Analisis Kinerja Energy Detection Blackman-Tukey dan Welch Pada Kanal AWGN Aplikasi Cognitive Radio

DAFTAR PUSTAKA

[1] Susilawati, Indah.2009. Teknik Telekomunikasi Dasar. Universitas Mercu Buana [2] Departemen Komunikasi dan Informatika Republik Indonesia. 2009. Tabel Alokasi

Spektrum Frekuensi Radio di Indonesia

[3] Alaydrus, Mudrik. 2010. Sistim Radio Cerdas . Magister Teknik Elektro, Universitas Mercu Buana

[4] Widiastri, Anne.2011. Rancang Bangun Antena Untuk Aplikasi Cognitive Radio pada Alokasi Spektrum 1,8 Ghz dan 2,35 GHz. Universitas Indonesia

[5] Perdananta, Simon. 2008. Analisis Sistem Spektrum Sensing Menggunakan High Order Statistik Analysis dengan Metode Ekstraksi ciri Trispektrum. Universitas

Telkom

[6] Rehman, Atti Ur, dan M. Asif. 2012. Spectrum Sensing Techniques Cooperative Cognitive Radio Networks: Comparative Analysis.Blekinge Institute of Technology

[7] D. Cabric, S. M. Mishra, dan R. W. Brodersen. 2004. Implementation issues in spectrum sensing for cognitive radios. In Signals, Systems and Computers.

[8] Martinez, Daniele Marcedez. 2012. Evaluation of Energy Detection for Spectrum Sensing based on the Dynamic Selection of Detection Threshold. California

[9] Poularikans, Alexander D dan Zayed M. Ramadan.2006. Adaptive Filtering Primer with Matlab.Taylor & Francis Group.i

[10]Sequeira, Samson.2011. Energy Based Spectrum Sensing for Enabling Dynamic Spectrum Access in Cognitive Radios.United States

BAB III

METODE PENELITIAN

3.1 Umum

Pemodelan merupakan penggambaran dari sistem yang sebenarnya sedangkan simulasi merupakan proses penyelesaian permasalahan dari sistem yang dapat divisualisasikan sehingga mudah dianalisis.

3.2 Model Sistem

Pada Gambar 3.1 menjelaskan tentang pola model simulasi spectrum sensing menggunakan metode energy detection pada cognitive radio

3.3 Struktur Simulasi

Gambar 3.2 mengilustrasikan struktur simulasi dari model sistem cognitive radio menggunakan metode energy detection.

Data Keluaran Data Masukan Proses Analisis

Gambar 3.2 Struktur Simulasi

3.4 Proses Simulasi

Tahap melakukan simulasi dengan membangkitkan sinyal masukan frekuensi wireless yang ditransmisikan dengan disertai AWGN dan kemudian akan diterima pada Receiver untuk dilakukan analisis mendeteksi spektrum kosong dengan metode sensing energy detection. Proses simulasi ini dimulai dengan membangkitkan spektrum kanal dari sinyal radio FM, kemudian dilakukan proses acak oleh random frequency generator dengan kenaikan 10% sampai 100%. Sinyal acak tadi kemudian diberikan gangguan noise berupa AWGN. Dilakukan iterasi (perulangan) sebanyak 10 kali pada setiap kenaikan sinyal yang dibangkitkan

Sinyal kemudian dilewatkan pada receiver dan sinyal yang diterima akan diolah menggunakan metode energy detection, dimana sinyal di FFT kedalam domain frekuensi dan dianalisis melalui algoritma power spectral density untuk mendapatkan karakteristik sinyal, kemudian energi sinyal yang dihitung dibandingkan dengan pembanding (threshold) untuk mengetahui apakah sinyal dari primary user hadir atau tidak untuk menentukan keputusan penggunaan spektrum.

3.4.1 Gambar Flowchart Simulasi

Adapun flowchart simulasi sistem ini ditunjukkan pada Gambar 3.3.

Mulai

Inisialisasi Parameter Simulasi

Pembangkitan Kanal

Jika % Kanal < = 100 %

Jika Iterasi < = 100

Tidak Selesai

D

Pembagian Frekuensi Acak

Ya

Ya

Proses Pembangkitan Sinyal Analog

Penambahan AWGN Tidak

Power Spectral Density (PSD) Welch

Power Spectral Density (PSD) Blackman-Tukey

A B

A B > Thrld > Thrld Tampilkan Frekuensi H0 Tampilkan Frekuensi H1 Tampilkan Frekuensi H0 Tampilkan Frekuensi H1

Tampilan Grafik PSD Welch

Tampilan Grafik PSD Blackman-Tukey

Tentukan Threshold dari signal PSD Blackman-Tukey

Tentukan Threshold dari signal PSD Welch

Tampilan Grafik signal dari Threshold

Tampilan Grafik signal dari Threshold

Tidak Ya Tidak Ya

D

Gambar 3.4 Lanjutan Flowchart Simulasi

3.4.2 Prinsip Kerja Sistem

Prinsip kerja dari sistem yang disimulasikan adalah sebagai berikut : 1. Inisialisasikan parameter-parameter simulasi yang akan digunakan pada

proses ini, dimana simulasi menggunakan saluran FM Radio dengan 50 kanal frekuensi sebagai batasannya.

2. Transmitter membangkitkan kanal frekuensi secara acak dengan kenaikan presentasi data masukannya mulai dari 10% sampai dengan 100% dari banyaknya saluran kanal frekuensi yang tersedia lalu dilakukan iterasi sebanyak 100 kali untuk memperoleh hasil yang lebih akurat.

3. Transmitter selanjutnya melakukan pembangkitan sinyal analog dengan menambahkan Additive White Gaussian Noise (AWGN)

4. Sinyal di penerima kemudian di proses melalui transformasi fourier sinyal 5. Selanjutnya lakukan proses pembangkitan Power Spectral Density (PSD)

menggunakan teknik Blackman-Tukey dan Welch dalam menghitung rapat spektral daya sinyal, kemudian dilanjutkan dengan menghitung masing-masing besar daya sinyal diterima dengan metode menghitung rata-rata metode avg power.

6. Tentukan besar nilai threshold sinyal data menggunakan teori Neyman Pearson.

7. Threshold menjadi pembanding terhadap besar sinyal untuk menentukan mana saluran yang sedang digunakan primary user dan mana saluran yang sedang tidak digunakan primary user pada Power Spectral Density (PSD) menggunakan teknik Blackman-Tukey dan Welch.

8. Dan akhirnya H0 dan H1 akan menampilkan masing-masing hasil simulasi keluaran tersebut.

3.4.3 Transmitter

Pada tahapan ini, proses simulasi meliputi penentuan frekuensi yang dibangkitkan secara acak oleh random frequency generator yang kemudian akan ditransmisikan.

3.4.3.1 Parameter Masukan Simulasi

Simulasi kinerja metode energy detection ini memiliki beberapa parameter masukan, yaitu :

a. Frekuensi sinyal wireless FM 87, 5 – 108 MHz dibagi kedalam 50 kanal frekuensi

b. Kanal yang digunakan AWGN c. Ukuran FFT,SNR, Variansi dan Pfa

d. Algoritma PSD yang digunakan yaitu PSD Blackman-Tukey dan Welch e. Window yang digunakan Blackman

Selain parameter masukan di atas, terdapat beberapa asumsi-asumsi yang digunakan pada proses simulasi, antara lain :

a. Pembangkitan AWGN menurut distribusi Normal

b. Sinkronisasi diantara Transceiver dan Receiver dianggap sempurna

3.4.3.2 Model Sinyal FM ( Modulasi Frekuensi )

Dalam sistem modulasi sudut, frekuensi dan fasa dari gelombang pembawa berubah terhadap waktu menurut fungsi dari sinyal yang dimodulasikan (ditumpangkan). Besar perubahan frekuensi (deviasi), δ atau fd, dari sinyal pembawa sebanding dengan amplituda sesaat sinyal pemodulasi, sedangkan laju perubahan frekuensinya sama dengan frekuensi sinyal pemodulasi. Jadi dalam sistem modulasi FM, sinyal modulasi akan menyebabkan perubahan frekuensi

gelombang pembawa berubah-ubah sesuai perubahan frekuensi dari sinyal modulasi.

Gambar 3.5 menjelaskan bentuk sinyal asli sebelum ditumpangkan ke sinyal pembawa dan bentuk sinyal setelah dimodulasi.

Gambar 3.5 Modulasi FM[2].

Frekuensi yang dialokasikan untuk sinyal FM ditetapkan pada frekuensi 87,5 MHz hingga 108 MHz. Saluran FM Radio banyak digunakan dalam dunia Telekomunikasi khususnya sebagai media penyiaran dan penyampaian informasi. FM radio secara internasional berada pada blok frekuensi VHF yaitu 30-300 MHz dan memiliki rentang 87,5 – 108 MHz. Di Indonesia, berdasarkan ketetapan pemerintah melalui Keputusan Direktur Jenderal Postel nomor 15 A tahun 2004 spektrum ini dibagi menjadi 25 kanal saluran frekuensi untuk daerah yang belum padat stasiun radionya, dan 50 kanal saluran frekuensi untuk daerah kota besar. Dalam simulasi ini batasan ketetapan yang digunakan adalah kanal frekuensi yang memiliki 50 saluran frekuensi.

3.4.3.3 Random Frekuensi

Sistem pembangkitan frekuensi acak sebagai masukan dengan menggunakan random frequency generator. Dalam software Matlab yang digunakan pada simulasi telah telah tersedia fungsi pembangkit frekuensi acak yakni menggunakan randi ([imax],m,n). Randi sendiri merupakan pembangkitan bilangan acak dari 1:imax dari bilangan integer (bulat), dimana imax merupakan nilai yang akan diacak (frekuensi), adalah banyaknya baris, dan adalah banyak kolom yang dibutuhkan dimana akan menjelaskan jumlah frekuensi yang terkirim. Sebagai contoh misalkan kita akan membangkitkan frekuensi sinyal yang besarnya 87 Hz - 108 Hz yang terdiri dari 1 baris dan 5 kolom.

Maka dengan menggunakan MATLAB hasil yang diperoleh sesuai pada Gambar 3.6 adalah:

>> Fc = randi([87,108],1,5)

Gambar 3.6 Contoh program random pada Matlab

Setelah menentukan frekuensi acak dari sinyal wireless maka selanjutnya adalah melakukan pembangkitan sinyal analog sebagai acuan. Sinyal analog adalah suatu sinyal yang kontinu dan berubah terhadap waktu. Sinyal analog sangat berbeda dengan sinyal digital dimana sinyal digital tidak mudah diganggu oleh noise karena sinyal informasinya akan langsung diubah menjadi kombinasi urutan bilangan 0

dan 1 namun jangkauan pengiriman datanya relatif lebih dekat. Berikut Gambar 3.7 menunjukkan bentuk dari sinyal sinusoidal analog yang memiliki sifat periodik, sinyal ini dicirikan dengan tiga parameter yaitu frekuensi F , Amplitudo A dan  dalam radian.

