Umum Model Propagasi PROPAGASI SINYAL

6

BAB II PROPAGASI SINYAL

2.1 Umum

Kondisi komunikasi seluler sulit diprediksi, karena bergerak dari satu sel ke sel yang lain. Secara umum terdapat 3 komponen propagasi yang menggambarkan kondisi dari komunikasi seluler yaitu path loss, shadowing dan multipath fading. Kondisi propagasi diilustrasikan seperti Gambar 2.1 [1]. Gambar 2.1 Komponen propagasi

2.2 Model Propagasi

Model propagasi biasanya memprediksikan rata-rata kuat sinyal yang diterima oleh mobile station pada jarak tertentu dari base station ke mobile station. Disamping itu, model propagasi juga berguna untuk memperkirakan daerah cakupan sebuah base Universitas Sumatera Utara 7 station sehingga ukuran sel dari base station dapat ditentukan. Model propagasi juga dapat menentukan daya maksimum yang dapat dipancarkan untuk menghasilkan kualitas pelayanan yang sama pada frekuensi yang berbeda. Di dalam komunikasi seluler, memperkirakan rugi-rugi yang akan dilalui sinyal adalah hal yang sangat penting. Salah satunya adalah rugi-rugi yang dihasilkan oleh propagasi sinyal. Rugi propagasi adalah rugi-rugi yang cukup sulit untuk diperkirakan karena dipengaruhi langsung oleh keadaan lingkungan sekitar yang dilalui oleh sinyal. Rugi propagasi Propagation Loss mencakup semua pelemahan yang diperkirakan akan dialami sinyal ketika berjalan dari base station ke mobile station. Adanya pemantulan dari beberapa obyek dan pergerakan mobile station menyebabkan kuat sinyal yang diterima oleh mobile station bervariasi dan sinyal yang diterima tersebut mengalami path loss. Path loss akan membatasi kinerja dari sistem komunikasi bergerak sehingga memprediksikan path loss merupakan bagian yang penting dalam perencanaan sistem komunikasi bergerak. Path loss yang terjadi pada sinyal yang diterima dapat ditentukan melalui suatu model propagasi tertentu. Para ahli telah menghasilkan beberapa model matematis yang dapat memberikan nilai yang cukup baik untuk mendekati keadaan lingkungan nyata. Model-model dari rugi propagasi dapat dibagi dalam 3 jenis[2], yaitu: 1. Model Teoritis Model teoritis berdasarkan pada hukum fundamental fisika yang dikombinasikan dengan teknik perkiraan yang cukup dan dengan model atmosfer dan dataran. Model-model ini menghasilkan hubungan matematika yang kompleks dan membutuhkan resolusi dari persamaan Maxwell melalui Universitas Sumatera Utara 8 penggunaan metode yang berbeda. Misalkan metode elemen terbatas dan beda terbatas finite element and finite difference, metode persamaan parabolik, metode fisik dan geometrik optik, dan lain-lain. Kekurangan dari model ini adalah waktu komputasi yang dibutuhkan cukup tinggi yang mana sering tidak cocok dengan batas operasional, khususnya untuk tujuan rekayasa. Walaupun demikian, model ini dapat digunakan sebagai model referensi pada beberapa kasus yang spesifik. Karena variabel yang digunakan pada model ini pada umumnya adalah variabel deterministik, maka model ini juga sering disebut sebagai model deterministik. Model ini juga menggunakan variabel yang random yang ditentukan oleh distribusinya. 2. Model Empiris Statistik Terkadang menjelaskan suatu situasi dengan menggunakan model matematis adalah hal yang tidak mungkin. Pada kasus tersebut, kita menggunakan beberapa data untuk memprediksikan perkiraan kelakuan lingkungan. Berdasarkan defenisi, sebuah model empiris berdasarkan pada data yang digunakan untuk memprediksi, tidak untuk menjelaskan sebuah sistem. Model ini juga berdasarkan pada observasi dan pengukuran. Model ini dapat dikategorikan menjadi dua ketegori yaitu time dispersive sebaran waktu dan non-time dispersive bukan sebaran waktu. Model time dispersive menyediakan informasi mengenai karakteristik sebaran waktu dari kanal seperti sebaran tundaan delay spread dari kanal selama terjadi multipath. Contoh lain adalah model Standford University Interim SUI. Contoh dari model non-time dispersive adalah model COST 231 Hata, Hata dan ITU-R. Universitas Sumatera Utara 9 3. Model Stokastik Model ini digunakan untuk memodelkan lingkungan sebagai deretan variabel acak random. Tidak dibutuhkan Informasi yang banyak untuk membentuk model ini namun tingkat akurasinya masih perlu dievaluasi dalam membentuk model. Model-model propagasi diperlihatkan oleh Gambar 2.2. Gambar 2.2 Pembagian model propagasi

2.3 Parameter Propagasi