DI JALAN TOL SURABAYA Okkie Puspitorini 1) , Nur Adi Siswandari 1) , Ari Wijayanti 1)
KARAKTERISASI KANAL NIRKABEL UNTUK SISTEM KOMUNIKASI
INTELLIGENT TRANSPORTATION SYSTEM (ITS)
1) 1) 1) Okkie Puspitorini , Nur Adi Siswandari , Ari Wijayanti
1 Teknik Telekomunikasi, Dep. Teknik Elektro, Politeknik Elektronika Negeri Surabaya,
Jalan Raya ITS Sukolilo, Surabaya 60111 Tel: (031) 594 7280; Fax: (031) 594 6114, e-mail : okkie@pens.ac.id
The transport system is currently evolving so rapidly, giving rise to the human desire to create
traffic systems smart and intelligent. Intelligent transportation systems (ITS) can be achieved
with the support of wireless communications technology. This system will be realized by
Abstract
used to obtain the value of PLE using polynomial regression approach. The research location
using a spectrum analyzer. Measurement data is processed into path loss parameters are then
PLE can be obtained through measurements at locations along the Surabaya - Waru highway
is one of the parameters that can be used to express the characteristics of a neighborhood.
preparing a supportive environment in terms of infrastructure, for the PLE (path loss exponent)
respectively for cluster 1, 2, 3, 4 and 5 are 4.79; 4.45; 4.44; 5.06 and 4.96. This indicates that
changes in network performance over the time. This paper presented at the value of PLE
characteristics of the highway gate to the next gate, while the category of time to declare
morning, afternoon and evening, where each cluster describe the environmental
is classified into 5 clusters and data samples taken on three categories of different times are
2G GSM network technology has better performance than the WCDMA (3G).
the area around the Surabaya-Waru highway classified as an Urban or Sub-urban areas, and
Keywords : Path Loss Exponent (PLE), Key Performance Indicator (KPI), CSSR,
DCR,CCSR
Abstrak
Sistem transportasi pada saat ini berkembang begitu pesat, sehingga memunculkan
keinginan manusia untuk menciptakan sistem lalu lintas yang smart dan intelligent.
Sistem transportasi cerdas atau intelligent transportation system (ITS) dapat tercapai
dengan dukungan teknologi komunikasi nirkabel. Sistem ini akan terwujud dengan
loss exponent ) merupakan salah satu parameter yang dapat digunakan untuk menyatakan
menyiapkan lingkungan yang mendukung dari segi infrastruktur, untuk itu PLE (path
karakteristik sebuah lingkungan. PLE dapat diperoleh melalui pengukuran pada lokasi di
sepanjang jalan Tol Surabaya – Waru di kota Surabaya menggunakan spectrum analyzer. Data
hasil pengukuran diolah menjadi parameter pathloss kemudian digunakan untuk mendapatkan
nilai PLE menggunakan pendekatan regresi polinomial. Lokasi penelitian dikelompokan
kedalam 5 cluster dan sample data diambil pada 3 katagori waktu yang berbeda yaitu pagi,
siang dan sore, dimana masing-masing cluster menggambarkan karakteristik lingkungan dari
satu gerbang Tol ke gerbang Tol berikutnya sedangkan katagori waktu untuk menyatakan
perubahan performansi jaringan trehadap waktu. Pada paper ini disajikan nilai PLE berturut-
turut untuk cluster 1, 2, 3, 4 dan 5 sebesar 4,79; 4,45 ; 4,44 ; 5,06 dan 4,96. Hal ini
menunjukkan bahwa area sekitar jalan Tol Surabaya-Waru digolongkan sebagai area Urban
atau Sub-urban dan jaringan GSM dengan teknologi 2G mempunyai performansi lebih baik
dibandingkan jaringan WCDMA (3G).
Kata kunci : Path Loss Exponent (PLE), Key Performance Indicator (KPI), CSSR,
DCR ,CCSR.PENDAHULUAN
Perkembangan teknologi nirkabel saat ini terlihat sangat pesat seiring dengan kebutuhan seseorang untuk berkomunikasi dengan mobilitas yang tinggi. Untuk itu pengembangan jaringan komunikasi dalam hal pelayanan menjadi perhatian utama bagi penyedia jaringan. Oleh karena itu, banyak perusahaan telekomunikasi berlomba-lomba untuk menyiapkan produk-produk seluler yang mampu untuk berkomunikasi baik menggunakan suara maupun data dengan kecepatan yang tinggi dan harga yang terjangkau. Salah satu konsep yang banyak dipikirkan dan disiapkan saat ini adalah kebutuhan sistem komunikasi pada alat transportasi yang dikenal dengan istilah
Intelligent Transportation System (ITS).