V

Periode T

Amplitudo Puncak

Vp

Amplitudo Puncak ke Puncak

Vpp

t

Frekuensi f=1/T

Amplitudo rms Vrms

Gambar 3.7 Bentuk Sinyal Analog[2].

Dari Gambar 3.7 terlihat bahwa amplitude akan berubah-ubah terhadap waktu. Frekuensinya biasanya dihitung perdetik. Persamaan 3.1 menjelaskan hubungan antara frekuensi dan periode.

=_�, =

� (3.1)

Dimana:

= periode (s) = frekuensi (Hz)

Persamaan 3.2 menjelaskan bentuk sinyal yang pada simulasi ini, sinyal dari Primary User akan diberi gangguan berupa noise dengan penambahan AWGN (Additive White Gaussian Noise) yang dapat diasumsikan sebagai sinyal yang periodik.

= + = � � ����+� + _(3.2)

=sinyal yang dikirimkan oleh PU = sinyal noise (AWGN)

� = frekuensi carrier

� = frekuensi cyclic

Dalam membuat simulasinya langkah pertama yang harus dilakukan adalah membangkitkan sinyal yang akan dikirim dengan persamaan : = � ∗ exp � ∗ ∗

�� ∗ �� ∗ , sinyal kemudian ditambahkan dengan noise AWGN. Pada

MATLAB untuk melihat hasil keluaran dari sinyal informasi ditambah AWGN dengan menggunakan fungsi = � , , dimana adalah hasil keluaran sinyal, adalah sinyal yang dikirim, dan adalah nilai dari signal to noise ratio per sample yang digunakan. Sinyal hasil keluarannya akan diproses ketahap berikutnya.

Tabel 3.1. Penomoran Kanal Frekuensi rentang band 87,5-108 MHz

Kanal Frekuensi Kanal Frekuensi Kanal Frekuensi

1 87.6553 15 92.9932 30 99.1523

2 88.0659 16 93.4038 31 99.5629

3 88.4765 17 93.8144 32 99.9735

4 88.8871 18 94.2250 33 100.3841

5 89.2977 19 94.6356 34 100.7947

6 89.7083 20 95.0462 35 101.2053

7 90.1189 21 95.4568 36 101.6159

8 90.5295 22 95.8674 37 102.8477

9 90.9402 23 96.6886 38 103.2583

11 91.3508 25 97.5098 40 104.0795

12 91.7614 26 97.9205 48 106.9638

13 92.1720 27 98.3311 49 107.3745

14 92.5826 28 98.7417 50 107.7750

Ada pun rentang band pada tabel 3.1 didapat dengan perhitungan (108-87.5)/50 = 0,4105

3.4.4 Energy Detection

Sinyal yang telah ditambah oleh noise selanjutnya akan diterima dan dilakukan tahapan sensing dengan menggunakan metode energy detection dengan mengolah sinyal seperti yang terlihat pada Gambar 3.8.

L – point FFT

Input Signal Test Threshold

ESTIMASI PSD dspdata.psd

Periodogram Avg Power

Gambar 3.8 Diagram Metode Energy Detector

3.4.4.1 FFT ( Fast Fourier Transform)

Fast Fourier Transform (FFT) digunakan untuk mengubah sinyal dari

domain waktu kedalam domain frekuensi. Pada dasarnya algoritma FFT merupakan tool yang sangat efisien dalam mengkonversi sinyal domain waktu melalui DFT.

Sinyal input yang diterima kemudian dilakukan DFT (discrete Fourier Transform) dengan menggunakan algoritma FFT (Fast Fourier Transform). Persamaan 3.3 merupakan model matematis DFT untuk mengolah sinyal bentuk diskrit.

� = ∑�−�= �� , ≤ � ≤ � − (3.3)

dimana :

� = − ��

� = Hasil FFT � = Jumlah titik

Pada MATLAB telah tersedia program untuk FFT dengan menggunakan fungsi = , , dimana adalah hasil keluaran FFT, adalah sinyal yang akan proses, dan adalah ukuran dimensi .

3.4.4.2 PSD ( Power Spectral Density )

Power Spectral Density (PSD) adalah metode yang banyak digunakan untuk menganalisis hasil sinyal keluaran. Power Spectral Density menggambarkan bagaimana daya dari sebuah sinyal atau waktu yang ada didistribusikan terhadap frekuensi. PSD merupakan fungsi positif dari suatu frekuensi. Dimensi yang dimiliki dari PSD adalah daya per Hz, biasa disebut sebagai spektrum dari sinyal. Power Spectral Density (PSD) biasanya ditunjukkan untuk spektral yang kontinu. Pada sistem ini digunakan jenis PSD yaitu PSD Periodogram. Secara matematis PSD dapat dilihat pada Persamaan 3.4 dan 3.5.

� � = | | 2

Dari Persamaan 3.4 tersebut maka dapat diturunkan persamaan matematis untuk memperoleh nilai PSD pada Persamaan 3.5.

� = _�∑�−

= � (3.5)

Dimana,

Sx(i) = spesifikasi data dari setiap daya rata-rata x(i) = data

N = panjang signal atau data Px = nilai PSD

3.4.4.2.1 PSD Blackman-Tukey

PSD Blackman-Tukey adalah salah satu jenis PSD periodogram yang sangat cocok digunakan pada fungsi korelasi dengan penyimpangan data yang cukup ekstrim, dimana penyimpangan data yang direkomendasikan adalah sekitar 30-40% dari total keseluruhan panjang data. Dimana PSD Blackman-Tukey ini pada matlab ditunjukkan pada simulasi ini dapat dilihat pada lampiran 1 dan ditunjukkan dengan program :

h_SB = spectrum.Blackman-Tukey ('blackman'); % Blackman-Tukey spectral estimator.

hopts = psdopts(h_SB); % Default options.

set(hopts,'NFFT',2^12,'Fs',Fs,'SpectrumType','onesided');

hpsd_SB = psd(h_SB,ynPersen(i,lm:dm*length(n)),hopts);

% PSD data object.

pwr_SB = avgpower(hpsd_SB);

pwrSpecBlactuk = [pwrSpecBlactuk pow2db(pwr_SB)]; hpsdSpecBlactuk = [hpsdSpecBlactuk; hpsd_SB];

3.4.2.2.2 PSD Welch

Untuk metode Welch, PSD dihitung dengan mempertimbangkan nilai estimasi pada periodogram Blackman-Tukey. Adapun baris program untuk PSD Welch ini sendiri sesuai dengan lampiran 1 yaitu :

h_SW = spectrum.welch; % Create a Welch spectral estimator.

hpsd_SW = psd(h_SW,ynPersen(i,lm:dm*length(n)),'Fs',Fs); pwr_SW = avgpower(hpsd_SW);

hpsdSWelch = [hpsdSWelch; hpsd_SW]; pwrSWelch = [pwrSWelch pow2db(pwr_SW)];

3.4.4.2.3 penghitungan spektral daya

Spektral adalah representasi nilai informasi dalam domain frekuensi. Dengan demikian spectral energy dan spectral daya berturut-turut adalah representasi informasi energy dan daya suatu sinyal (informasi, variable) dalam domain frekuensi. Sementara padat spectral energy (energy spectral density) dan padat spectral daya (power spectral density) berturut-turut adalah spectral energy dan spectral daya yang dihitung per satuan frekuensi.

Persamaan 3.10 menjelaskan Periodogram Blackman-Tukey rata - rata didapatkan dengan merata-ratakan sinyal fourier L-point FFT terhadap data N-segment[10].

�̂�� _ � = _�∑�−�= � [ ] … . . = , … , � − (3.10)

Keterangan :

�̂�� _ � = periodogram Blackman-Tukey rata-rata PSD

� [ ] = periodogram sinyal ke-n

N = rentang frekuensi yang dibutuhkan oleh spektrum.

3.4.4.3 Threshold

Setelah Power Spectral Density (PSD) dari masing - masing sinyal diperoleh, selanjutnya sinyal dibatasi oleh suatu batas ambang (threshold). Sebagaimana diketahui bahwa cognitive radio merupakan sistem yang mampu memanfaatkan penggunaan spektrum frekuensi yang tidak digunakan oleh primary user (pengguna utama) untuk dapat di alihkan kepengguna lainnya sehingga penggunaannya lebih efisien. Dengan menggunakan threshold kita dapat mengetahui seberapa banyak kanal yang digunakan dan tidak digunakan dalam sistem tersebut. Persamaan 3.11 merupakan metode penentuan hadir atau tidaknya sinyal dari perbandingan level daya terhadap level threshold.

� : =

� : = + (3.11) dimana :

� : Hipotesis nol � : Hipotesis alternatif

: Hasilproses sinyal wireless : Sinyal wireless

: Noise

Persamaan 3.12 menggunakan teori Neyman Pearson, persamaan untuk deteksi Real value White Gaussian Noise

10log10 �

2

�2 =10log10(2N(erfc—1(2PFA))2) (3.12) Dimana :

 σ2 _{=variansi dari the AWGN}

 erfc—1_{=inverse dari error fucntion}

 PFA= probability of false alarm

Sedangkan persamaan 3.13 adalah untuk menentukan nilai level threshold yang digunakan sebagai pembanding terhadap energi sinyal yang dirata-ratakan. Besar nilai threshold didapatkan sesuai teori Neyman-Pearson[8].

_Q-1_(P

fa)√ � + N   Dimana :

nilai threshold

_{variansi sinyal} Q-1 _{= inverse Q-funtion}

Pfa = probability of false alarm N = panjang sampel

BAB IV

DATA DAN ANALISIS KINERJA ENERGY DETECTION

BLACKMAN-TUKEY DAN WELCH PADA KANAL AWGN

APLIKASI COGNITIVE RADIO

4.1 Umum

Seperti yang telah dijelaskan pada Bab 3 sebelumnya, proses simulasi spektrum sensing menggunakan metode energy detection terdiri atas tiga tahapan pokok yaitu pembangkitan random frekuensi analog pada transmitter dengan menggunakan random frequency generator, mendeteksi sinyal PU dengan metode energy detection, dan membandingkan hasil keluaran sinyal dengan nilai threshold.

Dari proses simulasi tersebut di atas maka dapat ditampilkan bentuk – bentuk pemrosesan sinyal radio FM disepanjang tahapan proses seperti yang dimodelkan pada Gambar 3.1 sebelumnya. Pada Bab 4 ini akan ditampilkan bentuk – bentuk sinyal tersebut dan analisa kinerja sistemnya.

4.1 Analisis Energy Detection menggunakan PSD Blackman-Tukey

Simulasi ini bertujuan untuk mengetahui unjuk kerja sistem dengan metode deteksi energy detection menggunakan PSD Blackman-Tukey pada spektrum radio FM. Simulasi ini dilakukan untuk melihat bagaimana tingkat kemampuan mendeteksi kanal spektrum radio FM yang dihadirkan setelah dilakukan pembangkitan data

masukan mulai 10% hingga 100%. Tabel 4.1 menunjukkan hasil simulasi kinerja energy detection menggunakan Power Spectral Density (PSD) Blackman-Tukey.

