencanaan coverage jaringan LTE (Long Term Evolution) pada frekuensi 1900
MHz di wilayah kota Denpasar dengan memperhitungkan Offered Bit Quantity
(OBQ). Dalam penelitian ini diasumsikan semua BTS 3G eksisting akan dipasang
perangkat 4G. Penelitian ini menghasilkan kesimpulan dimana coverage 4G di kota
Denpasar berdasarkan perhitungan link budget dan Offered Bit Quantity (OBQ)
sudah memenuhi wilayah kota Denpasar. Namun realitanya jaringan 4G LTE
dialokasikan menggunakan frekwensi 1800 MHz (Dirjen SDPPI, 2014), sehingga
perlu dilakukan perhitungan ulang mengenai link budget dari jaringan 4G di kota
Denpasar. Kemudian dalam penelitian ini tidak mengkaji dari pusat kerapatan suatu
cluster BTS, sehingga tidak dapat mengukur densitas (potensi) terhadap titik – titik
di sekitar BTS. Maka dalam penelitian selanjutnya ini akan memperhitungkan pusat
kerapatan suatu cluster untuk mendapatkan densitas terhadap titik – titik di sekitar
BTS sehingga mendapatkan hasil penempatan BTS LTE yang optimal.
Ada banyak metode clustering dan optimasi yang digunakan dalam
menentukan cluster yang optimal. Contohnya adalah metode clusteringK-Means,
Fuzzy C-Means, Self Organising Map (SOM), kemudian untuk metode optimasi
4 goal programming, dan lain-lain. Metode yang akan digunakan dalam optimasi
penentuan lokasi eNode B ini adalah metode pengclusteran Fuzzy C- Means (FCM)
yang kemudian hasilnya akan dioptimasi menggunakan metode optimasi Harmony
Search (HS). Fuzzy C-Means (FCM) dipilih sebagai metode clustering karena
metode ini sering digunakan dalam proses clustering, karena dapat memberikan
hasil yang halus dan cukup efektif untuk meningkatkan homogenitas tiap cluster
yang dihasilkan (Shihab, 2000) Algoritma Harmony Search dipilih sebagai metode
optimasi karena algoritma ini menunjukkan hasil yang bagus ketika digunakan
untuk menyelesaikan beberapa masalah optimasi. Hal ini dikarenakan algoritma ini
mempunyai beberapa kelebihan misalnya pitch adjustment yang dapat melakukan
proses perbaikan pada solusi yang bersifat lokal optimal dan struktur algoritma HS
relatif mudah (Geem, 2009).
Pada tahun 2015, Muthmainnah dan Achmad Mauludiyanto menerbitkan
hasil penelitian mengenai optimasi penempatan BTS dengan judul Optimasi
Penempatan Lokasi Potensial Menara Baru Bersama pada Sistem Telekomunikasi
Seluler dengan Menggunakan Fuzzy Clustering di Daerah Sidoarjo. Penelitian ini
merencanakan penempatan lokasi menara potensial jaringan UMTS. Metode yang
digunakan pada peneletian ini adalah metode clustering Fuzzy C-Means untuk
menentukan banyaknya cluster sebagai inputan C dalam proses klastering.
Penentuan jumlah cluster didasarkan pada 3 variable utama, yaitu jumlah
penduduk, luas wilayah per kecamatan, dan kebutuhan menara untuk 5 tahun
kedepan. Kemudian setelah diperolah potensial penambahan menara baru,
5 meminimalkan fungsi path loss. Berdasarkan penelitian tersebut muncul sebuah ide
untuk menerapkan metode yang sama pada jaringan yang berbeda yaitu jaringan
4G LTE 1800 MHz.
Sasaran dari penelitian ini nantinya adalah menghasilkan sebuah
perencanaan jumlah eNodeB 4G LTE 1800 MHz yang optimal hingga 5 tahun
kedepan dengan memanfaatkan BTS eksisting berdasarkan metode Fuzzy C-Means
dan Harmony Search.
1.2 Rumusan Masalah
Berdasarkan latar belakang permasalahan di atas maka dapat dirumuskan
sejumlah permasalahan utama yang menjadi fokus dari penelitian ini yaitu :
1. Berapakah kebutuhan eNodeB 4G LTE di Tahun 2020 berdasarkan
kondisi BTS Eksisting di Kota Denpasar?
2. Bagaimanakah kinerja Fuzzy C-Means dan Harmony Search dalam
melakukan optimasi eNodeB di Kota Denpasar?
3. Bagaimanakah pemetaan eNodeB 4G LTE 1800 MHz yang optimal untuk
5 tahun kedepan berdasarkan metode Fuzzy C-Means dan Harmony
Search?
1.3 Tujuan Penulisan
Sejumlah tujuan yang ingin dicapai dalam penelitian ini antara lain:
1. Mengetahui kebutuhan eNodeB 4G LTE tahun 2020 di Kota Denpasar
6 2. Menegetahui kinerja Fuzzy C-Means dan Harmony Search dalam
melakukan optimasi eNodeB di Kota Denpasar?
3. Mengetahui posisi pemetaan eNode B 4G LTE 1800 MHz yang optimal
untuk 5 tahun kedepan setelah dilakukan optimasi.
1.4 Manfaat 1. Manfaat Praktis
Penelitian ini dapat digunakan sebagai acuan sebuah perusahaan
telekomunikasi dalam mengembangkan infrastruktur di kota Denpasar untuk
mendapatkan hasil yang maksimal.
2. Manfaat Akademis
Pembuatan Tesis ini dapat membantu peneliti mengerti konsep penggunaan
Fuzzy C- Means (FCM) dan Harmony Search (HS) sebagai metode optimasi sebuah
jaringan telekomunikasi.
1.5 Ruang Lingkup
1. Spesifikasi BTS yang digunakan adalah spesifikasi BTS PT. XL Axiata.
2. Data BTS yang digunakan adalah data BTS Makro Kota Denpasar yang
didapat dari PT. Huawei Services.
3. Penduduk kota Denpasar yang dimaksud dalam penelitian ini adalah
7 4. User dalam penelitian ini adalah data penduduk usia produktif Kota Denpasar
dengan rentang umur 15 – 64 tahun.