Sistem ini bertujuan untuk menciptakan keamanan, efisiensi, dan kenyamanan dijalan saat mengendarai kendaraan dengan menggunakan teknnologi informasi dan komunikasi. Disamping itu adanya ITS akan sangat mendukung pemerintah khususnya departemen perhubungan dalam mengelola sistem tranportasinya. Dengan terealisasinya sistem tersebut diharapkan akan tercipta
Management Transportation System (MTS) yang dapat dimanfaatkan secara terintegrasi
untuk mengatasi berbagai permasalahan pada system tranportasi termasuk kasus kecelakaan, pelanggaran serta kepadatan lalu lintas. Oleh karena itu, untuk mewujudkan
ITS di kota Surabaya, sangat dibutuhkan informasi tentang karakteristik lingkungan dimana sistem tersebut akan diterapkan. Karakterisasi ini sangat diperlukan, supaya perencanaan jaringan komunikasi yang diinginkan bisa berhasil dengan optimal. Langkah pertama untuk mendesain jaringan adalah menghitung link budget. Parameter terpenting dalam proses tersebut adalah nilai PLE (n) yang terdapat disepanjang jalur dari pemancar menuju penerima. Pada lingkungan yang berbeda, nilai PLE (n) juga pasti berbeda (Nur Adi et.all., 2011). Pada banyak Negara seperti USA, UK, Portugal, Swiss dan Nigeria memiliki data propagasi termasuk nilai PLE yang sesuai dengan daerahnya; (P. R. Ogungbayi et.all, 2012).
Sayangnya di Indonesia belum banyak peneliti yang tertarik pada permasalahan ini dan mengkhususkan penelitiannya pada ranah ini yaitu untuk mengamati kondisi
pathloss
berdasarkan berbagai kondisi lingkungan propagasi yang bervariasi. Untuk itu pada kesempatan ini akan disampaikan hasil penelitian tentang karakterisasi lingkungan yang dipresentasikan dalam bentuk nilai PLE. Hasil penelitian ini diharapkan dapat digunakan sebagai bahan pertimbangan dalam perencanaan sistem komunikasi ITS di maju dalam bidang transportasi yaitu ITS, meskipun di Surabaya sendiri sudah diterapkan
ITS dengan nama SITS (Surabaya-ITS), tetapi masih dalam batas hanya untuk pemantauan kepadatan lalu lintas saja dan sistem komunikasinya masih wireline menggunakan serat optik sehingga sistem yang existing masih dianggap mahal dan kurang flexible.
Beberapa riset terdahulu mempelajari pengaruh PLE pada beberapa sudut pandang antara lain : Nilai PLE sebagai karakteristik dari kanal dapat mempengaruhi field
strength
(kuat Medan) yang didapat fungsi jarak (Konstantinos, 2011). Peneliti lain (Caleb Phillips, 2013), mempresentasikan penelitian yang berhubungan dengan ketergantungan proses handover terhadap nilai PLE. Pada jaringan nirkabel, PLE dan variasi dari shadowing serta ukuran dari jaringan terhadap faktor interferensi akan mempengaruhi arsitektur jaringan (Błaszczyszyn, 2010).
Berdasarkan semua hasil penelitian sebelumnya dapat disimpulkan bahwa PLE adalah persyaratan penting untuk menentukan karakteristik dan performance sebuah jaringan komunikasi. PLE memiliki dampak yang kuat pada kualitas jaringan, dan karena itu perlu diperkirakan secara akurat untuk desain efisien dan pengoperasian sistem. Dalam hal ini peneliti melakukan penelitian yang difokuskan untuk mencari dan mengklasifikasikan nilai PLE sebagai fungsi dari lokasi yang berbeda di Kota Surabaya.
Pengukuran dilakukan pada frekuensi GSM untuk teknologi 2G. Lokasi pengukuran pada 31 kecamatan kota Surabaya dengan cara menyebar diseluruh kota untuk mengungkapkan semua kemungkinan yang bisa didapat dalam menentukan karakteristik kanal propagasi di Surabaya, model pathloss prediksi yang digunakan adalah Okumura-Hatta. Perangkat pengukuran menggunakan software TEMS investigation ver 8.0.
