21
BAB III PROPAGASI KOMUNIKASI SELULER
III.1 Umum
Rugi propagasi
Propagation Loss
mencakup semua pelemahan yang diperkirakan akan dialami sinyal ketika berjalan dari
base station
ke
mobile station
. Adanya pemantulan dari beberapa objek 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.
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 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.
III.2 Model Propagasi
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
Universitas Sumatera Utara
22
diperkirakan. Rugi ini dipengaruhi langsung oleh keadaan lingkungan sekitar yang dilalui oleh sinyal. Meskipun demikian, 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[8,9], 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 penggunaan metode yang berbeda. Misalkan metode elemen terbatas dan
beda terbatas
finite element
and
finite difference
, metode persamaan parabolik, metode fisika 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
Universitas Sumatera Utara
23
beberapa data untuk mempradiksikan 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. 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 3.1.
Gambar 3.1 Pembagian model propagasi
Model Propagasi
Model Stokastik
Model Deterministik
Model Empiris
Time-dispersive Non-time
Dispersive
Universitas Sumatera Utara
24
III.3 Desain Praktis
Link Budget
menggunakan Model
Path loss
Kebanyakan model dari propagasi radio diperoleh dengan menggunakan kombinasi analitis dan empiris. Pendekatan secara empiris berbasis pada pencocokan
kurva atau ekspresi analitis yang menciptakan kembali sekumpulan data pengukuran. Hal ini memiliki kebaikan bahwa secara tidak langsung, semua faktor propagasi baik
yang diketahui maupun tidak dimasukkan kedalam model melalui pengukuran aktual di lapangan.
III.3.1 Model
Path loss
dengan
Log-distance
Kedua model, baik model teoritis dan model yang berbasis pada pengukuran mengindikasikan bahwa rata-rata kuat sinyal terima menurun secara logaritmik
terhadap jarak, baik
outdoor
maupun
indoor
. Model ini sudah banyak digunakan pada banyak literatur. Rata-rata
path loss large scale
untuk sebuah T-R
Transmitter- Receiver
yang terpisah pada sembarang jarak dapat diekspresikan sebagai fungsi dari jarak yang menggunakan sebuah pangkat
path loss n
yaitu, ̅̅̅̅
3.1 Atau
̅̅̅̅ ̅̅̅̅
3.2 Di mana
n
adalah pangkat
path loss path loss exponent
yang mengindikasikan laju kenaikan
path loss
terhadap jarak,
d
adalah jarak referensi yang diperoleh melalui pengukuran dekat dengan pemancar, dan
d
adalah jarak T-R terpisah. Tanda
bar
pada persamaan 3.1 dan 3.2 menunjukkan rata-rata dari semua
path loss
yang mungkin pada jarak
d
. Nilai dari
n
bergantung kepada lingkungan propagasi.
Universitas Sumatera Utara
25
Pada sistem selular dengan cakupan yang luas, jarak referensi yang biasa digunakan adalah 1 km. Pada sistem mikrosel jarak referensi yang digunakan adalah
100 m atau 1 m. Tabel 3.1 memperlihatkan nilai
path loss
exponent yang diperoleh pada berbagai lingkungan propagasi radio mobile[10].
Tabel 3.1 Nilai
path loss
exponent untuk berbagai lingkungan yang berbeda Lingkungan
Path loss exponent
,
n
Ruang bebas 2
Area urban 2.7
– 3.5 Dalam bangunan LOS
1.6 – 1.8
Dalam bangunan NLOS 4
– 6 Dalam pabrik NLOS
2 – 3
III.3.2 Log-normal Shadowing
Model pada persamaan 3.2 tidak memasukkan fakta bahwa keadaan lingkungan yang tak beraturan dapat sangat berbeda pada dua lokasi berbeda yang
memiliki jarak pisah T-R yang sama. Hal ini akan berakibat pada nilai sinyal terukur akan sangat berbeda dengan nilai rata-rata yang diprediksikan oleh persamaan 3.2.
Pengukuran-pengukuran telah menunjukkan bahwa pada sembarang nilai
d
,
path loss PL
d
pada lokasi tertentu adalah acak dan berdistribusi secara
log-normal
. Sehingga dapat dibuat
[ ] ̅̅̅̅
̅̅̅̅ 3.2
Dan [ ]
[ ] [ ] 3.3 Dimana
adalah variabel acak yang berdistribusi Gaussian dengan rata-rata nol dB dengan standar deviasi
dB. adalah kuat sinyal terima dan
adalah kuat sinyal kirim.
Universitas Sumatera Utara
26
Distribusi
log-normal
menunjukkan bahwa efek acak dari
shadowing
yang mana terjadi pada banyak lokasi pengukuran yang memiliki jarak pisah T-R yang
sama, tetapi memiliki tingkat ketidakteraturan jalur propagasi yang berbeda. Fenomena ini disebut sebagai
log-normal shadowing
. Jarak referensi
d
,
path loss
exponent
n
, dan standar deviasi , secara statistik
menjelaskan model
path loss
untuk lokasi sembarang yang memiliki jarak pisah T-R yang spesifik. Model ini dapat digunakan dalam simulasi komputer untuk
menghasilkan level sinyal terima pada lokasi yang acak dalam analisa dan desain sistem komunikasi[10].