4. Aplikasi yang digunakan dalam perhitungan adalah Matlab versi R2012b.
5. Jangka waktu yang digunakan dalam perencanaan ini adalah 5 tahun,
menyesuaikan dengan perencenaan jangka menengah pemerintah.
6. Tidak memperhitungkan overlaping coverage pada masing-masing BTS.
1.6 Keaslian Penelitian
Penelitian tentang penempatan BTS menggunakan metode data mining
telah banyak dilakukan. Penelitian tersebut diantaranya Optimization of Base
Station Location in 3G Network using MADS and Fuzzy C-Means, Optimasi
Penempatan Lokasi Potensial Menara Baru Bersama pada Sistem Telekomunkasi
Seluler dengan Menggunakan Fuzzy Clustering di Daerah Sidoarjo, Perencanaan
Jumlah Lokasi Menara Base Tranceiver Station (BTS) Baru pada Telekomunikasi
Seluler di Kabupaten Lumajang Menggunakan Metode Analitycal Hierarchy
Proses-TOPSIS (AHP-TOPSIS). Pada gambar 1.1 berikut menunjukkan keaslian
penelitian ini. Beberapa penelitian mengenai optimasi posisi BTS sudah pernah
dilakukan dengan menggunakan parameter-parameter yang terlihat pada gambar
fishbone. Pada penelitian ini mencoba menerapkan metode-metode yang sudah
8
Jaringan
Lokasi
Frekwensi
2100 MHz
Algoritma Genetika
Fuzzy C Means + MADS
Analitycal Hierarchy Proses - TOPSIS
Fuzzy C Means + Harmony
Search 900 MHz
3G UMTS
4G LTE
Denpasar
Kenya Sidoarjo
GSM
1800 MHz Perencanaan Penempatan
E-Node B LTE 1800 MHz pada BTS Existing di Kota Denpasar Menggunakan Metode Fuzzy C-Means
dan Harmony Search Data Trafik
Data Link Budget
Drive Test
1 BAB II
DASAR TEORI
2.1 State of The Art
State of The Art merupakan pencapaian tertinggi dari sebuah proses
pengembangan sebuah penelitian. Perencanaan Penempatan eNode B 4G LTE 1800
MHz pada BTS Existing di Kota Denpasar Menggunakan Metode Fuzzy C-Means
dan Harmony Search belum ada yang melakukan penelitian ini. Berikut ada
beberapa penelitian tentang beberapa metode optimasi pada jaringan mobile
telekomunikasi.
Penelitiain pertama pada tahun 2010, Fabio Garzia, Cristian Perna, dan
Roberto Cusani melakukan penelitian mengenai optimasi perencanaan jaringan
UMTS (Universal Mobile Telecommunications System) yang berjudul
“Optmization of UMTS Network Planning Using Genetic Algorithms”. Tujuan
dari penelitian ini adalah untuk menggambarkan metode berbasis Algoritma
Genetika untuk mengatasi masalah cakupan optimasi dan kapasitas sistem UMTS,
dengan memperhitungkan kondisi-kondisi yang sesuai dengan yang ada di
lapangan. Persoalan optimasi frekwensi menjadi sangat penting untuk dibahas
dalam dunia telekomunikasi dikarenakan perkembangan pengguna (user) yang
sangat cepat sehingga perlu dilakukan sebuah perencanaan jaringan yang mampu
mengatasi masalah ini. Dalam penelitian ini terdapat parameter yang sangat
berpengaruh yaitu signal – interference ratio (SIR), yaitu perbandingan antara daya
2 terdapat pada suatu wilayah dalam satu sinyal carrier. Hasil menunjukkan bahwa
Algoritma Genetika meghasilkan hasil optimasi yang berkualitas tinggi, yang
mampu meningkatkan kinerja dengan ketepatan input data. Dari hasil penelitian itu
didapatkan persentase hasil coverage mencapai 98% sedangkan persentase
kapasitas mencapai 99%. Waktu perhitungan juga cukup singkat, karena
kebanyakan dari solusi yang baik diperoleh setelah sekitar 200 - 1.000 generasi dari
Lagoritma Genetika sebagai fungsi dari situasi yang dipertimbangkan. Pada
penelitian ini tidak memperhitungkan kondisi wilayah secara matematis sehingga
hasil perhitungan Algoritma Genetika bisa lebih maksimal sesuai dengan kondisi
kenyataan. Kemudian akan lebih maksimal jika ditambahkan perhitungan OBQ
(Offered Bit Quantity) yaitu total bit throughput per km2 pada jam sibuk.