METODE PENELITIAN
1. Karakterisasi Lingkungan Propagasi
Untuk mengimplementasikan sistem transportasi cerdas (ITS) disuatu daerah, dibutuhkan dukungan infrastruktur yang memadai. infrastruktur yang harus diperhatikan meliputi: kondisi lingkungan, spesifikasi peralatan dan sistem komunikasi yang handal untuk menunjang kebutuhan dalam hal pengiriman data dari sensor, road side unit (RSU) dan terinci diharapkan dapat memberikan performansi yang baik pada sistem transportasi cerdas yang akan di aplikasikannya. Perlu diketahui bahwa selain peralatan, kondisi lingkungan merupakan infrastruktur yang sangat penting untuk diteliti terlebih dahulu sebelum mengaplikasikan sebuah sistem komunikasi di suatu daerah, karena masing- masing daerah pasti mempunyai karakteristik lingkungan yang berbeda. Sedangkan pada penelitian ini, karakteristik lingkungan akan diwujudkan berupa
pemodelan kanal yang
dipresentasikan dengan niai Path Loss Exponent (PLE). Berdasarkan nilai PLE, maka
dapat ditentukan model path loss propagasi yang sesuai pada lingkungan tersebut, sehingga dapat juga ditentukan jenis peralatan yang cocok untuk mendukung implementasi ITS di Surabaya agar diperoleh kinerja yang optimal.
2. Rancangan Sistem
Pada bagian ini akan dijelaskan metode yang digunakan untuk menentukan nilai PLE. Untuk menentukan niai PE diperlukan data-data tentang kondisi lingkungan di sepanjang jalan tol. Data-data tersebut meliputi data primer dan data sekunder. Untuk mendapatkan data primer dilakukan dengan cara pengukuran, sedangkan data sekunder diperoleh dengan cara survey. Data yang diperoleh melalui survey antara lain : lokasi BTS, klasifikasi jalan (berdasarkan ukuran jalan, ukuran kendaraan dan kondisi jalan), serta kepadatan lalu lintas. Data tersebut akan digunakan untuk merencanakan skenario pengukuran dan menentukan titik-titik pengambilan sampel untuk pengukuran. Untuk lebih jelasnya metode penelitian dapat dilihat seperti terlihat pada gambar 1.
Gambar 1. Blok Diagram Methodologi Penelitian
2.1 Survey Data Jalan
Data jalan yang diambil pada survey ini meliputi : panjang jalan, lebar jalan, lebar bahu jalan, batas kecepatan minimum dan batas maximum yang diijinkan melalui jalan Tol tersebut, serta kondisi lingkungan di sekitar jalan Tol, karena kondisi lingkungan ini yang akan mempengaruhi proses propagasi sinyal komunikasi dari RSU ke BTS. Disamping itu juga dilakukan survey mengenai posisi BTS yang berada di pinggir jalan Tol yang dapat meng-cover user yang berada di bahu jalan Tol tersebut.
2.2 Pengukuran
Pengukuran adalah salah satu metode untuk mendapatkan data yang dilakukan pada penelitian ini. Proses pengambilan data dilakukan dengan 2 cara yaitu dengan drive test untuk mengukur parameter KPI, dengan mengambil sampel pada satu coverage area sebuah BTS GSM di sepanjang jalan Tol Waru – Surabaya. Sedangkan pengukuran yang lain dilakukan dengan menggunakan spectrum analyzer yang akan digunakan untuk mengukur level daya di titik sample sepanjang jalan Tol. Sedangkan peralatan yang digunakan untuk pengukuran adalah sebagai berikut :
- Untuk melaksanakan pengukuran parameter KPI pada jaringan GSM dengan cara drive
test
, memerlukan peralatan baik perangkat lunak maupun perangkat keras sbb :
a. Perangkat Lunak Pengukuran dilakukan untuk frekuensi GSM menggunakan perangkat lunak TEMS
investigator
8.03. Perangkat ini di-lengkapi dengan peta lokasi dari BTS GSM yang berada di sepanjang jalan Tol Waru-Surabaya. Peta lokasi tersebut juga dilengkapi dengan informasi identitas sel masing-masing lokasi.
b. Perangkat Keras Selain perangkat lunak, masih diperlukan perangkat keras sebagai pendukungnya, seperti Laptop, HP, GPS dan kendaraan yang digunakan untuk pelaksanaan pengukuran. Set-Up pengukuran Drive Test dapat dilihat pada Gambar 2.