Karena
PL d
adalah sebuah variabel acak dengan distribusi normal dalam dB, maka begitu juga dengan
P
r
d
. fungsi Q atau fungsi
error erf
dapat digunakan untuk menentukan probabilitas level sinyal terima melewati atau berada di bawah
level tertentu. Fungsi Q didefenisikan sebagai
√
∫
√
3.4 Di mana
3.5 Peluang bahwa level sinyal terima akan berada di atas atau melebihi nilai
tertentu dapat ditentukan melalui fungsi kerapatan kumulatif seperti
[ ]
̅̅̅
3.6 Dengan cara yang sama, peluang bahwa level sinyal terima berada di bawah nilai
diberikan oleh [
]
̅̅̅
3.7
Universitas Sumatera Utara
27
III.4 Parameter Propagasi
Level kuat sinyal yang diterima RSS oleh UE dipengaruhi oleh 3 komponen [4,5,6,11], yaitu:
1. Redaman
path loss Path loss
merupakan komponen deterministik dari RSS, yang mana dapat dievaluasi oleh model rugi-rugi lintasan propagasi seperti yang telah
dijelaskan pada subbab sebelumnya. 2.
Shadow fading Shadowing
disebabkan karena halangan terhadap jalur garis pandang LOS antara pemancar dan penerima oleh bangunan, bukit, pohon dan
lain-lain. 3.
Fast fading Multipath fading
fast fading
timbul karena pantulan
multipath
dari sebuah gelombang yang dipancarkan oleh benda-benda seperti rumah,
bangunan, struktur-struktur lain buatan manusia, atau benda-benda alam seperti hutan yang berada di sekitar UE.
Multipath fading
atau
fast fading
dalam tugas akhir ini diabaikan, karena korelasi jarak yang pendek dan diasumsikan penerima dapat mengatasinya dengan efektif.
UE mengukur RSS dari masing-masing BS. Nilai RSS dB yang terukur merupakan jumlah dari dua bagian, yaitu
path loss
dan
lognormal shadow fading
. Redaman propagasi biasanya dimodelkan sebagai hasil dari jarak dipangkatkan
dan sebuah komponen lognormal yang menunjukkan rugi-rugi
shadow fading
[10] seperti yang telah dijelaskan pada subbab sebelumnya.
Universitas Sumatera Utara
28
Persamaan yang akan dijelaskan berikut ini adalah sama dengan yang dijelaskan pada subbab sebelumnya. Hanya saja dilakukan beberapa perubahan
notasi dengan tujuan penyederhanaan dan sesuai dengan sistem yang hendak disimulasikan. Perubahan notasi tidak mengubah arti nilai yang sebenarnya.
Untuk UE yang berada pada jarak ‘d’ dari BS
i
, dengan menggunakan nilai
d
= 1 m mikrosel, maka redamannya adalah [11],
3.8 dimana
adalah rugi
path loss
dan adalah redaman dalam dB yang dikarenakan
shadowing
, dengan rata-rata nol dan standar deviasi . Nilai tidak dipengaruhi oleh
jarak. Rugi-rugi
path loss
dalam dB dapat dibuat, [ ] 3.9
Dimana eta adalah
path loss exponent
dan
d
menunjukkan jarak antara BS dengan UE dalam kilometer. Misalkan d
i
menunjukkan jarak antara UE dengan BS
i
; i=1,2. Jika daya yang ditransmisikan oleh BS adalah P
t
, maka kuat sinyal dari BS
i
, dinotasikan dengan S
i
d; i=1,2, dapat ditulis, S
i
d = P
t
- 3.10
Hasil pengukuran kuat sinyal kemudian dirata-ratakan untuk menghilangkan efek dari shadow fading. Metode yang digunakan dalam merata-ratakan adalah
metode jendela window [12]. Bentuk persamaan matematisnya adalah,
Universitas Sumatera Utara
29
̂ ∑
3.11 Dimana;
̂ adalah kuat sinyal terima yang telah dirata-ratakan dan
adalah kuat sinyal sebelum proses perataan. N adalah jumlah sampel dan W
n
adalah besar
window
yang digunakan untuk mensampling. Nilai dari W
n
= 1 untuk semua n jika metode yang digunakan adalah metode segi empat
rectangular
, sedangkan untuk metode eksponensial nilai W
n
adalah,
⁄
3.12 Dimana Q adalah adalah parameter bentuk tambahan.
Fungsi autokorelasi diantara dua sampel
shadow fading
yang berdampingan dideskripsikan sebagai fungsi eksponensial negatif [13].
Pada tugas akhir ini, model dari
shadow fading
yang digunakan adalah model yang bersifat stokastik. Disebut model stokastik karena ada peubah yang dianggap
berubah-ubah dengan pola sebaran acak dengan distribusi tertentu. Proses dari
shadowing
dideskripsikan sebagai sebuah variabel random yang mana algoritmanya berdistribusi normal dengan N0,
. Di mana adalah standar deviasi dari
shadowing
. Asumsi Teorema Gauss-Markovlampiran 2 dapat digunakan untuk memperkirakan nilainya dalam rangka untuk menangkap dampak dari korelasi.
Model dari
shadow fading
adalah sebagai berikut[14]: √
3.14 Dimana W0,1 adalah variabel random normal yang dipendekkan
truncated
. Nilai
merepresentasikan keadaan kepadatan dari lingkungan propagasi yang dilalui oleh sinyal. Semakin besar nilai
maka nilai keacakan dan besar dari fading akan semakin besar.
Universitas Sumatera Utara
30
Nilai menunjukkan korelasi antara fading yang timbul. Semakin besar
korelasi, maka nilai
fading
akan cenderung berubah secara linier sehingga nilai keacakan
fading
akan berkurang. Di dalam sistem nyata, kedua parameter
fading
ini mempresentasikan keadaan lingkungan baik kepadatan dan keacakan dari situasi
halangan
obstacle
di lapangan.
Universitas Sumatera Utara
31
BAB IV PENGARUH PARAMETER PROPAGASI TERHADAP KINERJA