Penelitian kedua pada tahun 2012, Elok Nur Hamdana, Sholeh Hadi
Pramono, dan Erfan Achmad Dahlan melakukan penelitian mengenai Optimasi
BTS yang berjudul “Optimasi Perencanaan Jaringan UMTS pada Node B Menggunakan Probabilistik Monte Carlo”, dan dalam publikasinya dijelaskan bahwa optimasi jaringan sangat perlu dilakukan untuk membangun suatu jaringan
telekomunikasi agar mampu melayani pelanggan dengan kualitas yang baik, dan
nilai investasi yang ditanamkan bisa optimal. Maksud dari nilai investasi yang
optimal adalah dengan biaya seminal mungkin mampu menghasilkan kualitas yang
baik dengan kata lain memaksimalkan jumlah node B untuk menghasilkan
pelayanan kepada pelanggan dengan kualitas yang baik. Pada penelitian ini
dilakukan optimasi penentuan lokasi Node B yang akan digunakan pada salah satu
3 optimasi ini adalah probabilistik Monte Carlo. Simulasi Monte Carlo merupakan
sebuah simulasi probabilistik dimana solusi dari suatu maslah diberikan
berdasarkan proses acak (random). Tahapan proses penelitian ini adalah
pendimensian jaringan dimana proses ini menentukan jumlah penduduk yang
berpotensi sebagai pengguna jaringan UMTS pada tahun 2012. Kemudian
dilanjutkan dengan perencanaan kapasitas dan coverage mengenai BTS yang akan
digunakan. Tipe BTS yang akan digunakan mencakup besarnya kapasitas kanal
yang mampu ditampung. Terakhir adalah melakukan pengoptimasian jaringan
dimana proses optimasi dibagi menjadi 2 yaitu optimasi demand serta tipe Node-B,
dan Optimasi menentukan lokasi dari Node-B. Hasil optimasi yang didapat dari
penelitian ini adalah dari 25 BTS existing didapatkan 15 site terpilih untuk
memenuhi coverage layanan. Untuk menentukan kapasitas kanal yang dibutuhkan
pada masing-masing Node B tersebut dilakukan random yang memprediksi jumlah
pelanggan yang masuk dalam wilayah perencanaan jaringan. Pada penelitian ini
digunakan metode perhitungan link budget model Hatta Cost 231. Metode
perhitungan link budget tersebut memiliki kelemahan dimana tidak
memperhitungakan secara detail parameter-parameter seperti tinggi bangunan
pengahalang, sudut antara pemancar dan penerima, kemudian tidak
memperhitungakan jika user dalam keadaan bergerak. Akan lebih maksimal jika
metode perhitungan link budget nya menggunakan metode Welfisch Ikegami,
dimana metode ini memperhitungkan tinggi bangunan, sudut antara pemancar dan
4 Penelitan ketiga di tahun yang sama yaitu di tahun 2012, M. Fajrul Hakim,
Wiwik Angraeni, Apol Pribadi melakukan sebuah penelitian mengenai optimasi
BTS dengan hasil penelitiannya yang berjudul “ Optimasi Perencenaan Jumlah
Base Transceiver Station (BTS) dan Kapasitas Trafik BTS Menggunakan Pendekatan Goal Programming pada Sistem Telekomunikasi Seluler Berbasis
GSM”. Pada penelitian ini, penulis menggunakan metode Goal Programming
untuk melakukan optimasi julah BTS dan kapasitas trafik BTS. Metode Goal
Programming merupakan sebuah metode yang digunakan dalam pengambilan
keputusan untuk mencapai tujuan-tujuan yang bertentangan di dalam
batasan-batasan yang kompleks dalam sebuah perencanaan. Penelitian ini akan menentukan
kapastias trafik yang bisa menampung semua permintaan trafik dari pengguna
telepon seluler dan menentukan kapasitas total trafik BTS yang tidak melebihi total
kapasitas yang dimiliki masing-masing BTS. Setelah dilakukan optimasi, Terdapat
sisa sektor BTS yang tidak digunakan untuk melayani permintaan trafik. Pada tahun
1 terdapat 166 sektor BTS, tahun 2 terdapat 134 sektor BTS, tahun 3 terdapat 96
sektor BTS, tahun 4 terdapat 58 sektor BTS, dan tahun 5 terdapat 22 sektor BTS.
Pada tahun ke-6 sampai tahun ke-10 kapasitas trafik yang tersedia sudah tidak
mencukupi permintaan trafik. Pada tahun 6 dan 7 terdapat kekurangan 29 sektor
BTS, tahun 8 terdapat kekurangan 62 sektor BTS, dan pada tahun 9 dan 10 terdapat
kekurangan 93 sektor BTS. Berdasarkan hasil analisis sensitivitas, jumlah
permintaan trafik tergolong parameter yang sensitif. Jika permintaan berubah, maka
nilai dari fungsi tujuan dan solusi optimal akan ikut berubah. Kelemahan dari
5 penelitian ini. Akan lebih baik jika kondisi wilayah diperhitungkan dengan
menggunakan metode perhitungan link budget, sehingga hasil coverage yang
didapat sesuai dengan kenyataan (real) di lapangan. Metode goal programming
memilik kelemahan yaitu tidak bisa menentukan priotas-prioritas dan
kriteria-kriteria pengambilan keputusan sehingga perlu dipadukan dengan metode yang
lainnya agar memperolah hasil yang lebih maksimal.
Penelitian keempat di tahun 2013, Satvir Singh dan Kulvinder Kaur
melakukan sebuah penelitian mengenai optimasi BTS menggunakan metode ABC
(Artificial Bee Colony) dengan judul penelitian “ Base Station localization using Artificial Bee Colony Algorithm”. Berbeda dengan penelitian – penelitian yang telah dilakukan, pada penelitian ini menggunakan metode ABC (Artificial Bee
Colony) yaitu sebuah metode optimasi yang diadopsi dari sifat kawanan hewan
seperti semut, rayap, lebah, dan yang lainnya dalam mencari rute terdekat dalam
mencari makanan. Dalam penelitiannya ini menggunakan beberapa parameters
untuk menghitung path loss diantara nya transmit power 500 mW, frequency 850
MHz dan Tinggi antena Base Station berkisar 20 – 200 m. Adapun tujuan dari
penelitian ini adalah memperkenalkan sebuah metode baru dalam melakukan
sebuah optimasi berdasarkan teori segerombolan lebah (Artificial Bee Colony).
Pendekatan ini memungkinkan untuk secara efisien menentukan lokasi yang
optimal dari BTS, menghindari pencarian secara menyeluruh yang memakan waktu
yang lama. Hasil menunjukkan bahwa pendekatan ABC efektif dan kuat untuk
masalah cakupan efisien lokasi BTS dan dianggap memberikan hampir solusi
6 dengan algoritma lain yaitu sangat sederhana dan fleksibel. Namun, jika dimensi
masalah meningkat, pertukaran informasi masih terbatas pada satu dimensi.
Kemudian persekitaran dan dimensi dipilih secara acak, sehingga sumber makanan
dengan fitness yang lebih tinggi memungkinkan untuk tidak dipilih. Sehingga perlu
dicari solusi agar penggunaan algoritma ABC (Artificial Bee Colony) dapat
menghasilkan optimasi yang maksimal.