- Spectrum Analyzer
Pengukuran Level Daya Terima
Peralatan yang digunakan pada pengukuran ini adalah : Rohde & Schwarz FSH23 100 KHz – 3 GHz, d ipole antenna : UHA 9105 dan kabel Coaxial type
RG 58 dan Laptop dengan perangkat lunak FSH view. Set-Up pengukuran dengan
spectrum dapat dilihat pada Gambar 3.2.3 Set-Up Pengukuran
Gambar 2. Set-Up Drive Test Gambar 3. Set-Up Spectrum Analyzer
2.4 Lokasi Pengambilan Data
Pengambilan data ke 2 cara tersebut diatas, menggunakan lokasi ang sama yaitu Jalan Tol Waru-Surabaya. Lokasi dapat dibagi ke dalam 5 cluster berdasarkan gerbang masuk Tol. Cluster 1 (Gerbang Tol Waru – Gerbang Tol Gunung Sari), cluster 2 (Gerbang Tol Gunung Sari – Gerbang Tol Kota Satelit), cluster 3 (Gerbang Tol Kota Satelit – Gerbang Tol Dukuh Kupang), cluster 4 (Gerbang Tol Dukuh Kupang – Gerbang Tol Gresik), dilihat seperti pada Gambar 4.
Gambar 4. Ruas Jalan Tol Waru-Surabaya dan Lokasi BTS
2.5 Parameter Pengukuran
Skenario pengukuran sinyal GSM. Pengukuran dimulai dengan memilih BTS dan kemudian berjalan berputar mengelilingi BTS itu dari jarak 100 meter sampai 2 km. Dalam setiap jarak perpindahan, secara otomatis penerimaan sinyal dicatat Mobile Station (MS) TEMS dan Lokasi BTS ditampilkan pada map info yang diperoleh dari GPS. Pengukuran ini digunakan untuk mengetahui kondisi kuat sinyal (RSCP ~ Receive Signal
Code Power
) dan
Ec/No (Energy Chip / Noise Power) pada perubahan jarak sepanjang
jalan Tol. Sedangkan pathloss di peroleh dengan cara menghitung dari level daya yang diterima oleh spectrum analyzer.
3. Data Pengukuran
Karena pengukuran dilakukan dengan 2 cara, maka data yang diperoleh juga ada 2 macam yaitu data drive test dan daya dari spectrum analyzer.
3.1 Data Drive Test
Pengukuran dilakukan setiap jarak 200 m sepanjang jalan tol Waru-Surabaya, ini dilakukan untuk memperoleh data yang valid tentang kondisi lingkungannya. Pengukuran dilakukan ditepi jalan tol dimana lokasi tersebut ada kemungkinan dapat digunakan untuk meletakan sebuah sensor. Contoh kondisi jalan tol seperti terlihat pada Gambar 5, sedangkan data hasil pengukuran dapat dilihat pada Gambar 6.
Gambar 5. Kondisi Jalan Tol Gambar 6. Data RSCP dari Drive Test Gambar 7. Data Ec/No dari drive Test
Gambar 7. merupakan salah satu coverage plot dari hasil pengukuran Ec/No pada kondisi
iddle
dengan rute Waru-Surabaya dan metode lock (hanya menerima jaringan 3G/GSM) untuk operator Telkomsel. Dari coverage plot tersebut dapat diketahui bahwa level sinyal yang diterima oleh MS ada warna kuning, hijau bahkan biru dan beberapa titik berwarna merah. Ini berarti bahwa level kualitas sinyal (Ec/No) yang diterima oleh MS di rute Waru-Surabaya bagus, meskipun ada beberapa tempat yang kurang bagus.
3.2 Data Pengukuran Menggunakan Spectrum Analyzer
Data ini diperoleh dari pengukuran level sinyal disuatu titik/lokasi sepanjang tepi jalan tol Surabaya-Waru. Data ini akan digunakan untuk mencari kemungkinan adanya coverage area dari BTS di sekitar jalan tol, kemudian digunakan untuk menentukan lokasi sensor (RSU) agar komunikasi wireless antara RSU dengan server berjalan dengan baik. Disamping itu, data hasil pengukuran ini juga akan digunakan sebagai acuan untuk menentukan data spesifikasi teknis dari RSU yang dapat digunakan secara optimal. Salah satu contoh data hasil pengukuran menggunakan menggunakan spectrum analyzer dapat terdapat 3 pasang frekuensi carier, masing-masing untuk downlink dan uplink. Ketiga frekuensi tersebut mewakili teknologi GSM dan UMTS (3G) dari salah satu operator yang terdapat di pinggir jalan tol. Data inilah yang akan digunakan untuk menghitung link
budget pada environment jalan tol, link budget kemudian digunakan untuk menentukan
coveragedari BTS terhadap lingkungan di sekitar jalan tol tersebut. Lingkungan di jalan tol tergantung dari karakteristiknya, dan karakteristik akan sangat ditentukan oleh nilai pathloss exponent. Oleh karena itu perhitungan nilai pathloss exponent akan menggambarkan karakteristik lingkungan jalan tol tersebut.