Tabel 4.1 Data hasil simulasi Energy Detection menggunakan PSD Blackman-Tukey Presentase kanal dibangkitkan Jumlah kanal frek. acak Jumlah PU yang hadir

Keterangan kanal frekuensi yang hadir

10% 5 5 Kanal 1, 24, 33, 35, 46,

20% 10 10 Kanal 2,5,6,13,16,18,30,33,35,40

30% 15 14 Kanal

4,7,13,17,23,24,25,29,33,37,38,45,46, 50

40% 20 17 Kanal

4,7,8,13,14,17,20,21,26,27,28,29,31,32, 36,43,50

50% 25 25 Kanal

2,3,4,5,8,10,12,15,17,20,21,27,29,31,32 ,33,35,37,38,40,41,42,44,46,49

60% 30 30 Kanal

2,3,4,9,11,12,13,14,15,18,19,21,22,23,2 6,27,29,30,31,32,34,36,39,40,44,45,46, 47,48,50

70% 35 34 Kanal 2,3,4,5,7,8,9,10,

11,13,14,16,17,18,21,22,23,24,25,26,27 ,28,29,31,32,34,35,37,41,42,43,45,46,4 9

80% 40 40 Kanal

1,2,3,4,6,7,8,9,10,11,13,14,15,16,17,18, 19,20,21,22,24,25,26,30,31,32,33,35,37 ,38,39,40,42,43,44,45,47,48,49,50

90% 45 45 Kanal

1,2,3,4,6,7,8,9,10,11,12,13,14,15,16,17, 19,20,21,22,23,24,27,28,29,30,31,32,33 ,34,35,36,37,38,40,41,42,43,44,45,46,4 7,48,49,50

Dari Tabel 4.2 terlihat bahwa setiap persentase pembangkitan data masukan mulai dari 10% sampai dengan 100% memiliki kemampuan deteksi yang berbeda-beda. Untuk mendeteksi kehadiran primary user ditentukan berdasarkan perbandingan energi sinyal tehadap nilai threshold yang mana telah ditetapkan bahwa primary user dikatakan hadir (present) jika kanal frekuensi menghasilkan spektrum daya melebihi nilai thresholdnya dan dikatakan tidak hadir (absent) jika kanal frekuensinya menghasilkan spektrum daya di bawah nilai thresholdnya dan kanal frekuensi yang kosong inilah yang nantinya dapat digunakan oleh cognitive radio user. Dari simulasi ini PSD Blackman-Tukey memiliki kemampuan mendeteksi yang cukup akurat, dimana pada saat data masukannya dibangkitkan saat presentasi 10%, 20%, 50%, 60%, 80%, 90% dimana jumlah kanal frekuensi acak yang diperoleh mampu dideteksi secara keseluruhan dimana jumlah primary user yang dideteksi pada PSD ini yaitu 5 PU, 10 PU, 25 PU, 30 PU, 40 PU, dan 45 PU. kehadiran primary user metode Blackman-Tukey ini lebih jelas lagi dapat dilihat pada Lampiran 3.

4.3 Analisis Energy Detection menggunakan PSD Welch

Simulasi ini bertujuan untuk mengetahui unjuk kerja sistem dengan metode

deteksi energy detection menggunakan PSD welch pada spektrum radio FM. Simulasi ini dilakukan untuk melihat bagaimana tingkat kemampuan mendeteksi kanal spektrum radio FM yang dihadirkan setelah dilakukan pembangkitan data masukan mulai 10% hingga 100%. Tabel 4.2 menunjukkan hasil simulasi kinerja energy detection menggunakan Power Spectral Density (PSD) welch.

Tabel 4.2 Data hasil simulasi Energy Detection menggunakan PSD welch Presentase kanal dibangkitkan Jumlah kanal frek. acak Jumlah PU yang hadir

Keterangan kanal frekuensi yang hadir

10% 5 5 Kanal 1, 24, 33, 35, 46,

20% 10 10 Kanal 2,5,6,13,16,18,30,33,35,40

30% 15 14 Kanal

4,7,13,17,23,24,25,29,33,37,38,45,46, 50

40% 20 17 Kanal

4,7,8,13,14,17,20,21,26,27,28,29,31,32, 36,43,50

50% 25 25 Kanal

2,3,4,5,8,10,12,15,17,20,21,27,29,31,32 ,33,35,37,38,40,41,42,44,46,49

60% 30 30 Kanal

2,3,4,9,11,12,13,14,15,18,19,21,22,23,2 6,27,29,30,31,32,34,36,39,40,44,45,46, 47,48,50

70% 35 34 Kanal 2,3,4,5,7,8,9,10,

11,,13,14,16,17,18,21,22,23,24,25,26,2 7,28,29,31,32,34,35,37,41,42,43,45,46, 49

80% 40 40 Kanal

1,2,3,4,6,7,8,9,10,11,13,14,15,16,17,18, 19,20,21,22,24,25,26,30,31,32,33,35,37 ,38,39,40,42,43,44,45,47,48,49,50

90% 45 45 Kanal

1,2,3,4,6,7,8,9,10,11,12,13,14,15,16,17, 19,20,21,22,23,24,27,28,29,30,31,32,33 ,34,35,36,37,38,40,41,42,43,44,45,46,4 7,48,49,50

Dari Tabel 4.2 terlihat bahwa setiap persentase pembangkitan data masukan mulai dari 10% sampai dengan 100% memiliki kemampuan deteksi yang berbeda-beda. Untuk mendeteksi kehadiran primary user ditentukan berdasarkan perbandingan energi sinyal tehadap nilai threshold yang mana telah ditetapkan bahwa primary user dikatakan hadir (present) jika kanal frekuensi menghasilkan spektrum daya melebihi nilai thresholdnya dan dikatakan tidak hadir (absent) jika kanal frekuensinya menghasilkan spektrum daya di bawah nilai thresholdnya dan kanal frekuensi yang kosong inilah yang nantinya dapat digunakan oleh cognitive radio user. Dari simulasi ini PSD Welch memiliki kemampuan mendeteksi yang cukup akurat, dimana pada saat data masukannya dibangkitkan saat presentasi 10%, 20%, 50%, 60%, 80%, 90% dimana jumlah kanal frekuensi acak yang diperoleh mampu dideteksi secara keseluruhan dimana jumlah primary user yang dideteksi pada PSD ini yaitu 5 PU, 10 PU, 25 PU, 30 PU, 40 PU, 45 PU.

Kemampuan kedua jenis PSD tersebut tidak berbeda dalam mendeteksi keberadaan sinyal yang diterima, dimana dari data yang didapat dari hasil simulasi, masing-masing jenis PSD memiliki tingkat keakuratan yang sama. Dari kedua jenis PSD yang digunakan, maka dapat dirangkumkan secara lengkap kemampuan deteksi primary user kedua PSD tersebut dalam Tabel 4.3. kehadiran primary user metode Welch ini lebih jelas lagi dapat dilihat pada Lampiran 3.

Tabel 4.3 Simulasi Energy Detection menggunakan PSD Periodogram dan PSD

Welch

Dari data hasil simulasi yang diperoleh, kemampuan kedua jenis PSD yang digunakan adalah sama. Gambar 4.1 berikut adalah grafik yang menjelaskan kemampuan metode energy detection dalam mendeteksi PU di sistem secondary user dari simulasi pembangkitan acak PU dimuai pembangkitan 10% hingga 100%.

Presentasi Pembangkitan Data Masukan

Jumlah Kanal Frekuensi

Acak

Kanal Frekuensi yang hadir

PSD

Blackman-Tukey

PSD Welch

10 % 5 5 5

20 % 10 10 10

30 % 15 14 14

40 % 20 17 17

50 % 25 25 25

60 % 30 30 30

70 % 35 34 34

80 % 40 40 40

90 % 45 45 45

Gambar 4.1 Grafik data simulasi kinerja metode energy detection

4.4 Analisis Penghitungan Spektral Daya PSD Blackman-Tukey dan Welch

Nilai Threshold sangat mempengaruhi penetapan hadir atau tidaknya primary user dalam sistem ini. Dimana besarnya Threshold ini tergantung nilai data yang dimiliki oleh PSD Blackman-Tukey dan Welch yang ditunjukkan pada persamaan 3.7 dan persamaan 3.9. Salah satu contoh pembangkitan kanal sebesar 20% yang ditunjukkan pada Tabel 4.4.

0 5 10 15 20 25 30 35 40 45 50 0 5 10 14 17 25 30 34 40 45 49 0 10 20 30 40 50 60 70 80 90 100

1 2 3 4 5 6 7 8 9 10 11

pe rsen tase pe mba ng ki tan kanal

Jumlah Kanal yang hadir

Tabel 4.4 Pembangkitan kanal energy detection sebesar 20%

Dari Tabel 4.4 bisa kita perhatikan besar threshold sangat mempengaruhi kanal primary user yang hadir. Dimana besar rata – rata daya pembangkitan kanal 10%-100% pada masing-masing PSD tidak memiliki selisah yang cukup besar. Besar rata-rata daya pembangkitan kanal 10% pada PSD Blackman-Tukey adalah -2.21 dB dan Welch adalah -2.15 dB, besar rata-rata daya pembangkitan kanal 20% pada PSD Blackman-Tukey adalah -2.33 dB dan Welch adalah -2.21 dB, besar rata-rata daya pembangkitan kanal 30% pada PSD Blackman-Tukey adalah -2.23 dB dan Welch adalah -2.23 dB, besar rata-rata daya pembangkitan kanal 40% pada PSD Blackman-Tukey adalah -2.28 dB dan Welch adalah -2.27 dB, besar rata-rata daya pembangkitan kanal 50% pada PSD Blackman-Tukey adalah -2.18 dB dan Welch adalah -2.21 dB, besar rata-rata daya pembangkitan kanal 60% pada PSD Blackman-Tukey adalah -2.28 dB dan Welch adalah -2.24 dB, besar rata-rata daya pembangkitan kanal 70% pada PSD Blackman-Tukey adalah -2.19 dB dan Welch adalah -2.17 dB, besar rata-rata daya pembangkitan kanal 80% pada PSD Blackman-Tukey adalah -2.19 dB dan Welch

Kanal Yg hadir

Frek.PU Energy Detect Treshold

Spektrum Blackman -

Tukey Spektrum Welch

2 _{88.0659 -2.5309 -2.0259 -5.53}

5 _{89.2977 -2.3926 -2.4266 -5.53}

6 _{89.7083 -2.1037 -2.2788 -5.53}

13 _{91.7614 -2.1736 -2.1046 -5.53}

16 _{92.9932 -3.0034 -2.4468 -5.53}

18 _{93.8144 -2.2341 -2.1143 -5.53}

30 _{98.7417 -2.4852 -2.4723 -5.53}

33 _{99.9735 -2.1355 -2.0317 -5.53}

35 _{100.7947 -2.2584 -2.1734 -5.53}

adalah -2.10 dB, besar rata-rata daya pembangkitan kanal 90% pada PSD Blackman-Tukey adalah -2.17 dB dan Welch adalah -2.19 dB, dan besar rata-rata daya pembangkitan kanal 100% pada PSD Blackman-Tukey adalah -2.32 dB dan Welch adalah -2.26 dB. Hasil analisis menunjukkan PSD Blackman-Tukey lebih baik dibandingkan PSD Welch, dimana rata- rata daya spektral Blackman dan Tukey adalah -2,25033 dB/Hz dan Welch adalah -2,20859 dB/Hz setiap pembangkitan kanal 100% dengan besar threshold -5,53 dB/Hz. Rata-rata daya pembangkitan daya 10-100% dapat dilihat lebih jelas lagi pada Lampiran 3.