Penelitian kelima pada tahun 2013, Pancawati Dessy Aryanti, Sholeh Hadi
Pramono, dan Onny Setyawati melakukan penelitian mengenai optimasi
penempatan BTS dengan judul penelitian “Optimasi Penempatan Node B UMTS900 pada BTS Existing Menggunakan Algoritma Genetika”. Penelitian ini mengambil lokasi di Malang dengan menggunakan 46 BTS eksisting sebagai
sample. Penelitian ini melakukan sebuah optimasi BTS hanya saja penulis disini
menggunakan metode yang berbeda yaitu metode Algoritma Genetika untuk
melakukan optimasi. Pada penelitian ini untuk perhitungan link budget
menggunakan metode welfisch – ikegami, dimana metode memperhitungakan lebih
detail parameter-parameter seperti tinggi bangunan pengahalang, sudut antara
pemancar dan penerima, kemudian tidak memperhitungakan jika user dalam
keadaan bergerak. Sehingga hasil yang didapat dari penelitian ini lebih menyerupai
kenyataan (real). Kemudian dalam penelitian ini juga memperhitungkan nilai OBQ
(Offered Bit Quantity) yaitu total bit throughput per km2 pada jam sibuk. OBQ
selama jam sibuk untuk suatu area tertentu dihitung berdasarkan beberapa asumsi,
yaitu penetrasi user, durasi panggailan efektif, Busy Hour Call Attempt (BHCA),
7 cakup wilayah (coverage area) yang dihasilkan, yaitu sebesar 35% dan tingkat
layanan trafik sebesar 61%. Tingkat optimasi yang didapatkan rendah disebabkan
karena persebaran BTS exixting tidak merata di seluruh wilayah obyek penelitian,
dan distribusi penduduk yang dibangkitkan tersebar merata di seluruh wilayah,
sedangkan pada kenyataannya distribusi penduduk lebih banyak berada di pusat
kota. Algoritma Genetika merupakan metode yang sudah sangat sering digunakan
untuk melakukan optimasi jaringan seluler, sehingga perlu dicoba menggunakan
metode yang lain untuk melakukan optimasi.
Penelitian keenam pada tahun 2013, A. O. Onim, P. K. Kihato, dan S.
Musyoki menerbitkan hasil penelitian yang berjudul ”Optimization of Base Station
Location in 3G Networks using Mads and Fuzzy C-means”. Penelitian ini menggunakan metode Fuzzy C-Means sebagai metode untuk menentukan peletakan
BTS yang tepat berdasarkan jumlah populasi pada suatu daerah. Kemudian hasil
penempatan tersebut akan dioptimasi menggunakan metode Mesh Adaptive Direct
Search (MADS). Hasil dari penelitian ini adalah dari 1000 MS yang dijadikan
sample, jumlah BTS yang dirasa cukup untuk mencover adalah 34 BTS dengan
jangkauan masing-masing BTS 1,5 km.
Penelitian ketujuh pada tahun 2014, I Gede Putu Bagus Primadasa,
mahasiswa Teknik Elektro Universitas Udayana melakukan penelitian mengenai
8 4G di kota Denpasar berdasarkan perhitungan link budget dan Offered Bit Quantity
(OBQ) sudah memenuhi wilayah kota Denpasar. Namun realitanya jaringan 4G
LTE dialokasikan menggunakan frkwensi 1800 MHz (Dirjen SDPPI, 2014),
sehingga perlu dilakukan perhitungan ulang mengenai link budget dari jaringan 4G
di kota Denpasar. Kemudian untuk kondisi saat ini masyarakat belum terlalu
banyak menggunakan jaringan ini, sehingga dalam penelitian ini akan mengkaji
tentang jumlah BTS yang diperlukan hingga 5 tahun kedepan.
Penelitian kedelapan pada tahun 2015, Muthmainnah dan Achmad
Mauludiyanto menerbitkan hasil penelitian mengenai optimasi penempatan BTS
dengan judul “Optimasi Penempatan Lokasi Potensial Menara Baru Bersama
pada Sistem Telekomunikasi Seluler dengan Menggunakan Fuzzy Clustering
di Daerah Sidoarjo”. Penelitian ini hampir sama dengan penelitian keenam,
dimana pada peneletian ini menggunakan metode clustering Fuzzy C-Means untuk
menentukan posisi BTS yang tepat sesuai dengan jumlah penduduk, luas wilayah,
dan kebutuhan menara di tahun 2019. Kemudian dioptimasi menggunakan metode
Harmony Search. Dari hasil perencanaan kebutuhan menara baru bersama
telekomunikasi untuk tahun 2019, khusus untuk optimasi layangan jaringan 3G
dibutuhkan penambahan BTS sebanyak 359 BTS dengan kebutuhan menara baru
bersama sebanyak 97 menara. Dimana setiap zona mampu mengcover 2 menara
baru sekaligus, jadi 97 titik menara baru dapat diwakili dengan menggunakan 49
zona. Untuk layanan coverage zona biru (zona menara baru) di Kabupaten Sidoarjo
berada dalam range radius antara (500 – 800) m dengan ketinggian menara antara
9 untuk sebuah optimasi dan perencanaan jumlah BTS kedepan untuk jaringan 3G
UMTS. Namun untuk penambahan jumlah BTS kedepan untuk jaringan 3G dirasa
kurang tepat karena sudah ada generasi jaringan yang terbaru yaitu generasi
keempat 4G LTE. Penelitian ini sangat menarik jika metode yang digunakan dalam
pnelitian ini diterapkan dalam jaringan 4G LTE untuk mengembangkan
10 Tabel 2.1 State Of The Art Review
Jurnal Judul Variabel dan indikator penelitian
Metode Jaringan
1 Fabio Garzia, Cristina Perna, Roberto Cusani
Optimization of UMTS Network Planning Using
Genetic Algorithms Genetic Algorithms UMTS
2
Elok Nur Hamdana, Sholeh
Hadi Pramono, dan Erfan
Achmad Dahlan
Optimasi Perencanaan Jaringan UMTS pada NodeB
Menggunakan Probabilistik Monte Carlo Monte Carlo UMTS
3
M. Fajrul Hakim, Wiwik
Anggraeni dan Apol
Pribadi
Optimasi Perencenaan Jumlah Base Transceiver
Station (BTS) dan Kapasitas Trafik BTS
Menggunakan Pendekatan Goal Programming pada
Sistem Telekomunikasi Seluler Berbasis GSM