Gambar 8. Data Level Daya Dari Spectrum Analyzer
HASIL DAN PEMBAHASAN Kualitas Layanan (QoS)
Kualitas layanan atau Quality Of Service (QoS) dihitung dari parameter call events
(call setup, call attempt, dropped call dan blocked call)
yang diperoleh dari TEMS Investigation, adapun parameter kualitas jaringan yang dihitung meliputi CSSR (Call
Setup Success Ratio) , DCR (Dropped Call Ratio), CCSR (Call Completion Success Ratio)
dan BCR (Blocked Call Ratio). Untuk memperoleh nilai tersebut, maka digunakan persamaan (1) sampai persamaan (4).
∑
(1) % 100%
∑
∑
(2) % 100%
∑ ∑
(3) % 1 100%
∑ ∑
(4) % 100%
∑
Berdasarkan data pengukuran pada call events dan dihitung menggunakan persamaan (1)- (4), maka diperoleh QOS seperti pada Tabel 1 dan Tabel 2.
Tabel 1 Data Call Events hasil pengukuran akumulatif
Jumlah (kali) Cluster Blocked Call Call Dropped Call Established
Call Attempt Setup Call Waru-Sby
8
7
7
1 Tabel 2
Hasil Perhitungan QOS
QOS (%) Daerah
CSSR DCR BCR CCSR Waru-Surabaya 87,5 12,5 100
Dari Tabel 2. dapat dianalisa bahwa secara akumulatif, kualitas layanan sepanjang jalan Tol Waru – Surabaya cukup bagus meskipun DCR = 0%, tetapi BCR masih cukup tinggi yaitu 12,5 %, dan ketersediaan kanal juga cukup bagus yaitu 85%. Jadi kesimpulannya bahwa environment sepanjang jalan Tol Waru-Surabaya cukup mendukung jika akan di terapkan komunikasi wireless untuk Intelligent Transportation system (ITS), tetapi masih perlu ditambah BTS di tempat-tempat tertentu agar diperoleh performansi yang optimal.
Perhitungan Path Loss Exponent (n)
Path Loss Exponent dapat dihitung menggunakan pedekatan regresi, regresi merupakan teknik untuk memperoleh persamaan kurva pendekatan dari titik-titik data pengukuran yang telah diperoleh. Karena data yang diperoleh mempunyai sebaran yang bervariasi, maka digunakan regresi polynomial untuk menyederhanakannya. Tetapi pada kasus penelitian ini, sebaran nilai pathloss tidak begitu bervariasi (dengan Std = 3,5081), maka pendekatan yang digunakan adalah regresi linier. persamaan (6). Dimana pathloss diperoleh melalui perhitungan dari data pengukuran menggunakan spectrum analyzer. Kemudian dari pathloss dapat diperoleh nilai pathloss
exponent
nya. Grafik level daya hasil pengukuran pada salah satu cluster dapat dilihat pada Gambar 9 dan hasil perhitung pathloss dari cluster yang sama ditunjukkan pada Gambar
10. Setelah dimasukan nilai parameternya, maka diperoleh nilai pathloss exponent (n) untuk 5 cluster di daerah sekitar jalan Tol waru – Surabaya dan sebaliknya, seperti yang tertera pada Tabel 3. Nilai (
n) ini bisa digunakan untuk memodelkan kanal riil sesuai kondisi yang sebenarnya pada saat dilakukan pengukuran.
