Evaluasi Kinerja Algoritma Histeresis Hard Handoff Pada Sistem Seluler
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
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
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
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.
Model Propagasi
Model Empiris
Model
Deterministik
Non-time
Model
Stokastik
Time-dispersive
Dispersive
Gambar 2.2 Pembagian model propagasi
2.3 Parameter Propagasi
Level kuat sinyal yang diterima (RSS) oleh UE dipengaruhi oleh 3 komponen
yaitu:
5.
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.
Universitas Sumatera Utara
6.
Shadow fading
Shadowing disebabkan karena halangan terhadap jalur garis pandang (LOS)
antara pemancar dan penerima oleh bangunan, bukit, pohon dan lain-lain.
7.
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[3],[4],[5].
2.4 Analisa Path Loss Menggunakan Model Propagasi
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 ke dalam model melalui pengukuran aktual
di lapangan.
2.4.1 Model Path Loss Dengan Log-distance
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.
Universitas Sumatera Utara
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 yaitu n, seperti pada persamaan 2.1.
�
����
��(�) = � �
�0
Atau
�
(2.1)
�
����
��(�0 ) + 10�log � �
��(dB) = ����
�0
(2.2)
Di mana n adalah pangkat path loss (path loss exponent) yang mengindikasikan laju
kenaikan path loss terhadap jarak, d 0 adalah jarak referensi yang diperoleh melalui
pengukuran dekat dengan pemancar, dan d adalah jarak T-R terpisah. Tanda bar pada
persamaan 2.1 dan 2.2 menunjukkan rata-rata dari semua path loss yang mungkin
pada jarak d. Nilai dari n bergantung kepada lingkungan propagasi.
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[6].
2.4.2
Log-normal Shadowing
Model pada persamaan 2.2 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 2.2.
Pengukuran-pengukuran telah menunjukkan bahwa pada sembarang jarak d, path loss
Universitas Sumatera Utara
PL(d) pada lokasi tertentu adalah acak dan berdistribusi secara log-normal. Sehingga
dapat diekspersikan seperti persamaan 2.3.
�
dan
����(�) + �� = ��
����(�0 ) + 10�log � � + ��
��(�)[dB] = ��
�0
�� (�)[���] = �� [���] − ��(�)[��]
(2.3)
(2.4)
Dimana �� adalah variabel acak yang berdistribusi Gaussian dengan rata-rata nol
(dB) dengan standar deviasi � (dB), P t adalah daya yang ditransmisikan BS, dan
P r (d) adalah daya yang diterima MS pada jarak d.
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 0 , 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[6].
2.4.3
Model Eksponensial
Perhitungan model propagasi dilakukan setiap waktu pada setiap jarak �� ,
yaitu jarak sampling. Maka sinyal yang diterima oleh BS1 dan BS2 pada jarak ���
dari BS1 diberikan sebagai berikut [9] :
Universitas Sumatera Utara
�� = �1 −�2 log(��� ) + �(��� ),
(2.5)
�� = �1 −�2 log(� − ��� ) + �(��� ),
(2.6)
Dimana :
� dan � adalah variabel acak Gaussian untuk model log-normal,
D adalah jarak kedua BS
�1 adalah kuat sinyal pada jarak d=1
�2 adalah eksponen path loss
Karena sifat sinyal yang berfluktuasi, maka perhitungan pada sinya tidak
efektif. Maka untuk membuat sinyal tersebut menjadi lebih halus agar perhitungan
lebih mudah dilakukan, digunakan metode rata-rata eksponensial, dimana ��� adalah
rata-rata jarak BS. Perhitungan kuat sinyal dengan menggunakan metode rata-rata
eksponensial diberikan sebagai berikut [9] :
��� = �
�
− ���
��
���
� ��
−
��� = �
���−1 + �1 − �
�
− ���
��
� �� ,
��
��
�� � �
�
−
���−1 + �1 − �
,
(2.7)
(2.8)
Universitas Sumatera Utara
Dimana :
��� adalah jarak rata-rata BS
�� adalah jarak sampling
2.5 Kuat Sinyal Terima (RSS)
UE mengukur RSS dari masing-masing BS. Nilai RSS (dB) yang terukur
merupakan jumlah dari dua bagian, yaitu path loss dan log normal shadow fading.
Redaman propagasi biasanya dimodelkan sebagai hasil dari jarak dipangkatkan � dan
sebuah komponen log normal yang menunjukkan rugi-rugi shadow fading [6] seperti
yang telah dijelaskan pada subbab sebelumnya.
Persaamaan 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 0 = 1 m (mikrosel), maka redamannya adalah [7] :
�
�(�, �) = � � 1010
(2.9)
dimana � adalah redaman dalam dB yang dikarenakan shadowing, dengan rata-rata
nol dan standar deviasi �. Nilai � tidak dipengaruhi oleh jarak.
Rugi-rugi dalam dB dapat dibuat seperti persamaan 2.10.
�(�, �)[��] = 10����� + �
(2.10)
Universitas Sumatera Utara
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 sebagai berikut :
S i (d) = P t - �(�, �)
(2.11)
Universitas Sumatera Utara
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
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
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
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.