Goal Programming GSM
4
Pancawati Dessy Aryanti,
Sholeh Hadi Pramono, dan
Onny Setyawati
Optimasi Penempatan Node B UMTS900 pada BTS
Existing Menggunakan Algoritma Genetika Algoritma Genetika UMTS900
5 Satvir Singh dan Kulvinder Kaur
Base Station Localization using Artificial Bee
Algorithm colony
Artificial Bee
11 Tabel 2.2 State Of The Art Review (2)
6 A. O. Onim, P. K. Kihato, dan S. Musyoki
Optimization of Base Station Location in 3G Networks
using Mads and Fuzzy C-means
Mads and Fuzzy
C-means UMTS
7 Muthmainnah dan Achmad Mauludiyanto
Optimasi Penempatan Lokasi Potensial Menara Baru
Bersama pada Sistem Telekomunikasi Seluler dengan
Menggunakan Fuzzy Clustering di Daerah Sidoarjo
Fuzzy C-means dan
Harmony Search UMTS
8 I Gede Putu Bagus Primadasa
Coverage jaringan LTE (Long Term Evolution) pada
frekuensi 1900 MHz di wilayah kota Denpasar dengan
memperhitungkan Offered Bit Quantity (OBQ)
Offered Bit Quantity
(OBQ) LTE
9 Penelitian ini
Perencanaan Penempatan E-Node B 4G LTE 1800
MHz pada BTS Existing di Kota Denpasar
Menggunakan Metode Fuzzy C-Means dan Harmony
Serach
Fuzzy C-means dan
12 2.2 Long Term Evolution (LTE)
Long Term Evolution (LTE) merupakan generasi teknologi komunikasi
selular ke empat, yaitu sebuah standar teknologi komunikasi data nirkabel yang
merupakan lanjutan dari teknologi standar GSM (Global System for Mobile
Communication)/UMTS (Universal Mobile Telephone Standard). Yang mana pada
teknologi LTE terjadi peningkatan kapasitas dengan penggunaan teknologi
modulasinya. LTE merupakan standar teknologi komunikasi yang dikembangkan
oleh 3GPP (3rd Generation Partnership Project) yang berfungsi mengatasi
peningkatan permintaan akan kebutuhan layanan komunikasi dengan kecepatan
data yang tinggi dan spektrum yang lebih luas. LTE merupakan teknologi seluler
yang mampu mendukung aplikasi data, voice dan video. Kecepatan data transfer
pada downlink sebesar 100 Mbps dan uplink 50 Mbps, coverage yang diberikan
pada sistem LTE lebih besar dengan kapasitas yang lebih besar sehingga bisa
mengurangi biaya operasional dan penggunaan multiple antena.
Komunikasi seluler LTE merupakan komunikasi dua arah yaitu dengan
menggunkan teknik multiple acces, dimana multiple access merupakan suatu titik
yang dapat dapat diakses oleh beberapa titik yang lain yang saling berjauhan dan
tidak saling mengganggu satu sama lain. Multiple access pada LTE berbeda antara
downlink dan uplink, downlink menggunakan teknik Orthogonal Frequency
Division Multiple Access (OFDMA) sedangkan untuk sisi uplink menggunakan
teknik Single Carier Frequency Division Multiple Access (SC-FDMA) dan LTE
bisa diterapkan pada frekuensi 700 MHz, 800 MHz, 1800 MHz, 2100 MHz, 2600
13 2.2.1 Teknologi Akses LTE
LTE memiliki beberapa teknologi akses dalam downlink dan uplink yang
berbeda, pada arah downlink adalah arah dari eNode B ke UE dengan menggunakan
OFDMA (Orthogonal Frequency Division Multiple Access). Arah uplink
merupakan arah dari UE ke eNode B dengan menggunakan SC-FDMA (Single
Carrier Frequency Division Multiple Access) dan juga menggunakan MIMO
sebagai sistem multiple antena. (Usman,U.K, dkk, 2011)
1. OFDMA (Orthogonal Frequency Division Multiple Access)
OFDMA merupakan teknik multiple access, yang merupakan
penggabungan antara OFDM (Orthogonal Frequency Division
Multiplexing) dan CDMA (Code Division Multiplexing). Jika pada OFDM
alokasi subcarrier di manfaatkan oleh satu user, namun pada OFDMA,
subcarrier yang ada di bagi-bagi kepada sejumlah user. Hal ini
menyebabkan kanal dapat digunakan oleh sejumlah user pada waktu yang
sama. Pada kanal downlink OFDMA, setiap user akan menerima satu sinyal
yang sama dari Base Station. Akan tetapi, sinyal yang sampai pada satu user
akan mengalami perubahan akibat fading selama berpropagasi. Dan
karakteristik fading ini akan berbeda antara satu user dengan user yang
lainnya, karena pada komunikasi mobile umumnya user berada pada lokasi
yang berbeda. Kelebihan dari teknik OFDMA ini adalah dapat
menghilangkan ISI (Inter Symbol Interference) dengan penggunaan guard
time yang lebih panjang dari nilai delay spread dan dapat mengurangi ICI
14 symbol OFDM, mampu memberikan data rate yang tinggi sehingga
[image:38.595.139.490.183.336.2]mendukung aplikasi multimedia.
Gambar 2.1Orthogonal Frequency Division Multiple Access (Usman,U.K, dkk, 2011)
Pada gambar diatas terdapat terdapat tiga jenis subcarrier pada OFDM,
yaitu:
1) Data Subcarrier yang digunakan untuk transmisi data
2) Pilot Subcarrier untuk estimasi dan sinkronisasi
3) Null Subcarrier yang digunakan untuk guard band
2. SC-FDMA (Single Carrier Frequency Division Multiple Access)
Sistem SC-FDMA (Single Carrier Frequency Division Multiple Access)
merupakan teknik multiple access single carrier yang dianggap sebagai
sistem OFDMA yang ditambahkan dengan operasi DFT, dimana simbol
data dalam domain waktu ditransformasikan ke domain frekuensi dengan
menggunakan operasi DFT (Discrete Fourier Transform). SC-FDMA
dipilih karena memiliki nilai PAPR (Peak Average Power Ratio) yang kecil
sehingga dapat meningkatkan cakupan dan kinerja cell-edge. Setiap user
15
transmitter SC-FDMA mengkonversi input sinyal biner menjadi
serangkaian modulasi subcarrier.