, log log log (5)
10 (6)
Gambar 9. Level Daya Pada Cluster 1 Gambar 10. Pathloss Pada Cluster 1 Tabel 3
Nilai pathloss exponent 200 300 400 500 600 700 800 900 1000 -76 -74 -72 -70 -68 -66 -64 -62 -60 -58 -56 Jarak (m) P ow er Re ce iv ed (d B m ) 200 300 400 500 600 700 800 900 1000 1100 88 90 92 94 96 Pa 104 102 98 100 Jarak (m) th L os s (d Bm ) Pathloss Hasil Pengukuran Smoothing Pathloss
Titik Pengukuran
Nilai Pathloss Exponent (n)
Pagi Siang Malam Rata-rata
Cluster 1 4,82 4,77 4,79 4,7933 Cluster 2
4,44 4,46 4,45 4,4500 Cluster 3 4,43 4,46 4,40
4,4366 Cluster 4 5,07 5,05 5,06 5,0633
Cluster 5 5,08 4,87 4,93 4,9600 hasilnya dapat dilihat pada Gambar 11. Terlihat bahwa grafik pathloss pemodelan menyerupai grafik pathloss hasil perhitungan dari data pengukuran. 102 104 (d os s Bm ) L 100 98 96 Pa th 90 92 94 Pemodelan Pathloss Exponent Smoothing Pathloss Pathloss Hasil Pengukuran
88
200 300 400 500 600 700 800 900 1000 1100
Jarak (m)
Gambar 11. Grafik pemodelan dengan nilai (n) pada cluster 1
SIMPULAN
Perhitungan DCR (Drop Call Ratio) rata-rata diperoleh sebesar 0%, ini berarti bahwa setiap panggilan yang sukses maka kemungkinan drop/putus sangat kecil. Dan nilai CCSR (Call Completion Success Ratio) sebesar 100%, dari hasil ini menunjukkan bahwa panggilan yang berhasil akan diselesaikan dengan baik. Jadi jelas bahwa ketersediaan kanal di sepanjang jalan Tol Waru-Surabaya cukup digunakan untuk mendukung komunikasi nirkabel untuk ITS. Perlu diketahui bahwa berdasarkan nilai pathloss exponentnya (4.43 s/d 5.06), ini berarti lingkungan jalan Tol Waru-Surabaya termasuk daerah urban atau sub-urban.
DAFTAR PUSTAKA Błaszczyszyn B., Mohamed Kadhem Karray and Franc¸ois-Xavier Klepper. (2010).
Impact of the Geometry, Path-Loss Exponent and Random Shadowing on the Mean Interference Factor in Wireless Cellular Networks. , INRIA-ENS and Math. Inst.
Univ. Wroc ław, Franc.
Caleb Phillips, Douglas Sicker, and Dirk Grunwald. (2013). A Survey of Wireless Path Loss Prediction and Coverage Mapping Methods. IEEE Communications Surveys & Tutorial , Vol.15, No.1.
Kenneth Lin, and Timothy Weil. (2011). Vehicular Networking: A Survey and Tutorial on Requirements, Architectures, Challenges, Standards and Solutions. IEEE Communications Surveys & Tutorial.
Konstantinos K., Ralf K., Mehrdad D., Charalampos Z., David Rieck. (2011). Application of Vehicular Communications for Improving the Efficiency of Traffic in Urban Areas, Wireless Communications and Mobile Computing, vol. 11 issue 12. p. 1657- 1667
NurAdi S, Okkie P. (2010). Investigasi dan Analisa Coverage Area Pemancar CDMA di Daerah Surabaya dengan Sistim Informasi Geografis (SIG). Jurnal Emitter, EEPIS.
Surabaya. NurAdi S, Okkie P. (2011). Analisa Path loss Exponent di Area Terbuka Untuk Aplikasi Wireless Sensor Network (WSN). Prosiding SnaPP, Unisba, Bandung.
Nur Adi S, Okkie P & Ari W. (2014). Analysis of Area Environmental Conditions In Surabaya to Support The Communication System of ITS. The Third Indonesian- Japanese Conference on Knowledge Creation and Intelligent Computing (KCIC).
Malang, Indonesia. Nur Adi S, Okkie P., Ari W., (2015). Design and Manufacture of a Prototype I2I
Communication System to Monitor Vehicle Speed to Support Intelligent Transportation System (ITS) In Surabaya. Poster session, (KCIC). Malang, Indonesia. Okkie P, NurAdi S. (2012). Analisa Pathloss Exponent Pada Daerah Urban dan Suburban
Untuk Mendukung Pembangunan Insfrastruktur Telekomunikasi dan Infromasi di Surabaya. Proceding SNAPP, Unisba, Bandung. P. R. Ogungbayi, A. J. Falade, and Abubakar Abdulkarim. (2012). Propagation Path Loss
Characteristics at 900 MHz in Ilorin, Nigeria. Epistemics in Science, Engineering and Technology, Vol.2 , No.2 , pp 84-93.