Model Propagasi
Model Empiris
Model
Deterministik
Non-time
Model
Stokastik
Time-dispersive
Dispersive
Gambar 2.2 Pembagian model propagasi
2.3 Parameter Propagasi
Level kuat sinyal yang diterima (RSS) oleh UE dipengaruhi oleh 3 komponen
yaitu:
5.
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.
Universitas Sumatera Utara
6.
Shadow fading
Shadowing disebabkan karena halangan terhadap jalur garis pandang (LOS)
antara pemancar dan penerima oleh bangunan, bukit, pohon dan lain-lain.
7.
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[3],[4],[5].
2.4 Analisa Path Loss Menggunakan Model Propagasi
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 ke dalam model melalui pengukuran aktual
di lapangan.
2.4.1 Model Path Loss Dengan Log-distance
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.
Universitas Sumatera Utara
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 yaitu n, seperti pada persamaan 2.1.
�
����
��(�) = � �
�0
Atau
�
(2.1)
�
����
��(�0 ) + 10�log � �
��(dB) = ����
�0
(2.2)
Di mana n adalah pangkat path loss (path loss exponent) yang mengindikasikan laju
kenaikan path loss terhadap jarak, d 0 adalah jarak referensi yang diperoleh melalui
pengukuran dekat dengan pemancar, dan d adalah jarak T-R terpisah. Tanda bar pada
persamaan 2.1 dan 2.2 menunjukkan rata-rata dari semua path loss yang mungkin
pada jarak d. Nilai dari n bergantung kepada lingkungan propagasi.
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[6].
2.4.2
Log-normal Shadowing
Model pada persamaan 2.2 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 2.2.
Pengukuran-pengukuran telah menunjukkan bahwa pada sembarang jarak d, path loss
Universitas Sumatera Utara
PL(d) pada lokasi tertentu adalah acak dan berdistribusi secara log-normal. Sehingga
dapat diekspersikan seperti persamaan 2.3.
�
dan
����(�) + �� = ��
����(�0 ) + 10�log � � + ��
��(�)[dB] = ��
�0
�� (�)[���] = �� [���] − ��(�)[��]
(2.3)
(2.4)
Dimana �� adalah variabel acak yang berdistribusi Gaussian dengan rata-rata nol
(dB) dengan standar deviasi � (dB), P t adalah daya yang ditransmisikan BS, dan
P r (d) adalah daya yang diterima MS pada jarak d.
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 0 , 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[6].
2.4.3
Model Eksponensial
Perhitungan model propagasi dilakukan setiap waktu pada setiap jarak �� ,
yaitu jarak sampling. Maka sinyal yang diterima oleh BS1 dan BS2 pada jarak ���
dari BS1 diberikan sebagai berikut [9] :
Universitas Sumatera Utara
�� = �1 −�2 log(��� ) + �(��� ),
(2.5)
�� = �1 −�2 log(� − ��� ) + �(��� ),
(2.6)
Dimana :
� dan � adalah variabel acak Gaussian untuk model log-normal,
D adalah jarak kedua BS
�1 adalah kuat sinyal pada jarak d=1
�2 adalah eksponen path loss
Karena sifat sinyal yang berfluktuasi, maka perhitungan pada sinya tidak
efektif. Maka untuk membuat sinyal tersebut menjadi lebih halus agar perhitungan
lebih mudah dilakukan, digunakan metode rata-rata eksponensial, dimana ��� adalah
rata-rata jarak BS. Perhitungan kuat sinyal dengan menggunakan metode rata-rata
eksponensial diberikan sebagai berikut [9] :
��� = �
�
− ���
��
���
� ��
−
��� = �
���−1 + �1 − �
�
− ���
��
� �� ,
��
��
�� � �
�
−
���−1 + �1 − �
,
(2.7)
(2.8)
Universitas Sumatera Utara
Dimana :
��� adalah jarak rata-rata BS
�� adalah jarak sampling
2.5 Kuat Sinyal Terima (RSS)
UE mengukur RSS dari masing-masing BS. Nilai RSS (dB) yang terukur
merupakan jumlah dari dua bagian, yaitu path loss dan log normal shadow fading.
Redaman propagasi biasanya dimodelkan sebagai hasil dari jarak dipangkatkan � dan
sebuah komponen log normal yang menunjukkan rugi-rugi shadow fading [6] seperti
yang telah dijelaskan pada subbab sebelumnya.
Persaamaan 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 0 = 1 m (mikrosel), maka redamannya adalah [7] :
�
�(�, �) = � � 1010
(2.9)
dimana � adalah redaman dalam dB yang dikarenakan shadowing, dengan rata-rata
nol dan standar deviasi �. Nilai � tidak dipengaruhi oleh jarak.
Rugi-rugi dalam dB dapat dibuat seperti persamaan 2.10.
�(�, �)[��] = 10����� + �
(2.10)
Universitas Sumatera Utara
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 sebagai berikut :
S i (d) = P t - �(�, �)
(2.11)
Universitas Sumatera Utara