3. MIMO (Multiple Input Multiple Output)
MIMO merupakan sistem multiple antena yang digunakan pada teknologi
LTE untuk mendukung kecepatan dalam pengiriman data dan peningkatan
kualitas. Penggunaan beberapa tipe sistem MIMO yang didukung oleh
teknologi LTE ada tiga, yaitu: (Usman,U.K, dkk, 2011)
- MIMO 2x2 : merupakan sistem multiple antena yang mendukung
dua antena transmitter dan dua antena receiver
- MIMO 2x4 : merupakan sistem multiple antena yang mendukung
adanya dua antena transmitter dan empat antena receiver
- MIMO 4x4 : merupakan sistem multiple antena yang mendukung
adanya empat antena transmitter dan empat antena receiver
Teknologi MIMO merupakan sistem yang dapat mengirimkan informasi
yang sama dari dua pemancar atau lebih kepada user, dibandingkan dengan
sistem tunggal, penggunaan MIMO dapat mengurangi informasi yang
hilang pada saat proses pengiriman berlangsung. Selain itu pada MIMO juga
terdapat teknologi yang mampu mengurangi gangguan interferensi dengan
mengarahkan radio link pada penggunaan spesifik. MIMO juga bisa
meningkatkan throughput karena adanya Spatial Division Multiplexing
(SDM) yang berfungsi men-spasial multiplex stream data dan kemudian
16 Gambar 2.2 MIMO (Anonim, 2010)
2.2.2 Arsitektur LTE (Long term Evolution)
Arsitektur LTE dikenal dengan EPS (Evolved Packet System), dalam
arsitektur LTE dibagi menjadi 2 yaitu radio access dan core network.
Yang mana radio access pada LTE disebut E-UTRAN (Evolved UMTS
Terresterial Access Network) yang berfungsi dalam modulasi dan handover.
Sedangkan pada core network LTE yang disebut EPC (Evolved Packet Core) yang
berfungsi dalam charging dan mobility management. (Usman,U.K, dkk, 2011)
1. UE (User Equipment)
Merupakan perangkat yang digunakan pada saat berkomunikasi yang
mana perangkat ini dapat berupa smart phone. UE terdiri dari USIM
(Universal Subscriber Identity Module) yang berfungsi sebagai tempat
aplikasi card dan digunakan sebagai identifikasi dan authentikasi user,
17 2. eNode B (Evolved Node B)
eNode B adalah base station yang berfungsi pengontrol semua fungsi
yang berhubungan dengan radio, yaitu sebagai jembatan antara UE dan
EPC (Evolved Packet Core). eNode B juga berfungsi untuk mengontrol
pemakaian interface radio, mengontrol dan menganalisis sinyal level
yang terdapat pada UE (User Equipment), mengontrol proses pada saat
UE mengalami handover antar sel.
3. MME (Mobility Managemen Entity)
Mobility Management Entity (MME) adalah elemen kontrol pada EPC
(Evolved Packet Core), fungsi-fungsi MME (Mobility Management
Entity) pada arsitektur jaringan LTE adalah :
- Authentication dan Security berfungsi untuk meng-authentikasi UE
(User Equipment) pada saat UE pertama kali melakukan registrasi
ke jaringan. Peng-authentikasian diperlukan untuk menjamin
adanya permintaan UE, ini dilakukan untuk melindungi rahasia UE
dan menghindari komunikasi dari penyadapan orang yang tidak
memiliki wewenang.
- Mobility Managemen berfungsi untuk menjaga jalur lokasi untuk
semua UE (User Equipment) yang berada pada service area dengan
menjaga jalur lokasi UE sampai eNode B, mengontrol jalur
berdasarkan aktivitas UE, mengontrol proses handover yang terjadi
18 - Managing Subcription Profile dan Service Connectivity berfungsi
untuk mendapatkan kembali profil pelanggan pada saat UE
melakukan registrasi ke jaringan dan mengirimkan paket data
network kepada UE (User Equipment).
4. S-GW (Serving Gateway)
S-GW (Serving Gateway) berfungsi sebagai pusat operasional dan
maintenance pada MME dan eNode B dimana S-GW akan membangun
hubungan antara eNode B yang satu dengan eNode B yang lain dan
bertugas untuk melanjutkan dan menerima paket dari eNode B satu ke
eNode B lain yang melayani UE (User Equipment).
5. P-GW (Packet Data Network Gateway)
P-GW (Packet Data Network Gateway) atau dikenal dengan PDN-GW
berfungsi untuk mengalokasikan IP addres ke UE dan sebagai fungsi
filtering.
6. PCRF (Policy and Charging Rules Function)
PCRF (Policy and Charging Rules Function) berfungsi untuk
mengontrol charging dan juga mengangani QOS (Quality of Service)
7. HSS (Home Subscription Server)
Home Subscription Server (HSS) berfungsi sebagai tempat menyimpan
semua data permanen user, data yang disimpan berisi tentang infomasi
layanan untuk user dan identitas dari user tersebut. Dimana
19 Gambar 2.3 Arsitektur LTE (Usman,U.K, dkk, 2011)
2.3 Konsep Seluler
Selular merupakan system komunikasi yang memberikan layanan
komunikasi data, voice, dan video yang dapat dilakukan dalam keadaan bergerak.
Yang mana pada konsep seluler ini pengguna dapat melakukan hubungan
komunikasi dengan pengguna lain tanpa bergantung adanya media fisik. Cell
merupakan bagian kecil dari cakupan suatu wilayah, Pembagian sel-sel dalam
sistem seluler dimodelkan dalam bentuk hexagonal dimana tiap sel nya memiliki
satu frekuensi, yang mana frekuensi antar sel tidak boleh berdekatan agar tidak
20 Gambar 2.4 Konsep Sel (IT Telkom, 2008)
Terdapat empat jenis sel berdasarkan jari-jari sel, yaitu :
1. Makrosel, yaitu jenis sel yang digunkaan untuk daerah urban. Dimana pada
daerah ini merupakan daerah yang padat akan penduduk dan banyak
terdapat gedung-gedung tinggi.