BAB V

PENUTUP

5.1 Kesimpulan

Dari hasil simulasi yang dilakukan dapat ditarik beberapa kesimpulan, diantaranya adalah:

1. Dengan berbagai macam metode Power Spectral Density (PSD) yang ada sangat mempermudah dalam penganalisisan spektrum hasil keluaran.

2. Nilai threshold sangat mempengaruhi penetapan hadir atau tidaknya primary user dalam suatu sistem. Dimana besarnya Threshold tergantung dari nilai data yang dimiliki masing-masing PSD.

3. Dari hasil simulasi yang dilakukan dengan menggunakan dua macam algoritma PSD yaitu : Blackman-Tukey dan Welch. Hasil analisis menunjukkan PSD Blackman-Tukey lebih baik dibandingkan PSD Welch, dimana rata- rata daya spektral Blackman dan Tukey adalah 2,25033 dB/Hz dan Welch adalah 2,20859 dB/Hz setiap pembangkitan kanal 10100% dengan besar threshold -5,53 dB/Hz.

5.2 Saran

Dari kesimpulan - kesimpulan yang telah diperoleh, maka saran yang dapat diberikan oleh penulis adalah :

1. Analisis penentuan primary user juga dapat dibahas lebih mendalam dengan menggunakan metode-metode sensing lainnya seperti : Matched Filter dan Cyclostationary untuk melihat manakah metode yang paling baik.

2. Analisis dapat juga dilakukan dengan menggunakan jenis – jenis PSD yang lain dengan menggunakan berbagai tipe window .

BAB II

DASAR TEORI

2.1 Umum

Komunikasi radio adalah komunikasi tanpa kabel yang memanfaatkan udara (ruang hampa/free space) sebagai media transmisi unuk perambatan gelombang radio ( yang bertindak sebagai gelombang pembawa informasi ). Sistem terdiri atas dua bagian pokok, yaitu pemancar (Tx) dan penerima (Rx). Pemancar terdiri atas modulator dan antena pemancar, sedangkan penerima terdiri atas demodulator dan antena penerima. Modulator berfungsi memodulasi informasi menjadi sinyal yang akan dipancarkan melalui antena pemancar. Antena merupakan suatu sarana atau piranti pengubah sinyal listrik (tegangan/arus) menjadi sinyal elektromagnetik (sebagai pemancar). Sinyal elektromagnetik inilah yang akan dipancarkan melalui udara atau ruang bebas (sehingga sampai ke penerima). Sinyal yang dipancarkan oleh antena pemancar akan ditangkap oleh antena penerima seperti pada Gambar 2.1[1].

Dalam hal ini, antena merupakan suatu sarana atau piranti pengubah sinyal elektromagnetik menjadi sinyal listrik (tegangan/arus) (sebagai penerima). Demodulator pada bagian penerima akan men-demodulasi (yaitu proses balik dari modulasi) sinyal listrik menjadi sinyal informasi seperti aslinya. Agar antena dapat bekerja dengan efektif, maka dimensi antena harus merupakan kelipatan (orde) tertentu dari panjang gelombang radio yang digunakan. Gelombang radio adalah suatu gelombang elektromagnet yang terdiri dari garis-garis gaya medan listrik dan garis-garis gaya medan magnet yang merambat di ruang bebas dengan kecepatan sebesar kecepatan cahaya yaitu, C = 3.108 _{m/s. Gelombang radio merupakan bentuk} radiasi elektromagnetik tak terlihat.

2.2 Spektrum Frekuensi Radio

Rentang frekuensi yang ada harus diatur penggunaannya (disebut alokasi frekuensi) sedemikian rupa sehingga sistem-sistem radio yang ada tidak saling mengganggu. Bidang frekuensi yang digunakan untuk telekomunikasi menempati rentang dari 3 kHz hingga 3 THz (Tera = 1012). Dengan pengaturan alokasi frekuensi, maka setiap sistem yang menggunakan komunikasi radio akan memiliki rentang frekuensi kerja tersendiri yang berbeda dengan rentang frekuensi kerja sistem yang lain. Kenyataan ini juga akan meminimalkan resiko interferensi oleh karena penggunaan frekuensi yang sama oleh dua atau lebih sistem yang berlainan. Interferensi juga sering disebabkan oleh penggunaan filter yang kurang baik, sehingga terjadi kebocoran frekuensi.

Pada Tabel 2.1 diperlihatkan salah satu contoh alokasi frekuensi untuk beberapa sistem radio.

Tabel 2.1 Frekuensi dan Panjang Gelombang Menurut ITU (International

Telecommunication Union)

Pengelompokan spektrum frekuensi pada Tabel 2.1 tersebut menunjukkan bahwa spektrum frekuensi merupakan sumber daya yang terbatas dan perlu pengelolaan yang seefisien mungkin untuk menghindari ketidak optimalan pemakaian spektrum frekuensi. Sumber daya yang terbatas ini memiliki nilai ekonomis yang tinggi dan regulasi penggunaan spektrum frekuensi di

negara-Jangkauan Bidang Frekuensi Penggunaan 3 – 30 KHz VLF(Very Low Frequency) Maritim dan militer 30 – 300 KHz LF (Low Frequency)

LW (Long Wave)

Aeronotika, navigasi, radio transoseanik 300 – 3000 KHz MF (Medium Frequency)

MW (Medium Wave)

Siaran AM

3 – 30 MHz HF (High Frequency) SW (Short Wave)

Radio CB, radio amatir

30 – 300 MHz VHF (Very High Frequency) Radio bergerak, TV VHF, siaran FM, aeronotika

300 – 3000 MHz UHF (Ultra High Frequency) TV UHF, satelit, radio bergerak

3 – 30 GHz SHF (Super High Frequency) Rele radio gel. mikro 30 – 300 GHz EHF (Extremely High Frequency) Radio dengan pemandu

negara di dunia pada umumnya dikelola oleh badan tertentu yang dibentuk menurut kebijakan negara tersebut. Di Indonesia, badan pemerintah yang bertugas mengelola dan mengawasi penggunaan spektrum frekuensi radio adalah Direktorat Jenderal Sumber Daya dan Perangkat Pos dan Informatika (SDPPI).

Disamping sebagai sumber daya yang terbatas, penggunaan frekuensi semakin meningkat seiring dengan semakin pesatnya perkembangan dunia telekomunikasi dengan berbagai perangkat dan teknologi yang digunakan. Peningkatan itu juga di dorong penggunaan sarana telekomunikasi yang semakin variatif dan intensitas yang semakin besar pula. Contoh yang paling nyata adalah perkembangan teknologi seluler yang semakin tinggi kebutuhannya di masyarakat yang demikian akan membutuhkan penggunaan frekuensi yang semakin tinggi pula. Demikian halnya di bidang teknologi penyiaran dan komunikasi lainnya[2].

2.3 Teknologi Cognitive Radio

Dalam dunia telekomunikasi nirkabel (Wireless Communications) spektrum frekuensi adalah hal yang mendapatkan perhatian penting, karena melalui spektrum inilah data bisa dikirimkan, semakin besar interval frekuensi didapatkan, semakin tinggi pula kecepatan data (data rate dalam bps) yang bisa diperoleh. Karena spektrum sangat penting dan merupakan sumber daya (resource) yang terbatas, penggunaannya harus dilakukan secara efisien dan se-maksimal mungkin. Dalam hal ini teknologi sistem Cognitive Radio menjadi alternatif solusi di masa yang akan datang. Sebuah sistem yang dinamis dan berpotensi untuk terus dikembangkan hingga mampu menjadi andalan dalam tingkat yang lebih praktis pada kebutuhan layanan telekomunikasi di masa depan.

2.3.1 Pengertian Cognitive Radio

Istilah Cognitive Radio pertama kali diperkenalkan oleh ilmuwan asal swedia, Joseph Mitola III, yang mana Cognitive Radio disebut sebagai sistem radio yang dapat memahami konteks keberadaan dalam suatu lingkungan komunikasi, yang mampu mengatur parameternya secara optimal untuk melakukan proses komunikasi. Karena kemampuan performansi dalam akses spektrum tersebut, sehingga Cognitive Radio disebut dapat sebagai solusi untuk masalah keterbatasan spektrum frekuensi[4].

Cognitive Radio didefenisikan sebagai sebuah model pola teknologi komunikasi wireless dimana pengguna lain (secondary user) dapat bekerja pada kanal komunikasi milik pengguna utama (primary user) disaat tidak sedang aktif. Untuk meningkatkan efisiensi kerjanya secondary user berubah melalui parameter-parameter transmisinya secara sendiri tanpa mengalami interferensi dengan primary user. Primery User (PU) merupakan pemilik spektrum utama (licensed user) yang ditugaskan pada saluran frekuensi tertentu. Sedangkan Secondary User (SU) merupakan pengguna yang tidak berijin (unlicensed user) yang dapat menggunakan spektrum frekuensi hanya ketika primery user sedang tidak menggunakan spektrum frekuensinya, dengan kata lain spektrumnya sedang kosong[3]. Pengertian ini menjadikan Cognitive Radio harus mampu untuk mendeteksi spektrum frekuensi radio secara baik untuk mencapai operasi jaringan secara optimal sesuai kebutuhannya. Sistem komunikasi saat ini yang menggunakan radio dapat berlaku adaptif di beberapa hal. Sebagai contoh teknologi komunikasi 3G memiliki kemampuan yang dinamis mengatur level daya pancarnya sesuai kondisi lingkungan, yang tidak mempengaruhi kualitas layanan. Sistem WiMAX dapat menyesuaikan karakteristik sinyal yang dikirimkan dalam stabilitas

link dan throughput. Hal tersebut tidak terlihat secara nyata oleh user, padahal kenyataannya sistem komunikasi saat ini mampu berlaku adaftif dalam menjaga kestabilan konektivitas dalam berbagai kondisi.

