c Pola Interferensi
Pola Interferensi adalah jumlah permintaan panggilan tiap sel. Dalam
pemodelan ini pola interferensi sel dapat dilihat pada Tabel 3.2. Tabel 3.2 Pola interferensi sel
SEL
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
JUMLAH INTERFERENSI
3 4 3 3 6 6 5 4 3 4
6 5
4 4
2 3
3
. Interferensi tiap sel berbeda dilihat dari jumlah sel yang berada
disekitarnya. d
Call Demand Call demand yang digunakan pada optimasi alokasi kanal dinamik ini
merupakan panggilan yang ditawarkan pada setiap sel. Call demand pada setiap sel berbeda-beda.
3.4 Algoritma Neural Network
Simulasi dari kinerja pengalokasian kanal dinamik dengan menggunakan
algoritma Neural Network dapat dilihat pada Gambar 3.3 yaitu flowchart dari
algoritma hopfield neural network yang sudah disesuaikan dengan masalah pengalokasian kanal dan tahapan dari algoritma hopfield neural network dapat
dilihat pada Tabel 3.3.
Universitas Sumatera Utara
Mulai
Iterasi
Apakah frekuensi untuk semua sel di
tugaskan ?
Meninisialisasi nomor dari penugasan kanal c = 0
Pilih selI i berdasarkan daftar sell
Pilih secara acak dan update neuron i, j , c = 1
Untuk update selanjutnya arah dipilih secara acak mengarah
ke kiri atau kanan
Apakah update memilih ke arah
kanan atau kiri ? j = j + 1
j = j - 1 T
Update neuron i,j pada sell i c = c + 1
Nomor penugasan kanal c LB
Hitung energi E
T Y
R Y
Apakah E = 0 ?
Hitung keluaran neuron
Selesai Y
T
L Masukan Input
Inisialisasi Membuat daftar sel sesuai
dengan urutan menurun dari RNC sel
Gambar 3.3 Flowchart pengalokasian kanal dengan algoritma neural network
Universitas Sumatera Utara
Tabel 3.3 Tahapan pada algoritma neural network No Tahap
Channel Assigment
1. Masukan Input
Memasukkan input yaitu, jumlah sel, demand vector D, matrik C atau batasan ACC,CCC, dan CSC.
2. Membuat daftar
sel sesuai dengan urutan menurun
dari RCN untuk setiap sel
Membuat daftar sel dibuat dengan urutan terbesar dan terkecil dari RCN sel. Misalnya jika RCN dari 6 sel, sel
dari 1 sampai 6 adalah 3,6,1,30,23,17 masing-masing, kemudian urutan memperbarui daftar akan menjadi sel
4, 3, 5, 1, 6, dan 2. Hal ini dilakukan untuk pemanfaatan maksimal dari spektrum frekuensi.
3. Inisialisasi
Menentukan state awal atau menugaskan sel sesuai dengan urutan dari RCN.
4. Iterasi
Menjalankan proses update bila ada kanal atau panggilan yang terbloking atau di tolak.
Menjalankan Subroutine Iterasi
Menjalankan subroutine iterasi atau mengupdate kanal yang terbloking untuk mencapai syarat dari keluaran
neuron atau E = 0 atau tidak ada panggilan yang terbloking.
5. Lihat apakah E=0 Hitung energi E dari penugasan saat ini. Jika E=0 maka
maka keluaran dari neural didapatkan atau penugasan kanal sesuai dengan matriks kompatibiliti C dan
demand vector D didapatkan. Energi yang dimaksud dalam algoritma ini adalah meminimalkan jumlah
panggilan yang ditolak.
Universitas Sumatera Utara
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 r
i
nomor saluran yang diperlukan untuk sel i, 1 i n r
max
jumlah panggilan maksimum pada matriks R C
matriks kompatibilitas, C = cij c
ij
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 RCNrequired number channel Untuk mengetahui sel yang akan diproses terlebih dahulu agar pemanfaatan
kanal menjadi lebih maksimal maka terlebih dahulu membuat daftar sel
Universitas Sumatera Utara
sesuai dengan RCN. Pada tahapan ini matrix D atau daftar call demand diurutkan mulai jumlah call demand terbesar hingga terkecil.
3. Inisialisasi
Pada inisialisasi, penugasan kanal sesuai dengan urutan daftar RCN dilakukan. Pada tahapan ini semua permintaan call demand dialokasikan
tanpa melihat apakah ada panggilan yang terblok atau tidak. 4.
Iterasi Proses iterasi atau menjalankan proses update dilakukan untuk menurunkan
jumlah panggilan yang diblok. Pada tahapan ini pengalokasian kanal dilakukan kembali sehingga didapat pengalokasian kanal yang sesuai dengan
matrix C dan seluruh call demand yang ada terpenuhi. Langkah prosedural untuk metode update adalah sebagai berikut :
a Pilih sel i sesuai dengan urutan daftar sel .
b Secara acak memilih satu neuron j dalam sel i [ neuron i , j ] dan
memperbarui neuron . c
Untuk selanjutnya update neuron, arah dipilih secara acak sisi kiri[ neuron i , j - 1 ] atau sisi kanan neuron [ neuron i , j +1 ] .
d Setelah arah awal ditentukan oleh langkah c , neuron berikutnya di update
secara berurutan . e
Ulangi langkah a - d sampai semua frekuensi untuk semua sel ditugaskan .
5. Hitung energi E
Energi pada algoritma neural nework adalah untuk mencapai keadaan konvergen pada neuron. Keadaan konvergen yang dimaksud adalah neuron
Universitas Sumatera Utara
tersebut dalam keadaan stabil atau tidak ada lagi perubahan atau E=0. Untuk masalah penugasan kanal, energi erat kaitannya dengan jumlah panggilan
yang terbloking atau panggilan yang jatuh. Sehingga untuk mencapai energi E=0 maka jumlah panggilan yang terbloking harus diminimalkan. Nilai
energi didapat dengan menghitung selisih antar jumlah panggilan yang tersedia dengan jumlah panggilan yang terlayani.
Universitas Sumatera Utara
BAB IV ANALISIS ALOKASI KANAL DINAMIK DENGAN
ALGORITMA NEURAL NETWORK
4.1 Umum