2. Mikrosel digunakan untuk ketinggian antena yang tidak lebih dari 25 meter,
yang merupakan sel dengan wilayah coverage lebih kecil dibandingkan
makrosel. Mikrosel merupakan salah satu solusi yang bisa digunakan
apabila makrosel sudah tidak bisa lagi memenuhi kebutuhan pelanggan
yang padat. Suatu daerah dengan user yang padat tidak cukup hanya
dilayani dengan makroseldikarenakan pelayanan yang didapat tidak merata.
Maka diperlukan adanya pembagian daerah coverage yang lebih kecil untuk
mencover daerah yang tidak dijangkau oleh makrosel dan berfungsi sebagai
penambah jaringan kapasitas pada daerah yang penggunaan selulernya
padat. Penempatan mikroselini tidak memerlukan wilayah yang cukup luas
seperti hal nya penempatan makrosel dan diletakkan pada gedung-gedung
atau diatas bangunan.
3. Pico Sel merupakan penempatan sel yang terdapat di dalam gedung atau
21 ruangan dan juga berfungsi untuk mengatasi adanya interferensi yang terjadi
di dalam gedung akibat pemantulan dinding gendung.
4. Femto Sel merupakan Base Transceiver Station mini yang dipasang pada
wilayah bersinyal rendah yang mana penempatan femto cell ini dipasang di
dalam ruangan dengan ukuran yang kecil sehingga tetap bisa memberikan
pelayanan seluler terhadap pelanggan yang berada di dalam ruangan. Fungsi
femto cell dapat meningkatkan konektivitas, availabilitas, mobilitas dan
juga performansi layanan. Selain itu adanya femto sel ini bertujuan untuk
meningkatkan coverage dan kapasitas di dalam ruangan dikarenakan sinyal
[image:45.595.120.520.415.621.2]dari BTS outdoor ke indoor tidak maksimal. (Ridwan, A, 2012)
22 2.3.1Sel Hexagonal
Sel hexagonal dipilih dalam perencanaan dikarenakan dapat menutupi
wilayah tanpa celah dan juga tidak terjadi tumpang tindih antara sel satu dengan sel
[image:46.595.241.353.226.325.2]yang lainnya, yang mana bentuk sel hexagonal dapat dilihat pada dibawah.
Gambar 2.6 Sel Hexagonal (Sudiarta, P.K, t.t)
Untuk rumusan luas sel hexagonal, dilakukan dengan persamaan :
L = � √ x
= R2√
2
6 ,
2 R km2 (2.1)
Dimana :
L = luasan sel hexagonal (km2) R = jari-jari sel (km)
2.4 Perencanaan Kapasitas (Capacity Planning)
Dalam melakukan perancangan kapasitas jaringan ini tentunya kita harus
mempertimbangkan kebutuhan pelanggan di masa mendatang, maka untuk
mengantisipasi jumlah pelanggan selama periode tersebut diperlukan estimasi
23 2.4.1 Peramalan Kebutuhan
Prediksi pertambahan jumlah pelanggan hingga beberapa tahun kedepan
merupakan faktor yang sangat penting dalam perencanaan jaringan karena
menentukan kebijaksanaan dan strategi dalam pengembangan sistem untuk
mengantisipasi pertumbuhan pelanggan agar kelak semua target pelanggan dapat
terlayani (Wibisono, dkk, 2008).
Ada beberapa metode untuk melakukan prediksi pelanggan, diantaranya :
Metode Deret Berkala (Time Series) Metode Eksponensial Smoothing
Metode Regresi
Metode Iteratif
a. Metode Deret Berkala (Time Series)
Metode ini merupakan metode dengan melakukan pendekatan secara
makro. Tujuan dari metode ini adalah menemukan pola dalam deret data yang lalu
dan mengekstrapolasikan data tersebut ke masa depan. Langkah penting dalam
memilih suatu metode pada Time Series adalah harus mempertimbangkan jenis pola
yang akan diramalkan. Ada beberapa macam jenis pola, salah satunya adalah Pola
Trend yang paling cocok untuk peramalan jumlah kebutuhan telepon. Untuk
prediksi pelanggan dengan Deret Berkala Pola Trend akan dibatasi metode yang
digunakan sampai tiga macam saja, yaitu metode Trend Linier, Trend Kuadratik,
24 b. Prediksi pelanggan dengan Metode Trend Linier
Bentuk umum persamaan linier :
Y’ = a + b.X (2.2)
Dimana: Y’ = variabel tak bebas hasil ramalan (kepadatan pelanggan)
X = variabel bebas berupa periode waktu
a & b = konstanta (dihitung dari data sample deret berkala)
Bila jumlah pengamatan sebanyak n, maka dari persamaan di atas diperoleh :
∑ Y = n.a + b. ∑ X
∑ XY = a ∑ X + b ∑ X2 (2.3)
Keterangan : X = unit periode waktu pengamatan (mulai 0,1,2,3 dan seterusnya)
Y = data kepadatan pelanggan sebenarnya (per 100 penduduk)
Dengan cara eliminasi kedua persamaan tersebut di atas, maka diperoleh konstanta
a & b sehingga Y’ (variabel tak bebas hasil ramalan berupa kepadatan pelanggan)
dapat diperoleh.
c. Prediksi pelanggan dengan Metode Trend Kuadratik (Parabola)
Metode Trend Kuadratik biasanya sebagai persamaan parabola. Bentuk
umum persamaan ini adalah :
Y’ = a + b.X + c.X2 (2.4)
Dimana : Y’ = variabel tak bebas hasil ramalan (kepadatan pelanggan)
X = variabel bebas berupa periode waktu
a, b, dan c = konstanta (dihitung dari data sample deret berkala)
25
∑ Y = an + b∑X + c∑X2
∑XY = a∑X + b∑X2+ c∑X3
∑X2Y = a∑X2+ b∑X3+ c∑X4 (2.5)
Keterangan : 1. X = unit periode waktu pengamatan
Untuk n = ganjil (misal n = 3) maka : X1 = -1 ; X2 = 0 ; X3 = 1
Untuk n = genap (misal n = 2) maka : X1 = -1 ; X2 = 1
2. Y = data kepadatan pelanggan sebenarnya (per 100 penduduk)
Dengan cara mengeliminasi ketiga persamaan tersebut diatas, maka diperoleh
konstanta a, b, dan c sehingga Y’ (variabel tak bebas hasil ramalan berupa
kepadatan pelanggan) dapat diperoleh.