Pada sistem WiMAX, sifat adaftif tersebut diterapkan. Pada sistem komunikasi, modulasi merupakan proses pengalokasian data pada gelombang radio untuk ditransmisikan. Modulasi dengan skema berordo tinggi menawarkan data rate yang lebih tinggi, namun butuh kondisi sinyal yang baik agar optimal bekerja. Sedangkan, modulasi dengan skema berordo rendah menawarkan data rate yang lebih rendah, namun tidak terlalu membutuhkan kondisi optimal sinyal dalam bekerja. Sinyal diterima biasanya berkualitas didekat base station sehingga skema modulasi berordo tinggi dapat digunakan. Sedangkan untuk area disekitar batas jangkauan maksimum base station, level sinyal diterima dalam kondisi kurang baik sehingga sistem akan menggunakan modulasi skema ordo yang lebih rendah digunakan untuk menjaga kualitas konektivitas agar tetap stabil.

Sistem Cognitive Radio memiliki sifat adaptif, bahkan lebih kompleks dari yang diterapkan saat ini. Dimana pada sistem ini, bahwa level adaftifitas yang lebih tinggi diaplikasikan ke berbagai parameter kerja seperti frekuensi kerja, level daya, skema modulasi, pola beam antena, penggunaan baterai, penggunaan prosesor, dll. Cognitive Radio memiliki empat jenis masukan (input), yaitu kondisi lingkungan, kondisi sistem itu sendiri, kebijakan regulasi yang berlaku, dan tuntutan telekomunikasi. Sistem ini harus mengenal posisi dan lingkungan area kerjanya. Keempat masukan itu adalah tolak ukur dari persiapan membangun sistem Cognitive Radio sehingga dalam penerapannya tidak akan menimbulkan permasalahan seperti interferensi karena ke tidak aturan dalam merancang sistem tersebut[4].

2.3.2 Konfigurasi Cognitive Radio

Dalam melakukan konfigurasi sistim cognitive radio dilakukan pen-settingan parameter pada sistim tersebut. Ada banyak pen-pen-settingan yang bisa dilakukan, mulai dari frekuensi, lebar pita frekuensi (bandwidth), durasi sinyal, teknik modulasi, daya pancar (penggunaan baterei), dan sebagainya. Dalam melakukan pen-settingan ini perlu diperhatikan konsekuensinya, banyak konsekuensi positif ataupun negative. Pen-settingan sistim tergantung dari hardware dan software yang tersedia di piranti komunikasi, juga tergantung dari standard dan regulasi yang membawahi piranti tersebut. Visi dari sistim cognitive radio adalah tidak adanya hambatan yang membatasi kemungkinan dan kemampuan untuk melakukan konfigurasi, kecuali konsekuensi negative yang akan muncul. Dari hasil observasi dengan spektrum analyzer yang terintegrasi di dalam sistim, ditambah data-data lainnya, misalnya dari data base regulasi dan spesifikasi alat, dilakukan proses pengambilan keputusan, yang akan memicu proses pen-settingan parameter pemancaran dan penerimaan untuk melakukan komunikasi secara kognitif. Adapun komponen pada piranti sistem cognitive radio ditunjukkan pada Gambar 2.2 [4].

2.3.2.1 Konfigurasi dari sudut pandang frekuensi

Komponen penerima dari sistim cognitive radio yang dilengkapi oleh spectrum analyzer harus mampu untuk bisa mendeteksi wilayah spektrum yang kosong secara akurat, di mana dan seberapa lebar. Sistim cognitive radio ini kemudian menggunakan wilayah yang kosong tersebut untuk suatu waktu tertentu, sampai ia harus kembali meninggalkannya.

Untuk melakukan proses di atas, sistim cognitive radio harus didukung oleh kemampuan software dan hardware yang memadai, bagian frekuensi radio (radio frequency/RF) yang berupa synthesizer, filter lolos tengah yang selektif bersama dengan bagian digital yang mempunyai kemampuan prosesor yang besar dan cepat mengupayakan pemanfaatan spectrum yang kosong ini dengan interferensi yang minimal seperti pada Gambar 2.3.

Gambar 2.3 Pemanfaatan spectrum yang kosong oleh sistim cognitive radio[3].

2.3.2.2 Konfigurasi dari sudut pandang lokasi geografis

Dalam beberapa kondisi, sangat mungkin spectrum yang bisa digunakan hanya berlaku untuk suatu wilayah atau sector arah tertentu. Ada tiga kasus menarik yang ditampilkan di gambar 2.4. Jika BTS sekunder menggunakan antena omnidireksional, bisa jadi, untuk mensuplai pengguna sekunder yang berada relative jauh dari BTS sekunder diperlukan daya yang besar, yang akan menimbulkan interferensi pada pengguna utama yang berada di pinggir wilayah

penyuplaian. Kondisi seperti ini pasti akan dihindarkan oleh sistim cognitive radio Ada dua cara yang akan atau bisa digunakan untuk menyelesaikan masalah tersebut.

Gambar 2.4 (b) menunjukkan, dipergunakannya daya pancar yang lebih kecil dari kasus a), sehingga tidak akan terjadi interferensi di pengguna utama, tetapi ada pengguna sekunder yang akhirnya tidak bisa melakukan hubungan komunikasi, karena berada di luar jangkauan BTS sekunder.

Gambar 2.4 (c) memberikan alternative yang sangat menarik, yaitu dengan dipergunakannya antena yang memiliki beamforming khusus, yang dirancang secara configurable untuk setiap kasus yang muncul, sehingga semua pengguna sekunder tetap mendapatkan kesempatan untuk melakukan komunikasi. Komponen utama pada kasus ini adalah antena array, yang bersifat adaptif . Antena adaptif, atau antena cerdas ini terdiri dari sekumpulan antena yang didukung oleh rangkaian elektronika dengan mikroprosesor.

Gambar 2.4 Penggunaan antena dengan beamforming khusus pada cognitive

2.3.2.3 Konfigurasi dari sudut pandang ketahanan sinyal

Pada bagian sebelumnya, ditunjukkan konfigurasi frekuensi kerja, daya pancar dan bentuk pancaran antena dari sistim cognitive radio. Selain itu diharapkan juga sistim ini bisa mengubah bentuk modulasinya. Misalnya sistim orthogonal frequency division multiplexing (OFDM), bisa menjadi suatu pilihan utama, jika sistem komunikasi berada di lingkungan multipath. Jenis modulasi dan ordo pemodulasian juga menentukan resistensi dari sinyal tersebut terhadap derau. Modulasi ordo tinggi sangat mudah untuk diganggu derau, yang akan mengakibatkan bertambahnya bit error rate (BER). Penggunaan pengkodean saluran dengan coding rate yang rendah akan menaikkan resistensi sinyal dari gangguan, karena di dalam sinyal tersebut terdapat cukup parity yang bisa membantu piranti penerima dalam melakukan proses error detection and correction.

2.3.2.4 Konfigurasi dari segi kecepatan transfer data

Konfigurasi sistem yang akan mengubah kecepatan transfer data telah diceritakan sebahagian pada bagian 2.3.3 Modulasi dan koding merupakan proses yang langsung bisa menaikkan atau menurunkan kecepatan transfer data. Terjadi kompromis (trade-off) antara kecepatan transfer data dengan rentanitas sinyal dari gangguan. Pada prakteknya, lebih sering data rate yang dikorbankan untuk mendapatkan sinyal yang lebih tahan dari gangguan dan kesalahan. Sistim multiple input multiple output (MIMO), yang diperkenalkan oleh Foschini di tahun 1996, memberikan usulan yang merupakan jalan keluar penting di akhir abad 20-an, untuk menaikkan data rate dari sebuah hubungan komunikasi tanpa membutuhkan spectrum frekuensi yang lebih besar. Pada sistim MIMO ini diperlukan antena yang

dihubungkan dengan mikroprosessor tertentu, yang akan mengatur amplitude dan phasa dari pencatuan, sehingga bisa dihasilkan pembesaran data rate sesuai dengan jumlah antena yang digunakan. Sistem MIMO akan bekerja secara efisien, jika lingkungan tempat sistem ini berada, bersifat rich scattering, yaitu kondisi dengan banyaknya refleksi dan difraksi, sehingga memungkinkan sinyal satu dengan sinyal lainnya untuk mencapai penerima melalui jalur yang beraneka ragam[3].

2.4 Teknik Spectrum Sensing

Salah satu komponen kunci utama pada sistem Cognitive Radio adalah teknik spectrum sensing. Spectrum sensing didefinisikan sebagai pola penunjukan statistik data dari beberapa spektrum dan memilih keputusan yang relevan dalam menggunakan spektrum berdasarkan hasil pengukuran statistik data tersebut. Spectrum sensing memudahkan dalam mengelola spektrum. Dengan mengetahui bagian-bagian spektrum yang tidak terpakai, kita dapat mengelolanya untuk memaksimalkan penggunaan frekuensi yang ada, akses terhadap spektrum yang sudah terpakai dihindari untuk mencegah interferensi dengan pengguna utamanya (primary user). Ketika sistem radio dapat berubah sewaktu-waktu, diperlukan proses sensing secara periodik sehingga pengguna lain (secondary user) dapat memanfaatkan spektrum yang kosong saat tidak digunakan oleh pengguna utamanya (primary user). Spectrum sensing meningkatkan efisiensi yang mana dapat menambah throughput sistem yang sudah ada[5].

Teknik Spectrum sensing merupakan proses deteksi transmisi primary user (pemilik lisensi kanal tertentu) pada kanal band frekuensinya. Untuk hal itu, jika kanal tidak sedang digunakan maka akan ada kemungkinan untuk secondary user (pengguna lain bersifat Cognitive Radio) menggunakan kanal tersebut dalam jangka

waktu tertentu. Hal ini sekaligus menghindari terjadinya interferensi antar pengguna komunikasi yang berbeda. Melalui teknik spectrum sensing diharapkan sistem mampu mengukur dan menyesuaikan sistem dengan karakteristik dan kemampuan spektrum yang ada serta mengetahui kemampuan sistem terhadap lingkungannya. Kondisi – kondisi tersebut juga dipengaruhi oleh waktu, letak geografi, metode pengkodeannya dan penggunaan spektrum frekuensi[5].

Pada teknik spectrum sensing berdasarkan deteksi primary transmitter, sistem cognitive radio memastikan kekuatan sinyal dari primary user. Pada metode ini, lokasi dari primary receivers tidak diketahui oleh sistem cognitive dimana tidak ada pensinyalan antara primary user dengan cognitive user. Model matematis teknik spectrum sensing dapat dijabarkan Persamaan 2.1

X(t) = n(t) ………… H0

X(t) = h*s(t) + n(t) ... H1 (2.1)

Jika X(t) adalah sinyal diterima oleh cognitive user, n(t) adalah AWGN noise, s(t) adalah primary user dan H1 adalah kehadiran primary user.

Model sistem untuk teknik spectrum sensing berbasis deteksi transmitter, ditunjukkan pada blok diagram Gambar 2.5.