d. Prediksi pelanggan dengan Metode Trend Eksponensial Bentuk persamaan metode Trend Eksponensial :
Y’ = a.bX (2.6)
Dimana : Y’ = variabel tak bebas hasil ramalan (kepadatan pelanggan)
X = variabel bebas berupa periode waktu
a, b, dan c = konstanta (dihitung dari data sample deret berkala)
Bentuk persamaan metode Trend Eksponensial tersebut dapat diubah menjadi
bentuk persamaan linier sebagai berikut :
Y’ = a.bX... Log Y’ = log a.bX
Log Y’ = log a + log bX
26 Bila log Y’ = Yo ; log a = ao dan log b = bo, maka persamaan Trend Eksponensial
tersebut menjadi :
Yo’ = ao + bo.X (2.8)
Sehingga :
) ( 0 0 10 ' a bX
Y (2.9)
Konstanta-konstanta ao dan bo dapat dicari dengan cara eliminasi kedua persamaan
di bawah ini :
∑ Y0 = a0.n + b0∑X
∑XY0 = a0∑X + b0∑X2
Y0 = log Y (2.10)
Keterangan : 1. X = unit periode waktu pengamatan
Untuk n = ganjil (misal n = 3) maka : X1 = -1 ; X2 = 0 ; X3 = 1
Untuk n = genap (misal n = 2) maka : X1 = -1 ; X2 = 1
2. Y = data kepadatan pelanggan sebenarnya (per 100 penduduk)
e. Langkah-langkah dalam prediksi pelanggan
Tahapan dalam prediksi pertambahan jumlah pelanggan adalah sebagai berikut :
Dari data jumlah penduduk dari tahun ke tahun serta jumlah pelanggan yang
ada dari tahun ke tahun dapat ditentukan kepadatan pelanggan sebenarnya (per
100 penduduk) untuk daerah yang direncanakan. Persamaan yang digunakan :
Kepadatan pelanggan tahun ke-n = 100
n -ke ahun penduduk t n -ke tahun pelanggan x
27 Kepadatan pelanggan yang diperoleh dari persamaan diatas digunakan sebagai
variabel Y yang digunakan sebagai acuan dalam perhitungan untuk metode
Trend Linier, Kuadratik maupun Eksponensial untuk mencari variabel Y’
(variabel tak bebas hasil ramalan).
Ketiga metode tersebut dicoba satu per satu untuk dibuktikan metode mana
yang paling sesuai untuk dipakai dalam prediksi pelanggan., dimana dipilih
yang mempunyai selisih jumlah sekecil mungkin antara kepadatan pelanggan
sebenarnya dengan kepadatan hasil perhitungan.
Setelah metode ditetapkan, maka dapat digunakan persamaannya dalam
menentukan kepadatan pelanggan untuk prediksi hingga tahun ke-n sesuai
kebutuhan perencanaan yang akan diterapkan sampai berapa tahun.
Prediksi pertambahan jumlah penduduk hingga tahun ke-n dihitung secara
terpisah. Persamaannya adalah sebagai berikut :
Pn = Po ( 1 + h )n (2.12)
Keterangan :
Pn = prediksi jumlah penduduk hingga tahun ke-n
Po = jumlah penduduk tahun ke-0 (tahun yang dijadikan sebagai acuan)
h = laju pertumbuhan penduduk rata-rata per tahun
Sehingga prediksi pertambahan jumlah pelanggan hingga tahun ke-n dapat
diperoleh. Persamaannya adalah sebagai berikut :
Prediksi pelanggan tahun ke-n = x Pn
100
n -ke tahun pelanggan kepadatan
(2.13)
Jumlah pelanggan hasil prediksi yang diperoleh akan dibagi luas wilayah dari
28 2.4.2 Perhitungan Pertumbuhan Penduduk
Dengan rumus pertumbuhan geometrik, angka pertumbuhan penduduk
sama untuk setiap tahunnya, untuk memprediksi jumlah penduduk di masa
mendatang dapat digunakan rumus :
�= + � (2.14)
Dimana:
� = Jumlah penduduk total setelah tahun ke-t
= Jumlah penduduk saat perencanaan
= Laju pertumbuhan penduduk (%)
= Jumlah tahun prediksi
2.4.3 Perhitungan Jumlah Pengguna Seluler
Dengan asumsi teledensitas sebesar x%, maka perhitungan jumlah
pengguna seluler dapat dihitung menggunakan persamaan sebagai berikut:
= �% ∗ �(2.15)
Dimana:
= Jumlah Pengguna Seluler
�% = Teledensitas Pengguna Seluler
29 2.4.5 Teori Trafik
Trafik didefinisikan sebagai jumlah dari data atau banyaknya pesan
(messages) pada suatu sirkuit selama suatu periode waktu tertentu. Pengertian trafik
disini termasuk hubungan antara kedatangan panggilan (call) ke perangkat
telekomunikasi dengan kecepatan perangkat tersebut memproses panggilan sampai
panggilan tersebut berakhir. Besaran dari trafik telekomunikasi diukur dengan
satuan waktu, sedangkan nilai trafik dari suatu kanal adalah banyaknya (lamanya)
waktu pendudukan pada kanal tersebut. Sedangkan kapasitas trafik adalah
kemampuan yang diberikan oleh suatu teknologi atau suatu BTS untuk menampung
trafik komunikasi yang terjadi. Definisi dari kepadatan trafik yaitu tingkat
kesibukan suatu komunikasi yang terjadi dengan nilai yang bervariasi, tergantung
lingkungannya. Satuan untuk variable trafik adalah Erlang. 1 Erlang didefinisikan
sebagai jumlah trafik yang berlangsung ketika 1 pelanggan menduduki 1 kanal
percakapan selama 1 kurun waktu rujukan (detik, menit, atau jam).
�� � � � = � (2.16)