Channel

1. Energy Detection 2. Matched Filter Detection 3. Cyclostationary Feature Detection

∑

1. Energy Detection 2. Matched Filter Detection 3. Cyclostationary Feature Detection QPSK QPSK QPSK RF MODULATION RF MODULATION RF MODULATION SSB SSB SSB

CR USER 1

CR USER 2

SENSING Primary user 1

Primary user 2

Primary user n

Gambar 2.5 Model sistem sensing spektrum berbasis deteksi Transmitter[5]

Pada model ini, lingkungan radio telah dibentuk dimana terdapat ‘n’ jumlah primary user yang ditransmisikan pada band frekuensi yang berbeda-beda. Hal itu memiliki tujuan bahwa ada sejumlah primary user mengirimkan data (sinyal) pada lingkungan radio tersebut, dan cognitive user menerima informasi yang digunakan untuk menentukan keberadaan primary user pada lingkungan radio tersebut. Primary user dibangkitkan secara acak untuk mengirimkan sinyal-sinyal yang akan ditransmisikan pada kanal yang telah ditentukan. Sinyal dari primary user yang berbeda tidak identik satu sama lain. Selain primary receiver, cognitive user juga akan mendeteksi sinyal tersebut saat melakukan sensing pada kanal transmisi tersebut.

Ada 3 (tiga) teknik umum pada spectrum sensing yaitu: cooperative detection, primary transmitter detection dan interference based detection. Teknik

primary transmitter detection secara umum terdiri dari: energy detection, matched filter detection dan cyclostationery feature detection. Pada dasarnya, belakangan ini para peneliti banyak fokus terhadap spectrum sensing agar menghasilkan komunikasi yang interaktif dan efektif antara cognitive user dengan lingkungannya. Deteksi transmitter adalah salah satu topik utama dalam skema spektrum sensing, yang mana pada skema ini frekuensi dari primary user langsung ditentukan[6].

2.4.1 Energy Detection

Teknik spektrum sensing menggunakan metode energy detection merupakan metode yang cukup umum dimana ciri sistem ini tidak memerlukan terlebih dahulu sejumlah informasi tentang sinyal yang akan dideteksi. Oleh karena itu, teknik ini independen dari sinyal dan dapat digunakan untuk mendeteksi sinyal apapun. Dengan demikian, metode energy detection tidak dapat membedakan antar sinyal. Artinya, metode ini hanya akan membandingkan level daya sinyal tersebut dengan level threshold. Untuk menetapkan level threshold, energy detection memerlukan pemahaman akan parameter-parameter seperti besar noise pada kanal transmisi. Hasil perbandingan level daya sinyal tersebut digunakan untuk mengetahui kehadiran atau ketidakhadiran sinyal primary user[6].

Untuk menghitung energi sinyal, sinyal diterima terlebih dahulu disampling, kemudian diubah ke bentuk domain frekuensi dengan melakukan FFT sinyal yang dilanjutkan dengan menjumlahkan koefisien sinyal dan menghitung rata-ratanya. Pada penelitian ini deteksi energi menggunakan nR yang bervariasi. Kanal ini di atur dengan menggunakan nR yang bervariasi membuat detector harus dapat memiliki kemampuan mendeteksi menggunakan banyak antena penerima.

Digunakan persamaan berdasarkan banyaknya antena penerima yang ditunjukkan pada persamaan 2.2:



   K i N n i n x E 1 1 2 )

( (2.2)

K= Jumlah Antena N= Jumlah Sampel

Metode deteksi energy ini memiliki kelemahan yaitu, detektor harus memiliki pengetahuan mengenai noise power. Pada dasarnya noise power yang tetap membuat detektor berfungsi dengan baik. Tetapi pada prakteknya noise power tidak selalu tetap atau mengalami perubahan (uncertain noise). Maka dari itu harus adanya metode lain yang tahan terhadap perubahan tersebut. Skema deteksi metode energy detection dalam domain frekuensi tersebut dijelaskan seperti Gambar 2.6 .

ADC Average M bins N

times Squarer

FFT

X(t) Test statistik

Gambar 2.6 Skema energy detector domain frekuensi

2.4.2 Matched Filter Detection

Pada matched filter detection, filter linear digunakan untuk memaksimalkan SNR. Deteksi dengan metode ini berguna hanya pada kasus dimana informasi tentang primary user diketahui oleh cognitive user. Pada cognitive radio matched filter dapat dijadikan sebagai salah satu metode sensing atau pendeteksi sinyal yang dikirim dari primary user. Prinsip kerjanya sangat mudah, sinyal input yang telah dibangkitkan dikonvolusi dengan respon impuls dari filter. Metode ini biasanya digunakan untuk mendeteksi sebuah sinyal deterministik. Setiap metode sensing

memiliki ketetapan dalam menetukan kehadiran dan ketidakhadiran dari suatu primery user, dalam hal ini digunakan threshold atau batas ambang sebagai batasan penentu kehadirannya[7].

2.4.3 Cyclostationary Feature Detection

Cyclostationary Feature Detection atau biasa disebut dengan Cyclostationary Detection saja merupakan metode pendeteksi sinyal yang dikirim dari primary user dengan memanfaatkan sinyal yang diterima dari receiver. Metode pendeteksi menggunakan cyclostationary memanfaatkan periodisitas dari sinyal yang diterima untuk mengidentifikasi keberadaan primary user. Periodisitas tersebut biasanya terdapat pada sinyal pembawa sinusoidal, spreading code, hopping sequence, atau pada cyclic prefix dari sinyal primary user. Metode Cyclostationery Feature Detection juga memerlukan informasi dari tipe sinyal yang akan dideteksi. Metode ini, membutuhkan informasi tentang tipe modulasi dari sinyal yang akan dideteksi. Dengan demikian, Cyclostationery Feature Detection merupakan metode yang optimal dalam mengisolasi noise dari sinyal user[8].

2.5 PSD ( Power Spectral Density )

Power Spectral Density (PSD) adalah metode yang banyak digunakan untuk menganalisis hasil sinyal keluaran. Power Spectral Density menggambarkan bagaimana daya dari sebuah sinyal atau waktu yang ada didistribusikan terhadap frekuensi. PSD merupakan fungsi positif dari suatu frekuensi. Dimensi yang dimiliki dari PSD adalah daya per Hz, biasa disebut sebagai spektrum dari sinyal. Power Spectral Density (PSD) biasanya ditunjukkan untuk spektral yang kontinu.

Pada sistem ini digunakan jenis PSD yaitu PSD Periodogram. Secara matematis PSD dapat dilihat pada Persamaan 2.3.

� � = | | 2

� ; 0 ≤ i ≤ N (2.3)

Dari Persamaan 2.3 tersebut maka dapat diturunkan persamaan matematis untuk memperoleh nilai PSD pada Persamaan 2.4.

� = _�∑�−

= � (2.4)

Dimana,

Sx(i) = spesifikasi data dari setiap daya rata-rata x(i) = data

N = panjang signal atau data Px = nilai PSD

2.5.1 PSD Blackman-Tukey

PSD Blackman-Tukey adalah salah satu jenis PSD periodogram yang sangat cocok digunakan pada fungsi korelasi dengan penyimpangan data yang cukup ekstrim, dimana penyimpangan data yang direkomendasikan adalah sekitar 30-40% dari total keseluruhan panjang data. Dimana persamaan PSD Blackman-Tukey ini ditunjukkan pada persamaan 2.5 [9].

jwm L

L m jw

BT e w m r m e

S     



 ( ) ( ) ) ( 1 ) 1 ( ^ ^ (2.5)

Dimana w(m) pada window dengan nilai 0 untuk |m|>L-1dan L << N. Persamaaannya akan ditunjukkan pada persamaan 2.6.





          

 S e W e dt

e W e S e m r m w e S t w j jt c jw jw c jwm m jw BT ) ( ) ( 2 1 ) ( * ) ( ) ( ) ( ) ( ) ( ^ ^ ^ ^ (2.6) Dimana : BT S ^

= _{PSD Blackman-Tukey}

w(m) = window yang digunakan untuk mendesign PSD Blackman-Tukey

2.5.2 PSD Welch

Metode ini pertama sekali dikemukakan oleh Welch (1967). Isyarat masukan dibagi menjadi segmen–segmen yang pendek dan perhitungan periodogram dilakukan berdasarkan perhitungan FFT, dengan demikian untuk mencari estimasi spektrum daya dapat dilakukan dengan perhitungan yang lebih efisien. Setiap segmen data dimodifikasi dengan mengalikan pada suatu fungsi jendela (window), sebelum dilakukan perhitungan periodogram. Selanjutnya periodogram yang telah dimodifikasi ini dirata-ratakan dan akan menghasilkan estimasi spektrum yang lebih baik. Persamaan matematis untuk metode ini dapat dilihat pada Persamaan 2.7[9].

xi(n) = x ( iD + n) w(n) ; 0 ≤ n ≤ N-1 (2.7) Untuk metode Welch, PSD dihitung dengan mempertimbangkan nilai estimasi pada periodogram Blackman-Tukey, sehingga diperoleh Persamaan 2.8

̂ = _�∑�−�= ��̀ (2.8)

Keterangan:

n = indeks segmen K = sampel periodogram

w = spectral estimasi Welch

xi = signal masing-masing segmen ditambah window D = panjang antar segmen

Untuk memperoleh sinyal keluarannya dengan MATLAB, maka langkah awal dilakukan dengan terlebih dahulu menentukan objek estimatornya dengan persamaan fungsi: hw = spectrum.welch ({winname,winparameter}), dimana hw menyatakan jenis spektrumnya yaitu Welch, winnname menyatakan jenis window yang digunakan, dan winparameter menyatakan banyaknya parameter frekuensi yang dibangkitkan. Dan untuk menghasilkan estimasi sinyal yang sesungguhnya maka selanjutnya digunakan fungsi Hpsdw = psd (h, x, ‘Fs’,Fs), dimana Hpsdw

adalah sinyal keluaran yang dihasilkan oleh PSD Welch.

2.6 Kebijakan Dan Perencanaan Spektrum Untuk Penyiaran

Penggunaan spektrum frekuensi radio untuk keperluan penyiaran mengacu pada definisi Broadcasting Services di Peraturan Radio (Radio Regulation) ITU. Broadcasting services menurut ITU-R, didefinisikan sebagai “aradio communication service in which the transmissions are intended fordirect reception by the general public. This service may include soundtransmissions, television transmissions or other type of transmissions”. Definisi itu bila diterjemahkan menjadi: suatu servis komunikasi radio di mana transmisinya ditujukan untuk penerimaan langsung oleh masyarakat umum. Servis ini dapat mencakup transmisi suara, transmisi televisi atau jenis transmisi lainnya. Penyiaran adalah servis komunikasi satu arah dan memiliki sejarah panjang terhadap penggunaan spektrum frekuensi radio. Penyiaran digunakan untuk penyebaran program kebudayaan dan

pendidikan, hiburan, informasi serta berita melalui gelombang udara. Penyiaran dalam banyak aspek mempengaruhi kehidupan masyarakat.

Secara singkat, sistem penyiaran yang saat ini diadopsi Indonesia dikelompokkan berdasarkan jenis pita frekuensi terdiri dari[2] :

1. Penyiaran Terrestrial Nirkabel a. Pita Frekuensi LF/MF/HF

1.) Siaran radio AM, Analog b. Pita Frekuensi VHF

1.) VHF Band II: Siaran radio FM, Analog 2.) VHF Band III: Siaran TV VHF, Analog c. Pita Frekuensi UHF

1.) UHF Band IV dan V: Siaran TV UHF, Analog 2.) Penyiaran Terrestrial Kabel

3. Penyiaran Satelit a. S-band b. C-band c. Ku-band

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Berkembang teknologi komunikasi dan semakin banyaknya varian layanan telekomunikasi nirkabel tentu sangat menentukan pemakaian spektrum frekuensi. Dimana spektrum frekuensi ini sudah di alokasikan dan terbatas. Terdapat dua masalah mendasar dalam kondisi tersebut. Pertama spektrum frekuensi sangat terbatas, sedangkan permintaan akan menggunakan spektrum sangat tinggi. Kedua, spektrum yang terbatas tersebut belum digunakan secara maksimal sehingga dapat dikatakan efisiensi penggunaan sumber daya spektrum yang ada masih terbatas[1]. Upaya efisiensi spektrum menjadi sangat penting, sehingga muncul sistem baru yaitu sistem Cognitive Radio, suatu sistem manajemen spektrum secara dinamis, dimana rentang band frekuensi bebas digunakan pengguna lain (secondary user) saat tidak dipakai pengguna utama (primary user). Sistem yang digunakan adalah Energy Detection dengan teknologi PSD (Power Spectral Density). Dimana PSD ini sangat bermanfaat bagi pemerintahan dalam mengalokasikan spektrum frekuensi agar lebih efisien[2].

Tugas akhir ini menganalisis kinerja energy detection metode Blackman-Tukey dan Welch pada kanal AWGN sistem cognitive radio. Adapun hasil yang diharapkan dari tugas akhir ini yaitu mengetahui seberapa besar pengaruh cognitive radio metode energy detection terhadap besar threshold dan daya nya. Proses simulasi menggunakan software Matlab R2012b.

1.2. Rumusan Masalah

Adapun rumusan masalah dalam tugas akhir ini adalah bagaimana pengaruh cognitive radio metode energy detection dengan menggunakan metode (Power Spectral Density) Blackman-Tukey dan Welch pada kanal AWGN aplikasi cognitive radio

1.3. Tujuan dan Manfaat Penelitian

Adapun tujuan dan manfaat penelitian dari tugas akhir ini adalah:

Tujuan penelitian tugas akhir ini adalah menganalisis kinerja energy detection berupa SNR (Signal to Noise Ratio) dan threshold menggunakan metode PSD (Power Spectral Density) Blackman-Tukey dan Welch pada kanal AWGN aplikasi cognitive radio.

Manfaat penelitian tugas akhir ini bagi penulis adalah mendapatkan pengertian dan penjelasan tentang konsep sistem cognitive radio, khususnya tentang mekanisme energy detection menggunakan metode PSD (Power Spectral Density) Blackman-Tukey dan Welch pada kanal AWGN aplikasi cognitive radio dengan mengamati dan menganalisis data hasil simulasi. Untuk para pembaca, diharapkan semoga tugas akhir ini dapat menjadi sumbangan dalam memperkaya pengetahuan dan memberikan kesempatan untuk ikut mempelajari dan mengembangkan konsep teknologi Cognitive Radio lebih lanjut.

1.4. Batasan Masalah

Agar isi dan materi pembahasan dalam Tugas Akhir ini menjadi fokus serta dapat mencapai hasil yang diharapkan, maka penulis perlu membuat

batasan-batasan masalah yang akan dibahas. Adapun yang menjadi batasan-batasan masalah pada penulisan tugas akhir ini adalah sebagai berikut :

1. Hanya membahas tentang spektrum sensing menggunakan metode energy detection pada cognitive radio

2. Sistem cognitive radio yang dibahas hanya pada bagian observasi (pengamatan) saja dan belum melakukan proses inteligensi dalam melakukan deteksi spektrum

3. Parameter yang dibahas hanya PSD (Power Spectral Density) dan threshold 4. Kanal yang digunakan yaitu kanal Additive White Gaussian Noise (AWGN) 5. Model dan Simulasi menggunakan Matlab R2011b

6. Tidak membahas mengenai software simulasi yang digunakan

1.5. Metodologi Penelitian

Metodologi penelitian yang dilakukan pada penulisan Tugas Akhir ini adalah: 1. Studi literatur

Studi literatur diambil dari buku-buku dan tulisan-tulisan lain yang terkait serta dari layanan internet berupa jurnal-jurnal penelitian

2. Simulasi

Simulasi Tugas Akhir ini menggunakan software Matlab r2011b. Dimana variabel yang diamati dalam penelitian ini adalah:

1. PSD (Power Spectral Density ) 2. Threshold

Berdasarkan diagram aliran flowchart, Analisis kinerja energy detection metode PSD (Power Spectral Density) Blackman-Tukey dan Welch pada kanal AWGN aplikasi cognitive radio

3. Analisis

Yang dilakukan didalam Tugas Akhir ini adalah menganalisis data hasil simulasi kinerja energy detection menggunakan metode PSD (Power Spectral Density) Blackman-Tukey dan Welch pada kanal AWGN aplikasi cognitive radio.

1.6. Sistematika Penulisan

Untuk memudahkan pemahaman terhadap Tugas Akhir ini maka penulis menyusun sistematika penulisan sebagai berikut :

BAB I PENDAHULUAN

Bab ini merupakan pendahuluan yang berisikan tentang latar belakang masalah, rumusan masalah, tujuan penulisan, batasan masalah, metodologi penulisan, dan sistematika penulisan dari Tugas Akhir ini.

BAB II TEORI DASAR

Bab ini berisi tentang penjelasan mengenai konsep Cognitive Radio secara umum, sejarah, landasan teori, aplikasi beserta penjelasan konsep metode spektrum sensing energy detection dan tantangan yang dihadapi dalam spekrum sensing pada antena MIMO dimasa depan.

BAB III METODE PENELITIAN

Bab ini memuat tentang hal hal apa saja yang dilakukan dalam prosedur simulasi

BAB IV SIMULASI DAN ANALISIS DATA KINERJA ENERGY DETECTION METODE PSD BLACKMAN-TUKEY DAN WELCH PADA KANAL AWGN APLIKASI COGNITIVE RADIO

Bab ini berisi analisis data dari hasil simulasi sensing yang dilakukan beserta penjelasannya.

BAB V PENUTUP

ABSTRAK

Keterbatasan spektrum frekuensi menjadi masalah utama dalam dunia telekomunikasi nirkabel. Untuk mengatasi hal tersebut digunakankanlah suatu sistem yang disebut cognitive radio, dimana rentang band frekuensi bebas digunakan pengguna lain (secondary user) saat tidak dipakai pengguna utama (primary user).

Salah satu jenis cognitive radio yang paling banyak digunakan adalah energy detection. Tugas akhir ini menggunakan metode energy detection dengan membandingkan kinerjanya menggunakan PSD (Power Spectral Density) Blackman-Tukey dan Welch. Adapun parameter yang mempengaruhi dalam penelitian ini adalah spektral daya sinyal dan Threshold.

Hasil analisis menunjukkan PSD Blackman-Tukey lebih baik dibandingkan PSD Welch, dimana rata- rata daya spektral Blackman dan Tukey adalah -2,25033 dB/Hz dan Welch adalah -2,20859 dB/Hz setiap pembangkitan kanal 10-100% dengan besar threshold -5,53 dB/Hz.

TUGAS AKHIR

ANALISIS KINERJA METODE ENERGY DETECTION BLACKMAN-TUKEY DAN WELCH PADA KANAL AWGN APLIKASI COGNITIVE

RADIO

Diajukan untuk memenuhi persyaratan menyelesaikan pendidikan sarjana (S-1) pada

Departemen Teknik Elektro Sub konsentrasi Teknik Telekomunikasi Oleh

Ari Frahma Ginting NIM : 110402023

DEPARTEMEN TEKNIK ELEKTRO FAKULTAS TEKNIK

UNIVERSITAS SUMATERA UTARA MEDAN

ABSTRAK

Keterbatasan spektrum frekuensi menjadi masalah utama dalam dunia telekomunikasi nirkabel. Untuk mengatasi hal tersebut digunakankanlah suatu sistem yang disebut cognitive radio, dimana rentang band frekuensi bebas digunakan pengguna lain (secondary user) saat tidak dipakai pengguna utama (primary user).

Salah satu jenis cognitive radio yang paling banyak digunakan adalah energy detection. Tugas akhir ini menggunakan metode energy detection dengan membandingkan kinerjanya menggunakan PSD (Power Spectral Density) Blackman-Tukey dan Welch. Adapun parameter yang mempengaruhi dalam penelitian ini adalah spektral daya sinyal dan Threshold.

Hasil analisis menunjukkan PSD Blackman-Tukey lebih baik dibandingkan PSD Welch, dimana rata- rata daya spektral Blackman dan Tukey adalah -2,25033 dB/Hz dan Welch adalah -2,20859 dB/Hz setiap pembangkitan kanal 10-100% dengan besar threshold -5,53 dB/Hz.

KATA PENGANTAR

Puji dan Syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala berkat dan rahmat yang telah diberikan-Nya kepada penulis, sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul “ Analisis Kinerja Energy Detection Blackman-Tukey dan Welch pada Kanal AWGN aplikasi

Cognitive Radio ”. Penulisan Tugas Akhir ini merupakan salah satu persyaratan

untuk menyelesaikan studi dan memperoleh gelar Sarjana Teknik di Departemen Teknik Elektro, Fakultas Teknik, Universitas Sumatera Utara.

Tugas Akhir ini penulis persembahkan untuk kedua orang tua yang telah membesarkan penulis dengan kasih sayang yang tak ternilai harganya, yaitu Sabar Ginting dan Juriah br Sagala, saudara/saudari kandung penulis, Ika Kristina Ginting, Karto Perdinanta Ginting, dan Josua Ginting atas seluruh perhatian dan dukungannya selama ini.

Selama masa kuliah sampai masa penyelesaian Tugas Akhir ini, penulis mendapat dukungan, bimbingan, dan bantuan dari berbagai pihak. Untuk itu, dengan setulus hati penulis hendak menyampaikan ucapan terima kasih yang sebesar-besarnya kepada :

1. Ibu Naemah Mubarakah, S.T.,M.T. selaku dosen pembimbing yang telah banyak meluangkan waktu dan memberikan ide dalam menyelesaikan tugas akhir ini.

2. Bapak Ir. Surya Tarmizi Kasim, Msi, selaku dosen wali penulis dan selaku Ketua Departemen Teknik Elektro, Fakultas Teknik, Universitas Sumatera Utara yang senantiasa memberikan bimbingannya selama perkuliahan.

3. Seluruh staf pengajar yang telah memberi bekal ilmu kepada penulis dan seluruh pegawai Departemen Teknik Elektro, Fakultas Teknik, Universitas Sumatera Utara atas bantuan administrasinya.

4. Seluruh keluarga besar Balak 1 yang tidak bisa disebutkan namanya satu per satu

5. Seluruh keluarga besar Telkom 2011: Oktri, Wahyudi, Faisal, Dhani, Ikhyar, Ferdi, Hasan, Ridho, dan Surya.

6. Seluruh keluarga besar Trompet 28 : Denago, Toni, Goster, Gindo, Nuek, Mian, dll

7. Sahabat terdekat pemberi saran dan semangat terbaik: Yudha, Mian, Sandro, Riandi, Dedi, Youki,dan paling istimewa Chintya NSL

8. Serta semua pihak yang tidak dapat penulis sebutkan satu persatu.

Akhir kata penulis menyadari bahwa Tugas Akhir ini masih jauh dari sempurna, untuk itu penulis mengharapkan saran dan kritik yang membangun demi penyempurnaan isi dan analisa yang disajikan. Akhir kata, semoga tulisan ini bermanfaat bagi penulis pada khususnya dan semua pihak yang membutuhkannya.

Medan, Januari 2016 Penulis

(Ari Frahma Ginting) NIM: 110402023

DAFTAR ISI

ABSTRAK ...i

KATA PENGANTAR ...ii

DAFTAR ISI ...v

DAFTAR GAMBAR ...viii

DAFTAR TABEL ...ix

DAFTAR ISTILAH ...x

BAB I PENDAHULUAN 1.1Latar Belakang Masalah ...1

1.2Rumusan Masalah ...2

1.3Tujuan dan Manfaat Penelitian ...2

1.4Batasan Masalah ...2

1.5Metodologi Penelitian ...3

1.6Sistematika Penulisan ...4

BAB II DASAR TEORI 2.1 Umum ...6

2.2 Spektrum Frekuensi Radio ...7

2.3 Teknologi Cognitive Radio ...9

2.3.1 Pengertian Cognitive Radio ...10

2.3.2 Konfigurasi Cognitive Radio ...12

2.4 Teknik Spektrum Sensing ...16

2.4.1 Energy Detection ...19

2.4.2 Match Filter Detection ...20

2.4.3 Cyclostationary Feature Detection ...21

BAB III METODE PENELITIAN

3.1 Umum ...26

3.2 Model Sistem ...26

3.3 Struktur Simulasi ...27

3.4 Proses Simulasi ...27

3.4.1 Diagram Alir Simulasi ...28

3.4.2 Prinsip Kerja Sistem ...26

3.4.3 Transmitter ...31

3.4.3.1 Parameter Masukan Simulasi ...31

3.4.3.2 Model Sinyal FM ...31

3.4.3.3 Random Frekuensi ...33

3.4.4 Energy Detection ...35

3.4.4.1 FFT ( Fast Fourier Transform ) ...36

3.4.4.2 PSD ( Power Spectral Density ) ...36

3.4.4.2.1 PSD Blackman-Tukey ...37

3.4.4.2.2 PSD Welch ...38

3.4.4.3 Threshold ...39

BAB IV DATA DAN HASIL PENELITIAN 4.1 Umum ...41

4.2 Analisis Energy Detection pada PSD Blackman Tukey ...41

4.3 Analisis Energy Detection pada PSD Welch ...43

4.4 Analisis Perhitungan Spektral Daya ...47

BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ...49

5.2 Saran ...51

DAFTAR PUSTAKA ...52

DAFTAR GAMBAR Gambar 2.1 Prinsip komunikasi radio ...6

Gambar 2.2 Komponen sistem cognitive radio ...12

Gambar 2.4 Penggunaan antena dengan beam forming khusus pada cognitive

radio ...14

Gambar 2.5 Model sistem sensing spektrum berbasis deteksi Transmitter ...18

Gambar 2.6 Skema energy detector domain frekuensi ...20

Gambar 3.1 Model Sistem Energy Detection ...26

Gambar 3.2 Struktur Simulasi ...27

Gambar 3.3 Diagram Alir Simulasi ...28

Gambar 3.4 Lanjutan Diagram Alir Simulasi ...29

Gambar 3.5 Modulasi FM ...32

Gambar 3.6 Contoh program random pada Matlab ...33

Gambar 3.7 Bentuk Sinyal Analog ...34

Gambar 3.8 Diagram Metode Energy Detector ...35

DAFTAR TABEL

Tabel 2.1 Frekuensi dan Panjang Gelombang Menurut ITU (International Telecommunication Union ...8 Tabel 4.1 Data hasil simulasi Energy Detection menggunakan PSD

Blackman-Tukey ...42

Tabel 4.2 Data hasil simulasi Energy Detection menggunakan PSD welch .44 Tabel 4.3 Simulasi Energy Detection menggunakan PSD Periodogram dan PSD Welch ...46 Tabel 4.4 Pembangkitan Kanal Energy Detection Sebesar 20% ...47

DAFTAR ISTILAH

Cognitive radio ...9

Spectrum Sensing ...16

Energy Detection ...19

Matched Filter Detection ...20

Cyclostationary Feature Detection ...21

PSD ( Power Spectral Density ) ...21

PSD Blackman-Tukey ...22

PSD Welch ...23

Transmitter ...30

FFT ( Fast Fourier Transform ) ...36

3. Seluruh staf pengajar yang telah memberi bekal ilmu kepada penulis dan seluruh pegawai Departemen Teknik Elektro, Fakultas Teknik, Universitas Sumatera Utara atas bantuan administrasinya.

4. Seluruh keluarga besar Balak 1 yang tidak bisa disebutkan namanya satu per satu

5. Seluruh keluarga besar Telkom 2011: Oktri, Wahyudi, Faisal, Dhani, Ikhyar, Ferdi, Hasan, Ridho, dan Surya.

6. Seluruh keluarga besar Trompet 28 : Denago, Toni, Goster, Gindo, Nuek, Mian, dll

7. Sahabat terdekat pemberi saran dan semangat terbaik: Yudha, Mian, Sandro, Riandi, Dedi, Youki,dan paling istimewa Chintya NSL

8. Serta semua pihak yang tidak dapat penulis sebutkan satu persatu.

Akhir kata penulis menyadari bahwa Tugas Akhir ini masih jauh dari sempurna, untuk itu penulis mengharapkan saran dan kritik yang membangun demi penyempurnaan isi dan analisa yang disajikan. Akhir kata, semoga tulisan ini bermanfaat bagi penulis pada khususnya dan semua pihak yang membutuhkannya.

Medan, Januari 2016 Penulis

(Ari Frahma Ginting) NIM: 110402023

DAFTAR ISI

ABSTRAK ...i

KATA PENGANTAR ...ii

DAFTAR ISI ...v

DAFTAR GAMBAR ...viii

DAFTAR TABEL ...ix

DAFTAR ISTILAH ...x

BAB I PENDAHULUAN 1.1Latar Belakang Masalah ...1

1.2Rumusan Masalah ...2

1.3Tujuan dan Manfaat Penelitian ...2

1.4Batasan Masalah ...2

1.5Metodologi Penelitian ...3

1.6Sistematika Penulisan ...4

BAB II DASAR TEORI 2.1 Umum ...6

2.2 Spektrum Frekuensi Radio ...7

2.3 Teknologi Cognitive Radio ...9

2.3.1 Pengertian Cognitive Radio ...10

2.3.2 Konfigurasi Cognitive Radio ...12

2.4 Teknik Spektrum Sensing ...16

2.4.1 Energy Detection ...19

2.4.2 Match Filter Detection ...20

2.4.3 Cyclostationary Feature Detection ...21

BAB III METODE PENELITIAN

3.1 Umum ...26

3.2 Model Sistem ...26

3.3 Struktur Simulasi ...27

3.4 Proses Simulasi ...27

3.4.1 Diagram Alir Simulasi ...28

3.4.2 Prinsip Kerja Sistem ...26

3.4.3 Transmitter ...31

3.4.3.1 Parameter Masukan Simulasi ...31

3.4.3.2 Model Sinyal FM ...31

3.4.3.3 Random Frekuensi ...33

3.4.4 Energy Detection ...35

3.4.4.1 FFT ( Fast Fourier Transform ) ...36

3.4.4.2 PSD ( Power Spectral Density ) ...36

3.4.4.2.1 PSD Blackman-Tukey ...37

3.4.4.2.2 PSD Welch ...38

3.4.4.3 Threshold ...39

BAB IV DATA DAN HASIL PENELITIAN 4.1 Umum ...41

4.2 Analisis Energy Detection pada PSD Blackman Tukey ...41

4.3 Analisis Energy Detection pada PSD Welch ...43

4.4 Analisis Perhitungan Spektral Daya ...47

BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ...49

5.2 Saran ...51

DAFTAR PUSTAKA ...52

DAFTAR GAMBAR Gambar 2.1 Prinsip komunikasi radio ...6

Gambar 2.2 Komponen sistem cognitive radio ...12

Gambar 2.4 Penggunaan antena dengan beam forming khusus pada cognitive

radio ...14

Gambar 2.5 Model sistem sensing spektrum berbasis deteksi Transmitter ...18

Gambar 2.6 Skema energy detector domain frekuensi ...20

Gambar 3.1 Model Sistem Energy Detection ...26

Gambar 3.2 Struktur Simulasi ...27

Gambar 3.3 Diagram Alir Simulasi ...28

Gambar 3.4 Lanjutan Diagram Alir Simulasi ...29

Gambar 3.5 Modulasi FM ...32

Gambar 3.6 Contoh program random pada Matlab ...33

Gambar 3.7 Bentuk Sinyal Analog ...34

Gambar 3.8 Diagram Metode Energy Detector ...35

DAFTAR TABEL

Tabel 2.1 Frekuensi dan Panjang Gelombang Menurut ITU (International Telecommunication Union ...8 Tabel 4.1 Data hasil simulasi Energy Detection menggunakan PSD

Blackman-Tukey ...42

Tabel 4.2 Data hasil simulasi Energy Detection menggunakan PSD welch .44 Tabel 4.3 Simulasi Energy Detection menggunakan PSD Periodogram dan PSD Welch ...46 Tabel 4.4 Pembangkitan Kanal Energy Detection Sebesar 20% ...47

DAFTAR ISTILAH

Cognitive radio ...9

Spectrum Sensing ...16

Energy Detection ...19

Matched Filter Detection ...20

Cyclostationary Feature Detection ...21

PSD ( Power Spectral Density ) ...21

PSD Blackman-Tukey ...22

PSD Welch ...23

Transmitter ...30

FFT ( Fast Fourier Transform ) ...36